2021年是可重构智能超表面技术井喷的一年，作为未来无线网络研究中可能出现的新兴范式，可重构智能超表面有望通过软件编程的方式实现对电磁波的灵活操控，从而构建智能无线环境。
本文盘点了2021年可重构智能超表面技术研究的关键热点，围绕其与通信前沿技术的融合，简述了其多输入多输出技术、非正交多址技术、移动边缘计算技术和无人机技术的融合方面的进展。
电磁超材料是指基于电磁学理论，人工设计的微结构，具备自然界材料不具备的特殊特性。
其往往由周期排列的亚波长超材料单元构成，单元个体相当于自然材料的“分子/原子”。
通过对“分子/原子”结构和排列方式的调整，超材料对应的等效介电常数和磁导率会发生变化，进而能够实现各种奇妙的物理现象。
超表面是一种二维形式的超材料，具备轻薄、占用空间小、集成度高等优点，这一概念提出于2010年左右。
超表面的形式一旦确定，功能就被确定，近年来可编程超材料技术的出现，为无线网络中电磁信号的实时调控创造了可能。
超表面
在可编程超表面发展的基础上，可重构智能超表面（RIS）应运而生。
RIS通常由3层面板和控制单元组成：外层包含大量的周期性重复超表面单元，引入了大量的可调器件，可以对入射的电磁波信号进行直接作用；中间层为金属隔离板；内层为控制电路，外加控制器。
可重构智能超表面
2021年，研究者们在探究RIS的应用潜能方面做出了很多努力。
值得一提的是，由于RIS具备配置无线传播环境的能力，有望成为一种新兴范式，将其运用于通信系统，能够调整或改进现有的通信理念，有望满足6G通信的严格要求。
RIS的应用场景
RIS与MIMO的融合
多输入多输出（MIMO）技术通过在发送端和接收端配置多根天线，定义了空间中多个独立信道，可以在不增加带宽的情况下，成倍提高通信系统的容量和频谱利用率，从而有效降低多径效应的影响，大规模MIMO有望成为6G通信的关键技术。
将RIS应用到MIMO中能够进一步提高通信系统性能。Khaleel等将RIS集成到基于VBLAST和Alamouti编码的2组经典MIMO输相位调控，VBLAST系统的频谱效率提高了50%。
RIS辅助的MIMO系统
高西奇团队利用迭代均方误差最小化算法，对用户终端设备发射预编码和RIS反射波束进行联合优化，提高了RIS辅助的MIMO系统上行链路的资源效率。
Qian等研究了RIS辅助的MIMO系统的信噪比分布特性，证明了大尺寸的RIS可以有效降低无线信道信噪比的衰落。
不同阵面大小的RIS对MIMO信噪比的影响
在实际的应用场景中，如何使得较小的RIS阵面发挥出最大性能是一个值得思考的问题。Perovic等提出了一种基于投影梯度法（PGM）的迭代优化算法，通过对发射信号协方差矩阵和RIS单元进行联合优化，MIMO系统能够在RIS尺寸受限的前提下提高传输速率。
毫米波MIMO在短距离无线通信中有着广泛的应用前景。Ardah等根据毫米波信道在角域中的低秩特性，将信道估计问题转化为多维波到达方向（DOA）估计问题，建立了TRICE分析框架，计算原子数能够减少大约94%，由此降低了计算复杂度。
RIS辅助的太赫兹MIMO也吸引了研究者们的目光。由于太赫兹电子元件的小型化，Wan等通过密集封装亚波长单元实现的RIS，将传统的离散辐射孔径转变为连续或准连续孔径，从而实现全息通信。
RIS辅助的太赫兹大规模MIMO系统的硬件模型
一些研究者提出了使用RIS被动波束形成的功能替代某些应用场景下MIMO。Mursia等指出在物联网大规模接入的应用场景下，RIS具备实现大规模MIMO所能达到的信噪比增益的潜力，所提出的被动波束赋形算法，可使速率性能较传统基准最大提高120%。
物联网大规模接入应用场景
RIS与NOMA的融合
非正交多址接入（NOMA）技术是5G通信中的关键技术，通过对同一信息单元的功率复用，实现多用户接入，可以使得无线接入总量提高50%。
NOMA技术既融合了3G技术的串行干扰消除（SIC）技术，在通信系统的接收端消除干扰实现正确解调；又融合了4G技术的正交频分复用技术，解决了同频干扰问题，真正实现了频域、时域、功率域的多用户复用。
但NOMA的功率分配情况复杂，并且由于功率域叠加会造成强干扰，NOMA对SIC性能提出较高要求。
NOMA资源分配示意
将RIS用于增强NOMA通信中不同用户的信道差异，有利于提高功率分配效率。
Fu等基于凸差分算法，联合优化RIS辅助的NOMA系统中基站的波束形成矢量和RIS的相移矩阵，提出了一种具有闭式表达式的高效用户排序方案，使得NOMA系统总发射功率相较于直接链路降低2.04 dBm。
Liu等将机器学习算法运用于部署RIS和设计无源波束形成，提出了D3QN算法，基于该算法预测用户的电信业务需求和位置，可以完成对RIS反射相位设置的优化。
D3QN算法流程图
NOMA系统功率域叠加的特性会造成信号干扰，通常在接收端采用SIC接收机来实现多用户检测。大规模的用户接入数给SIC带来巨大的运算压力，对SIC的性能要求极高，带来了设计难度。
