全向智能超表面（IOS/STAR-RIS）分块共生反向散射系统（AmBC）_智能全向超表面

本文出自团队发表在  IEEE Wireless Communications Letters 的文章“A STAR-RIS-Segmented Symbiotic AmBC System”

原文链接如下

https://ieeexplore.ieee.org/document/10445749

欢迎大家引用~

摘要

        随着5G时代的快速崛起，物联网作为新一代通信技术将在不远的将来连接数十亿个小型计算设备，而频谱稀缺和能量消耗将成为阻碍大规模物联网接入的两个主要问题。作为低功耗通信技术的代表，共生反向散射通信技术成为解决该问题的一种有效手段，与此同时，智能超表面（Reconfigurable Intelligent Surface, RIS）的出现为提升反向散射通信系统性能提供了新的思路，但仍面临如何全面提升共生系统整体传输性能、如何有效抑制共生通信系统内部自干扰等问题。RIS阵面通过相位对齐可以有效提升共生系统中反向散射链路的信道容量和传输可靠性，但在主流的串行干扰消除（Successive Interference Cancellation, SIC）译码框架下大规模RIS接入也会对主系统信号译码造成严重干扰。为此，本文提出一种RIS“分块”协同共生反向散射通信方案，RIS被分为EP区和BD区，分别增强接收机处主系统信号和反向散射信号，自适应地感知和利用无线电频谱，保证主系统和反向散射系统实现并发可靠传输。

引言

随着5G时代的快速崛起，物联网技术作为新一代的通信技术，通过智能感知、识别技术与普适计算等通信感知技术，广泛应用于网络的融合中，也因此被称为继计算机、互联网之后世界信息产业发展的第三次浪潮[1]。物联网的快速发展，意味着其将连接数十亿个嵌入在物体和环境中的小型计算设备，比如书籍、家具、家用电器，甚至植入式医疗设备[2]。到2030年，全球连接设备的数量预计将达到1250亿个，每立方米将有多达100个物联网连接。

我们在享受物联网带来的方便的同时，也面临着许多问题，蓝牙[3]、ZigBee[4]和近场通信(NFC)等传统的物联网技术需要指定的频谱资源和难以想象的能量消耗，阻碍了物联网的大规模无线接入和大规模部署。频谱稀缺和能量消耗是万物互联时代需要解决的两个主要问题[5]。同时，未来6G时代还要求实现高速率通信，6G通信的传输速率将达到每秒1 Tbps（太比特每秒），这比当前的5G通信传输速率高了数十倍甚至数百倍。为了实现这种高速率通信，6G通信需要采用新的调制和编码技术、更高的频率带宽、更智能的信号处理和干扰消除技术等。它还需要更好的频谱使用和管理策略，以有效地提高频谱利用率，并避免频谱资源浪费和干扰[5]。

反向散射通信[6]与可重构智能表面的融合有望解决上述问题，正受到学术界和工业界的广泛关注。反向散射通信是通过在射频域重新调制来自环境蜂窝网发射源、WiFi路由器和数字电视广播塔的环境射频信号来进行自身信号的传输，反向散射设备能够被动地传递信息，而不需要专用的频谱资源，消耗非常少的功率，以高频谱效率和低功耗方式工作，同时解决上述两个问题但不适合远场通信。RIS阵面由大量的人造电磁单元组成，每个电磁单元都可以通过数字控制来对入射信号产生不同的反射振幅、相位和极化响应。由于RIS通常由许多贴片单元(如PIN二极管)组成，它可以在不需要射频链的情况下提供显著的被动波束成形增益，从而产生低成本和低能耗的解决方案。例如，最近文献[7]进行的实验表明，对于由1720个反射单元组成的大型RIS，总功耗仅为0.280W。除了增强覆盖范围外，RIS还可用于在射频（RF）域被动调制信息，并应用在反向散射系统中。特别是它在信息传输中起到的两种不同的作用，即覆盖增强和反向散射传输，对于实现高谱效、高可靠反向散射通信，解决万物互联时代频谱稀缺与能量消耗问题起着不可估量的作用。

