[论文解读] Active RIS vs. Passive RIS: Which Will Prevail in 6G?

Zijian Zhang, Linglong Dai+5 more|arXiv (Cornell University)|Mar 28, 2021

Advanced Wireless Communication Technologies参考文献 34被引用 29

一句话总结

在 RIS 辅助网络中通过放大反射信号来克服乘性衰落；提供经实验验证的信号模型、渐近分析，并提出联合波束成形/反射前向设计，相较被动 RIS 显著提升总和速率。

ABSTRACT

As a revolutionary paradigm for controlling wireless channels, reconfigurable intelligent surfaces (RISs) have emerged as a candidate technology for future 6G networks. However, due to the "multiplicative fading" effect, the existing passive RISs only achieve limited capacity gains in many scenarios with strong direct links. In this paper, the concept of active RISs is proposed to overcome this fundamental limitation. Unlike passive RISs that reflect signals without amplification, active RISs can amplify the reflected signals via amplifiers integrated into their elements. To characterize the signal amplification and incorporate the noise introduced by the active components, we develop and verify the signal model of active RISs through the experimental measurements based on a fabricated active RIS element. Based on the verified signal model, we further analyze the asymptotic performance of active RISs to reveal the substantial capacity gain they provide for wireless communications. Finally, we formulate the sum-rate maximization problem for an active RIS aided multi-user multiple-input single-output (MU-MISO) system and a joint transmit beamforming and reflect precoding scheme is proposed to solve this problem. Simulation results show that, in a typical wireless system, passive RISs can realize only a limited sum-rate gain of 22%, while active RISs can achieve a significant sum-rate gain of 130%, thus overcoming the "multiplicative fading" effect.

研究动机与目标

• 动机：在 RIS 辅助的 6G 网络中，克服被动 RIS 的乘性衰落的必要性。
• 提出整合反射型放大器的主动 RIS，并建立经验证的信号模型。
• 表征渐近性能并与被动 RIS 进行对比。
• 为主动 RIS 辅助的 MU-MISO 系统建立并求解总和速率最大化问题。
• 扩展波束成形设计，以考虑主动 RIS 的实际自干扰。

提出的方法

• 建立包含放大以及动态和静态噪声的主动 RIS 信号模型；通过一块制造的主动 RIS 元件的实测进行验证。
• 推导被动与主动 RIS 的渐近信噪比表达式，并比较随着 RIS 元素数量 N 的缩放关系。
• 为主动 RIS–辅助的 MU-MISO 系统提出总和速率最大化问题，并提出基于分数规划的联合发送波束成形和反射前向设计方案。
• 将自干扰建模纳入，并提出基于 ADMM/SUMT 的交替优化方法。
• 给出在现实功率和噪声条件下主动 RIS 相较于被动 RIS 的性能洞察与何时优越的指示。

实验结果

研究问题

• RQ1 主动 RIS 信号模型与被动 RIS 模型有何不同，需要考虑哪些噪声源？
• RQ2 随着 RIS 元素数量增长，主动 RIS 与被动 RIS 的渐近信噪比增益分别是多少？
• RQ3 如何联合设计发送波束成形和主动 RIS 反射前向以在 MU-MISO 系统中最大化总和速率？
• RQ4 主动 RIS 的自干扰如何影响性能，在优化框架中如何减小？

主要发现

• 主动 RIS 通过放大反射信号，能够克服被动 RIS 的乘性衰落，从而带来显著的总和速率增益。
• 渐近地，主动 RIS 的信噪比按 N 增长，而被动 RIS 按 N^2 增长，但主动 RIS 的分母通常更小，在实际情况下获得更高的增益。
• 在实际参数下，被动 RIS 约实现约 22% 的总和速率增益，而主动 RIS 约实现约 130% 的总和速率增益。
• 基于 FP 的联合波束成形和反射前向设计能有效优化主动 RIS–辅助的 MU-MISO 系统的总和速率。
• 在考虑自干扰后，所提出的优化框架仍能实现比被动 RIS 更显著的性能提升。