精华内容
下载资源
问答
  • 智能反射面| Matlab代码实现的信道仿真

    千次阅读 多人点赞 2020-02-21 21:43:55
    之前写了许多最新的智能反射面文章的读后感, 现在这一领域的文章也是井喷式爆发。 但是网上公布的代码非常少, 这篇博客就分享下如何用matlab建模仿真智能反射面信道 模型 主流的智能反射面系统大同小异,这里就...

    前言

    之前写了许多最新的智能反射面文章的读后感, 现在这一领域的文章也是井喷式爆发。 但是网上公布的代码非常少, 这篇博客就分享下如何用matlab建模仿真智能反射面信道

    模型

    在这里插入图片描述
    主流的智能反射面系统大同小异,这里就随便截取了一篇文章中的系统框图来示意。 简单来说,智能反射面系统可以分为三个信道:

    • 基站直接到达用户的信道: BS-UE 信道
    • 基站到智能反射面的信道: BS-IRS 信道
    • 智能反射面到用户的信道:IRS-UE 信道

    英文缩写中,

    • BS: Base Station 基站
    • UE: User Equipment 用户设备
    • IRS: Intelligent Reflecting Surface 智能反射面

    首先是考虑经过智能反射面的信道, 即BS-IRS 和 IRS-UE信道。 这两个信道都可以看做是传统的MIMO信道, 我们考虑现在最热的毫米波信道, 即具有稀疏性, 径数有限。 **另外需要指出的是, 由于IRS是一个平面,因此其天线响应向量(array response vector),应当按照 UPA (uniform planar array) 来算, 而不能按ULA (uniform linear array)。 因此, 其响应可以写为:

    在这里插入图片描述
    其中, ϕ\phiθ\theta 分别代表了信号入射的方位角 (azimuth angle) 和 仰角 (elevation angle)。 NN代表的是天线总数(智能反射面反射因子数)。 λ\lambda是波长,dd是天线间隔, 由于一般都设置有d=0.5λd=0.5\lambda, 上式可以进一步化简。

    同样的,现在主流的基站的发送天线一般也以UPA形式为主。 因此, BS-IRS信道实际上就是两个UPA之间的MIMO信道仿真。 首先先写一个函数, 来实现单侧UPA的天线响应向量的仿真:

    function y = array_response(phi,theta, N)
    for m= 0:sqrt(N)-1
        for n= 0:sqrt(N)-1
            y(m*(sqrt(N))+n+1) = exp( 1i* pi* ( m*sin(phi)*sin(theta) + n*cos(theta) ) );
        end
    end
    y = y.'/sqrt(N);
    end
    

    这里假设了UPA是正方形UPA,即横向和纵向的阵子数相等。 如果想考虑长方形UPA的话可以自行修改, 但如果只是想简单地仿真一个智能反射面信道的话完全可以用上述代码实现。 具体就不过多展开了,就是将上面的响应公式翻译成了matlab代码而已。

    有了这个函数, 就能很快地仿真BS-IRS信道了:

    function H = generate_channel(Nt, Nr, L)
    
    AoD = pi*rand(L, 2) - pi/2;  %-2/pi~2/pi
    AOA = pi*rand(L, 2) - pi/2;  %-2/pi~2/pi
    alpha(1) = 1; % gain of the LoS
    alpha(2:L) = 10^(-0.5)*(randn(1,L-1)+1i*randn(1,L-1))/sqrt(2);
    H = zeros(Nr, Nt);
    for l=1:1:L
        ar = array_response(AOA(L,1),AOA(L,2), Nr);
        at = array_response(AOD(L,1),AOD(L,2), Nt);
        H = H + sqrt(Nr * Nt)*alpha(l)*ar*at';
    end
    

    其中, Nt 代表发送天线数, Nr代表接收天线数, L代表路径总数 (1条LOS直射径+(L-1)条NLOS径)。
    每条径需要包含四个变量: 发送的方位角和仰角; 接收的方位角和仰角。 我们生成AOD, 代表发送的方位角和仰角。

    AOD = pi*rand(L, 2) - pi/2;
    

    这里相当于生成了 L×2L \times 20.5π-0.5\pi~0.5π0.5\pi的角度,其中每条路径各有发送方位角和仰角一个。 AOA同理。

    这里需要指出, 实际中方位角和仰角的变化范围应该不同,仰角的变化范围会偏小, 因此更合理的仿真应该进一步限制其生成范围。 但就像上面所说,如果只是为了随机生成智能反射面信道用于仿真,不用纠结的那么细。