反向散射通信被认为是一种非常有应用前景的低功耗通信技术[6][7]，反向散射发射设备（BD）可以重新调制和反射接收到的射频信号，向反向散射用户（BR）发送消息。由于BD使用外部射频信号作为载波，本身不需要任何有源射频组件，因此在解决未来大规模物联网接入所需的低功耗通信问题方面展现出了巨大的潜力[8]。但传统的反向散射通信也存在一些局限性问题，比如传统反向散射通信系统要求用户和射频源配置在同一设备中，会造成严重的自干扰，导致反向散射通信覆盖范围有限等问题[9]。

传统反向散射通信技术由于需要单独设置射频源（单站或双站反向散射通信），其系统构成相对复杂，且成本较高，不利于大规模部署。环境反向散射通信（AmBC）技术的出现为大规模、低成本部署反向散射通信系统带来了希望，目前已成为解决频谱稀缺与能源消耗的关键技术。这方面，V. Liu等人设计了一种基于环境数字电视广播信号的反向散射通信系统，避免了自身产生载波信号所需的硬件电路并降低了功耗，且收发信机节点可以收集射频能量进行供电，比传统传感器节点能耗降低了几个数量级[10]。

图 1.1  能量收集系统[11]

文献[11]对远场低功率密度能量收集技术进行了全面研究，并且嵌入式微控制器传感器原型系统已成功由环境超高频 （UHF） 数字电视信号 （512–566 MHz)）供电，其中广播天线距离无线能量收集设备 6.3 公里。还展示了 915 MHz 和 2.45 GHz 的高效双频环境能量收集器和 460 MHz 的用于体域网的能量收集器，以验证环境 UHF/RF 能量收集作为物联网使能技术的智能皮肤应用计划。

由于反向散射通信会对主系统通信产生干扰，为保证主系统和反向散射通信系统同时可靠传输，人们进一步提出了共生反向散射通信的概念，其中反向散射通信系统在借助主系统载波进行无源通信过程中，同时控制对主系统的干扰，实现两种系统共生共存，用户采用串行干扰消除技术（SIC）对主系统信号和反向散射信号依次进行译码[12]。[13]的作者中提出了一种蜂窝与物联网的共生系统传输协议。

图1.2  蜂窝与物联网的共生系统[13]

上述系统结合了下行NOMA系统和反向散射设备（BD）。在所提出的系统中，发射源（BS）根据NOMA协议向两个蜂窝用户发送信息，而BD使用无源无线电技术通过BS发送的NOMA信号作为载波通过反向散射方式向两个蜂窝用户发送其信息。为充分发挥共生反向散射通信系统在频谱效率与能量效率方面的潜力，文献[14]提出了共生、寄生、竞争三种频谱共享机制，并给出了系统最优功率分配。在此基础上，文献[15]进一步研究了上述三种反向散射频谱共享机制的中断概率及其渐近中断性能。

传统反向散射通信一般采用单天线配置，导致信道容量和传输可靠性受限，而智能超表面（Reconfigurable Intelligent Surface, RIS）的出现为提升反向散射通信系统性能带来了希望[16][17]。由于RIS大规模的天线单元可以带来海量的散射信道资源，从而有望显著提升反向散射信道容量。具体来说，RIS通过调整阵面相位分布，不仅可以改变入射电波传播方向，还提供显著的被动波束成形增益，并通过相位配置完成信息调制功能，对于解决大规模物联网时代频谱稀缺与能量消耗问题起着不可估量的作用。然而，对于经典的RIS阵面，只能调控单侧反射波束的特性限制了RIS反向散射通信的应用场景，无法有效满足360度覆盖的解决方案，而全向RIS共生反向散射通信系统可以有效解决该问题。

