智能反射面輔助的毫米波大規模MIMO技術綜述*

信科，金思年**，陳藝靈，岳殿武，鞠默然

（1.大連海事大學信息科學技術學院，遼寧 大連 116026；2.大連東軟信息學院智能與電子工程學院，遼寧 大連 116023）

0 引言

5G 通信系統可以利用毫米波和大規模MIMO（Multiple-Input Multiple-Output，多輸入多輸出）等關鍵技術獲得比4G 通信系統高幾個數量級的傳輸速率，而毫米波和大規模MIMO 的融合也成為了5G 的關鍵技術之一。毫米波通信有著豐富的可利用頻率資源，但由于其視距傳播的特點，使得傳輸的路徑損耗變得十分嚴重，而大規模MIMO 通過在收發端配置高數量級的天線陣列，可以有效緩解路徑損耗的問題[1-2]。不過，毫米波大規模MIMO 系統通常需要配備大量的射頻鏈路，這導致了硬件成本的提高以及系統的高功耗等問題[3]。在6G 時代，高速率傳輸是必然要求，但綠色通信也是重要理念，而近段時間興起的IRS（Intelligent Reflecting Surface，智能反射面）不僅可以解決功耗與性能的矛盾，而且可以通過自身特性改變傳輸環境，以獲得更高的通信質量[4]。基于此，IRS 與毫米波大規模MIMO 的融合有望在未來6G 通信系統中發揮著不可或缺的作用。

1 毫米波大規模MIMO

1.1 概述

隨著5G 時代的到來，傳統的6 GHz 頻段已無法滿足不斷攀升的移動用戶數量和通信需求，而毫米波通信的出現為解決該問題提供了有力的技術手段，毫米波通信具備以下三方面優勢[5-6]：

（1）波長短。毫米波的波長在1～10 mm 之間，這可以有效縮小收發端天線陣列的物理尺寸，降低狹小空間內集成大量天線的復雜度；

（2）頻帶資源豐富。毫米波的頻譜范圍在30～300 GHz之間，這使得更多的用戶能夠被分配到帶寬，實現海量通信設備的實時連接；

（3）抗干擾能力強。毫米波的頻段較高，這可以有效減少同頻信號的干擾。

盡管毫米波通信技術有著諸多優點，但其缺點也同樣不容忽視。由于信號的傳播路徑損耗與信系統中，BS（Base Station，基站）集成了大量的天線，并利用毫米波頻段向多個用戶提供服務，這也是該系統最為常見的應用場景。

1.2 挑戰及相關研究

毫米波與大規模MIMO 的結合最大程度地發揮了兩者的優勢，彌補了彼此的不足，是5G 的研究熱點之一。相比于傳統的低頻信號傳輸系統，毫米波大規模MIMO的優勢明顯，但也面臨著諸多挑戰：

（1）傳輸信號的頻率高、帶寬大，對于硬件設備的要求高；

（2）在傳輸設備里配置了大型的天線陣列，這使得系統的體積、成本以及功耗相應增加。

為了解決這些難題，波束賦形（也稱預編碼）技術應運而生，即利用CSI（Channel State Information,信道狀態信息）對信號進行處理的技術。傳統的波束賦形技術主要分為兩種：數字波束賦形和模擬波束賦形，前者是將每根天線均配置一條RF（Radio Frequency，射頻）鏈路，以減小不同信道間的干擾，保證系統性能，但設備成本和總功耗較高。后者是令所有的天線共用一根RF鏈路，這可以顯著降低成本和功耗，但也導致系統性能比較一般。為了實現兩種波束賦形方式的優勢互補，文獻[9] 提出了將數字波束賦形與模擬波束賦形相結合的混合預編碼技術，其中信號先以較低的維數進行數字預編碼，然后通過模擬預編碼器進行處理，最后天線陣列將預編碼信號進行發送，如圖1 中的發送端所示。此外，根據模擬預編碼器與天線陣列的連接方式不同，混合預編碼發射機可以分為三種不同的連接結構，如圖2 所示。若每個RF 鏈連接到所有天線，則為全連接結構；若每個RF 鏈僅連接到部分互斥的天線子集，則為部分連接結構；若每個RF 鏈路連接到相互重疊的天線子集，則為混合連接結構。

