RIS辅助MIMO通信信道外推技术研究*

杨锦，龚婷婷，张顺

（西安电子科技大学，陕西 西安 710071）

0 引言

随着5G 的大规模商用，面向2030 年及未来，全球业界已经开始了对6G 的探索研究，涌现出多种新型多媒体业务，将对移动通信的网络容量和服务覆盖能力提出更高的要求。我国6G 研发起步较早，政府非常重视对6G 的研究，在2019 年我国成立IMT-2030（6G）推进组。IMT-2030 推进组在发布的《6G 总体愿景与潜在关键技术白皮书》指出，6G 不仅要能助力技术产业的突破创新和生产方式的转型升级，还要能满足“碳中和”要求和可持续发展的需要，需要进一步降低通信基础设施部署成本并提高其能量效率[1]。要实现这些目标，需要倚仗更多的新型器件。目前被广泛关注的可重构智能表面（RIS,Reconfigurable Intelligent Surface）技术可有效满足上述需求。

如图1 所示，RIS 起源于“超表面”的概念，是现场可编程技术和可编程超材料相结合的产物，其阵面包含大量反射单元，可以独立地控制每个反射单元的电气特性，主动重构入射电磁波特性[2]。同时，RIS 馈电电路简单，可近似工作在无源状态。此外，RIS 阵面结构具有较强可塑性，尺寸简单易扩展，具有较轻重量，易部署在各种物体表面。鉴于此，RIS 在学术界和工业界引起了广泛关注，被视为6G 通信的关键技术，赋能现有多输入多输出（MIMO，Multiple-Input-Multiple-Output）通信。

图1 RIS硬件结构图

RIS 辅助MIMO 通信旨在利用RIS 硬件的低功耗、可重构和易部署特点，主动调控空间电磁波，实现无线环境可编程新范式，突破MIMO 通信受限于自然无线传播环境的瓶颈[3]。首先，RIS 辅助链路提供了新的空间分集。其次，如图2 所示，RIS 都可以较低代价为双方人为创造新的电磁散射路径，给出新的空间自由度（DoF,Degree of Freedom），提升空间复用增益。为充分利用RIS 辅助MIMO 的上述优势，需要解决高精度信道信息获取问题。针对这一问题，研究者们提出了信道外推的概念，提供了可行的解决方案。

图2 RIS调控无线环境示意图

1 问题描述

1.1 RIS辅助MIMO信道外推技术

为实现无线信道的细腻调控，RIS 节点反射单元数目庞大，使得RIS 辅助MIMO 信道在天线域呈现高维特征。大量RIS 单元在有限面积上高密集部署，不同反射单元上的信道具有强相关性，意味着少量反射单元上的部分信道空间同所有反射单元所关联的全部信道空间存在确定性映射。近期研究表明[4]，可充分发掘该空间确定性映射关系，利用信道外推机制压缩RIS 信道，降低信道训练开销。如图3 所示，信道外推核心思路为依据通信链路状态，如通信双方频点配置、所采用的天线集合甚至小范围内位置信息等，切换前后的电磁散射环境（如散射体的分布位置、尺寸、形态以及材质等）的一致性，以部分易探测的信道空间为起点，借助强有力信号处理算法，推演难以直接探测的全部信道空间。

图3 信道外推示意图

1.2 挑战

传统的信道外推实际上可以看作是从一个参数子空间到另一个参数子空间的映射，它取决于三个方面：原始子空间信息的获取、原始子空间的选择以及从原始子空间到目标子空间的映射方案。随着MIMO 和RIS 的引入，RIS 辅助MIMO 信道外推面临着新的挑战。首先，传统信道外推可行性分析多基于物理几何参数信道模型和集合映射理论，不能充分体现RIS 器件特有的电磁调控特性。其次，信道外推机制中部分信道空间仅同部分反射单元相关，会降低RIS 的电磁调控能力。但是，该问题目前尚缺乏有效的分析结果。另外，用户高速移动将引入大尺度多普勒频移，导致信道的快速动态变化，给RIS辅助MIMO 通信信道外推带来严峻的挑战。此外，为获得良好的RIS 信道重构性能，外推算法将多采用消息传递（MP,Message Passing）、正交匹配跟踪以及稀疏贝叶斯学习（SBL,Sparse Bayesian Learning）等高级信号处理工具。然而，此类工具性能难以解析表示，制约RIS部分信道空间的最优选择方案设计。事实上，部分信道空间最优选择仍是信道外推框架中的待解难题。另一方面，实际通信系统场景众多且存在不确定性电磁干扰，传统模型驱动的信道外推有效性下降。有必要应用新型的统计数据处理手段解决RIS 辅助通信信道外推的问题。

1.3 本文的主要贡献

本文拟切合RIS 电磁调控特性，从电磁空间重构角度给出解释信道外推可行性方案，量化部分信道空间选择对RIS 调控能力的损伤。进而，推出如何依据RIS 辅助MIMO 通信信道和拓扑结构特征，设计合理的测量协议，构建模型驱动信道外推机制，有效压缩RIS 信道空间，满足多样化信道信息需求。在此基础上，介绍以人工智能理论为引擎的多域信道外推体制，发掘给定电磁散射环境信道隐藏规律，智能选择部分信道空间，以实现轻量化信道智能重构，突破传统方法依赖精准数学模型的瓶颈。

