你好赵伟

这个屌丝很懒，什么也没留下！

热门标签

RIS辅助集成传感和通信：小型回顾_半定松弛sdr算法ris辅助通信

作者：你好赵伟 | 2024-08-04 23:41:05

踩

半定松弛sdr算法ris辅助通信

作者：米尔扎·阿西夫·海德尔

单位：美国宾夕法尼亚州费城天普大学电气与计算机工程系

集成传感和通信（ISAC）是一项尖端技术，旨在使用共享频谱实现高分辨率目标传感和高数据速率通信。这种创新方法优化了无线电频谱的使用，没有或最小的相互干扰。可重构智能表面（RIS）控制环境和提供额外自由度的能力正在推动 RIS 辅助 ISAC 的发展。在这篇小型综述中，我们概述了RIS辅助ISAC技术的当前最新技术，包括各种系统配置、方法和信号处理技术。

1 引言

对高分辨率传感和高数据速率无线通信的需求需要更宽的频段，导致频谱拥塞加剧。一个有效的解决方案是集成传感和通信基础设施。集成传感和通信（ISAC）技术提高了频谱和能源效率，并降低了硬件成本（Hassanien 等人，2015 年;Hassanien等人，2016;Mishra等人，2019;Liu 等人，2020 年;Wu 等人，2022 年;Mishra 等人，2023 年）。ISAC在各个领域都有广泛的应用。除了支持典型的蜂窝无线通信和雷达传感外，它还可用于地球科学、遥感、环境监测、人机交互和自动驾驶汽车（Cui et al.， 2021;Elbir 等人，2021 年;Liu 等人，2022a;Cheng 等人，2022 年;Zhang 等人，2022 年;Xu 等人，2023 年）。

ISAC系统可分为两种主要方法，即雷达通信共存（RCC）和双功能雷达通信（DFRC）（Elbir等人，2021;Chu 等人，2022 年）。RCC系统采用高效的干扰管理技术和优化的资源分配，使通信和雷达功能能够有效运行，而不会相互过度影响。这涉及设计系统以避免冲突，最大限度地减少干扰的影响，并最大限度地提高系统性能。另一方面，DFRC系统通过共享发射器同时执行通信和雷达任务。

可重构智能表面（RIS），也称为智能反射表面（IRS），是一种超表面，通常构造为无源元件的平面阵列。RIS 通常是由小型、被动和可重构元素组成的二维数组。这些阵列采用先进的超材料设计而成，这些超材料具有独特的特性，例如负折射率，可以对反射波的方向和强度进行精细控制。采用复杂的信号处理技术来控制反射信号的相位和幅度。通过操纵电磁波在无线通信系统中的传播，RIS可以提高信号质量、网络容量并减少干扰（Basar 等人，2019 年;Boulogeorgos 和 Alexiou，2020 年;Han 等人，2020 年）。

为了方便硬件实现，RIS权重通常设计为恒定模量，并在移相器中使用有限数量的离散值。RIS技术因其能够控制传播环境，从而提高无线传感和通信系统的性能而迅速普及。RIS 的产品包括实现更高的频谱效率、降低基站（BS）发射功率要求、更好的多用户干扰（MUI）缓解、改进的信号到达方向（DOA）估计以及更高的目标定位和跟踪精度（Asif Haider 等人，2022 年;Wei 等人，2022a;Shi 等人，2022 年;Asif Haider 等人，2023a）。近年来，RIS作为一种有前途的6G通信技术，由于其上述独特功能而受到广泛关注。RIS可以部署在各种表面上，包括建筑外墙、工厂天花板，甚至人体服装。RIS 辅助无线系统已被证明在信噪比（SNR）、中断概率、符号错误率和遍历容量方面优于放大转发中继系统。