    α\alpha代表的是信道的衰落系数, 为了区别LOS径和NLOS径,我们默认第一径是LOS径,给了归一化的能量为1。 而NLOS径的能量则是高斯变量, 并且为了体现出与LOS径的能量差, 给了一个衰减系数。

    在这里插入图片描述
    因为疫情在家,没有mathpix,实在懒得自己手打latex,就截了下MIMO的公式。 和我们的模型有一点点区别, 但是每一径的生成是一样的,就是根据发送角和到达角分别生成ar和at然后相乘并乘上衰落因子。 懂的自然懂,不懂的可以根据我的代码反推一下。

    这样的话就可以仿真BS-IRS信道了, 而 IRS - UE的信道也同理,同样可以建模为上面这个信道模型。

    关于BS-UE的信道, 有几种不同的建模:

    • 直接假设BS-UE间被阻隔, 即不存在这个信道。 这样的话也就不用仿真了。 这个场景也是合理的,许多论文中都是这样假设的。
    • 假设被阻隔, 即不存在LOS径, 但是有NLOS径。 那么就可以用上面的代码去仿真,只需要把LOS径去掉就行了。
    • 假设为瑞利衰落信道。 这个是最容易仿真的, 也有许多论文采用这个建模。 瑞利的仿真代码非常容易, 网上也有很多,不再赘述了。

    相关阅读

    展开全文
  • 智能反射表面辅助非正交多路访问
  • 原文标题:Broadband Channel Estimation for Intelligent Reflecting Surface Aided mmWave ...前言: 智能反射面的工作中,个人认为信道估计举足轻重。 因为其他的诸如波束成形的设计等,都基于较好的CSI(信...

    原文标题:Broadband Channel Estimation for Intelligent
    Reflecting Surface Aided mmWave Massive MIMO Systems

    地址: https://arxiv.org/pdf/2002.01629.pdf

    前言: 智能反射面的工作中,个人认为信道估计举足轻重。 因为其他的诸如波束成形的设计等,都基于较好的CSI(信道信息)前提下。 最近arxiv上,信道估计的文章也开始如雨后春笋冒出,之所以挑这篇文章在疫情期间写,是因为这是我看到的第一篇考虑了宽带情形的信道估计——众所周知,在毫米波信道假设下,宽带才是更合理的场景。

    在这里插入图片描述

    系统与信道模型

    本文考虑的场景如上图所示, 即通过智能发射面, 使得一些直射路径被障碍物遮蔽的用户,可以接收到反射的信号来改善通信。

    这篇文章考虑的信道模型主要有两个特点:

    • 考虑了毫米波信道的稀疏性。 即多径数是有限的。 有些paper里假设的是瑞利或者莱斯信道, 这里是有区别的。
    • 考虑了宽带情况,即各径之间是有时延差的。

    要估计的信道,其实分为2个路径, 3个部分

    • 基站直接到用户的信道:hdh_d
    • 基站通过反射面到用户: 分为基站-反射面: GG, 反射面-用户:hrh_r

    信道建模方面,文章选用了最常见的模型:
    在这里插入图片描述
    右边的第一项代表了主径(LOS径), 第二项代表了多条非主径(NLOS)径的叠加。 作者考虑的是基站与智能反射面均为UPA的情形。 因此,式子里也有θ\thetaϕ\phi, 即俯角和仰角。 具体就不展开了, 这是最标准的毫米波S-V信道模型。

    需要注意的是相比于窄带系统, 每一项后面都乘上了一个pp, 代表信道的时延。

    文章假设了使用OFDM系统,也就是说将上述的信道再写成子载波信道的形式如下:

    在这里插入图片描述
    相同的推导可以得到hdh_dhrh_r, 不再赘述。

    一个重要假设

    文章中提出了一个全文至关重要的假设:基站-反射面之间的信道,可以认为是已知的。

    这一点非常关键。 首先,由于智能反射面默认不配备RF chain,因此是无法做信道估计的。 许多其他文献往往智能将 基站-反射面 信道 与 反射面-用户的信道合并估计, 但显然大大增加了复杂度,降低了准确度。 如果这一假设成立的话,问题会变得容易很多,因为最难估计的一部分可以认为是已知的。

    作者紧接着解释了这一假设的合理性。 其实核心就是一点: 基站与智能反射面通常是固定的。 与用户随时可能移动不同,基站和智能反射面之间的信道,一般是固定不变的。同时,由于LOS径可以由基站与只能反射面的空间几何关系算出, 完全可以认为是可以先验得到。 而NLOS径的能量则可以认为远远小于LOS径, 可以建模为高斯噪声。

    在这一假设下, 问题就变得简单了很多,即只需估计 hdh_dhrh_r

    估计方法

    文章考虑的是下行估计。 第ii时刻,用户端接收到的信号可以表示为:
    在这里插入图片描述
    右边第一行的第一项代表直射路径的到达信号,第二项是经过智能反射面反射得到的信号。 其中,
    在这里插入图片描述
    这里可能默认发送的pilot的信号为1.