deSena等提出利用双极化RIS对用户的复用特性，改善NOMA在不完全连续干扰消除下的性能表现，NOMA系统和速率可以达到9.81 BPCU，在RIS足够大时，即使SIC误差传播存在，该系统的和速率依旧可以得到保证。
双极化RIS辅助NOMA的系统模型
在探究RIS对于提升NOMA其他性能方面：Cheng等提出在NOMA网络的上下行链路中部署RIS，可以增加信号的覆盖率；Elhattab等将联合传输协调多点技术运用于RIS辅助的NOMA系统部署中，信道增益最大提高92%；Yang等通过闭式算法计算出RIS辅助的NOMA系统中RIS最佳梯度相位；Le等提出了基于背向散射RIS的近远双用户NOMA系统模型。
RIS与MEC的融合
移动边缘计算（MEC）在无线端增强了计算、存储、处理能力，将集中式计算调度模式改成了分布式计算模式，可以提高通信速率，降低通信延时。
移动边缘计算框架
近年来，空间信息网络（SIN）作为一种新型网络体系结构被提出，旨在使人们能够向任何地方的任何物体提供无缝连接服务，极大扩展了无线覆盖范围，还为网络运营商和服务提供商在各种应用场景上部署多功能、不间断的服务开辟了新领域。
在SIN中提供高速和高容量服务，需整合地面、空中和空间基础设施，且SIN必须与新兴网络技术相结合。Cao等提出了一种RIS辅助MEC的空间信息网络体系结构的概念。
空间信息网络框架
关于如何更合理地配置RIS，Li等研究了RIS辅助的单小区多用户MEC系统，在其中部署了RIS完成配备MEC服务器的基站和多个单天线用户之间的通信。
MEC拥有丰富的计算资源，并且能够对移动和物联网设备生成的数据进行低延迟访问，使其能为人工智能应用提供一个自然的平台。当RIS被运用于衔接MEC与用户设备时，可以对过往数据进行处理。Huang等提出了在MEC中，引入RIS以构建完成机器学习任务的基础设施，由此开发了一个统一的通信训练推理平台。
RIS辅助的移动边缘计算框架
MEC的资源调度问题同样值得深入研究。Hu等探讨了基于优化和数据驱动，以提高RIS辅助的多用户MEC系统资源调度效率的方案，所提出的三步块坐标下降（BCD）算法能够优化MEC计算资源的调度。之后，该团队又在上述工作基础上进一步构建了轻量级在线深度学习体系结构。
RIS与UAV的融合
凭借无人机（UAV）的高机动特性，无人机辅助的无线中继通信系统具备机动灵活、覆盖范围广、部署方便等优点。
将RIS集成到无人设备中，可以将两者优势进一步结合，在应急通信和军事通信中具有巨大的应用潜力。
UAV的部署策略会直接影响到通信的可靠性。以UAV辅助的短数据超可靠低延迟技术（URLLC）为例，Ranjha等的研究表明，RIS的出现给UAV部署策略的构建提供了新思路。凭借RIS单元的无源波束形成功能，通过直接搜索法在理论模型中确定UAV的最佳位置和区块长度，总解码误码率得以降低。
UAV中继和RIS辅助的URLLC系统
为了提高通信速率，Pan等提出一种基于逐次凸逼近和速率约束惩罚（CAR）的迭代算法，实现了无人机弹道、RIS相移、太赫兹子带分配和功率控制的联合优化。
为了优化能耗，Liu等基于机器学习衰减深度Q网络方法，提出联合设计无人机的位移、RIS的相移、功率分配策略以及动态解码顺序的优化框架。
基于深度学习的RIS辅助UAV系统的优化流程
UAV的部署形式灵活，RIS的部署也具备便利性，二者的自由组合为通信性能的提高提供了无限的可能性。当RIS安装于UAV上，凭借UAV的灵活性和机动性，可以实现三维信号反射。Shang等提出支持群集的空中可重构智能超表面（SARIS）协同通信的思想，即通过调整无人机上的反射系数来增加孔径增益。
通信安全在UAV通信中是一个不可忽视的问题。Li等利用基于交替优化（AO）技术的高效算法，构造了对无人机的弹道、RIS的无源波束形成和合法发射机的发射功率的联合设计的方案。
Guo等针对不完全信道状态信息（CSI）条件下RIS辅助的毫米波UAV通信中的安全传输问题，提出基于机器学习的深度决策策略梯度（DDPG）框架，创建了双DDPG深度强化学习（TDDRL）算法，可以有效应对CSI与无人机弹道耦合导致的复杂约束情形，优化在多个窃听者的情况下所有合法用户的总保密率。
RIS辅助的毫米波UAV系统
UAV与RIS融合，未来将在物联网、车联网等领域发挥强大的作用。
如Samir等提出将RIS集成至UAV，可以提高物联网设备的中继效率；Michailidis等提出通过双RIS无人机辅助MEC，实现对车联网能量分配的优化。
双RIS辅助的车联网UAV系统
结论
现阶段RIS技术的研究主要集中在理论模型的构建与计算仿真，RIS在现实中的标准制定、工程实现等大量问题依然有待研究。
但RIS作为新生技术，已经开始展现出其巨大的魅力，未来必将成为6G通信的研究热点，其应用范围也会越来越深入和广泛。
