目录 | 2023年第11期 本期专题：6G智能超表面技术
可重构智能表面潜在标准化工作分析
智能超表面及其标准化影响研究
【6G智能超表面技术】专题
智能超表面系统级性能研究
刘永，童文，王俊，毕晓艳
（华为技术有限公司，广东 深圳 520000）
【摘 要】智能超表面基于其对空间电磁波在幅、相和极化等参数上的调控，以可编程方式主动调控和定制化无线传播信道，已在多个领域初步展现了一定的潜力。然而，现阶段研究尚缺乏更全面的基于实际网络干扰假设的大规模系统级性能研究。对RIS系统级性能研究仿真方法论进行了探讨，分析了RIS系统性能研究中需要关注的关键维度和主要因素，并基于此对RIS系统级性能空间进行了研究。
【关键词】智能超表面；系统级仿真；受益用户比例；拓扑
doi:10.3969/j.issn.1006-1010.20231016-0003
中图分类号：TN929.52 文献标志码：A
文章编号：1006-1010(2023)11-0015-07
引用格式：刘永,童文,王俊,等. 智能超表面系统级性能研究[J]. 移动通信, 2023,47(11): 15-21.
LIU Yong, TONG Wen, WANG Jun, et al. System-Level Performance Analysis of Intelligent Reflecting Surface[J], 2023,47(11): 15-21.
0 引言
伴随着无线通信技术和需求的持续演进，如通信范围的逐渐扩大、通信场景的进一步复杂多样、以及无处不在的连接与激增的容量需求，使未来无线通信网络持续面临着成本、复杂度和能源消耗更严峻的需求和挑战。可重配置智能超表面（RIS, Reconfigurable Intelligent Surface）是针对上述挑战应运而生的一种潜在候选方案。基于RIS技术主动调控和定制化无线传播信道，以及其独特的可编程、低能耗、易部署的特点，自其面世以来，一直得到无线研究人员的青睐。
RIS是一种由超材料技术演进而来的动态电磁特性调控技术。通过对RIS低成本电磁单元上的可调元件施加控制信号，可以实现对RIS电磁特性的动态控制，进而完成对空间电磁波的智能改变，按需形成幅、相和极化等参数可控的电磁场[1-5]。近年来，RIS在多个领域（如无线通信、数能同传、通感融合等）的研究已经在不同维度上初步展现了一定的潜力[6-17]。例如，在无线接入网络（RAN, Radio Access Network）中引入RIS技术，可以使能对传统无线传播环境和信道的主动控制。借助RIS改善信道多径影响来在一定的场景下实现覆盖增强或多流传输等目的[18-20]。
然而，现阶段RIS技术研究仍然面临诸多技术问题、产业成熟度问题、部署问题和标准化进程的挑战，因而还需要在多种无线系统应用场景下对RIS关键技术和方案展开更深入的研究，及其实际性能空间更全面、可信的评估，进而为其未来在无线网络的规模商用和部署提供更详实的数据基础。
其中，对于RIS实际性能空间和潜力价值场景的研究最有效的手段就是基于现网实际干扰环境下更全面的系统级性能分析。在实际通信网络中，RIS的广泛部署一方面可以实现对目标用户的通信增强，但同时也会很大程度地复杂化网络的干扰环境[21]。此外，基于其被动反射特性，RIS在网络中及其阵面本身的拓扑结构也会对系统性能造成很大影响。再加上基于RIS特性的性能评估指标的设计，不难发现，对RIS网络实际性能的大规模系统级评估是衡量RIS潜在价值场景和实际性能空间的必要手段，充分公正的系统级性能评估也可以为RIS的标准和商用前景提供极其重要的参考和依据。
本文将针对前述系统级性能研究挑战展开研究，具体贡献如下所述。
首先，本文对RIS系统级性能研究仿真方法论进行探讨，主要分析RIS系统性能研究过程中需要关注的关键维度和因素，包括RIS性能呈现指标、干扰和拓扑建模方案等。该部分研究旨在形成较统一的性能评估方法，使得学术和业界研究者在RIS实际性能评估以及后续潜在的标准化进程中更加公平地进行方案性能比较。
其次，本文基于设计仿真方法论对RIS系统级性能空间进行了初步研究。该研究从包括拓扑、规模以及受益用户比例等角度展开，旨在分析RIS技术在更实际的系统级通信场景中的潜在价值。
1 RIS系统级研究方法论
RIS系统级研究需要包括基于实际信号模型的性能评估指标设计、系统级干扰建模、超表面拓扑建模设计、超表面信道建模等关键维度。
1.1 RIS信号模型
在传统网络如大规模天线系统中部署RIS，构建新型的大规模天线传输系统架构，可以在不同维度增强传统无线网络的系统性能。典型的RIS信号模型如图1所示：
其中：分别表示目标用户从属或干扰的BS、RIS、UE索引；
