[论文解读] Hybrid Relay-Reflecting Intelligent Surface-Aided Wireless Communications: Opportunities, Challenges, and Future Perspectives

Nhan T. Nguyen, Jiguang He+6 more|arXiv (Cornell University)|Apr 5, 2021

Advanced Wireless Communication TechnologiesEngineering参考文献 15被引用 19

一句话总结

本文提出了一种混合中继-反射智能表面（HR-RIS）架构，通过集成少量有源元件与无源反射元件，提升波束成形性能，实现高效的信道估计算法，并提高频谱效率与能量效率。数值结果表明，仅使用四个有源元件的HR-RIS相较于传统RIS，频谱效率最高提升42.8%，能量效率最高提升41.8%。

ABSTRACT

Reconfigurable intelligent surfaces (RISs) have emerged as a cost- and energy-efficient technology that can customize and program the physical propagation environment by reflecting radio waves in preferred directions. However, the purely passive reflection of RISs not only limits the end-to-end channel beamforming gains, but also hinders the acquisition of accurate channel state information for the phase control at RISs. In this paper, we provide an overview of a hybrid relay-reflecting intelligent surface (HR-RIS) architecture, in which only a few elements are active and connected to power amplifiers and radio frequency chains. The introduction of a small number of active elements enables a remarkable system performance improvement which can also compensate for losses due to hardware impairments such as the deployment of limited-resolution phase shifters. Particularly, the active processing facilitates efficient channel estimation and localization at HR-RISs. We present two practical architectures for HR-RISs, namely, fixed and dynamic HR-RISs, and discuss their applications to beamforming, channel estimation, and localization. The benefits, key challenges, and future research directions for HR-RIS-aided communications are also highlighted. Numerical results for an exemplary deployment scenario show that HR-RISs with only four active elements can attain up to 42.8 percent and 41.8 percent improvement in spectral efficiency and energy efficiency, respectively, compared with conventional RISs.

研究动机与目标

• 为解决传统可重构智能表面（RIS）的性能限制，如有限分辨率相移器和完全无源反射，这些限制会制约波束成形增益与信道估计算法精度。
• 提出一种混合中继-反射智能表面（HR-RIS）架构，通过引入少量配备功率放大器与射频链的有源元件，以提升系统性能。
• 通过有源处理实现高效的信道估计算法、定位与波束成形，同时保持较低的硬件成本与能耗。
• 探索适用于实际部署与系统集成的实用架构——固定型与动态型HR-RIS。
• 识别HR-RIS辅助无线网络大规模部署中的关键挑战与未来研究方向。

提出的方法

• HR-RIS架构将少量有源反射元件与功率放大器及射频链相连，实现信号的反射与放大，区别于完全无源的RIS。
• 信号模型将HR-RIS表示为线性映射，结合无源反射与有源中继功能，其中的有源元件作为全双工放大转发（AF）中继工作。
• 提出两种架构：固定HR-RIS（有源元件预先配置）与动态HR-RIS（可根据信道条件自适应重构）。
• 考虑在基站、移动台与HR-RIS之间联合优化波束成形，以最大化频谱效率与能量效率，尽管这会引入较高的计算复杂度。
• 提出基于人工智能（AI）的方法，以低延迟与低复杂度求解非凸、高维优化问题。
• 探索数据驱动的AI技术用于无导频信道估计算法与定位，尽管其在动态信道下的鲁棒性仍是挑战。

实验结果

研究问题

• RQ1 如何通过混合中继-反射智能表面（HR-RIS）架构克服完全无源RIS在波束成形增益与信道估计算法精度方面的局限性？
• RQ2 HR-RIS相较于传统RIS在频谱效率（SE）与能量效率（EE）方面有何性能增益，特别是在有源元件数量极少的情况下？
• RQ3 固定型与动态型HR-RIS架构在设计、实现与波束成形、定位应用方面有何差异？
• RQ4 在部署HR-RIS辅助系统时，主要挑战是什么，特别是计算复杂度、同步与控制信令方面？
• RQ5 基于AI的方法能否在动态HR-RIS环境中实现鲁棒、低复杂度且无导频的信道估计算法与定位？

主要发现

• 在典型部署场景中，仅含四个有源元件的HR-RIS相较于传统RIS，频谱效率最高提升42.8%，能量效率最高提升41.8%。
• 有源元件的引入实现了有效的波束成形，并显著提升了端到端信道波束成形增益，克服了无源RIS的局限性。
• HR-RIS上的有源处理促进了精确且高效的信道估计算法与定位，而这些在完全无源RIS系统中极具挑战。
• 所提出的固定型与动态型HR-RIS架构在性能、复杂度与适应性之间提供了实用的权衡，适用于实时应用。
• 联合优化基站、移动台与HR-RIS的波束成形是充分发挥有源波束成形增益的关键，尽管这会引入较高的计算复杂度。
• 基于AI的解决方案在解决复杂HR-RIS优化问题方面展现出潜力，可实现低延迟、次优解，但其在动态信道下的鲁棒性仍是关键挑战。