电磁信息论学习笔记

思路：因为什么困境需要考虑电磁信息论，电磁信息论的基础理论：包括信道特性与电磁的关系等等，然后是电磁信息论的应用，包括近场以及DMA以及全息MIMO。最后是近场结合隐蔽通信的自己的一些推导工作。

摘要

电磁信息论（EIT）是一门新兴的交叉学科，融合了经典麦克斯韦电磁学和香农信息论。 EIT 的目标是从电磁 (EM) 角度揭示无线系统中的信息传输机制。 现有的 EIT 工作主要集中于自由度（DoF）、系统容量和电磁通道特性的分析。 然而，这些工作并没有阐明 EIT 如何改进无线通信系统。 为了回答这个问题，在本文中，我们提供了 EIT 应用的新颖演示。 通过将 EM 知识集成到经典 MMSE 信道估计器中，我们首次观察到 EIT 能够提高信道估计性能。 具体来说，EM 知识首先被编码成时空相关函数（STCF），我们将其称为 EM 内核。 该 EM 内核对通道估计器起到辅助信息的作用。 由于 EM 内核采用高斯过程 (GP) 的形式，因此我们提出基于 EIT 的高斯过程回归 (EIT-GPR) 来导出信道估计。 此外，由于 EM 内核允许参数调整，因此我们提出 EM 内核学习，以使 EM 内核适应通道观测。 仿真结果表明，将EIT应用于信道估计器，使其性能优于传统的各向同性MMSE算法，从而证明了EIT的实用价值。

INtroduction

未来的第六代（6G）无线通信[1]采用新兴技术，包括可重构智能表面（RIS）[2]、无蜂窝大规模多输入多输出（CF-MIMO）[3]和近 -现场通信[4]。 尽管这些技术有望成为通信系统设计的游戏规则改变者，但人们相信，深刻的变化更有可能源于重新审视通信过程的基本规律[5]。 无线通信的基本规则包括电磁学（EM 理论）和信息论（IT）。 这两种理论的融合可能会引发下一代通信技术，从而推动电磁信息论（EIT）的研究[6-9]。
Future sixth-generation (6G) wireless communications [1] embrace emerging technologies, including reconfigurable in- telligent surfaces (RISs) [2], cell-free massive multiple-input multiple-output (CF-MIMO) [3], and near-field communica- tions [4].Although these technologies are expected to be the game changers of designing communication systems, it is believed that profound changes are more likely to originate from re-visiting the fundamental laws that underlie the com- munication process [5].The fundamental rules that backbonewireless communications include electromagnetics (EM the- ory) and information theory (IT).The integration of these two theories will possibly trigger next-generation communication technologies, which motivates the study of electromagnetic information theory (EIT) [6–9].

EIT是一门综合确定性物理理论和统计数学理论来研究空间连续电磁（EM）场中信息传输机制的跨学科学科[6]。通过继承麦克斯韦和香农的思想，统一的EIT框架有望准确响应通信系统中的关键性能问题，包括自由度（DoF）、信息论容量和电磁信道属性。
EIT is an interdisciplinary subject that integrates determinis- tic physical theory and statistical mathematical theory to study information transmission mechanisms in spatially continuous electromagnetic (EM) fields [6].By inheriting thoughts from Maxwell and Shannon, the unified EIT framework is expected to accurately respond to the key performance concerns in com- munication systems, including the degrees-of-freedom (DoF), information-theoretic capacity, and EM channel properties.

Prior Works

EIT 是一个新兴概念，但尚未形成共同信念。 目前EIT的研究可以分为两类：EIT DoF/capacity分析和EIT信道分析。

EIT DoF 和容量分析。 EIT DoF 和容量分析的研究可以追溯到 1987 年 [10]，其中首先通过带限近似分析来分析在源球外部流形上观察到的一般散射电磁场。 近似基的带宽被称为“空间带宽”。 基于[10]中的渐近分析，[11]的作者在空间带宽预先已知的情况下，进一步对一般散射场的DoF进行了严格的分析。 上述两项工作的目的都是评估观察到的自由度，即由所有可能的观察到的场配置组成的空间的基本维度。 由于对场源没有施加任何限制，因此未考虑发射机。 为了解决这个问题，[12, 13]中提出了一种基于求解收发器本征系统的通用 EIT 分析框架。 通过将无线信道视为时空线性算子，通过对该算子的特征分析来导出容量。 根据这个理论框架，在[14]中，提出了一种求解本征系统的数值算法来计算收发器之间的容量。