分别表示直达信道、基站到RIS信道以及RIS到UE的信道；
分别表示用户n数据符号、BS发射和RIS反射权值。
RIS信号模型需要考虑基于目标或干扰RIS分别反射来自目标和相邻小区的信号及干扰， 基于上述模型的用户信号接收模型可以由式(1)表示：
基于上述信号模型，BS通过RIS为目标用户提供服务。通过联合优化设计BS侧的数字预编码和RIS侧的模拟预编码，可以实现BS到目标UE端到端信道的增强。
另一方面，RIS的引入会让用户间干扰和小区间干扰更加复杂化。如信号模型中的虚线所代表的基于本区或邻区RIS所引起的干扰会极大复杂化干扰抑制方案。如何在合理的干扰假设衡量RIS的实际价值是本领域学者需要思考的问题。
1.2 RIS系统级指标设计
RIS的评估指标和对象的设计可以从下面几个维度进行。
（1）受益用户比例（BUR, Beneficial UE Ratio）
基于传统RIS的无源反射特性假设，BS、RIS和UE之间的相对位置分布会极大影响RIS系统的性能。本性能指标设计旨在使得不同研究团队在系统性能研究中对齐用户分布相关的仿真假设，在研究和标准化阶段形成不同平台或公司之间更公平的比较。
具体地，该指标通过比较级联信道和直接信道之间的信道条件（路径损耗、RSRP…），评估与特定RIS有关的潜在有益UE数量，可以由特定的信道条件阈值（例如，路径损耗间隙阈值）反映，如条件阈值定义为：
其中集合A对应着满足阈值μ的UE集合。
（2）用户几何（UE Geometry）
RIS网络的优化整体目标之一是：最大化等效信道（包括直达信道与级联信道）目标信号功率，最小化干扰信号功率。用户Geometry是体现系统性能研究中RIS优化目标的最为直观的指标之一，该指标体现了服务RIS、邻区和本区干扰RIS对目标用户信干噪比的影响。
不失一般性地，考虑不同干扰源后的用户Geometry可以由式(4)表示：
在实际性能研究中，用户Geometry的累积分布曲线可以直观体现RIS对于传统无线系统的影响。基于该分布，研究人员可以很容易分析在不同的信干噪比区域RIS的覆盖增益大小和趋势。
（3）用户吞吐（UE Throughput）
RIS系统的另一个衡量指标是用户吞吐。BS侧和RIS侧的预编码的联合优化可以增强BS-UE端到端等效信道，再加上可能存在的秩增强特性，这些都进而转化为用户体验速率的增强。在实际性能评估中，用户Throughput的累积分布曲线可以从统计意义上体现RIS对于网络中不同用户的吞吐影响；传统的小区平均容量和边缘容量可以体现RIS对中心用户或边缘用户的增益大小和趋势。
1.3 RIS系统级评估对象
RIS系统级评估的关键对象至少包括RIS的阵列大小，RIS的拓扑、分布和个数。
一方面，RIS反射面的阵列大小直接影响反射面的阵列增益大小，观测和评估在实际场景下的BUR/UE Geometry/Throughput性能在不同阵列规模下的性能变化趋势，是衡量RIS在实际系统中潜在价值的有效手段。
另一方面，RIS的拓扑（如图2所示）也会极大影响RIS的实际性能。RIS面板挂高、方位角，与其他节点的相对距离，RIS面板朝向以及面板倾角的评估验证对RIS性能都较为重要。
同时，RIS和UE的相对分布，包括RIS的布置个数评估验证可以对RIS受益用户和场景的定义有比较大的价值。
1.4 RIS系统级干扰建模
上述UE Geometry定义分别考虑了经本区RIS和邻区RIS反射的目标信号，以及经本区和邻区RIS反射的干扰信号。但在具体评估中，可依据不同场景和假设，以及仿真复杂度调整UE Geometry的目标信号和干扰项。
如若考虑干扰小区基站通过本小区控制RIS对用户造成的干扰，但不考虑其它干扰小区控制RIS对该用户的干扰时，简化的用户信干噪比模型可由式(5)表示：
1.6 RIS系统级信道建模
仿真信道假设是RIS系统仿真很重要的一个因素。现在为止，RIS的仿真信道模型仍存在多种可能的建模假设。例如一种直观的生成方法可以按照IAB节点类似的生成方案：BS-UE、BS-RIS以及RIS-UE间的信道独立进行建模[21]。
2 RIS系统级性能分析
基于前述的系统级研究方法论，本节示例性地给出部分RIS系统的评估结果。具体地，在实际的干扰假设下，系统级研究从RIS规模和RIS拓扑两个角度，分别基于BUR、UE Geometry和UE Throughput等几个指标展示RIS-MIMO的实际性能增益空间。
2.1 RIS系统级研究假设
如表1所示，RIS系统级性能研究假设包括场景和信道假设、带宽和载频假设，收发机天线配置和RIS的规模拓扑假设等。
2.2 RIS拓扑性能研究