 图 1.3  全向RIS示意图[19]

具体来说，根据文献[18]-[20]的定义，全向RIS工作模式可以分为能量分割（ES）、模式切换（MS）和时间切换（TS）三种情况。对于ES，假设RIS的所有单元都在T&R模式下工作。对于给定的透射和反射系数，RIS阵面上的各单元可以将入射信号分解为不同幅度和相位的透射信号和反射信号。在MS模式中，RIS的所有单元根据模式不同被划分为两组。一组是以透射模式运行的单元，另一组是以反射模式运行的单元。TS协议的RIS在正交时隙（简称T周期和R周期）中周期性地在T模式和R模式之间切换所有单元。因此，全向RIS阵面可进一步提升信号的覆盖范围，将服务范围扩展到全维。

图 1.4  透反射RIS阵面[18]

由于RIS和反向散射通信都是通过调控反射系数来改变反射电磁波特性，具有相同的反射原理，因此RIS不仅可以增强反向散射通信链路，还可以用于在射频（RF）域被动调制信息。当RIS作为BD时，由于底层信道模型[21]相似，RIS使能通信技术可以直接应用于RIS使能的反向散射通信[22]-[24]。在远场通信中，RIS反射信号功率强度随反射单元数目的增加而呈二次增长[25]。此外，RIS还可以利用空间分集或多路复用技术进一步提高反向散射通信的性能[26][27]，但在SIC译码框架下RIS仅作为BD进行反向散射调制时的自干扰问题仍是限制主系统和反向散射系统通信速率的主要瓶颈问题。

综上所述，在现有研究中，虽然RIS使能的环境共生反向散射通信系统在解决频谱资源稀缺与能量消耗问题方面具有良好的潜力，但在串行干扰消除（SIC）框架中被动传输反向散射信号时存在严重的自干扰问题，限制了大规模RIS对于提升共生系统传输性能方面的作用。

系统模型

图 2.1  全向RIS分块共生系统模型

如图 2.1所示，本章提出一种全向RIS分块共生反向散射系统，包括一个发射源S、一块全向RIS阵面以及位于RIS两侧的用户Dr 和Dt 。其中，全向RIS阵面被分为EP区和BD区，采用ES工作模式，两个区域内的单元数目可以动态调整，RIS包含N 个透反射单元，第i个透反射单元记为Ii ， EP区用来增强来自发射源S的主系统信号sn 的传播，BD区以sn 为载波来调制并增强反向散射信号cn 。由于无线信道的广播性质，透反射用户将同时收到sn 和cn 。

不失一般性，假设EP区和BD区分别包含N1 、N2 个透反射单元，将从S到EP区、S到BD区、EP区到Dr 、EP区到Dt 、以及BD区到Dr 和BD区到Dt 的信道系数分别设为{g1,g2,…,gN1} 、{ g1,g2,…,gN2} 、{hr1,hr2,…,hrN1} 、{ht1,ht2,…,htN1} 、{hr1, hr2,…, hrN2} 和{ht1, ht2,…, htN2} ，并忽略传播条件较差的直传链路。设S到RIS、RIS到Dr和Dt 的距离分别为dg、dhr 和dht。假设所有信道都是独立同分布的复高斯衰落，即gi∼CN0,λg、gi∼CN0,λg、hri∼CN0,λhr、hri∼CN0,λhr、hti∼CN0,λht和hti∼CN0,λht 。考虑到路径损耗效应的影响，用β 表示路径损耗指数，得到λg=dg-β、λhr=dhr-β 和λht=dht-β 。进一步假设RIS具有全局信道状态信息（Global CSI），因此RIS阵面的每一个元件Ii 都可以根据全局信道状态信息（CSI）来补偿其信道相移。

