智能反射面论文1

来源：https://ieeexplore.ieee.org/document/9367569

D. Dampahalage, K. B. Shashika Manosha, N. Rajatheva and M. Latva-aho, “Intelligent Reflecting Surface Aided Vehicular Communications,” 2020 IEEE Globecom Workshops (GC Wkshps, Taipei, Taiwan, 2020, pp. 1-6, doi: 10.1109/GCWkshps50303.2020.9367569.

RIS辅助车辆通信

摘要

考虑上行链路中利用IRS的可实现速率最大化问题，在IRS信道估计方面有很多挑战，本文提出两种方案减少IRS的信道估计开销，一种方法是使用反射元件的分组，另一种是根据设备的位置进行无源波束成形。数值模拟，RIS可以给现有通信带来明显改善，此外，使用基于光线追踪的模拟来验证使用IRS的好处。

introduction

大多关于IRS的理论工作都假定，在发射器到IRS和IRS到接收器的信道中，IRS有完美的CSI，由于IRS由无源元件组成，信道估计具有挑战性。【5】提出两种可用信道估计方案：作者认为IRS除了无源元件外还有一些有源元件，这些有源元件可以用来测量信道。第一种方法：用压缩感知技术，从稀疏的测量中构建完整的CSI。第二种方法：深度学习模型训练与入射信号互动。
为实现智能交通系统(ITS)的概念，已对车辆通信网络进行了广泛的研究【8】，各种车辆应用都考虑在内，包括面向安全、舒适和娱乐的应用【9】，这些应用给现有的通信和网络技术带来巨大的挑战。数据密集型传感器的引入，如激光成像检测和测距，导致车辆通信网络必须支持Gb/s的数据速率【9】.如此高的数据速率需要大的系统带宽，这就促使人们利用毫米波进行车辆通信，该频段具有较大的带宽。【9】.但毫米波有较高的路径损耗。因此降低了传输范围。【10】提出了IRS克服这些挑战。
IRS在信道估计方面带来的新挑战，在车辆网络的高移动性方面也是如此。估计每个反射路径的信道系数需要很大的开销。
本文在毫米波车辆通信系统中使用IRS，尽管【13，14】中已经考虑了IRS辅助系统的速率最大化问题。就作者所知，这是第一个考虑车辆通信问题的工作。本文使用基于逐次细化的算法【7】优化IRS相移。提出两种IRS相位优化方案，以减少信道估计的开销，并促进大型反射元件的分组。另一种方法是利用其位置的无源波束成形。数值模拟，使用IRS，可实现速率显著提高，此外，作者用商业射线追踪工具Wireless InSite【15】评估了系统在移动性下的性能。

system model and problem formulation

考虑一个M根天线的BS和单根天线的车辆组成车辆网络，关注上行链路，一个具有N个反射元件的IRS用来协助通信。Hr属于C（MN）表示IRS和BS之间的信道，hv属于C（N1 ）表示车辆和IRS之间的信道，hd属于C（M*1）表示车辆和BS之间的信道。考虑相移是L个离散level，为简单起见，假设这些相移取通过均匀量化间隔【0，2pi）获得的值之一，因为，每个反射元件出的离散相移几何由下式给出：

设IRS第i个反射元件的相移为 θi 属于 F。定义IRS的反射矩阵为Θ
设 x 为车辆传输的信息承载符号，在BS处接收的信号为

是基站天线的复加性高斯白噪声，BS应用线性波束成形向量w来解码x，即
为简单起见，假设在BS处最大比合并MRC波束形成，
对于P的发射功率，SNR可以被写成：

使用（4）中的SNR表达式，可实现速率表示为：
从（5）可以看出，可实现的速率取决于IRS的反射矩阵，因此适当调整反射矩阵可实现更高速率，这称为被动波束形成或相位优化，考虑IRS相位优化问题，通过选择最优的离散相移来最大化可达速率：

alcorithm development

由于离散相移，（6）中的优化问题是非凸的，如果硬解，有N^L中可能性，对于大型反射阵列 是不可行的，通过扩展信道增益表达式，提出基于连续细化算法【7】。定义

信道增益由下式给出：

我们关注单个反射元件，vn考虑所有其他反射元件(vi ， i 不等于n)是固定的，可以将信道增益写为：

Aij和bi分别表示A和b的各个元素。
基于（8）中的信道增益表达式，可以通过匹配反射阵列相移vn和kn的相位来最大化信道增益。对于离散相移，可以如算法1【7】中所给出的逐次精化算法，ε 是收敛的停止阈值。
为了执行被动波束形成，需要估计所有涉及的所有信道，除了车辆和BS之间的直接信道外，IRS的大量反射元件给信道估计带来极大挑战，接下来，提出两种可以遵循以减少信道估计开销的相位优化方案。

