1.为什么要研究6G
第一,未来的应用对通信系统还有更高的要求:存储量;数据率,通信可靠性等。包括未来可能的大规模工业物联网,车联网所提出的要求还没有完全满足
第二,5G技术虽然已经发展,但是成本能耗以及设计复杂度方面还有很多不足,在实际应用中存在一定问题
2.6G中的新改变
现有技术都是在基站端或用户端设计优化,而对于中间的无线信道这段认为是不可控,所以通过各种调制编码技术来适应多变的信道;
IRS自下而上,主动的改变无线信道,而不是被动适应。
3.关于IRS结构

第一层是与电磁波直接接触的表面,上面有很多反射单元,通过控制反射单元的反射相位进而调节入射波方向;
第二层是接触背板,主要用来防止电磁波信号在反射表面背后的泄露,提高反射效率;
第三层用于调制反射表面与控制器,控制器可以用FPGA做成,**通过对出射信号控制,调节反射面上反射单元相位;**或者控制器(通过安装一些sensor)也可以用来环境感知,可以帮助反射面在反射模式与智能感知之间做一个模式切换。举例来说:反射单元有一个二极管组成,通过对二极管偏执电压调节,可以获得1比特相位(比如0和π)的切换。
4.名字由来
与现在技术最根本的区别就是reflecting,现在的技术本质上都是通过发射,接受,而不是反射的概念。
IRS中的intelligent是两方面的:硬件上智能反射单元时可重构的,软件上与IRS相关的信号处理,波束赋形,人工智能,凸优化设计等也是智能的
5.IRS的波束赋形
例子:

以上自适应的波束赋形,因为需要控制每个反射单元,所以需要消耗一定能量,但是与现有的MIMO不同的是不需要任何射频链路。

每个反射单元像一个点源一样,将收到的信号发射出去

a.反射单元幅度最大为1,因为无源的,不会进行任何放大。幅度为0则是稀疏反射;幅度为1则是全反射。
b.反射相位我们一般希望可以在0-2π之间连续取值;但考虑到实际应用中的成本及可行性,可取离散值。
c.对于整个反射矩阵,是diag形式;因为每个反射单元是独立对如射信号产生影响的。

以上是对IRS离散幅度和相移的介绍。
一般的离散思路有:均匀量化。但是均匀量化也不一定是最优的,要看实际的应用场景。举例:反射幅度在给1比特情况下,离散值取(0,1)or(0.5,1)要根据信道统计特性等。
相控反射面:幅度固定,相移量化
幅控反射面:相位固定,幅度量化
相比较来说,幅控反射面复杂度更低。第二篇文章是幅控的文章
6.路径损失
在IRS中,路径损失的公式为第一个;
第二个只适用于反射面无穷大(IRS在研究时是对单个反射单元研究进行信号反射,所以不能认为是无穷大),且不适用于相控/幅控的IRS

7.应用

以上应用是提高了通信的覆盖率:IRS可以绕过障碍物进行通信,在未来高频段通信有广泛的应用。像mmWave等,频率增加,波长变小,高频波对障碍物的阻挡作用比较敏感,可以借助IRS提高性能。
下面是相关文章。

现在的通信环境只有蓝色的点,我们希望以后在通信环境中增加一些红色点,形成信号热点。

安全通信的应用:在没有反射面的情况下,我们通常会使用波束赋形加强合法用户1的接收信号;但若合法用户在窃听者附近,波束赋形无法对合法用户加强,而IRS可以做到。

大规模物联网中的信息和功率传输。
系统的bottleneck不在信息用户而在能量用户:在相同的距离之下,功率接收太小就没用了;而信号传输的功率小时,若SNR组不好,还是可以顺利解码
在信息用户旁设置IRS,通过IRS的大口径增益,可以使信息用户与基站距离不用那么小。甚至将IRS与信息用户绑定。拉近信息用户与基站距离。在未来工业物联网中有很重要的用处。

通过IRS的部署,使得生活中的基础设施成为6G无线网络的一部分,更加智能。
在室内,可以将IRS部署在天花板,墙壁桌面等,用于机场,工厂,体育馆,大型购物中心;在室外,可以将IRS部署于建筑物表面,大型广告牌,车辆表面等。