省略一系列复杂的推导，见原文

可以得到系统中断率如以下命题

命题2.1：在高发射信噪比的情况下，全向RIS“分块”共生反向散射通信系统的COP可以渐近地表示为

注记2.1：通过上述命题可知，增加N1 和N2 的数量可以有效降低系统COP，这充分体现了RIS分块方法的有效性。同时在高信噪比区域，若给定固定的透反射单元数目N ，系统的阵列增益和分集增益由minN1,N2 决定，因此在系统设计时需注意N1 和N2 数量的平衡，以获得更高的系统分集增益和更低的系统COP。另外，在SIC译码框架下，系统的自干扰也需通过N1 和N2 数量的调节来抑制。

命题2.3：高信噪比情况下,系统译码sn与cn的容量上界可渐近地表示为

注记2.5：由上述命题可知，在高发射信噪比下，共生系统译码cn 和sn 的EC均与log2(Ps) 呈线性关系。在系统实现共生的基础上，增加N1 的数目可提升系统译码sn 的容量上界，增加N2 的数目可提升系统译码cn 的容量上界。结合命题1若考虑共生条件，SIC译码框架下系统译码sn 的容量上界不受N2 影响，记C1u∝N1 ，结合SIC译码框架，译码cn 的容量受到N2 和共生条件限制，这在后续仿真中将得到验证，因此工程实现中需考虑系统要求具体分配RIS单元规模。

综合上述命题与结论，在RIS总规模确定的情况下N1 和N2 具体分配问题会影响系统性能，合理的N1 和N2 分配可以在达到性能指标要求的情况下尽可能地降低资源损耗，我们也推导出一种利用COP和EC解析表达式和具体性能指标要求的循环迭代算法确定最少的透反射单元数目，其中给出了具体流程，此处不再赘述。

仿真验证

本节将利用仿真数据对上述讨论全向智能超表面分块共生系统的性能进行仿真验证，采用蒙特卡洛仿真方法验证所提出的全向共生系统的COP和EC的分析结果，并针对关键参数讨论对性能的影响，仿真对比的性能主要包括共生系统中断率和各态历经容量两个方面。

不失一般性，我们对所提出的系统给定以下仿真条件，采用前文所提出的路径损耗模型，设路径损耗指数β=2 ，平均信道功率增益设为λg=0.25 ，λhr=0.25 ，λht=0.125 ，译码阈值τs 与τc 在未明确指出下均为τs=τc=1dB 。设两个基准系统，对于基准系统1，将整个RIS作为BD对cn 进行反向散射调制，直接链路传递主系统信号sn ，主链路的平均信道功率增益λp=0.25 ，对于基准系统2，采用反射型RIS分块共生系统，不服务透射用户，信道条件与全向RIS相同。

图 2.3  不同RIS规模下的系统COP

上图展示了不同N1 和N2 数量下共生系统的COP随发射信噪比的变化图。从图中可以看出，系统中断率的理论分析结果与仿真结果的吻合度较好，证实了理论分析的正确性，此外，渐近COP曲线在中高信噪比区间下与仿真曲线重合度较好，验证了前文渐近分析的正确性。同时从图中可以发现，RIS总规模确定的情况下，N1 和N2 数量相对平衡的情况下系统COP表现更好，当N2 数量较N1 更大时，系统在低信噪比区间表现较差，这是由于在SIC译码框架下，反向散射信号会对主系统信号造成干扰。

图 2.4  不同系统COP对比

上图展示了不同系统下的中断率性能对比，由上图可以看出，本文提出的全向RIS分块共生系统相对于传统的存在直接链路的基准系统1在相同RIS规模下，中断率性能有着明显的优势，发射功率达到20dB时性能差异超过两个数量级，且随着发射功率的增大性能差异持续增大。同时相对于仅反射的分块共生基准系统2，本系统在有效提升信号覆盖范围，将“半域”共生系统拓展为“全维”共生系统的基础上，中断率性能并未明显降低，这是因为仅反射RIS阵面在SIC译码框架下αr也受到限制，没有将信号功率全部利用，采用全向RIS阵面将被限制的功率透射到另一端，有效提升了发射功率的利用效率和信号覆盖范围。