ISAC系统的实施面临一些挑战。例如，ISAC系统在传感和通信功能之间遇到了潜在的相互干扰（MI）这一独特问题。在毫米波频段运行的ISAC系统存在高传播衰减，当基站与通信用户（CU）或目标之间的视距（LOS）受阻时，其性能会严重下降（Wei等人，2022a;Shi 等人，2022 年）。RIS技术提供了一种克服这些障碍的解决方案，从而提高了传感和通信能力及性能。通过在 BS、CU 和目标之间放置 RIS，并自适应控制波束，我们可以增强通信和传感信号的强度，提供 LOS 连接，扩展通信和传感覆盖范围，并减少 MI 和 MUI（Shtaiwi 等人，2021 年;He 等人，2022 年;Zhu 等人，2022 年）。RIS 技术还可用于提供额外的物理层安全性，防止窃听者（Mishra 等人，2022 年）。图 1 描述了使用 RIS 辅助 ISAC 系统的不同场景。

图 1.RIS扮演不同角色的ISAC系统示例：（A）RIS有助于RCC系统中的干扰管理。（B） RIS仅在基站和目标之间有强LOS链路的DFRC系统中协助通信。（C）一个更通用的RIS辅助DFRC系统，涉及LOS和NLOS链路。（D）在DFRC系统中，基站与目标/用户之间的直接路径被阻断，RIS协助传感和通信。（E）用于传感和通信的RIS元件的划分（F）半无源元件稀疏地放置在RIS中，用于目标检测和通信信道估计。（G）由多个RIS辅助的通信和传感系统。（H）安装RIS的用户增强了本地化和通信性能。（I） RIS辅助的DFRC系统，以提高有窃听者在场时的保密率。

在这篇小型综述中，我们概述了RIS辅助ISAC系统的最新研究。这些系统根据其应用和配置进行分类，并描述了用于最大化系统性能的优化技术。表1总结了本小型综述中正在研究的文献。

表 1.RIS 辅助的 ISAC 系统。

2 RIS辅助ISAC系统的应用

RIS在RCC和DFRC系统中都有广泛的应用。RCC 系统中的一个关键问题是传感和通信功能之间以及密集部署的无线设备之间的干扰管理（Shtaiwi 等人，2021 年;Chu 等人，2022 年）。通过控制无线环境，RIS可用于增强所需信号并抑制干扰信号，从而提高通信和传感任务的性能（He et al.， 2022;Shi 等人，2022 年）。因此，在 DFRC 系统中利用 RIS 提供了一系列好处，包括改进目标检测、提高通信质量、更有效的 MI 和 MUI 缓解以及提高物理层安全性（Jiang 等人，2021 年;Sankar 等人，2021 年;Wang 等人，2021 年;Liu 等人，2022b;Mishra 等人，2022 年;Song 等人，2022 年;Yan 等人，2022 年;张， 2022;Zhu et al.， 2022;Asif Haider 等人，2023b）。

2.1 RIS 辅助 RCC

在（Shtaiwi et al.， 2021）中，在多输入多输出（MIMO） RCC 系统中使用大 RIS，以实现高波束成形增益并减轻通信和 RADAR 系统之间的 MI，从而提高受雷达性能约束的通信系统的总和速率。雷达发射机和基站的发射功率都保持在各自的预算范围内。采用局部搜索方法求解了BS发射波束形成器和RIS移相器的优化问题。在NLOS系统中加入RIS可以在用户和基站之间建立通信链路，并且证实使用更多的RIS元件可以提高波束成形增益，增强干扰抑制，并导致通信系统中的和速率单调增加。RIS 辅助的多用户 MIMO RCC 系统如图 1A 所示。

（He et al.， 2022）考虑了双RIS RCC系统，以提高通信性能并降低MI，同时保证每个探测方向的雷达探测性能。为了实现这一目标，该文采用一种基于双循环惩罚双重分解的算法。考虑雷达发射功率分别为高和低两种情况。在前者中，推导了联合波束成形的闭合形式最优解，而在后者中，使用块坐标下降方法最小化了MI。结果表明，在RCC系统中引入单个100元件RIS可将输出通信信干噪比（SINR）提高6 dB。另一方面，双RIS辅助系统进一步抑制了干扰，并将输出通信信噪比提高了11 dB，凸显了部署两个RIS的有效性。

2.2 RIS辅助DFRC

对使用RIS的DFRC系统进行的研究集中在在保持一定传感性能水平的同时优化通信性能，或在保持一定通信速率的同时优化传感性能。图1B、C分别描述了RIS协助通信或传感功能的场景。在图1D中，通过RIS从BS到目标的虚拟LOS连接来检测目标。