    考虑连续发NpN_p个信号,可以表示为:
    在这里插入图片描述
    这里和学长讨论后,认为这个假设其实有点牵强。 因为他假设了BS-IRS的信道是LOS dominated, 但是在后续的估计IRS-UE中,又没有了这个假设,还是按多径来估计。

    压缩感知

    在前面的信道模型中,已经提到, 作者假设信道是稀疏的。 而一种最常见的求解方法就是利用压缩感知。

    在这里插入图片描述

    AdA_d是一个冗余的字典矩阵, hdah_{da}则是一个稀疏向量,其非零值就代表了真实存在的信道的径。 由于毫米波的稀疏性,非零值也就较少,因此是稀疏向量。 ede_d代表量化误差。 因为字典矩阵是离散的, 而真实的信道角度是连续的, 因此会有误差。 这也是压缩感知方法的通病。 具体的压缩感知的知识可以自行百度, 也可以参看我们之前的几篇博客中,毫米波信道使用压缩感知估计。

    DOMP ( distributed orthogonal matching pursuit)

    需要注意的是,与普通的窄带压缩感知估计不同,宽带情况下,有K个子载波都需要估计,但需要满足一个条件:
    在这里插入图片描述
    这个式子的意思就是, 所有子载波信道其实都是由稀疏的时域信道变换得来,也就是说其支撑集是一致的——所有子载波信道所对应的稀疏向量中非零值的位置是一致的, 但非零值可能是不等的。

    因此,作者提出了DOMP算法, 和OMP算法唯一的区别其实是在第三步:

    在这里插入图片描述
    即在求解时将所有子载波的相关值加和起来计算。

    码字的设计

    本文的重心不在于码字的设计, 作者直接选用了恒1的数字波束成形和随机生成的模拟波束成形与智能反射面反射因子。 理论上是有优化空间的。

    字典的设计

    作者提出使用高分辨率字典,即字典数大于天线数。 这一点我之前也考虑过,理论上字典做的越细,即码字数量越多,那么分辨率就会越高,性能也会越好。

    仿真

    作者最后展示了一下性能。 因为这个题材很新,尤其是宽带的估计, 因此对比算法非常少,就简单的与LS算法进行了对比。

    在这里插入图片描述

    总体而言这篇文章还是给予了一些启发的。

    总结

    本文的几个亮点

    • 考虑了宽带稀疏信道模型
    • 假设了BS-IRS(基站-反射面)的信道先验已知
    • 使用了DOMP算法来求解宽带信道估计问题

    相关阅读

    展开全文
  • 这篇博文是对magazine文章: 《Towards Smart and Reconfigurable Environment: Intelligent Reflecting Surface Aided Wireless Network》的读后感记录,也借此理解智能反射面这个新兴的topic。 文章目录智能反射面...

    这篇博文是对magazine文章: 《Towards Smart and Reconfigurable Environment: Intelligent Reflecting Surface Aided Wireless Network》的读后感记录,也借此理解智能反射面这个新兴的topic。

    智能反射面简述及其应用场景

    首先,什么是智能反射面? 智能反射面是一种 由大量低成本的被动无源反射元件组成的平面,放置于基站与用户(发送方与接收方之间)。由于每个元件能都能够独立地对入射信号进行相位(或/和)幅度的改变,,因此可以利用智能反射面,使得用户更好地接收基站发送的信号。下面给出5个场景的例子:

    在这里插入图片描述

    图一: 当用户处于一个死角(dead zone)之时,适当地使用智能反射面,可以制造出一条反射路径,使得该用户仍能接收到信号。

    图二: 假设基站-窃听者-用户处于同一直线上时,那么无论如何设计基站的发送波束,都无可避免地使得窃听者得到较好的信号。 为此,可以适当地设计智能反射面的反射因子,使得: 反射到窃听者的信号与基站直射窃听者的信号尽可能抵消, 而反射到用户的信号与直射信号尽可能叠加增强。