2 基于电磁空间采样重构的RIS信道外推可行性解释

对于大带宽OFDM 通信系统，文献[5-6]分别采用基于导频的传统内插策略和深度学习（DL,Deep Learning）工具来解决MIMO-OFDM 系统中的频域信道估计问题。文献[7]提出了一种空间信道估计方案以利用上行链路观测模型来外推出下行链路信道。最近，文献[8]拓展了文献[5-7]中的思想，率先揭示了不同天线和频段的不同信道之间存在的确定性关系，并定义了空间域和频域上的部分信道空间同全部信道空间之间的映射，初步分析了信道外推的可行性。但是，此策略并未刻画出信道压缩方案对信道外推的影响。此外，信道本质上刻画的是电磁传播环境。信道外推，特别是天线域信道外推，可视为给定电磁空间的采样重构问题，即在有限物理空间内可以部署最少天线，探测有限位置的散射场，进而推演该物理空间内的场分布。有必要考虑信道本质成因，探索电磁空间的采样机理，为信道外推的可行性分析提供崭新视角。

文献[9]通过利用角散射函数的互易性，以上行链路导频来外推下行链路信道协方差。文献[10]基于高分辨率的参数估计方法，使用上行链路信道频率响应外推出下行链路频域信道。另外，文献[11-12]解决了多带系统中的毫米波信道估计问题，其中多带系统包括sub-6 GHz和毫米波频段。但是在信道外推可行性方面，尽管文献[8]根据物理几何信道模型和几何映射理论给出了初步分析，但是分析过程并未刻画出部分信道空间对外推可行性的影响。信道外推的核心在于利用RIS 阵面的部分反射单元对全RIS 信道进行采样，实现RIS 信道降维。此种方案，未能充分利用所有RIS 阵面单元，势必降低RIS 电磁调控效果。有必要评估RIS 信道压缩对从发射机经RIS 至接收机链路特性的影响，为RIS 信道外推的实际应用提供指导。传统的基于通信信道建模的思路不能充分体现RIS 节点对电磁波传播的调控特性。因此有必要构建RIS节点电磁调控以及信道压缩行为模型，依据电磁传播理论分析RIS 节点信道空间压缩对RIS 链路传播特性的影响。

此外，上述文献[8-12]并未建立部分信道空间和信道外推性能间的精确约束关系，亦未曾优化部分信道空间选择方案。然而，信道外推框架中，部分信道空间的选择将影响外推算法的复杂度以及最终的可达外推性能。故而，有必要探寻给定电磁散射场景中部分信道空间定制方案。

3 基于贝叶斯统计推断的RIS信道外推

为充分发挥RIS 辅助通信的优势，有效完成RIS 节点和基站的联合波束设计，需要足够精确的信道状态信息。切合RIS 辅助通信的拓扑结构，现有链路信息获取工作可以清晰地分成级联信道和单跳信道估计。

针对RIS 辅助通信级联信道的获取，文献[13]将MP算法应用到RIS 辅助的通信场景中，解决了基站-RIS-用户级联信道估计问题。文献[14]将级联信道分解为较低维矩阵的乘积，提出基于秩-1 矩阵分解的信道估计方法，采用轮换交替和梯度下降法来估计这些低维矩阵，获取近优解。除了直接获取级联信道矩阵外，参数估计也被广泛研究。文献[15]利用原子范数最小化方法，恢复RIS 辅助的MIMO 系统的信道参数，包括离开角、到达角和路径增益，以重构级联信道。文献[16]将压缩感知算法应用到RIS 辅助的MIMO 系统中，通过挖掘信道的潜在稀疏性以实现基站-RIS-用户级联信道参数估计问题。

针对RIS 辅助通信单跳信道估计，文献[17]将RIS辅助多用户MIMO 信道估计建模为基于矩阵校准的矩阵分解问题，利用信道稀疏特征，采用近似MP 方法获取单跳信道信息。文献[18]构建了一个基于并行因子分解的信道估计框架，采用张量结构建模RIS 辅助MIMO 信道估计问题，基于交替最小二乘（ALS,Alternative Least Square）算法迭代重建两个单跳信道。类似地，基于张量的ALS 方法也被应用于双RIS 辅助的单用户MIMO 系统[19]。