2.2.1 RIS增强通信性能

在（Zhu et al.， 2022）中，通过联合设计雷达信号协方差矩阵、通信系统的波束成形矢量和RIS移相器，在满足雷达所需波束方向图要求的同时，提高了ISAC系统的传输速率。非凸优化问题通过将其拆分为两个子问题来解决。首先，为雷达信号协方差矩阵求解，实现所需的波束方向图;然后，利用二次变换和交替优化（AO）技术对通信波束成形矢量和RIS移相器进行联合优化。通过应用专业化-最小化算法来优化使用AO的RIS移相器，降低了计算复杂度。通过结合RIS，与不使用RIS的场景相比，该算法获得了更大的光束方向图增益，并实现了更高的CU总和率。

2.2.2 为增强传感而部署的 RIS

在（Jiang et al.， 2021）中，提出了一种解决方案，以解决雷达辅助基站在信道衰减显著的拥挤区域接收到的回波信号较弱的问题。在DFRC系统附近放置RIS可提供额外的传输链路，以减少信道衰减和衰落效应，从而提高雷达探测性能。提出了一种联合优化问题，以最大限度地提高雷达接收机的输出信噪比，同时满足感知和通信约束。优化问题涉及优化雷达辅助基站和RIS移相器的预编码矩阵。采用AO方法和专业化-最小化算法求解非凸问题，然后采用半定松弛方法求解。

（Yan et al.， 2022）中解决的问题与（Jiang et al.， 2021）中解决的问题类似，但它考虑了BS、RIS和目标之间的所有反射路径。该问题分为两个子问题，分别优化发射波束形成器和RIS移相器。前者子问题采用闭式解，而后者则采用逐次下界最大化（SLBM）方法求解。通过考虑所有反射路径，与（Jiang et al.， 2021）相比，这种方法提供了更高的目标输出信噪比。

在（Song et al.， 2022）中，在基站无法与目标建立直接LOS链路的情况下，BS的发射波束形成器和RIS的反射波束形成器被联合优化，但可以利用与CU的直接LOS / NLOS链路进行高效通信。利用AO方法，所提出的设计在所有目标上都获得了更高的波束方向图增益，同时满足CU的最小输出SNR要求。

2.2.3 性能权衡

可以在传感和通信功能之间进行性能权衡。考虑这样一种情况：BS 仅对 CU 具有 LOS，而对目标没有 LOS，如图 1E 所示。开发了一种多阶段分层码本方法，用于定位单个 NLOS 目标并与单个 CU 建立可靠的通信链路（Sankar 等人，2021 年）。在没有检测到目标的监视操作中，一小部分RIS元件用于执行宽波束监视，而大多数RIS元件用于通信任务。当检测到目标时，为了实现高精度的目标定位，可以指定更多的RIS元素进行目标定位。与详尽的搜索方案相比，所提出的算法需要更少的快照。数值结果表明，利用RIS，MIMO系统的频谱效率提高了一倍以上。更具体地说，在监视模式下，由于大多数RIS元件用于通信，因此频谱效率提高了30 bps/Hz。另一方面，在目标定位模式下，频谱效率提高了28 bps/Hz，仅略低于监视模式下的频谱效率。

与基于多轮信道估计的多目标检测方法不同，使用来自所有目标信道的组合互信息优化所有目标的波束模式（Zhang，2022）。这种方法最大限度地提高了整体效用，将传感信息和通信总数据速率结合起来。优化问题分为两个子问题，第一个子问题使用连续凸近似（SCA）优化 BS 波束形成器，第二个子问题使用基于流形优化的算法优化 RIS 移相器。RIS辅助系统实现了更高的整体效用，随着元件数量的增加而增加。当 RIS 元素的数量在 20 到 120 之间变化时，这种增加范围在 20% 到 45% 之间。

使用 RIS 辅助 ISAC 系统进行 3 通道估计

实现 RIS 辅助 ISAC 系统的产品需要 BS、RIS、CU 和目标之间链路的信道状态信息（CSI）。在本节中，我们概述了RIS辅助ISAC系统的各种信道估计方法。