RIS拓扑以及与用户的相对分布是RIS系统性能关键影响因素之一。本示例给出512阵子RIS在不同拓扑设置下的UE Geometry性能。RIS拓扑假设（参数物理意义见拓扑建模章节）如表2所示：
上述拓扑在不同的直达信道假设下对应的性能分别如图4所示。
图4中可以发现，用户Geometry性能伴随着RIS拓扑不同而改变。在直达信道质量较好时，无论何种拓扑设计，基于用户Geometry增益都较小；而仅当直达信道质量变差时，才可以明显观测到RIS的性能增益，以及RIS拓扑对性能的影响。如拓扑配置3对应的基站相对距离较大和入射角度小，直接影响到潜在的受益用户比例较大和反射损耗较小，因此对应性能较好。上述实验不难发现，前述RIS拓扑建模中的关键参数设计在未来的RIS现网部署中具有较重要的意义。
2.3 RIS规模性能研究
RIS规模对性能和复杂度的影响趋势会在一定程度上给RIS的实际部署提供重要的依据。本示例给出RIS在不同RIS规模下的UE吞吐性能。
图5中可以发现，用户吞吐性能伴随着RIS规模增加而递增，但考虑到直达信道的影响，RIS规模在增加到一定量级（如本测试例中的512阵子规模）时，用户吞吐增益增幅减小，如本仿真研究示例中，2 048规模RIS面板相比512规模RIS面板仅有约4%的性能提升。在实际的RIS现网部署中，需要综合考虑RIS规模所带来的性能增益和成本及复杂度的折中。
2.4 RIS BUR性能分析
如前文所述，用户受益比例很大程度上影响RIS系统的增益空间，本示例中考虑7阶不同的BUR阈值定义来反应不同的受益户比例，以及研究对应的性能增益。
图6中可以发现，用户吞吐性能伴随着RIS BUR增加而递增。当受益用户比例占系统用户数2%时，RIS相比于MIMO基线的增益仅为3%，只有当受益用户比例达到30%时，RIS才会带来较大的用户吞吐增益，如相比于MIMO基线性能提升20%。
BUR的假设对RIS系统的增益空间识别极为关键，因此无论在后续方案性能评估和潜在的标准化进程中方案性能比较，都需要在对齐的BUR假设下展开。
3 结束语
RIS基于其主动改变物理信道，构建可编程无线环境的特征，已被认为是未来通信增强的一项关键技术候选。但是，如何更准确衡量RIS在网络中实际干扰、拓扑和信道假设下的性能潜力和空间，尚需要对RIS网络实际性能的大规模系统级进行研究和评估。此外，在对RIS系统仿真方法论探讨时，其中实际干扰建模、拓扑建模、信道建模假设以及关键性能评估指标设计都值得更深入的研究。本文通过对RIS系统仿真方法论的关键维度和因素的分析和建模，力求形成较通用和统一的系统性能评估理论，使得RIS研究人员可以在RIS实际增益空间评估及为后续潜在的标准化过程提供更加公平和准确的数据支撑，同时为RIS的标准和商用前景提供性能参考。
同时，基于现有部分研究缺乏对RIS在实际工程应用中所面临的挑战分析及其对实际增益的影响，RIS系统级性能研究可以为其工程化应用中测试指标分析、硬件设计与能力以及其他工程化因素进行考量，以分析和应对RIS在现网中所面临的非理想因素的挑战，进而评估在实际限制和约束对方案理想性能的影响，并为其未来潜在的商用奠定基础。
参考文献：（上下滑动浏览）
[1] Tong W, Zhu P Y. 6G: The Next Horizon: From Connected People and Things to Connected Intelligence[M]. Cambridge University Press, 2021.
[2] Cui T J, Qi M Q, Wan X, et al. Coding metamaterials, digital metamaterials and programmable metamaterials[J]. Light Sci. Appl., 2014,3: 1-9.
[3] Renzo M Di, Zappone A, Debbah M, et al. Smart radio environments empowered by reconfigurable intelligent surfaces: How it works, state of research, and the road ahead[J]. IEEE J. Sel. Areas Commun., 2020,38(11): 2450-2525.
[4] Liaskos C, Nie S, Tsioliaridou A, et al. A new wireless communication paradigm through software-controlled metasurfaces[J]. IEEE Commun. Mag., 2018,56(9): 162-169.