圖1 多用戶毫米波大規模MIMO系統框圖

圖2 混合預編碼結構

針對全連接結構，文獻[10] 表明通過合理地設計預編碼，混合預編碼系統可以在性能逼近全數字預編碼系統的同時，減少RF 鏈路的使用數量，降低硬件成本。文獻[11] 利用毫米波信道的稀疏散射結構，提出了一種基于OMP（Orthogonal Matching Pursui，正交匹配追蹤）的預編碼算法，可以將預編碼器設計問題轉化為稀疏約束信號恢復問題，仿真結果表明該算法能使系統逼近于頻譜效率極限值。文獻[12-13] 提出基于半定松弛的交替優化算法，前者從最小化最優數字預編碼與混合預編碼之間的歐幾里德距離出發，可以獲得接近于最優的頻譜效率性能，但代價是極高的計算復雜度，而后者針對部分連接結構，在獲取到數字預編碼矩陣后，通過理論推導獲得模擬預編碼矩陣的閉式解，仿真結果表明該算法的頻譜效率性能優于基于連續干擾消除的混合預編碼算法，但復雜度同樣較高。為了降低算法的復雜度，文獻[14]和[15] 分別提出了基于塊狀矩陣求逆和基于順序遞歸最小二乘法的OMP 算法，可以在犧牲部分性能的情況下，顯著降低算法的復雜度。針對多用戶場景，文獻[16] 分別使用迫零方式和鳥群算法設計了數字預編碼和模擬預編碼。文獻[17] 和[18] 也利用了不同的方式去設計混合預編碼，實現了頻譜效率最大化。

由于毫米波大規模MIMO 的收發端天線數量較多，這使得直接追蹤物理信道CSI 的難度變得很高，因此如何提高信道估計的準確性是該系統的另一個研究熱點。在現有的毫米波大規模MIMO 信道估計研究工作中，對于寬帶系統[19-21]、角度域[22-23]以及超高分辨率系統[24-25]的信道估計問題的研究均有建樹。另外，作為處理復雜通信問題的有力工具，深度學習在解決信道估計問題上同樣發揮著重要作用，這對于進一步提升毫米波大規模MIMO 信道估計的準確性起著重大作用[26-28]。

1.3 小結

綜上所述，合理的混合預編碼以及信道估計技術可以有效優化毫米波大規模MIMO 系統的性能及功耗，具有較高的研究價值。近年來的深度學習與無線通信技術的密切結合，給毫米波大規模MIMO 的性能增強帶來了更進一步的可能性，同時也在啟示著如何利用新興技術來提升當前通信系統性能是具有前景的研究方向。