3.1 主动或半被动 RIS

在（Liu et al.， 2022b）中，由无源和半无源RIS组成的分布式RIS系统同时为单个用户场景进行位置感知和数据传输。半无源 RIS 包含一些有源传感器，可用于估计与 RIS 关联的 CSI。与其他旨在执行单独传感和通信功能的ISAC系统不同，此处传感的目的是协助通信功能，因为估计的CU位置有助于RIS波束形成器的优化。每个传输周期分为两个时间块。在每个时间段期间，无源RIS元件反射从CU到基站的上行链路传输信号，而半无源RIS元件则以感应模式估计CU的位置。这是通过使用总最小二乘 ESPRIT 方法并使用 MUSIC 算法配对有效的二维 DOA 来实现的。然后，将第一个时间块的估计位置用于第二个时间块中基站的波束成形设计。通过实现这种位置传感方案，可以实现毫米级的定位精度。此外，所提出的波束成形设计可在单个 CU 上实现近乎最佳的比特率，即使仅使用少量 RIS 元件也是如此。

在（Asif Haider 等人，2023b）中，考虑了半无源 RIS 辅助 ISAC 系统，其中少量有源 RIS 元件稀疏地放置在 L 形结构中，如图 1F 所示。由于阵列孔径较大，这种结构提高了信道估计性能，并减少了导频开销所需的长度。首先使用阵列数据信号的二维插值协方差矩阵和MUSIC算法估计CU和目标通道。BS波束成形器和RIS移相器的联合优化使波束成形增益朝向所需传感方向最大化，并确保CU处的最小输出SNR。该研究提供了对有源稀疏元件的不同排列设计见解，以便在不增加硬件成本的情况下提高性能。

3.2 深度学习方法

考虑使用基于深度学习的框架来估计 RIS 辅助的 ISAC 系统中的传感和通信信道（Liu 等人，2022c）。提出了两种深度神经网络（DNN）架构，其中第一种位于ISAC BS以估计感知信道，而第二种则分配给每个下行链路CU设备以估计其通信CSI。BS在全双工模式下运行。在估计BS-target-BS信道之前，对全双工操作引起的自干扰进行预先估计和补偿。深度学习框架包含三个隐藏层，其中两个卷积层和一个扁平化层用于通信CSI的估计，而两个具有tanh激活函数的前馈层用于感知信道估计。通过使用多个 SNR 条件训练 DNN，该方法可以应用于广泛的 SNR 区域。与最小二乘估计器基准方案相比，它实现了更好的传感和通信信道估计性能。

4 RIS 辅助 ISAC 中的其他注意事项

4.1 分立式移相器

与连续移相器相比，RIS波束形成器通常利用分立移相器来促进低成本的硬件实现。分立式移相器使用有限数量的相位电平，例如基于PIN二极管或变容二极管的相位电平（Wu和Zhang，2019）。然而，结果表明，离散量化水平与可实现的总和速率以及传感性能之间存在权衡（Wang 等人，2021 年;Wei 等人，2022b;He 等人，2022 年;Zhu 等人，2022 年）。

4.2 宽带场景

宽带信号支持高数据速率的传输，并提供更高的传感分辨率。考虑了具有多载波信令的 RIS 辅助宽带 DFRC 系统（Wei 等人，2022b）。由于光束的方向在工作频率范围内会发生显著变化，因此随着信号带宽的增加，光束斜视问题变得更加严重。当这个问题没有得到妥善解决时，光束可能不再与预期目标对齐，从而导致性能下降。量化移相器模型利用与频率相关的发射波束成形来克服宽带DFRC系统中的波束斜视效应。通过联合设计雷达接收滤波器、发射预编码矩阵和离散移相器，在保持单天线CU所需通信信噪比的同时，最大限度地提高雷达输出信噪比。使用交替最大化方法求解得到的优化问题。