    图三: 当用户位于小区边缘时,本小区的基站信号衰减严重,同时还会受到邻小区的信号干扰。 那么通过设计智能反射面,可以增强本小区的信号,并减弱邻小区的干扰。

    图四: D2D(device to device)场景。 多个装置之间互相通信,相当于多个发送端和多个接收端同时通信, 显然互相会有干扰, 通过设计智能反射面可以尽可能消除干扰信号,增强正确信号。

    图五: 远距离信号和能量传输。 通过智能反射面可以增强传输效果。

    个人认为,有几个应用场景有凑数之嫌。 但有一点是一致的,那就是智能反射面给通信系统增加了设计的自由度。

    文中给出了简单的仿真佐证了智能反射面的意义:
    在这里插入图片描述

    可以看到,在保证通信性能的情况下,智能反射面的存在可以减小发送功率的大小。

    智能反射面硬件实现

    智能反射面的使用主要基于一种叫“meta-atoms”的元件,这个是可以被数字控制的。 通过适当设计它的 形状/大小/方向/排布, 可以相应地改变它的信号响应(改变入射信号的一定的幅度相位)。实际中,通过使用 positive-intrinsic-negative (PIN) diodes (PIN二极管),fi eld-eff ect transistors (FETs) 或者 micro-elec-tromechanical system (MEMS) switches等电子元件,实现对其响应的实时调整。

    如下图所示,典型的IRS架构由三层和一个智能控制器组成。在外层,有大量的金属片 (元件)印在介电基板上,直接与入射信号相互作用。在这一层的后面,使用铜板来避免信号能量的泄漏。最后,内层是一个控制电路板,它负责调节每个元件的反射振幅/相移,由一个连接到IRS的智能控制器。在实际中,可以用FPGA进行数字控制。 通过控制PIN管的开闭,可以决定反射单元对入射信号的相位调整值。 而通过改变电阻的大小,可以控制反射的幅度在[0~1]之间的某个值。显然,需要注意的是,因此实际中智能反射面的可调相位或幅度,一般是精度有限的离散值(如2-bit量化,仅有4种相位可调),而非任意可调的连续值,这也是在对其设计时所需要考虑的。

    在这里插入图片描述

    系统模型

    由于有了智能反射面的存在,整个系统模型也有所改变,因此,本节对其进行数学建模。

    在这里插入图片描述
    考虑没有直射路径(LOS路径)的场景(直射路径的数学建模与传统一致)。考虑基站为多天线,而用户为单天线。 可以看到,此时基站到用户的信号经过3部分: 基站-反射面的信道; 反射面对信号的幅度相位调整; 反射面-用户的信道。 因此,可以建模为如下形式:

    在这里插入图片描述
    这里 h1\mathbf{h}_1代表反射面-用户的信道, G\mathbf{G}代表基站-反射面的信道, f\mathbf{f}是发送的波束成形向量。 xx是发送信号。 ϕ\mathbf{\phi}是对角矩阵,表示反射面对入射信号幅度或相位的改变值。
    如果考虑直射路径的话,最后接收的信号应该是直射的信号与反射的信号之和,这里不再赘述。

    挑战与机遇

    反射面的反射因子设计

    第一个挑战是对于反射因子的设计, 或者说,对于上式中ϕ\phi矩阵的设计。 其中,要考虑到由于幅度和相位只有离散的可调值,这个问题会相对更加复杂。 一种简单的思路是先忽略这一限制去求解,最后再对结果进行量化。 但这显然会有性能损失。
    不同的目标同样也能求得不同的反射矩阵。
    同时,将发送的波束成形与反射矩阵进行联合设计,往往能达到更好的效果。
    最后,针对多用户及宽带多载波场景,由于反射面只有一个,那么就要求该矩阵能平衡对所有用户-所有频段性能的折衷要求。

    信道估计

    信道估计是另一个重要难点。 上一节中所说的反射因子的设计,需要建立在信道信息的基础上,而如何获取信道信息是一个大难题。 作者讨论了两种情况:

    1. 如果反射面上可以配备射频链路将获取的信号转换到数字信号进行信道估计处理的话,可以在智能反射面端进行信道估计,这里的方法会类似于传统的信道估计方法,但也有所挑战。
    2. 如果反射面本身不具备射频链路的话,可以采取不直接估计基站-反射面,或反射面-用户的信道的策略,而是间接的方式。 如: 在训练阶段反射面遍历既定码本中的码字,用户反馈给基站性能最好的码字的序号。 则反射面沿用该码字进行数据传输,而无需直接估计信道。