图 2.5  不同反射系数下系统译码cn

上图展示了在BD区反射系数不同取值下的容量对比，通过上图可以发现，在信道条件λhr=λht=1/4 时，αr 的取值由0.2-0.8变化，系统译码信号的EC呈现先增大后减小的趋势，且在αr=0.4 和αr=0.6 时容量较大，这是由推论2.1中反射系数的反馈机制决定的，但具体信道衰落导致最佳系数存在不确定性。本文推导的最佳反射系数αr* 随信道条件的变化而灵活变化，修正了信道随机性导致的反射系数的不确定性，相比较αr取值固定的情况表现出更好的效果，将容量提升约13%，验证了本文MAX-MIN准则得到的最佳反射系数的有效性。

图 2.6  系统译码sum EC与反射系数关系

图 2.6展示了系统译码cn 的EC与反射系数和RIS放置位置的关系，通过图中结果可以发现，在用户到RIS距离发生变化的情况下，αr=αr* 均表现出较固定αr 更好的性能，这是由于αr* 能及时调整以应对信道衰落随机性导致的不确定情况。同时可以发现，RIS规模确定的情况下，系统译码EC的上界由距离较远的用户决定，总距离相同时，双方距离差越小，系统容量越大，这验证了推论2.2的内容，给我们RIS阵面的放置位置提供了理论依据和实验依据。

图 2.7展示了在不同N1 和N2 数量和译码阈值下系统译码sn 的EC随发射信噪比的变化图。结果表明，本文推导的系统译码sn 的EC上界的吻合度较好，证实了理论分析的正确性。随着发射信噪比的提高， EC随发射信噪比先慢速变化，然后进入快速增加阶段，最后达到饱和点，进入线性变化阶段，系统设计应考虑饱和点的影响以节省能量和获得更好的通信性能。

从图中还可以看出，系统译码sn 的 EC在中低信噪比时受到N1 和N2 的共同影响，高信噪比时N1 增大，EC显著增大。这是因为在SIC译码框架下，译码sn 时将反向散射信号cn 视为干扰，在中低信噪比区间，N2 相对N1 较大时，会对译码主系统信号造成干扰，因此达到饱和点所需的发射功率较大，造成额外的能量消耗。

结论

本章在大规模物联网的发展背景下提出一种全向RIS“分块”协同共生反向散射通信方案，为同时提高主系统和反向散射系统的传输性能，将全向RIS阵面引入共生系统，解决了信号覆盖范围不够，利用率低的问题。为解决译码自干扰问题，将全向RIS分为EP区和BD区，并通过自适应调节透反射系数实现主系统信号和反向散射信号的正确译码。定义了系统COP性能指标和sum EC性能指标，并分别推导出解析表达式，得到该方法下的理论分析结果。

本章在COP推导过程中确定了高发射信噪比情况下的分集阵列增益，在sum EC推导过程采用MAX-MIN算法逐步简化问题，确定了与信道条件相关的最佳反射系数并给出sum EC的严格上界。理论分析与仿真验证的结果表明，共生系统的COP分集阵列增益由min(N1, N2 )决定，系统译码信号的EC上界由较低速率用户决定。通过系统性能对比，分块共生系统与传统共生系统的中断性能相比可提供约12dB的信噪比增益，采取本章推导的最佳反射系数相比较固定反射系数信道容量性能提升约13%。这要求我们在工程实现中不仅注意EP区与BD区透反射单元数量的平衡，还要注意RIS阵面与两侧用户间距离的平衡，本章结果为系统确定最佳的RIS阵面的规模与放置位置提供理论参考，通过本章系统和传统系统的比较可以发现，本章系统能有效解决主系统信号和反向散射信号的相互干扰问题，显著提升共生系统传输可靠性和有效性。

觉着有帮助可以点赞＋收藏~