解读A Primer on Near-Field Beamforming for Arraysand Reconfigurable Intelligent Surfaces

    这是一篇2019年 发表在IEEE上面的文章，这篇文章引用大量的文献，这些文献年份从1964到2019不等，是综合性比较强的文章，重点是物理知识，结合了今天IRS智能反射面的技术，这篇文章没有厚古薄今，而是古今结合，论述了几个物理量在通信场景中的定义，和这些物理量是否具有成为度量通信性能的物理量的资格。

文章的意义在于重新审视了夫朗和费距离这一物理量在通信场中的应用，其中的内核比较简单，通信有一大问题就是——部署。其中一个就是接发两端的距离。

首先定义远场，接收端和发射端的距离如果是远场也就是距离大于。

其中的D为接受平面的最大对角线距离，是波长，这一距离下就根据公式，可以知道只要距离Z足够大，这公式中的后两项就可以被忽略，根据作者找到的能量公式，就是自由空间的电场强度损耗，接受端为，发射端端为，既然天线是阵列，IRS同样是阵列，那便可以在对角线距离为D的若干个接受平面上进行积分，其中的公式就是，

上面是平方的积分，下面是积分的平方，帕斯瓦尔能量等式可知（就是那么个意思也不知道我这里引用这个说法是否正确），分号下面是不考虑相位的损耗的，上面的考虑相位的损耗，这样以来就可以归一化增益的表达式，大概率知道这三个公式基本就知道这篇文章的内核，这个自由空间损耗的模型是和作者对夫朗和费距离这个物理量量身定制的模型，虽然模型的思想是借用别人的创意。

 下面重点介绍一下模型，首先是做极化，

 

这是对z轴进行极化，也就是把这个三维的平面呢变成二维的，就是上图中的接受平面，电场强度函数作为被积函数，积分限就是和,我们可以用二重积分的定义来理解这个建模的方法，被积函数是二维的电场强度损耗这个二维曲线，底面就是接受平面，这样便可以在这个接受平面上建立一座山，这就是这个模型的核心思想，接下来就是设置平面的接收点，既然波形是球面波那么对应的函数就用logspace这样就可以，接受平面定义了再把距离加上，这就是接收端和发送端的欧几里得距离（三维空间点到点的距离公式），定义夫朗和费距离，把这个距离的-10次方到+10次方作为绘图的X Y尺度绘制热点图就可以看出信号的增益的强弱分布。同理的IRS也是用一样的模型，只不过是加入了一个入射角，在被积函数那一边加入了一个入射角引起的能量损耗。

作为研究这篇文章有一点思考就是为什么极化模型，能用什么方法来解释呢，其实最直接的原因就是简便，这个模型还可以被完善，具体如何被完善呢，既然折射有损耗（我先说一下折射不是反射下面我会用一张图说清楚）

根据能量守恒定律知道，折射会送走一部分能量，根据这个原理，我们伟大的物理学家菲涅尔就推导出一个公式P极光的反射系数

这个公式加入到上述的能量公式中，就可以优化这个模型。这样的话还可能找到入射角，折射角，反射角和损耗的闭合表达式，然后用机器学习等等去找最优角度什么的。这就是这篇文章可以被创新的地方。