以上为现有的研究项目

关于6G宽带连接的白皮书也提到了IRS

8.对通信系统的根本性改变
a.对5G中m-MIMO的改变
为了形成较窄的波束区域辅助通信用户,发射端一般需要几十根甚至上百根的通信链路。
以及未来高频段通信,频率的增加,这样的部署成本很高
而在右侧的IRS中,可以通过IRS大口径的反射,进行一个较窄的波束赋形,而无源的反射单元也不会带来太多成本的增加;IRS没有高频链路,也不用担心在任何频段下的scalable问题。
而在BS上,则只需较少的天线产生一个较大的beam打向反射面。
可以将massive-MIMO改变为moderate-MIMO

b.网络架构的角度
现有的网络架构根据不同的应用场景配备了大基站,小基站,微基站等。但都是有源的,不仅消耗能量,而且产生的信号会相互造成干扰。干扰问题也是异构网络中的一个问题。
需要backhaul(基站将数据发送到天线上然后再传送给用户),就需要backhaul campacity?。
虽然在全双工(full-duplex)上做了很多研究,但是在实际应用中的复杂度,干扰,成本等可能仍需考虑。
依赖增加主动式基站个数不可行
混合式网络架构
干扰问题:如果IRS之间距离足够大,每个IRS只服务他旁边的用户。那我们就只需要管理各个基站之间的干扰。
关于backhaul问题,IRS不需要基站与它之间有个链路,只需要对如射信号散射。但是可能有信号的backhaul问题(信道估计等),它本身是不需要backhaul的。
改变:从active network到hybrid active and passive network

9.challenge
1.波束赋形;
现实中存在的约束:离散的幅频相位或者什么的幅频相位没听清;
基站端的波束赋形联合,
功率控制,带宽分配等;
2.信道估计:获取信道
3.部署问题

10.波束赋形

目标:最小化发射功率

NP-hard问题:SDR或者AO两种解决方案
SDR:先松弛,在通过对矩阵进行高斯随机化
松弛之后得到的是问题下界,高斯随机化之后得到的是问题上界。通过SDR可以确定问题的上下界
在距离AP越来越远,保证SNR不变的情况下,AP的发射功率越来越大,因为路径损耗越来越大。
结论:IRS可以帮助我们建立一个信号热点。

在连续相移的情况下,使用IRS可以带来N^2的功率增益(是固定发射功率,研究接收功率得到的结论),那么如果固定SNR,系统的发射功率是以1/(N)2减小。IRS其实是可以降低发射功率的
10.离散相移
反射单元内部一个二极管产生2bit相移,若3bit,8个离散值的话,则会需要3个二极管,所以对反射单元设计难度比较大;而使用变容二极管的话,对于两端的偏压范围也会非常大。实际系统中采用低精度,1bit或者2bit。探求离散值对发射功率的影响,以下公式

公式为功率损失公式。表格描述了不同离散个数带来的功率损失,而在3bit离散相移时,功率损失就已经很小了
功率损耗只和b有关。不会出现N越大,误差累计的越大的现象。所以可以通过增加N弥补低精度离散相移带来的损失。

关于离散相移的幅控和相控
右:s0是所需要的信号,对于s1和s2,s1对s0有帮助,则对其ON,幅度设1;s2与s0反向,幅度设0
左:若相移可取0,π。s2需要将相移调整为π,s1则相移为0。实现对需要信号的辅助
幅控反射面性能有损失

对于多用户的系统来说:一个用户靠近IRS,一个用户靠近AP
靠近AP的用户在IRS作用下既可以提升信号功率,也可以降低噪声干扰。

IRS的部署问题:
公式为信噪比公式,采用的模型是product模型,就是距离相乘的,而不是别的。对这个公式分析,SNR最大需要d=0或者D=d。也就是IRS部署在AP端或者用户端,会获得最大SNR。但是也要考虑实际情况中angle是否能够跨过障碍物而不会被阻挡。另外,对于IRS的部署是N个反射单元放在一起还是将反射单元分成两块或更多的反射面上进行一个双跳性能更好,也是一个问题。

关于IRS的笔记(武庆庆老师讲座)相关推荐

  1. 复盘总结笔记-吴志华老师讲座

    洗盘 出货 不同 极点 结合 热点 买点只看买点,可参考龙头,龙头已跌,要及时止损,不可有执念,以为只是洗盘而不是出货

  2. 双十二爬虫顶流崔庆才老师来图灵直播啦!快来围观啊!!!

    <Python 3网络爬虫开发实战(第2版)>上市一周便登上了京东新书销量榜第一位,延续第一版的好内容.好口碑,成为近期火爆技术圈的新书.12.12 晚 20:00 我们邀请崔庆才老师来图 ...