不难发现，上述文献[13-19]大多基于RIS 信道稀疏结构，采用压缩信号高级处理方法来实现，同大规模MIMO 通信信道估计策略区别不大。故而，有必要切合RIS 的显著电磁特征，提出基于信道外推的RIS 链路信息获取机制。RIS 信道外推为典型的信号压缩重构问题。贝叶斯统计推断理论可基于数据模型和有限数据样本，回归拟合数据集合间映射模型，快速重构高维数据空间，成为RIS 信道外推的首选方案。因此可以基于贝叶斯统计推断理论构建强大的信道外推算法，界定RIS 级联信道外推精度同信道压缩策略间关系，精准认知RIS 级联信道统计特征，寻求有效RIS 级联信道空间压缩机制。其次，受限于RIS 无源结构，上述文献信号处理多在除RIS 节点之外的基站或者用户节点，需要将获取的链路信息反馈至RIS 节点，带来一定的网络控制信令开销。因此，有必要切合RIS 辅助通信拓扑结构，深挖信道外推增益，提出RIS 节点自主全局信道估计框架，摆脱RIS 电磁调控对反馈链路的依赖。理论上，可通过激活部分RIS 单元，赋予其一定信号处理能力，构建有/ 无源混合结构RIS 节点，使得RIS 节点具备自主探测全局单跳信道的能力。问题的关键在于如何切合有/ 无源混合RIS 辅助通信的硬件、拓扑特征，设计高效的RIS 信道外推机制，实现RIS节点对全局单跳链路信息的自主测量。最后，上述文献多未考虑RIS 信道的动态时变性。终端用户的移动和随机分布的散射体将导致RIS 节点同用户节点间的信道出现时间选择性衰落，RIS 信道将在天线域和时间域呈现双重高维特征。而且，用户移动速度越高将导致更短的信道相干时间，将大大增加高移动RIS 信道获取的难度。因此，有必要考虑RIS 信道的动态时变性，构建高移动场景中的RIS 信道外推机制。高移动速度将引入大尺度多普勒频移且极大压缩信道相关时间，致使OFDM 遭受严重的子载波间干扰，给大规模RIS 信道参数获取带来严重挑战。而OTFS 调制开拓了新的信号表征域量化辨识通信资源，为高移动通信研究提供了新的视角。理论上可以通过RIS辅助MIMO 同OTFS 波形的融合机制，利用OTFS 在延迟-多普勒域强信道表征能力，突破高移动场景中RIS 辅助MIMO-OTFS 级联信道外推问题。

4 DL赋能的RIS信道外推

为了解决模型受限环境中RIS 辅助通信信道估计难题，国内外研究者将目光投向了人工智能理论，利用多层或者深层神经网络结构从底层到高层提取信道的内在特征，在无需先验知识的条件下，发现隐藏在数据中的结构规律。文献[20]提出了一种基于DL 的信道估计方案，通过揭示接收信号与路径增益之间的关系来解决RIS 级联信道稀疏恢复问题。在文献[21]中，研究者设计了一个双卷积神经网络（CNN,Convolutional Neural Network）分别估计RIS 辅助通信的直接信道和级联信道。在文献[22]中，研究者将RIS 级联信道估计问题表述为去噪过程，利用深度残差网络隐式学习残差噪声以获取信道信息。

不难发现，基于智能增强的RIS 辅助通信信道估计研究尚处于起步阶段。上述文献多利用神经网络的去噪能力，建立观测数据和信道之间的映射关系。然而，信道外推本质上为多维信号重构问题。故而，有必要切合不同域RIS 信道外推的特征，设计合适的外推神经网络架构，合理修正网络结构，构建具备较强信号重构能力的神经网络。其次，信道外推框架中部分信道空间的选择本质上为离散信号处理问题。此类问题，难以定义连续性的梯度，制约神经网络训练过程的反向传播操作。故而，有必要挖掘给定场景信道数据的潜在规律，基于电磁散射环境学习定制部分RIS 信道空间，以发挥神经网络的强大学习能力。与此同时，上述文献多利用神经网络提取RIS 信道的空间特征，而未刻画其长短时统计特征。此外，上述文献多采用基础CNN，并未对CNN 的结构进行适应性修正。近期理论证明[23]，依据显式数学模型，可构建新型CNN 结构，减轻网络性能对网络层数依赖程度。故而，有必要针对RIS 智能信道外推任务的特点，研究修正网络结构的方法以提升神经网络性能。此外，上述文献未考虑RIS 辅助通信中节点计算资源受限的情况。鉴于此，有必要在不显著降低RIS 信道外推神经网络性能的前提下，合理裁剪神经网络，降低神经网络的空间复杂度，满足通信网络节点硬件约束。最后，RIS 电磁调控增益通过RIS 节点的波束设计来获取，且有限码本集合的波束管理可以大幅度降低波束信息的参数空间。有必要探索部分RIS 信道空间同RIS 节点最优波束间的直接映射关系，建立RIS 辅助MIMO 通信智能波束外推机制，进一步削弱通信节点的硬件要求。

5 结束语

RIS 作为一项极具前景的技术，吸引了学术界和工业界的巨大关注，同时，不同技术也与之交叉融合，在绿色通信、可见光通信、物理层安全等领域展现出了巨大的应用前景。在本文中，介绍了RIS 辅助MIMO 信道外推技术以及其面临的一些挑战。首先提出了基于电磁空间采样重构的RIS 信道外推可行性解释方案。随后，分别介绍了基于贝叶斯统计推断和DL 的RIS 信道外推方案。旨在为RIS 辅助MIMO 信道外推技术的后续研究和发展提供参考。在这一前沿性和基础性的课题上产生国内外领先的创新成果，将为我国6G 通信技术的发展提供有力保障和推动，从而加快我国6G 原型系统演示验证的顺利进行。