2023.10.2-10.6

1. 《Beyond Diagonal Reconfigurable Intelligent Surfaces with Mutual Coupling: Modeling and Optimization》

       本工作研究了在RIS元件之间存在相互耦合的情况下，超对角线可重构智能表面（BD-RIS）辅助无线通信系统的建模和优化。具体来说，我们首先使用散射和阻抗参数分析推导了相互耦合感知的BD-RIS辅助通信模型。基于所获得的通信模型，我们提出了一种适用于不同BD-RIS架构的通用BD-RIS优化算法，以最大化信道增益。数值结果验证了所提出设计的有效性，并表明相互耦合越大，BD-RIS提供的增益就越大。

2. 《Intelligent Reflecting Surface Aided MIMO Networks: Distributed or Centralized Architecture?》

       我们研究了在具有N个元素的IRS的帮助下，具有多天线基站（BS）向多个用户发送独立消息的广播信道的容量。特别是，考虑了分布式和集中式IRS部署架构。关于分布式IRS，N个IRS元件形成多个IRS，并且每个IRS安装在用户集群附近；而对于集中式IRS，所有IRS元件都位于BS附近。为了获得重要的见解，我们首先推导出在视线传播和均匀信道设置的假设下，分布式IRS和集中式IRS分别实现的最大容量。通过捕捉空间复用增益和无源波束形成增益之间的基本折衷，我们严格证明了分布式IRS的容量高于集中式IRS的容量，前提是IRS元件的总数高于阈值。受分布式IRS优越性的启发，我们重点研究了分布式IRS下的传输和元件分配设计。通过利用簇内和簇间的用户信道相关性，提出了一种同时依赖于空间域和时域的高效混合多址方案，以充分利用无源波束形成增益和空间DoF。此外，分别以和速率最大化和最小用户速率最大化为目标，研究了IRS元素分配问题。最后，提供了大量的数值结果来验证我们的理论发现，并揭示了分布式IRS在各种系统设置下提高系统容量的有效性。

3. 《RIS-aided Near-Field MIMO Communications: Codebook and Beam Training Design》

       考虑了具有远场、近场和混合远近场信道的下行链路可重构智能表面（RIS）辅助多输入多输出（MIMO）系统。根据接收信号中包含的角度或距离信息，1）为近场MIMO信道设计了基于距离的码本，在此基础上提出了分层波束训练方案，以减少训练开销；2） 针对混合远近场MIMO信道，设计了一种组合角距离码本，在此基础上提出了两阶段波束训练方案，分别实现了角域和距离域的对准。为了在降低复杂度的同时最大化可实现率，提出了一种交替优化算法来迭代执行联合优化。具体地，通过波束训练过程优化RIS系数矩阵，从均方误差（MSE）最小化问题的闭式解中获得最优组合矩阵，并且通过利用可实现速率和MSE之间的关系来优化有源波束形成矩阵。数值结果表明：1）所提出的波束训练方案在显著降低训练开销的情况下实现了接近最优的性能；2） 与纯角度远场信道模型相比，在进行近场通信波束设计时，考虑额外的距离信息将有效地提高可实现率。

4. 《RIS-Aided Cell-Free Massive MIMO Systems for 6G: Fundamentals, System Design, and Applications》

       为人和物引入智能互联对第六代（6G）网络提出了更高的要求和更多的挑战，如高频谱效率和能效、超低延迟和超高可靠性。无细胞（CF）大规模多输入多输出（mMIMO）和可重构智能表面（RIS），也称为智能反射表面（IRS），是应对这些前所未有的需求的两种有前途的技术。鉴于这两种技术的独特功能，将其集成以进一步提高无线网络性能受到了极大的研究和开发关注。在本文中，我们对RIS辅助CF-mMIMO无线通信系统的研究进行了全面的综述。我们首先介绍了系统模型，重点介绍了系统架构和应用场景、信道模型和通信协议。随后，我们对系统运行和资源配置的相关研究进行了总结，并进行了深入的分析和讨论。在此之后，我们提出了RIS辅助CF-mMIMO系统面临的实际挑战，特别是RIS引入的系统，如硬件损伤和电磁干扰。我们总结了相应的分析和解决方案，以进一步促进RIS辅助CF-mMIMO系统的实施。此外，我们探索了RIS辅助的CF mMIMO与其他新兴6G技术之间的相互作用，如下一代多址（NGMA）、同时无线信息和功率传输（SWIPT）和毫米波（mmWave）。最后，我们概述了未来RIS辅助CF-mMIMO系统的几个研究方向。

5. 《Multi-Functional Reconfigurable Intelligent Surface: System Modeling and Performance Optimization》

       本文提出并研究了一种多功能可重构智能表面（MF-RIS）体系结构。与仅反射信号的传统单功能RIS（SF-RIS）相比，所提出的MF-RIS同时支持一个表面的多个功能，包括无线信号的反射、折射、放大和能量采集。因此，所提出的MF-RIS能够通过利用所获得的能量放大由RIS反射/折射的信号来显著增强RIS信号覆盖。我们提出了所提出的MF-RIS的信号模型，并提出了一个优化问题，以最大化MF-RIS辅助的非正交多址网络中多个用户的和速率。我们通过高效的迭代算法，共同优化MF-RIS的不同元件及其部署位置的发射波束成形、功率分配以及操作模式和参数。仿真结果表明，在只有部分功能可用的情况下，MF-RIS比SF RIS有显著的性能增益。此外，我们证明了总速率最大化和收获能量最大化之间存在根本的权衡。与可以部署在发射机或接收机附近的SF RIS相比，所提出的MF-RIS应该部署在发射机附近，以最大限度地提高其通信吞吐量，同时获得更多的能量。