[论文解读] Sparsity Realization in User-Side Multilayer RIS
本文提出了用户端多层 RIS 的两种稀疏概念：按元素稀疏和通过可折叠结构实现的几何稀疏，并证明它们在可达到速率方面优于密集设计。
User-side reconfigurable intelligent surface (US-RIS)-aided communication has recently emerged as a promising solution to overcome the high hardware cost and physical size limitations of large-scale user side antenna arrays. This letter proposes, for the first time, a framework that realizes sparsity in multilayer US-RIS using two strategies, namely element-wise sparsity and geometric sparsity. The element-wise approach distributes a limited number of active elements irregularly across multiple layers, thereby exploiting additional spatial degrees of freedom and boosting the achievable rate. For further performance enhancement, a novel foldable RIS architecture leveraging geometric sparsity is proposed, achieving additional gains by optimizing the folding topology of its multilayer structure. Simulation results show that the proposed sparse architectures provide consistently higher achievable rates than existing designs.
研究动机与目标
- 通过克服硬件和尺寸限制，推动使用紧凑型用户端 RIS 的高速上行通信。
- 为 US-RIS 引入两种稀疏范式：按元素稀疏和几何稀疏。
- 开发联合优化框架，在实际约束下最大化可达到速率。
- 提出可折叠 RIS 架构，以利用几何稀疏并扩展有效 aperture。
提出的方法
- 用全局激活向量定义一个稀疏 US-RIS，在 L 层之间分配固定数量的活动元件。
- 引入两半独立可倾斜且每层具有离散折叠角度的可折叠稀疏 US-RIS。
- 在功率、单位模、二值激活、稀疏预算和折叠约束下，给出包含变量 w、Θ^(l)、v、z^(l) 和 c 的可达到速率最大化问题。
- 提出两阶段、两时尺度的联合优化：拓扑（阶段1）和折叠（阶段2）的禁忌搜索，以及波束成形的交替优化（AO）。
- 推导 AO 解：最优 v 为主特征向量，最优 θ^(l) 通过相位对齐实现，最优 w 通过与有效通道的共线性实现。
实验结果
研究问题
- RQ1在固定活动元件预算下，分布在多层上的按元素稀疏是否能提高 US-RIS 的可达上行速率？
- RQ2通过可折叠多层 RIS 实现的几何稀疏是否通过优化层间折叠角度带来额外的速率提升？
- RQ3如何在两时尺度框架下有效求解拓扑、折叠和波束成形的联合优化？
- RQ4在现实的上行场景中，稀疏与可折叠的 US-RIS 相对于密集或单层设计的性能提升是多少？
主要发现
- 在各层分布有活动元件的稀疏 US-RIS，其可达到速率高于具有相同活动预算的密集配置。
- 通过利用折叠带来的几何自由度，可折叠稀疏多层 US-RIS 提供额外的速率增益。
- 提出的基于 AO 的波束成形实现了速率提升，并随发射功率的增加而增加。
- EAR（元件激活比）分析表明，在可折叠稀疏设计中对活动元件的功率分配更高效（如 EAR 从 57.8% 提升至 72.77%）。
- 仿真结果表明，可折叠稀疏多层 US-RIS 在各场景下均优于单层和密集多层基准。
更好的研究，从现在开始
从论文设计到论文写作，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。