[论文解读] Large Intelligent Surface/Antennas (LISA): Making Reflective Radios Smart

Ying‐Chang Liang, Ruizhe Long+4 more|arXiv (Cornell University)|Jun 15, 2019

Advanced Wireless Communication Technologies参考文献 47被引用 27

一句话总结

本文提出了大规模智能表面/智能反射面（LISA），一种可编程反射无线电技术，通过使用大规模可重构单元阵列动态控制电磁波反射，实现软件定义的无线环境。通过相干合并反射信号，LISA实现的信噪比（SNR）增益与单元数量的平方成正比，从而实现能量效率和频谱效率更高的无线通信。

ABSTRACT

Large intelligent surface/antennas (LISA), a two-dimensional artificial structure with a large number of reflective-surface/antenna elements, is a promising reflective radio technology to construct programmable wireless environments in a smart way. Specifically, each element of the LISA adjusts the reflection of the incident electromagnetic waves with unnatural properties, such as negative refraction, perfect absorption, and anomalous reflection, thus the wireless environments can be software-defined according to various design objectives. In this paper, we introduce the reflective radio basics, including backscattering principles, backscatter communication, and reflective relay, and the fundamentals and implementations of LISA technology. Then, we present an overview of the state-of-the-art research on emerging applications of LISA-aided wireless networks. Finally, the limitations, challenges, and open issues associated with LISA for future wireless applications are discussed.

研究动机与目标

• 介绍反射无线电技术的基础原理，包括反向散射通信、环境反向散射、反射中继和共生无线电。
• 提出LISA作为下一代反射无线电平台，通过可重构反射表面实现软件定义的无线环境。
• 分析LISA在无线网络中的性能增益与实现挑战。
• 识别LISA辅助系统在信道估计、部署、网络优化、人工智能集成和安全方面的关键开放研究问题。

提出的方法

• 提出一个通用的反射无线电模型，包含发射机、反射装置（RD）和接收机，将接收信号建模为直射链路与反向散射链路的组合。
• 引入LISA作为由可重构反射单元组成的二维阵列，能够实现异常反射、负折射和完美吸收。
• 推导出信号模型，其中总信道响应为直射链路与反射链路的乘积，使接收端能够实现相干合并。
• 采用交替优化与路径跟踪算法，构建联合波束成形与相位偏移设计的优化框架，以实现SNR最大化。
• 将LISA模型应用于多种场景，包括秘密通信，其中通过LISA注入人工噪声以增强物理层安全性。
• 提出一个将LISA集成到多用户系统的框架，利用人工智能实现分布式决策与全局优化。

实验结果

研究问题

• RQ1 如何设计LISA以通过相干合并反射信号实现显著的SNR增益？
• RQ2 在LISA辅助系统中，估计乘法信道并分离直射与反射链路的关键挑战是什么？
• RQ3 在存在视 Line-of-Sight（LoS）链路的情况下，如何在网络中部署LISA以最大化性能？
• RQ4 为充分发挥LISA对信道条件较差用户的协助能力，需要哪些新型网络优化与资源分配策略？
• RQ5 如何利用人工智能实现LISA的自主、分布式与协同操作，以实现全局网络优化？

主要发现

• LISA实现的SNR增益显著，且与反射单元数量的平方成正比，从而实现高谱效率与高能量效率。
• LISA的使用可在不引入额外噪声的情况下实现反射信号的相干合并，显著提升无线链路性能。
• 由于LISA信道具有乘法特性，准确的信道估计仍是主要挑战，尤其是在LISA无法接收信号的情况下。
• 直射与反射信道分量的分离是一个关键但尚未解决的问题，尤其在信道状态信息不完善时更为突出。
• 在LoS条件下部署LISA可显著提升系统性能，因此LISA单元的位置与数量是关键的设计参数。
• 将人工智能集成到LISA控制中可实现分布式、自适应与协同优化，但同时也带来了安全与隐私方面的新挑战。