EIT信道分析。 为了更好地捕捉无线信道的电磁特性，EIT 的理论框架已应用于信道分析。 为了描述 EM MIMO 信道的随机散射特性，[15]的作者通过柱坐标系中的 Hankel 函数扩展了 EM 响应，然后进行 T 矩阵分析以准确计算相关的信息论量 与 MIMO 信道。 为了进一步考虑电磁空间相关性，[16, 17]的作者提供了一种新颖的无线信道高斯过程（GP）观点。 与将信道视为时空脉冲响应或复值矩阵的传统观点不同，信道由分布在接收区域的相关随机场表示。 这种 GP 表示源自麦克斯韦方程组的第一原理，确保了其物理一致性。 在[18]中，作者通过对连续波数域进行数值离散来扩展[16, 17]中的GP表示，并将连续EM通道转换为傅立叶平面波表示。 一个有趣的见解是，EM 通道可以被视为波数域中的圆形线性空间不变 (LSI) 滤波器，这简化了后续的 EIT 分析。 在[19]最近的工作中，考虑了各种非理想效应，包括互耦合和相关衰落，以完成[18]中的傅里叶平面波模型。

总之，现有的 EIT 工作主要集中在信息论量的计算和无线信道的电磁兼容表征上。 这些工作为我们提供了对无线通信系统中信息流的深刻见解和新颖理解。 然而，他们忽视了EIT对于设计实际通信系统的影响。 那么，一个问题自然而然地出现了：如何通过EIT来改进无线通信系统？

Electromagnetic channel capacity for practical purposes

使用电磁信号（例如无线电通信）无差错地传送数字信息的最大速率是多少？ 根据香农理论，该速率是通信信道的容量，它是通过最大化信道输入和输出之间的互信息而获得的。 然而，香农理论是在经典物理学中发展起来的，而电磁信号最终是量子力学实体。 为了解释这一事实，容量必须用 Holevo 信息的复杂优化来表示，但对于可以说是最基本的电磁通道（由于附加热噪声而退化的通道），明确的解决方案仍然未知。 我们对热通道的 Holevo 信息设置了界限，这些信息确定了对于实际场景（例如高噪声或低透射率的情况）而言微不足道的修正容量。 我们的结果适用于任何玻色热噪声通道，包括任何频率的电磁信号

电磁信息论基础

译自论文Electromagnetic Information Theory: Fundamentals, Modeling, Applications, and Open Problems

在本节中，我们首先区分信息论中DoF的两种不同定义，即，信道自由度和功能（functional）自由度。然后，我们讨论了信道容量的概念及其与自由度的关系。然后，我们引入麦克斯韦方程来描述电磁场的传播。最后，我们采用随机场作为统一概率信息论和确定性场论的EIT基础。

Degree of Freedom

DoF是一个数学量，最初描述物理系统中独立参数的数量。在通信界，DoF通常是指能够独立承载信息的正交子信道的数量，由信道结构唯一确定。它通常通过计算给定信道矩阵的显著奇异值来计算[3]。因此，我们使用术语信道DoF来描述与信道相关联的这样的数字。

相比之下，在信息论领域，自由度有一个严格的数学定义，它牢牢地植根于泛函分析的谱理论，从而产生了泛函自由度的概念。一般来说，如果赋范函数空间$\mathcal{X}$包含一个$N$维子空间${\mathcal{X}}_N$，使得任何函数$f\in \mathcal{X}$都可以被某个$f\in {\mathcal{X}}_N$“很好地近似”，那么可以合理地声称空间$\mathcal{X}$具有本质DoF $N$。一个鼓舞人心的重要示例是评估带宽限制为$[-W，W]$ Hz的波形通道的DoF，如图1所示。等价地，我们想知道单位时间内有多少个真实的数可以通过这个$W$带宽受限的信道进行通信。Slepian [4]通过将所有$W$-带限信号一起收集到函数空间${\mathcal{B}}_W$中来解决这个问题，并询问至少需要多少系数 { x n } n = 1 N ϵ \left\{x_{n}\right\}_{n=1}^{N_{\epsilon}} {xn​}n=1Nϵ​​来近似任意$f(t)\in {\mathcal{B}}_W$直到精度为$ϵ$，即，$\Vert f(t)-{\sum }_{n=1}^{N_{ϵ}}{x}_n{\varphi }_n(t)\Vert /\Vert f\Vert \le ϵ$.这个最小的系数数$N_{ϵ}$被称为函数空间${\mathcal{B}}_W$在给定范数下的柯尔莫哥洛夫$N$宽度$N_{ϵ}({\mathcal{B}}_W)$。由于数据传输通常发生在有限的时间间隔[-T/2，T/2]内，因此选择范数为L2（-T/2，T/2）。然后，结论是对于任何给定的n> 0，N n = 2 WT + O（log（WT））[4]成立。这意味着W带宽受限的信道基本上可以在时间T内发送2 WT真实的数。在这种情况下，最佳基础波形Iin（t）是长球面波函数（PSWF），如图1所示。注意，接收信号y（t）的函数DoF通过在特征值λn表现出截止过渡行为之前评估最大的n来确定。B。信道容量