    相关阅读

    展开全文
  • 智能反射面(IRS)是一种全新的革命性技术,它可以通过在平面上集成大量低成本的无源反射元件,智能地重新配置无线传播环境,从而显著提高无线通信网络的性能。具体地说,IRS的不同元件可以通过控制其幅度和/或相位...
    作者: 优化与算法
    
    出处:https://www.cnblogs.com/louisanu/p/12148890.html

     

    这篇博文关于IRS的介绍挺好的,学习一下。

    智能反射面(IRS)是一种全新的革命性技术,它可以通过在平面上集成大量低成本的无源反射元件,智能地重新配置无线传播环境,从而显著提高无线通信网络的性能。具体地说,IRS的不同元件可以通过控制其幅度和/或相位来独立地反射入射信号,从而协同地实现用于定向信号增强或零陷的精细的三维(3D)无源波束形成。在本文中,我们概述了IRS技术,包括其在无线通信中的主要应用、与现有技术相比的竞争优势、硬件架构以及相应的新的信号模型。与仅由有源元件组成的传统网络相比,我们着重讨论了在设计和实现新的IRS辅助的混合(包括有源元件和无源元件)无线网络方面的关键挑战。数值计算结果表明,IRS在典型的无线网络中的应用大大提高了系统的性能。

    背景介绍
                得益于诸如超密网络(UDN)、大规模多输入多输出(MIMO)、毫米波(mmWave)通信等各种关键技术的支持,即将到来的第五代(5G)无线网络已实现了1000倍网络容量增加和至少1000亿个设备的普遍无线连接目标。然而,所需的高复杂度和硬件成本以及增加的能耗仍然是关键问题,仍然没有解决。例如,在UDN中密集部署基站(BSs)或接入点(AP)不仅会增加硬件开销和维护成本,而且还会加剧网络干扰问题。此外,如何为UDN提供可靠的、可扩展的回程传输是一项具有挑战性的工作,尤其是在没有完全光学覆盖的室内部署中。此外,将大规模MIMO从低于6 Ghz扩展到mmWave频带通常需要更复杂的信号处理以及更昂贵和能耗更高的硬件(例如,射频(RF)链)。因此,研究如何为未来/5G以外的无线网络找到创新、频谱和节能且经济高效的解决方案仍然势在必行。

                此外,虽然5G物理层技术通常能够适应空间和时间变化的无线环境,但信号传播本质上是随机的,在很大程度上是不可控制的。基于上述原因,智能反射面(IRS)被认为是一种很有前途的新技术,可以通过软件控制反射来重新配置无线传播环境[3]-[6]。具体地说,IRS是由大量低成本无源反射元件组成的平面,每个元件能够独立地诱导入射信号的振幅和/或相位变化,从而协同实现精细的三维(3D)反射波束形成。与现有的发射机/接收机无线链路适配技术形成鲜明对比,IRS通过高度可控和智能信号反射主动地修改它们之间的无线信道。这为进一步提高无线链路的性能提供了新的自由度,为实现智能可编程无线环境铺平了道路。通过适当地调整3D被动波束形成,IRS反射的信号可以与来自其它路径的信号建设性地相加,以增强接收机处的期望信号功率,或者破坏性地消除诸如同信道干扰等不期望信号。由于IRS消除了发射RF链的使用,并且只在短距离内工作,因此它可以密集部署,具有可扩展的成本和低能耗,而无需在无源IRS之间进行复杂的干扰管理。