2 智能反射面輔助的毫米波大規模MIMO

2.1 概述

盡管毫米波大規模MIMO 能夠有效地改善毫米波傳輸距離短的弊端，并且顯著提升毫米波無線通信系統的數據吞吐量，但其所要求的高復雜度、高能耗和高硬件成本仍然在實際應用中難以實現。不過，IRS 的出現為解決上述問題提供了一個重要的技術方案。IRS 具體是指一種由大量低成本、幾乎無源的反射元所構成的智能表面，每個反射元都能夠在IRS 控制器的指令下獨立地改變入射信號的幅度和/ 或相移，從而靈活地控制發射機和接收機之間的無線信道，以期實現理想的無線信道環境。對于IRS 的實現來說，其具備以下幾點吸引人的優勢。首先，IRS 成本低廉且重量輕便，這使得它能夠靈活地部署在各種場景，如建筑內外墻、路邊廣告牌、天花板甚至車輛等。另外，IRS 能夠通過利用無源反射元件而非射頻鏈路控制反射信號的相移，這使得IRS 相比傳統的中繼設備更加節能環保，更符合6G 綠色通信的目標。最后，將IRS 部署至移動通信系統對于用戶來說是透明的，這使得原有的移動通信系統的標準以及硬件實現無需改變，提供了完美的兼容性。因此，IRS 已經被廣泛應用在無線通信系統中，并在提高無線網絡的覆蓋率[29]、頻譜效率[30]、能量效率[31]、物理層安全性[32]及無線攜能通信[33]和降低發送功耗[34]等方面發揮著重要的作用。基于上述背景，將毫米波大規模MIMO 和IRS 進行結合應用，可以起到提升系統性能、降低硬件成本和功耗的作用。如圖3 所示，這種系統被稱為IRS 輔助的毫米波大規模MIMO 系統，針對它的研究將對促進6G 基礎理論及關鍵技術的發展起著重要作用。

圖3 IRS輔助的毫米波大規模MIMO系統模型

2.2 相關研究

對于IRS 輔助的毫米波大規模MIMO 系統，目前的研究工作主要集中在波束賦形和信道估計兩個方面。首先對于波束賦形方面，當發送端和接收端配置了大規模的天線時，文獻[35]推導了系統的可達速率閉合表達式，并將可達速率作為優化目標，設計了一種基于功率分配、混合預編碼和IRS 無源波束賦形的優化方案，仿真結果驗證了所提算法的有效性。文獻[36] 提出了一種基于幾何平均分解的波束賦形方案，通過聯合調節基站、用戶以及IRS 的可調節參數，該方案能夠獲得比傳統的基于奇異值分解的波束賦形方案更優良的誤碼率性能。文獻[37]設計了一種流形優化算法，該算法能夠利用毫米波信道的固有結構，靈活調整IRS 的無源波束賦形和基站（用戶）端的混合預編碼，有效增強了系統的頻譜效率性能。當所有的用戶滿足一定信干噪比約束時，文獻[38] 提出了一種序貫優化方案，該方案能夠通過調整基站端的混合波束賦形和IRS 的無源波束賦形，顯著降低基站端的發送功率。文獻[39] 設計了基于IRS 無源波束賦形和X 碼（或X 預編碼器）的聯合優化算法，該算法能夠有效降低錯詞率。針對窄帶和寬帶場景下IRS 輔助的毫米波大規模MIMO系統，文獻[40] 首先借助稀疏散射結構和毫米波信道的大尺寸特性，提出了針對窄帶系統的波束賦形聯合設計方案，然后利用毫米波信道的稀疏性，將所提出的方案推廣到寬帶場景，有效地增強了系統的頻譜效率性能。上述研究工作（即文獻[35-40]）都只關注了單IRS 的場景，為進一步擴大毫米波通信系統的高頻覆蓋范圍，文獻[41]將研究目光擴展至雙IRS 輔助的毫米波大規模MIMO 系統上，提出了一種基于雙級聯IRS 的無源波束賦形和BS混合預編碼的設計方案，有效地提升系統的頻譜效率性能。