Random Fields for EIT

为了将信息论分析应用于电磁场，应将概率测度分配给包含满足麦克斯韦方程组的所有可能电磁场的函数空间，这导致了 EIT 的随机场建模。高斯随机过程通常以连续时间 t 为索引，广泛应用于通信信号建模，从中可以推导出熵率和互信息公式。高斯随机场 (GRF) 是允许多个索引变量的广义随机过程。从数学上讲，GRF 是随机多元函数，其有限维边缘分布为高斯分布。根据中心极限定理，无线通信中出现的许多复杂的空间相关随机值可以通过 GRF 进行建模。继承高斯分布有利的数学特性，GRF模型表现出良好的分析特性，可以促进理论推导和数值推理。在 EIT 中，GRF 可用于对 EM 通道 [7] 和 EM 信号 [8] 进行建模。在现实世界的通信系统中，EM 信道响应可能会随着时空的函数而随机变化，因此通过信道 GRF 对这种时空变化进行建模是合理的。这允许对未直接测量的通道条目进行贝叶斯推断。类似地，为了捕获发射和接收信号的随机性，发射器处的电流分布和接收器处的电场也可以通过 GRF 建模[8]，从中可以定义信息论互信息来表征这种EM信道的信息传输能力。基于 GRF 的信息论分析将在(Mutual Information Analysis)中详细解释。

除了揭示可用子通道数量的 DoF 之外，通道互信息 I(J;E) 是另一个重要的性能指标。与使用随机向量作为发送和接收信号的传统MIMO信息论相比，EIT将EM场J、E视为GRF。随机场建模遵循香农互信息分析的统计方法，可以看作是基于随机向量的传统分析的不断延伸。与基于矩阵的MIMO理论并行，算子理论可以用来描述随机场的自相关R(r, r) = E[E®EH(r)]。与 MIMO 互信息的矩阵行列式形式不同，EIT 信息采用 Fredholm 行列式形式 log det(I+TET−1 N ) [8]，其中 TE 和 TN 是随机场 E(r ) 和 N® 分别。 Fredholm 行列式为 EIT 互信息提供了封闭式公式。因此，评估Fredholm行列式的数值方案可以移植到该EIT互信息的计算中，如图4所示。数值验证了离散MIMO互信息收敛于连续空间EIT互信息，这证明了EIT 互信息的 Fredholm 定义。

EIT model

% 为了确保与离散 MIMO 信道建模的兼容性，通常假设 H 的条目与收发器天线模式之间的连接为 Hqp =  φq|T|φp，其中 φp 和 φq 分别是第 p 和 q 个操作分别是发射和接收天线的模式。因此，通过有界线性算子 T 对 EM 通道进行建模在数学上与现有的矩阵建模是一致的。

To ensure compatibility with discrete MIMO channel modeling, the connection between the entries of $\mathbf{H}$ and the transceiver antenna modes are usually assumed to be ${\mathbf{H}}_{qp}=⟨{\phi }_q|T|{\varphi }_p⟩$ , where ${\varphi }_p$ and ${\phi }_q$ are the $p$ -th and $q$ -th operating modes of the transmit and receive antennas, respectively. Thus, modeling the EM channel by a bounded linear operator $T$ is mathematically consistent with the existing matrix modeling.

% EIT 信道可以进行确定性建模，也可以进行随机建模。确定性信道模型具有更简单的数学表达式，但随机模型通常可以更好地捕获由多径效应和用户移动性引起的小范围快衰落。最简单的确定性信道模型是视距 (LoS) 模型，该模型假设收发器之间只有一条直接链路，没有任何散射体。在这种情况下，通道算子是自由空间格林函数 G(r, s)。

The EIT channel can either be deterministically modeled or stochastically modeled. Deterministic channel models have simpler mathematical expressions, but stochastic models usually better capture the small-scale fast fading caused by multipath effects and user mobility. The simplest deterministic channel model is the line-of-sight (LoS) model, which assumes that there is only one direct link without any scatterers between the transceivers. In this scenario, the channel operator is the free-space Green’s function $G(r,s)$ .

噪声信道建模

After the discussion of the continuous random channel models, we will introduce the noise modeling scheme. Noise is vital in information theory, because it is a key factor to determining the capacity. In classical information theory, the noise is usually modeled by a time-domain additive white Gaussian noise (AWGN) with a constant power spectral density $n_0/2$ . Thus, its projection coefficients onto any orthonormal basis are independent and of equal power $n_0/2$ , which simplifies theoretical analysis. Similarly, in EIT, the noise is usually modeled as a spatial AWGN with flat wavenumber PSD. This spatial AWGN implies that the additive noises at any disjoint small spatial regions $V_1$, $V_2$ are independent and identically distributed (i.i.d.) complex Gaussian random variables, whose variances are proportional to the volumes $\mu \left(V_1\right)$, $\mu \left(V_2\right)$ of the small regions. Although the AWGN model facilitates theoretical analysis, the white spectral assumption is problematic, since it causes an unbounded noise power.