  3. 新调来的孤单曾庆婷老师

    妈妈摆了摆动作的孤单 今天的妈妈摆了摆动作的孤单,过了一会儿,那地方也很远啊,满脸不高兴地走进教室,新调来的孤单曾庆婷老师,叽叽喳喳地猜开了,而是每天在我回家之后,摆好打球的孤单姿势,这时的我们,这一 ...

  4. 高等数学笔记-乐经良老师-第八章-多元函数微分学(Ⅰ)

    高等数学笔记-乐经良老师 第八章 多元函数微分学(Ⅰ) 第一节 多元函数的基本概念 一.平面点集 01 邻域 点到点的距离 在二维空间中,点 P(x0,y0)P(x_0,y_0)P(x0​,y0​) ...

  5. 数据结构与算法笔记(青岛大学王卓老师视频)

    写在前面的话: 因为在学习数据结构之前,学习过一年的算法,所以有一些基础,一些我觉得 没必要的代码或知识就没写上,记得多是一些知识点,写的可能对于别人来说 很难接受,望谅解.我学习算法是在Acwing ...

  6. 高等数学笔记-乐经良老师-第九章-重积分

    高等数学笔记-乐经良老师 第九章 重积分 第一节 二重积分的概念和性质 一.典型例子 01 平面薄板的质量 平面薄板位于 x y xy xy 平面区域 D D D,其面密度为 μ ( x , y ) ...

  7. 小布老师讲座笔记(五)

    小布老师讲座笔记(五) Archived Redo Log Files ★    Filled online redo log files can be archived ★    There are ...

  8. 小布老师讲座笔记(三)

    小布老师讲座笔记(三) STARTUP  Command Behavior Order of precedence(启动顺序) -spfileSID.ora -Default SPFILE -> ...

  9. 小布老师讲座笔记(四)

    小布老师讲座笔记(四) charpter 4 database After completing this lesson ,you should be able to do the following ...

  10. 高等数学笔记-乐经良老师-第七章-向量代数与空间解析几何(Ⅱ)

    高等数学笔记-乐经良老师 第七章 向量代数与空间解析几何(Ⅱ) 第四节 平面与直线 一.平面 01 确定平面方程的条件 一个平面上的点 + 一个法向量 一个平面上的点 + 两个平行于平面的不共线向量 ...

最新文章

  1. MySQL 为什么表的数据删除一般,表文件大小不变?
  2. php 返回map,PHP Ds\Map get()用法及代码示例
  3. [XSY] 最长公共子串对(后缀自动机)
  4. openssh arm linux 编译,openssh编译安装到ARM嵌入式系统中
  5. css实现鼠标覆盖显示大图
  6. rdd转换成java数据结构_Spark RDD转换成其他数据结构
  7. 郭新华 php,PHP常驻进程编程需知 郭新华 PHPCON2019
  8. 最短路径(二维矩阵)
  9. 云服务器部署项目:vue-cli 部署服务配置
  10. 36 岁清华 IT 男,死前对妈妈说:我好累
  11. 使用Dism++和Dism为优启通08PE添加驱动
  12. 电子电路仿真软件中文版_汽车电子EMC仿真简介
  13. java的副语言_公共表达中,悄悄影响你的“副语言”
  14. golang rabbitMQ 生产者复用channel以及生产者组分发策略
  15. 搬上小板凳,听嵌入式大牛讲解硬核单片机编程思想!
  16. 关于信息增益(information gain)
  17. python 小说分析_Python自然语言用金庸的武侠小说做分析和处理
  18. OC10_数组的内存管理
  19. 操作系统用户界面——用户界面
  20. 汇聚数据之源,上海能否成为中国大数据之都?

热门文章

  1. 用pycharm进行python爬虫的步骤_使用Pycharm写一个网络爬虫
  2. 自己做量化交易软件(21)通达信自选股文件的读写程序
  3. ExoPlayer的缓存 三 SimpleCache的使用
  4. 四年级下册计算机教学目录,最新版人教版小学数学四年级下册目录
  5. 关于Android AlarmManager的一些知识(内容转载)
  6. Backbone:深层聚合网络:Deep Layer Aggregation(DLA)
  7. GD32F103C8T6点灯
  8. Centos 配置阿里yum源
  9. CCNA 考试心得总结
  10. freebsd 更改镜像源