[论文解读] UAV Swarm-Enabled Aerial Reconfigurable Intelligent Surface

Bodong Shang, Rubayet Shafin+1 more|arXiv (Cornell University)|Mar 10, 2021

Advanced Wireless Communication Technologies参考文献 12被引用 11

一句话总结

本文提出了一种由无人机蜂群支持的空中可重构智能表面（SARIS），通过协作波束成形和三维部署，克服了单架无人机空中RIS在孔径增益和部署方面的局限性。结果表明，SARIS实现了与(LN)²成比例的用户可实现速率，相较于地面或单架无人机RIS系统，显著提升了频谱效率和覆盖范围。

ABSTRACT

Reconfigurable intelligent surface (RIS) offers tremendous spectrum and energy efficiency in wireless networks by adjusting the amplitudes and/or phases of passive reflecting elements to optimize signal reflection. With the agility and mobility of unmanned aerial vehicles (UAVs), RIS can be mounted on UAVs to enable three-dimensional signal reflection. Compared to the conventional terrestrial RIS (TRIS), the aerial RIS (ARIS) enjoys higher deployment flexibility, reliable air-to-ground links, and panoramic full-angle reflection. However, due to UAV's limited payload and battery capacity, it is difficult for a UAV to carry a RIS with a large number of reflecting elements. Thus, the scalability of the aperture gain could not be guaranteed. In practice, multiple UAVs can form a UAV swarm to enable the ARIS cooperatively. In this article, we first present an overview of the UAV swarm-enabled ARIS (SARIS), including its motivations and competitive advantages compared to TRIS and ARIS, as well as its new transformative applications in wireless networks. We then address the critical challenges of designing the SARIS by focusing on the beamforming design, SARIS channel estimation, and SARIS's deployment and movement. Next, the potential performance enhancement of SARIS is showcased and discussed with preliminary numerical results. Finally, open research opportunities are illustrated.

研究动机与目标

• 通过无人机蜂群的协作部署，解决单架无人机空中RIS（ARIS）存在的孔径增益有限和有效载荷受限的问题。
• 克服单架无人机ARIS中低秩MIMO信道导致的多用户空间复用受限问题。
• 通过三维移动性和部署优化，实现灵活的360°全景信号反射和可靠的空-地链路。
• 探索SARIS在下一代6G及更长远网络中的变革性应用，包括移动边缘计算和物理层安全。
• 识别并解决SARIS可扩展且鲁棒运行中的波束成形、信道估计和部署等关键挑战。

提出的方法

• 提出一种基于无人机蜂群的空中RIS（SARIS）架构，多个无人机协同构成大孔径、可重构的反射表面。
• 建立包含视 Line-of-Sight（LoS）和非视 Line-of-Sight（NLoS）分量的级联空-地信道模型，考虑三维空间部署和路径损耗。
• 设计协作波束成形算法，实现多架无人机之间的信号对齐，以最大化用户可实现速率和孔径增益。
• 通过调整蜂群中心和半径，在三维空间中优化SARIS部署，以最小化路径损耗并提升信号质量。
• 利用统计和有界CSI误差模型，在无人机抖动和位置不确定性导致的信道状态信息不完美条件下，设计鲁棒波束成形。
• 将SARIS集成至空-地一体化网络，支持地面与空中RIS之间的多跳RIS辅助通信。

实验结果

研究问题

• RQ1 与单架无人机或地面RIS相比，多架无人机的协作部署在提升空中RIS孔径增益和频谱效率方面有何增强效果？
• RQ2 三维无人机蜂群部署与轨迹优化对用户可实现速率和系统覆盖有何影响？
• RQ3 在由无人机抖动和位置估计误差引起的CSI不完美条件下，如何设计鲁棒波束成形？
• RQ4 SARIS中的信道建模面临哪些关键挑战，特别是关于极化、入射角和频率依赖性方面？
• RQ5 SARIS如何集成到新兴的6G应用场景中，如移动边缘计算、无线能量传输和物理层安全？

主要发现

• SARIS实现了与(LN)²成比例的用户可实现速率，其中L为无人机数量，N为每架无人机的反射单元数，显著优于单架无人机ARIS。
• 优化的三维蜂群中心部署可提升系统性能，尤其在远离基站的用户处（如x_U = 200 m）表现出显著速率增益。
• 随着无人机蜂群半径（R_A）增大，可实现速率下降，表明更紧密的蜂群构型可减少对最优位置的角偏差，从而提升性能。
• 更大的地面用户分布半径（R_U）会降低平均可实现速率，这是由于平均通信距离增加所致，凸显了用户聚类在系统设计中的重要性。
• 在存在无人机位置不确定性的实际SARIS部署中，采用有界和统计CSI误差模型的鲁棒波束成形对于维持服务质量至关重要。
• 将SARIS集成至空-地一体化网络，可通过多跳RIS辅助通信实现覆盖扩展和容量提升。