    图1 IRS在无线网络中的典型应用

    图1示出IRS辅助无线网络的几个典型应用。在图1(a)中,用户位于死区中,在死区中,用户与其服务BS之间的直接链路被障碍物严重阻塞。在这种情况下,部署与基站和用户有明确联系的IRS有助于通过智能信号反射绕过障碍物,从而在它们之间创建虚拟视线(LoS)链接。这对于极易受室内阻塞影响的mmWave通信中的覆盖范围扩展特别有用。图1(b)示出了IRS用于改进物理层安全性的使用。当从BS到qietingqi的链路距离小于到合法用户(例如,用户1)的链路距离时,或者qietingqi位于与合法用户(例如,用户2)相同的方向时,可实现的保密通信速率高度受限(即使在后一种情况下通过在BS处采用发射波束成形)。然而,如果IRS部署在qietingqi附近,则IRS反射的信号可以被调谐以抵消来自qietingqi处的BS的(非IRS反射的)信号,从而有效地减少信息泄漏。在图1(c)中,对于同时遭受来自其服务BS的高信号衰减和来自相邻BS的严重同信道干扰的小区边缘用户,可以在小区边缘部署IRS,通过适当地设计其反射波束成形,不仅有助于提高期望的信号功率,而且有助于抑制干扰,从而在其附近形成“信号热点”和“无干扰区”。图1(d)示出了IRS用于实现大规模设备到设备(D2D)通信的使用,其中IRS充当信号反射集线器,以支持通过干扰抑制的同时低功率传输。最后,图1(e)示出了IRS在物联网(IoT)网络中实现对杂项设备的同时无线信息和功率传输(SWIPT)的应用[7],其中,IRS的大孔径被用来补偿通过无源波束形成到附近物联网设备的远距离显著功率损失,以提高向其无线功率传输的效率。
             除了上述有希望的应用之外,从实现的角度来看,IRS还具有诱人的优势。首先,IRSs通常是用低轮廓、轻重量和共形几何形状制作的,这使得很容易在墙壁、天花板、建筑立面、广告面板等上安装/移除它们。此外,由于IRS是一种补充设备 在无线网络中,将其部署在现有的无线系统(例如蜂窝或WiFi)中不需要更改其标准和硬件,而仅需对通信协议进行必要的修改即可。因此,将IRS集成到无线网络中可以对用户透明,从而提供与现有无线系统的高度灵活性和优越兼容性。因此,IRS可以以较低的成本在无线网络中实际部署和集成。
              接下来,我们重点介绍与其他现有的与IRS相关的技术相比,IRS的主要差异以及竞争优势,即有源中继,反向散射通信和基于有源表面的大规模MIMO。首先,与通过信号再生和重传协助源目的地通信的有源无线中继相比,IRS不使用任何有源发射模块(例如,功率放大器),而仅将接收到的信号反射为无源阵列。此外,有源中继通常以半双工模式运行,因此其频谱效率低于以全双工模式运行的IRS。尽管全双工中继也是可以实现的,但是它需要先进的强大的自干扰消除技术,而这些技术的实现成本很高。其次,IRS与传统的反向散射通信(例如通过识别从读取器发送的反射信号与读取器进行通信的射频识别(RFID)标签)不同,IRS用于促进现有的通信链接,而不是发送其自身的任何信息。因此,反向散射通信中的读取器需要在其接收器处实现自干扰消除,以解码标签的消息[9]。相比之下,在IRS辅助的通信中,直接路径信号和反射路径信号都可以携带相同的有用信息,因此可以在接收器处相干添加以提高解码的信号强度。第三,由于IRS的阵列架构(无源与有源)和操作机制(反射与传输)不同,因此它也不同于基于有源表面的大规模MIMO。
    尽管IRS辅助无线网络具有许多优点,但它同时包含主动(BS、AP、用户终端)和被动(IRS)组件,因此与仅包含主动组件的传统网络有很大不同。这促使本文对IRS的信号模型、硬件结构、无源波束形成设计、信道捕获、节点部署等方面进行了综述。特别强调了设计和实现IRS辅助无线网络的主要挑战及其潜在解决方案,以启发未来的研究。数值结果也验证了IRS在典型无线应用中的有效性。

    硬件架构

    图2 IRS硬件架构

    IRS的硬件实现基于“元表面”的概念,该概念由数字可控的二维(2D)元材料构成[10]。具体地说,亚表面是由大量元素或所谓的亚原子组成的平面阵列,其电厚度按感兴趣工作频率的子波长的顺序排列。通过适当设计元件,包括几何形状(如方形或开口环)、尺寸/尺寸、方向、排列等,可以相应地修改其单个信号响应(反射振幅和相移)。在无线通信应用中,每个单元的反射系数都应该是可调的,以适应用户移动性产生的动态无线信道,从而要求实时可重构。这可以通过利用电子设备来实现,例如正内禀负(PIN)二极管、场效应晶体管或微电子机械系统(MEMS)开关。如图2所示,IRS的典型架构可以由三层和智能控制器组成。在外层,大量的金属片(元件)被印刷在介电基板上,与入射信号直接相互作用。在该层的后面,使用铜板来避免信号能量泄漏。最后,内层是一个控制电路板,负责调整每个元件的反射振幅/相移,由附在IRS上的智能控制器触发。在实践中,现场可编程门阵列(FPGA)可以被实现为控制器,它还充当网关,通过单独的无线链路与其他网络组件(例如BSs、AP和用户终端)进行通信和协调,以便与它们进行低速率信息交换。
    图2中还示出了单个元件结构的一个示例,其中PIN二极管嵌入在每个元件中。通过直流(DC)馈电线路控制其偏置电压,PIN二极管可以在等效电路中所示的“开”和“关”状态之间切换,从而产生相移差。因此,通过智能控制器设置相应的偏置电压,可以独立地实现IRS元件的不同相移。另一方面,为了有效地控制反射振幅,可在元件设计中采用可变电阻负载。例如,通过改变每个元件中电阻的值,入射信号能量的不同部分被耗散,从而在[0,1]中实现可控反射振幅。在实践中,期望对每个元件的振幅和相移具有独立的控制,为此,需要有效地集成上述电路。