[5] 张磊,陈晓晴,郑熠宁,等. 电磁超表面与信息超表面[J]. 电波科学学报, 2021,36(6): 817-828.
[6] Huang C, Hu S, Alexandropoulos G C, et al. Holographic MIMO surfaces for 6G wireless networks: Opportunities, challenges, and trends[J]. IEEE Wireless Commun., 2020,27(5): 118-125.
[7] Renzo M D, Zappone A, Debbah M, et al. Smart radio environments empowered by reconfigurable intelligent surfaces: How it works, state of research, and the road ahead[J]. IEEE J. Sel. Areas Commun., 2020,38(11): 2450-2525.
[8] Krikidis I, Timotheou S, Nikolaou S, et al. Simultaneous wireless information and power transfer in modern communication systems[J]. IEEE Commun. Mag., 2014,52(11): 104-110.
[9] Wu Q, Zhang R. Intelligent reflecting surface enhanced wireless network via joint active and passive beamforming[J]. IEEE Transactions on Wireless Communications, 2019,18(11): 5394-5409.
[10] Hua M, Wu Q, He C, et al. Joint Active and Passive Beamforming Design for IRS-Aided Radar-Communication[J]. IEEE Transactions on Wireless Communications, 2023,22(4): 2278-2294.
[11] Chen G, Wu Q, He C, et al. Active IRS Aided Multiple Access for Energy-Constrained IoT Systems[J]. IEEE Transactions on Wireless Communications, 2023,22(3): 1677-1694.
[12] Jiang F, Abrardo A, Keykhoshravi K, et al. Two-Timescale Transmission Design and RIS Optimization for Integrated Localization and Communications[J]. IEEE Transactions on Wireless Communications, 2023.
[13] Di B, Zhang H, Song L, et al. Hybrid beamforming for reconfigurable intelligent surface based multi-user communications: achievable rates with limited discrete phase shifts[J]. IEEE J. Sel. Areas Commun., 2020,38(8): 1809-1822.
[14] Hu C, Dai L, Han S, et al. Two-timescale channel estimation for reconfigurable intelligent surface aided wireless communications[J]. IEEE Trans. Commun., 2021.
[15] Krikidis I, Timotheou S, Nikolaou S, et al. Simultaneous wireless information and power transfer in modern communication systems[J]. IEEE Commun. Mag., 2014,52(11): 104-110.
[16] Zhang H, Zhang H, Di B, et al. Meta Localization: Reconfigurable intelligent surface aided multi-user wireless indoor localization[J]. IEEE Trans. Wireless Commun., 2021.
[17] Li L, Shuang Y, Ma Q, et al. Intelligent metasurface imager and recognizer[J]. Light Sci. Appl., 2019.
[18] Di B, Zhang H, Song L, et al. Hybrid beamforming for reconfigurable intelligent surface based multi-user communications: achievable rates with limited discrete phase shifts[J]. IEEE J. Sel. Areas Commun., 2020,38(8): 1809-1822.
[19] Wang P, Fang J, Dai L, et al. Joint transceiver and large intelligent surface design for massive MIMO mmWave systems[J]. IEEE Trans. Wireless Commun., 2021,20: 2,.
[20] Wei X, Shen D, Dai L. Channel estimation for RIS assisted wireless communications—Part II: An improved solution based on double-structured sparsity[J]. IEEE Commun. Lett., 2021,25(5): 1403-1407.
[21] Yang F, Ma C, Chen Y, et al. System Level Simulation Method and Performance of RIS-Assisted Wireless Networks[J]. IEEE ICC, 2023. ★
★扫描二维码，到知网阅读下载本篇论文
★原文发表于《移动通信》2023年第11期★
doi:10.3969/j.issn.1006-1010.20231016-0003
中图分类号：TN929.52 文献标志码：A
文章编号：1006-1010(2023)11-0015-07
引用格式：刘永,童文,王俊,等. 智能超表面系统级性能研究[J]. 移动通信, 2023,47(11): 15-21.
LIU Yong, TONG Wen, WANG Jun, et al. System-Level Performance Analysis of Intelligent Reflecting Surface[J], 2023,47(11): 15-21.
《移动通信》投稿方式为在线投稿
请您登录网页投稿系统
链接地址：http://ydtx.cbpt.cnki.net
《移动通信》杂志由中国电子科技集团公司主管，中国电子科技集团公司第七研究所主办，是中国期刊方阵“双效期刊”、工业和信息化部精品电子期刊、中国科技论文统计源刊、中国科协《高质量科技期刊分级目录》入选期刊、日本JST收录期刊。国内连续出版物号：CN44-1301/TN，国际连续出版物号：ISSN1006-1010，邮发代号：46-181。