A. 基于分组的IRS相位优化
将反射阵列划分为子组，并按子组执行相位优化，子组中的所有元素被视为单个元素。因此，只需要估计每组的信道，而不是所有反射元素的信道。此外，还可以运行考虑子组的阶段优化算法，而不需要遍历所有单独的元素。

例如，图2显示66反射阵列，被分为22大小的亚群，每个子群被认为是单一的反射元件，因此，有效地实现3*3反射阵的被动波束形成。这降低了信道估计开销，降低了逐次求精算法的复杂度，在找到相移之后，将该组中所有反射器的相移值设置为该子组的相移值。
B. 基于位置的无源波束形成
IRS中的一个反射元件捕获输入信号，并将其向各个方向重新散射【16】，有效路径损耗是通过IRS的单个链路的路径损耗的乘积。因此IRS辅助系统可以在车辆到BS的链路较弱而通过IRS的链路具有较强的LOS的情况下获得好处。由于在这种情况下，视距链路是突出的，因此可以基于设备的位置进行被动波束形成。网络将跟踪设备的位置以及出发和到达的角度。然后，在天线尺寸已知的情况下，可以重建信道矩阵。
假设BS和IRS处是平面阵列，BS和IRS之间的LOS信道可以表示为：其中 d 表示BS和IRS之间的距离。
是BS考虑方位角和仰角到达角的阵列响应。
为所考虑的方位角和仰角出发角下IRS的阵列响应。相似的，hv，los和hd，los可类似定义，该系统根据估计的站线信道进行被动波束形成。在这里，我们只需要估计整个反射阵列的到达和离开角度，然后基于天下尺寸的先验知识重构信道矩阵，这比估计单个反射元素的信道开销更少。

numerical results

首先给出了静态条件下的随机模拟结果，随后，提出了基于光线跟踪的模拟结果，使用InSite【15】，也考虑了移动性，载频24.2Ghz
A. 随机模拟

BS为一个42均匀平面阵列UPA天线面板，IRS是一个1616反射元件的平面反射阵列，车辆有一个单天线，IRS放置在Y-Z平面上，高度为1m，BS被放置在X-Z平面，高度2m ，bbs = 20m，cbs = 10m ，车载天线放置高度av = 1m，bv = 1.5m ，cv是距离原点。所有涉及的信道都采用一个莱斯衰落信道模型，路径损耗模型采用3Gpp路径损耗模型【17】，βr=2 IRS-BS链路，βv = 1 车到IRS链路，βd = ∞ 表示直接链路。
图4显示当我们改变cv来改变车辆的位置时，可达速率的变化情况，当车辆接近IRS时，IRS给出了一个显著的增长率，在最近点cv= 0处速率最高，当车辆离IRS越远时，增益就下降了。
将车辆位置固定在距离IRS最近的点，即cv=0，比较了反射阵列尺寸为1616和88时，在改变发射功率的情况下所能达到的速率，图5（a）比较了基于子组的相位优化，当使用分组时，性能有所下降，然而，与没有IRS的系统相比，性能有所提高。当1616反射阵列与22分组使用时，它在无源波束成形方面有效充当了88面板，它比使用全CSI的88反射阵列具有更好的性能。因此，分组为利用大反射阵列具有更好的性能。因此，分组为利用大反射阵列提供了一种可行的方法，减少了信道估计的开销。
图5（b）比较了基于位置的相位优化，与完全CSI可用时相比，此方案的性能也有所降低，与没有IRS的系统相比，它可以显著提高1616反射阵列的速率，然而88反射阵列的速率与没有IRS的速率曲线非常接近，这表明基于位置的波束形成更适合大型反射阵列。
逐次求精算法的收敛性如图6所示，该算法对于88和1616反射阵列都收敛得很快，在这里，已经将相移得初始值设置为0（θi=0，i = 1，2，。。。N）

图7说明离散化相移得效果，在没有IRS得情况下，1bit相移几乎没有比现有通信带来任何好处，当将离散相移电平增加到2bit时，性能显著提高，当进一步将量化bit数增加到3时，性能增益并不是那么显著。我们可以得出结论，即使是2位相移的反射阵列也足以改善现有的通信,这是有益的，因为IRS得实际实现只能支持有限数量得相移电平。
B. 基于光线追踪的模拟
上一节的随机模拟提供了IRS辅助系统的一些见解，它们依赖于简化的假设，也没有考虑流动性，我们需要一个更复杂的模拟来详细模拟机动性和环境条件，射线追踪被认为是估计毫米波车载网络复杂传播特性的可靠方法。IRS辅助系统在Remcom Wireless InSite【15】中建模，
如图8所示，IRS被建模为贴片天线的矩形阵列，在车辆中定义发射机的路线，平均速度为10m/s，该系统正在模拟一个有建筑物和道路的环境，BS位于道路的一侧，车在路的另一边行驶，IRS被放置在更靠近路径的地方，为简单起见，不考虑车辆交通，利用光线跟踪仿真得到了信道矩阵，并进行了相位优化，
图9为反映88和1616阵列尺寸的可达速率图，我们考虑车辆距离IRS最近的点，并计算了改变发射功率时的速率，1616反射阵列的速率显著增加，88反射阵列近比没有IRS的现有通信提供了轻微的改进，这表明。需要较大的反射阵列来显著提高系统性能。

conclusion

基于光线追踪的模拟用于验证在车辆网络中使用IRS的好处，提出两种被动波束形成方案来降低信道估计开销，通过基于随机信道模型的数值模拟比较了这些方法的性能，结果表明，这些方案提供了现有通信的显著改进，它们提供了利用大型反射阵列的实用方法。