4.3 多用户干扰消除

在ISAC系统中，包含传感功能是一个重大挑战，因为它限制了波形设计的可用精度，导致MUI增加和通信性能降低。在（Wang et al.， 2021）中，探索了 RIS 来缓解 MUI，在 BS 和离散 RIS 移相器上联合优化波束成形，以满足多目标 DOA 估计的 Cramer-Rao 界（CRB）要求。为了实现这一目标，采用精确惩罚法和流形优化方法对ISAC BS的恒模波形进行优化，并采用流形优化和逐次优化方法对离散RIS移相器进行优化。与没有RIS的纯ISAC系统相比，所提出的算法产生了显着增加的多用户总和率。

4.4 多个 RIS 辅助 ISAC

如图 1G 所示，可以在 ISAC 系统中使用多个 RIS，以进一步增强对象跟踪性能、最大限度地提高通信比特率、缓解 MI 并增加用户 SINR（Wei 等人，2022a;He 等人，2022 年）。在（He et al.， 2022）中，与单个RIS场景相比，在RCC系统中使用多个RIS可以提高MI抑制性能。（Wei et al.， 2022a）中的研究侧重于宽带正交频分复用（OFDM）发射信令方案的频率相关波束成形和移相器的联合设计，旨在使用交替最大化方法最大限度地提高所有用户的平均雷达输出 SINR 和最小通信输出 SINR。非凸问题包括一个具有凸约束差异的最大值目标函数，该函数通过交替方向乘子法（ADMM）和Dinkelbach方法求解。结果表明，与单RIS相比，所提方法利用两个RIS实现了雷达输出SINR改善3.3 dB和最小通信输出SINR改善0.9 dB的提高。

4.5 RIS挂载的通信用户和目标

在（Shao et al.， 2022）中，基站以全双工模式与多个设备通信，同时感应它们的位置。如图1H所示，每个器件都配备了一个RIS来增强反射回波，并通过反射调制将信息被动地传输到基站。为了解决基站联合定位和信息检索的挑战，该文构建了基于网格的参数化模型，并将该问题表述为压缩感知问题。该研究的重点是设计基站接收机，通过利用所考虑的参数网格中的稀疏性，共同定位设备的位置并检索从CU传输并由RIS传输的信息。结果表明，所提算法在恢复的传输信息中实现了最小的误差，特别是在多用户离网场景中，优于常用的压缩感知算法，如正交匹配追踪（OMP）和稀疏贝叶斯学习（SBL）。

4.6 杂乱考虑

杂波的存在会对ISAC系统中的目标检测性能产生重大影响。在（Liu et al.， 2022d）中，在保证多用户通信质量的同时，考虑了存在强杂波的目标检测问题。BS采用空时自适应处理技术，在大范围和角度区域存在强杂波的情况下实现有效的目标检测。该方法通过优化非线性时空发射波形和接收滤波器，利用时空域中所有可用的自由度来提高目标检测性能。

4.7 物理层安全

如图 1I 所示，DFRC 系统中的窃听问题在（Mishra 等人，2022 年）中进行了考虑。在这个系统中，雷达目标充当接收高能信号的窃听者，导致额外的安全挑战。在存在多个窃听器的情况下考虑多天线DFRC系统，并设计了一种物理层方法，以最大限度地提高保密率，同时满足总发射功率约束并保持每个雷达目标所需的输出SINR。对多监听多播多天线DFRC系统进行了优化，以最大限度地提高保密率。RIS用于提高向用户传输信号的质量，这间接地为注入人工噪声以扭曲到达窃听者的信号提供了额外的自由度。

5 结论

这篇小型综述概述了RIS辅助ISAC系统领域的最新研究成果。RIS 辅助的 ISAC 系统已被证明可有效实现 DFRC 和 RCC 系统中传感和通信任务之间的高效频谱共享。通过集成RIS，ISAC系统可以克服传感和通信中遇到的一系列问题，包括MUI、用户信道估计和NLOS目标检测、数据速率和目标检测性能的提高、物理层安全性、杂波抑制等。随着RIS技术的不断发展，还有许多可能性有待探索，可以大大提高ISAC系统的性能。

引用

Asif Haider, M., Chowdhury, M. W. T., and Zhang, Y. D. (2022). “Sparse channel estimation for IRS-aided systems exploiting 2-D sparse arrays,” in Proc. IEEE sensor array and multich. Signal process. Workshop (SAM) (IEEE, 31–35.