針對IRS 輔助的毫米波大規模MIMO 系統的信道估計問題，文獻[42] 利用毫米波信道的稀疏性特性，將信道估計問題轉換為固定秩約束的非凸優化問題，并提出了一種基于交替優化和流行優化的算法，實現了單用戶場景的信道估計。此外，文獻[43] 將文獻[42] 的研究工作擴展至多用戶場景，利用信道的稀疏性和最小二乘準則，將多用戶場景下的信道估計問題轉換為多耦合復固定秩矩陣優化問題，并提出了一種基于交替優化和流行優化的信道估計方案，實現了多用戶場景的信道估計。文獻[44] 研究了寬帶場景下的信道估計問題，提出了一種分布式正交匹配追蹤算法，設計了一種能夠對抗功率泄露的冗余字典，顯著地增強了信道估計的準確性。此外，為了從不同角度尋找出合適的信道估計方案，文獻[45-47] 也考慮了利用深度學習來解決信道估計問題。比如，文獻[45]提出了一種基于深度學習框架的信道估計方案，該方案設計了一種雙層卷積神經網絡，并將接收到的導頻信號作為反饋，對直連信道和級聯信道進行估計，通過與傳統方案如最小二乘法進行比較，可以發現所提方案有著更準確的信道估計性能。文獻[46] 考慮了上行鏈路的信道估計問題，通過利用級聯角度信道的準稀疏結構，可以將上行鏈路的級聯信道估計問題轉化為壓縮感知問題，并設計了一種殘差網絡架構來改善壓縮感知重構過程中的性能受損問題，有效地提升了信道估計的準確性。文獻[47] 中將級聯信道估計問題表述為基于壓縮感知的稀疏性恢復問題，可以顯著減少訓練開銷，并提出了一種混合多目標進化范式以實現高分辨率信道估計。

2.3 未來展望

盡管對于IRS 輔助的毫米波大規模MIMO 的研究已經逐漸成熟，但是仍存在一些值得深入研究的難題，如非理想硬件、信道估計以及多個IRS 的協作等問題，因此需要研究新理論、新技術來充分發揮該系統的性能潛力，為下一代移動通信提供更多的可能性。

（1）非理想硬件的影響：目前大部分的研究均假定BS、IRS 和用戶配置了理想硬件。然而，在實際場景中，大多采用非理想硬件，相位噪聲、量化噪聲以及放大器的非線性等硬件損傷因素不可忽略，這些硬件損傷將在一定程度上影響系統性能。盡管一些補償算法可以消除部分硬件損傷導致的性能損失，但殘余的硬件損傷仍然存在。因此，針對非理想硬件條件下IRS 輔助的毫米波大規模MIMO 系統，如何科學合理地設計系統中的可調節參數，以降低硬件損傷對于系統通信性能的影響，是值得重視的問題。

（2）信道估計問題：在此前的研究中，信道估計性能有所提升，但仍需要進一步研究低復雜度和低開銷的信道估計方案。考慮到真實場景下用戶數目的增多以及移動性增強帶來的頻繁波束訓練及信道估計操作，系統訓練開銷問題將進一步加劇，因此面向更為一般化的多用戶移動性增強場景，如何設計更匹配的信道估計方案，對于推動IRS 輔助的毫米波大規模MIMO 系統的發展是十分必要的。

（3）多個IRS 的協作：盡管單個IRS 已經能夠為通信系統提供一定的性能增益，但單個IRS 的覆蓋范圍畢竟是有限的，這使得同時部署多個的IRS 以保證通信系統性能成為一種必然選擇。因此，針對多IRS 輔助的毫米波大規模MIMO 系統，多個IRS 之間如何進行協作部署、協同優化以及信道估計有望成為未來研究的重點。

2.4 小結

本節中首先介紹了IRS 與毫米波大規模MIMO 通信技術結合的優勢以及系統應用模型，然后討論了現階段IRS 輔助毫米波MIMO 系統中兩個主流研究方向的進展，主要包括波束賦型以及信道估計兩部分，最后對未來的研究方向做出了展望。

3 結束語

未來6G 相較于現階段的通信系統不僅各項性能會有質的提升，也會更加注重綠色可持續的環保理念。作為6G 中的關鍵技術，無源的IRS 以及IRS 輔助的毫米波大規模MIMO 系統成為了研究熱點。本文分析了毫米波大規模MIMO 以及IRS 輔助的毫米波大規模MIMO 系統的基本概念、優勢特點、國內外研究發展現狀，并進一步討論了未來的研究熱點以及有待解決的問題。