            Massive MIMO技术的推出推动了高速无线通信系统的发展,然而,无线系统的性能仍然取决于其信道。具体的说,发射机辐射的电磁波在到达接收机之前在信道中经历反射、折射、衍射和路径损耗。在传统通信中,信道被认为是不可控制的,因此通常对信道建立概率模型。事实上,很多研究工作中提出的大部分通信技术(如波束成形、分集、信道编码)都是为了在不改变信道行为的情况下抵消或利用信道的影响而设计的。相比之下,最近提出的IRS概念建立在控制电磁波在通信信道中的传播以提高通信系统的性能的基础上。具体的说,IRS是一个由若干微面元组成的元表面,这些微面元可以控制入射信号的相位。理想情况下,被控制的相位是连续的,但是元表面使用亚波长尺寸的若干离散“元素”来近似这一点,每个“元素”引起不同的相移。这样,当信号入射时,使得所有相移的联合效应是在选定方向上的放射光束。这类似于传统的相控阵的波束成形,但主要区别在于传统相控阵的相移不是在阵列中产生的。图3 描述了元原子间的不同相移模式如何导致入射信号在不同方向上作为光束反射。

    图3 IRS由许多亚波长大小的离散元原子组成,如彩色正方形所示。每个原子在信号被散射之前都会给它分配一个相移。如(a)和(b)所示,相移的不同选择导致IRS在不同方向上的波束形成。

     IRS的应用
                与无小区大规模MIMO系统和协作中继不同,协作中继通常使用有源组件来改善传播环境,IRS则只需要很小的操作功率,因此适合在能量有限的系统中实现。例如,当微元的尺寸为8×8mm时,其能量消耗仅为125mW/m2,这比许多现有的无线通信设备要低很多。此外,IRS可以是很薄的材料,允许在建筑外墙、天花板等地方部署。因此,IRS很适用于机场航站楼、体育馆等场所。而且IRS与现有常规网络之间兼容性良好,即在现有网络中,可以灵活部署IRS来增强当前通信网络的性能。

    图4 IRS增强的多天线MIMO系统

    在实际中,IRS在传统MIMO系统中的部署有助于图4所示的两种波束成形。在图4(a)中,在协助多天线发射机和用户之间的通信的系统中部署了一个IRS。信息信号从发射器发出,发射机和用户之间可能存在通信的直接路径,并且在发射机上进行波束成形以改善用户的信号接收。同时,由于无线信道的广播性质,信号也被IRS接收,此时IRS将反射该信号,借助于IRS控制器,可以控制反射的主方向。特别是,在所有的元表面上引入适当的相移,以建设性地创建它们各自散射的信号的相干组合,从而创建聚焦于用户的信号束,表面越大,光束就越窄,这种策略也被称为能量聚焦。另一方面,如果由于严重阴影或阻塞而不存在直接路径,则发射机应该执行相对于IRS的波束成形。然后,IRS可以充当非放大继电器,将事件信号反射并聚焦到用户,以协助端到端通信。在图4(b)中,考虑在用户2存在的情况下,多天线发射机为用户1服务的场景。我们假设这两个用户具有不同的安全许可级别,其中用户1的消息不应在用户2处被解码。在这种情况下,可以通过调整散射信号的相位来在IRS处执行破坏性反射,以使用户2处的信号为零。这种策略被称为能量置零。这两种波束形成技术有着广泛的应用,如物理层安全、干扰管理、覆盖扩展、容量改进等。

    3.参考文献
    [1] Qingqing, W., & Rui, Z. (2019). Towards smart and reconfigurable environment: Intelligent reflecting surface aided wireless network. arXiv preprint arXiv:1905.00152.
    [2] Zhang, J., Björnson, E., Matthaiou, M., Ng, D. W. K., Yang, H., & Love, D. J. (2019). Multiple antenna technologies for beyond 5G. arXiv preprint arXiv:1910.00092.

