Abstract

智能反射面（IRS）包含有大量的低成本无源器件，每个无源器件都可以独立的将入射信号反射出去，并且调节其相位，从而合起来实现三维无源波束赋形，而不需要射频（RF）传输链路。本文研究了IRS辅助下单蜂窝无线网络，其中IRS部署在一个多天线接入点（AP）和多个单天线用户之间，支持其间传输。通过联合优化有源天线阵列的传输端波束赋形和IRS的无源移相器的反射端波束赋形，来最小化总传输功率，约束条件是用户个人的信干噪比（SINR）。进一步我们考虑了当IRS反射器件趋近无穷大时，其IRS无源波束赋形的极限情况，并且将其与传统有源波束赋形/中继进行了对比。仿真结果表明IRS辅助的MIMO系统相对于没使用IRS的大规模MIMO系统，可以在有源天线/射频链路显著减小的情况下，实现同等的传输速率。

Introduction

背景

为实现针对到来的5G网络下至少1000亿设备实现1000倍网络容量的增加以及无处不在的无线连接，在上个十年，人们提出了许多无线技术，主要包括超密集网络（UDN），大规模MIMO和毫米波通信。然而网络的能效和硬件成本仍然是实际系统中的关键问题。

IRS介绍

IRS是一个平面阵列，包含有大量的可重构无源器件（即低成本印刷二极管），每个器件都可以独立的针对入射信号产生一个特定的相移（由相连的智能控制器进行控制），从而合起来改变反射信号传输。通过IRS所有无源器件智能的调节相移，反射信号既可以与其他路径的信号在预期接收机处相干叠加，也可以在非预期接收机处进行相消叠加，从而减少干扰、提高安全性/隐私性。

IRS与AF对比

1. 放大转发（AF）中继通过放大和再生信号来协助源-目的地传输。IRS不需要传输模块，只需要作为一个无源阵列反射接收信号，因此IRS没有传输功率损耗。
2. 有源AF中继通常以半双工（HD）模式工作，因此频谱效率方面要比全双工（FD）模式工作的IRS低。尽管AF中继也能工作于FD，但是这将会使其不可避免的受到自身严重的干扰，从而需要有效的干扰消除技术。

IRS与反向散射通信对比

射频识别（RFID）标签的反向散射通信，需要通过发送者接发送信号之后反射回来的信号，来实现与接收者通信。IRS主要用于增强现有的通信链路性能，而不是通过反射来传递自己的信息。因此在反向散射通信中，从发送者到接收者的直接链路，是意外干扰，需要在接收者处进行消除。而在IRS增强的通信中，直接链路信号和反射链路信号承载着相同的有用信息，因此可以在接收者处相干叠加，最大化接收功率。

IRS和大规模MIMO对比

IRS和大规模MIMO相比，阵列架构（无源vs有源），运行机制（反射vs传输）

从实施角度来看，IRS有许多吸引人的优点，例如低剖面，重量轻，几何共形，从而使得其容易被贴/移动到墙面/天花板上，提供了实际部署的高可行性。例如，在有接入点（AP）/基站（BS）的视距传输（LoS）内，将IRS部署在墙面/天花板上，在IRS附近的信号强度可以得到显著提升。另外，将IRS集成到现有网络中（例如蜂窝网络或者WiFi），可以对用户透明，即不需要改变任何用户设备的软硬件情况。上述这些特点使得IFS成为一项针对于未来无线网络的令人信服的新技术，尤其是在室内高密度用户的应用（例如礼堂、购物广场、展览中心、机场等等）。

本文工作

模型

本文考虑IRS辅助的单蜂窝多用户多输入单输出（MISO）通信系统，AP是单个多天线，用户是多个单天线。考虑特殊情况：没有任何干扰的单用户传输，当AP-user链路明显强于AP-IRS链路时，AP应该将波束直接打向用户，如果是AP-user链路被障碍物挡住了，AP应该将其波束调整为朝向IRS，从而最大限度的利用其反射信号来服务用户。
此外，在多用户设置下，一个IRS辅助系统主要受到两方面影响：单用户情况下所需信号的波束赋形和多用户之间的空间干扰抑制。一个临近IRS的用户相比于距离IRS较远的用户而言，预计将会能够承受更多来自AP端的干扰。这是由于IRS的相移可以进行调节，从而被IRS反射的干扰可以与临近用户的AP-user链路进行相消，以抑制其整体接收干扰。因此，这为在AP处设计发射波束成形以服务于IRS覆盖区域之外的其他用户提供了更大的灵活性，从而提高系统中所有用户的SINR性能。因此，AP处的发射波束赋形需要与基于AP-IRS，IRS-users和AP-users的IRS相移进行联合设计，从而得到充分的网络波束赋形增益。

难题

非凸SINR约束和由无源移相器产生的信号单位模数约束（signal unit-modulus constraints）。即使之前研究了恒定包络预编码和混合数字/模拟处理，这些设计主要受限于发送端或接收端，并不适用于设计AP的有源波束赋形和IRS的无源波束赋形联合优化。

解决方法

1. 考虑单用户场景，应用半正定松弛（SDR）技术来获得一个高质量近似解和一个最优值的下届，从而进行对于近似解松弛度？（tightness）的估计。为了降低计算的复杂度，提出了一个基于相移和传输波束赋形向量交替优化的高效算法，最优解通过固定对方值的闭式解得出。
2. 将单用户场景扩展为多用户场景，提出了两个算法来获得能够权衡性能与复杂度的次优解。

仿真结果

1. 与传统在单用户和多用户设置中均不使用IRS情况的设置相比，部署IRS可以显著降低在AP处为满足用户SINR目标所需的发射功率。
2. 对于临近IRS的但用户而言，当反射元素个数N非常大的时候，AP的传输功率随着N的增加而降低，数量级大约为$N^2$。

系统模型和问题表述

系统建模