     

     

     

    展开全文
  • 智能反射面| 关于UPA信道建模

    千次阅读 2020-12-21 18:52:31
    前言 这篇文章想讲一下 智能反射面中 UPA (uniform planar array)的信道建模。 之前在智能反射面| Matlab代码实现... 而在智能反射面中, 作者们实在无法睁眼说瞎话地假设智能反射面是一个线阵了, 毕竟人家名字里都
  • 智能反射面的相关的高引论文,包括Intelligent Reflecting Surface Enhanced Wireless Network Joint Active and Passive Beamforming Design,Reconfigurable Intelligent Surfaces for Energy Efficiency in ...
  • 好久没更新智能反射面系列的博客了, 离第一篇的相关博客已经过了整整一年,而在2020年中智能反射面的paper日愈增多, 单块智能反射面 (IRS) 的系统及各种问题也被研究地七七八八。 随着研究的日益深入, 同时存在...
  • MISO系统的智能反射面信道估计:级联信道与压缩感知前言系统模型信道模型级联信道信道估计 前言 原文:《Compressed Channel Estimation and Joint Beamforming for Intelligent Reflecting Surface-Assisted ...
  • 文章目录前言一、IRS介绍二、系统模型1.MATLAB仿真2.经典文献总结 前言 IRS是我的研究课题,虽然只研究了短短半年时间 ,...智能反射表面是个啥,强烈推荐IRS讲座[BV1wZ4y1N7J4],(https://www.bilibili.com/s/vide.
  • 文章目录问题背景系统模型 《Optimal Beamforming for MISO Communications via Intelligent Reflecting Surfaces》 ...关于智能反射面的详细介绍可以参考https://zhuyulab.blog.csdn.net/article/details...
  • IRS综述:智能反射面研究——面向6G无线通信网络

    千次阅读 多人点赞 2020-07-25 15:42:01
    智能反射面(IRSs)通过调整无线环境来提高频谱和能源利用率。鉴于最近业界对IRSs的关注,将其看作是6G无线通信的潜在技术,我们将IRSs近期研究情况进行如下的分类整理。对于IRSs辅助的通信系统,包括容量/数据率...
  • MISO系统的智能反射面信道估计:级联信道与压缩感知前言系统模型信道模型级联信道信道估计 前言 原文:《Compressed Channel Estimation and Joint Beamforming for Intelligent Reflecting Surface-Assisted ...
  • 原文为: 《PARAFAC-Based Channel Estimation for Intelligent Reflective Surface Assisted MIMO System》 ...收到一些读者的信息,希望能提供一些对智能反射面工作的复现, 这里以这篇文章为例, 给出了完...
  • 文章目录前言中心思想具体实现A.==COMPRESSIVE SENSING== BASED 智能反射面设计B. ==DEEP LEARNING BASED== LIS I智能反射面设计实现细节仿真结果总结 前言 论文题目: Power of Deep Learning for Channel ...
  • 闻道洛阳花正好,家家遮户春风。道人饮处百壶空。年年花下醉,看尽几番红。 此拐又从何处去,飘蓬一任西东。语声虽异笑声同。一轮清夜月,何处不相逢。 ---- 临江仙·与刘拐 ...智能反射面(IRS...
  • 最近在看许多智能反射面相关的文章。 由于有了智能反射面的存在,在数学模型上与传统信道估计有所出入。 接触到几篇文章,从多维张量 (tensor) 的角度出发, 利用Khatri-Rao积的表示方式, 将复杂的数学建模式子简化...
  • Matlab代码实现智能反射面的信道仿真 主要存在三个信道: 基站到UE 的直达经: BS-UE信道 基站到IRS 的直达经:BS_IRS信道 IRS到用户的信道: IRS-UE信道 与传统 MIMO 系统不一样的是,BS-IRS与IRS-UE信道,这两...
  • IRS是一种全新的革命性技术,它通过使用大量低成本无源反射单元组成的平面智能地重构无线传输环境,显著提高无线通信网络的性能。具体说,不同的IRS单元通过控制入射信号的幅度和/或相位可以独立反射入射信号,从而...
  • 这篇博文是对arxiv文章: 《这篇博文是对magazine文章: 《Channel Estimation for Reconfigurable Intelligent Surface Aided Multi-User MIMO Systems》的读后感记录,原文可在arxiv查找到。 ...

空空如也

空空如也

1 2 3 4 5
收藏数 95
精华内容 38
关键字:

智能反射面