👨‍🎓个人主页

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

💥1 概述

智能超表面（RIS）辅助双功能雷达和通信波束形成设计研究

智能超表面，也叫做“可重配智能表面”，或者“智能反射表面”，英文为RIS（Reconfigurable Intelligence Surface），或者IRS（Intelligent Reflection Surface）。

为了缓解未来网络频谱拥塞，下一代无线通信系统希望复用雷达的频段，其对应的模型就是雷达和通信频谱共存（Radar-Communication Coexistence，RCC），这个是雷达和通信从分离走向融合的初步阶段。

本文对双功能雷达和通信系统的波束形成优化，其中部署了可重新配置的智能表面以增强性能。

智能超表面（Reconfigurable Intelligent Surface，简称RIS）作为一种新兴技术，在雷达通信领域展现出了巨大的潜力，特别是在实现双功能雷达-通信系统（DFRC，Dual-Function Radar and Communication）的波束形成设计中。这类系统旨在同时执行雷达探测与无线通信任务，以提高频谱效率和系统整体性能。

1. 智能超表面（RIS）的基本概念与工作原理

智能超表面（RIS）是一种由可编程电磁单元构成的新型无线通信技术，通过动态调控电磁波的相位、幅度和极化特性，实现对信号传播路径的智能优化。其核心原理包括：

• 电磁单元调控：每个电磁单元可独立调整反射或折射信号的参数，形成特定波束模式，例如波束转向、聚焦或调制。
• 硬件结构：通常由三层底板和智能控制器组成，支持无源、半静态或动态调控模式，适用于不同场景需求。
• 6G应用潜力：RIS具有低成本、低功耗、易部署的特点，被视为构建可编程无线环境的关键技术，尤其在近场/远场信道建模和低复杂度信道估计方面是研究重点。

2. 双功能雷达和通信系统（DFRC）的定义与特点

DFRC系统通过共享硬件和频谱资源，同时实现雷达探测与通信功能，具有以下优势：

• 资源高效利用：利用同一硬件链路（如天线阵列）和波形（如OFDM、FMCW）完成多任务，降低系统复杂性和频谱占用。
• 应用场景：包括车辆通信感知一体化、非视距（NLoS）目标探测等。例如，基于光子学的DFRC系统通过激光雷达与通信信号融合，实现高精度探测与高速通信。

  

• 挑战：需平衡雷达分辨率与通信速率，抑制信号干扰（如通信信号对雷达回波的干扰）。

3. 传统波束形成方法的局限性

传统波束形成技术（如延时相加法、零陷波束形成器）在复杂场景中面临以下问题：

• 固定波束特性：常规波束形成（CBF）波束宽度较宽，角度分辨率和干扰抑制能力不足。
• 动态环境适应性差：依赖静态方向向量，难以应对多径效应和实时信道变化。
• 硬件复杂度高：模拟波束形成需复杂馈线网络，增加系统体积和成本。

4. RIS在雷达与通信中的典型应用场景

• 雷达场景：
  • 目标检测增强：通过优化RIS相位，提升接收信号信噪比（SINR），例如在非视距场景中建立虚拟视距路径。
  • 多目标定位：利用RIS反射路径提供多视角回波信号，结合MIMO雷达技术提升三维定位精度。
• 通信场景：
  • 覆盖扩展：在基站与盲区之间部署RIS，构建高秩信道并抑制干扰。
  • 物理层安全：通过动态反射信号破坏窃听者信道，增强通信保密性。

5. RIS辅助双功能系统的协同设计关键技术

• 联合波束优化：同时优化基站主动波束（如预编码矩阵）和RIS被动波束（如相位矩阵），以最大化加权和速率（WSR）和雷达探测概率。例如，优化问题可建模为：

  max⁡p,θRs.t.功率约束、波束方向图约束p,θmax​Rs.t.功率约束、波束方向图约束

• 交替优化算法：将非凸问题分解为主动/被动波束子问题，通过加权最小均方误差（WMMSE）和流形优化迭代求解。

• 资源动态分配：在雷达探测功率与通信速率之间权衡，例如通过SINR约束和隐蔽通信速率优化实现性能折中。

6. 现有算法研究及性能评估

• 典型算法：
  • WMMSE与分式规划结合：在RIS辅助MISO系统中，该算法可将用户速率上限提升0.86 bit/(s·Hz)。
  • 深度学习方法：混合RIS系统中，基于深度学习的联合优化算法在降低计算复杂度的同时保持高能效。
• 评估指标：
  • 雷达性能：探测概率、波束方向图增益、定位误差。
  • 通信性能：加权和速率、误码率、隐蔽通信速率。
  • 仿真工具：MATLAB/Simulink常用于验证算法，通过对比基准方案（如随机相位RIS）量化性能提升。

7. 未来研究方向与挑战

• 动态环境实时优化：需开发低延迟算法以应对快速变化的信道条件。
• 多RIS协同：研究双RIS或多RIS架构的信道互耦效应及协作波束形成策略。
• 硬件限制突破：解决RIS单元量化误差、非线性响应等实际部署问题。
• 全息ISAC系统：探索RIS与全息技术的结合，实现更灵活的波束调控。

总结

RIS技术为DFRC系统提供了全新的性能提升维度，通过联合优化波束形成和资源分配，显著增强了雷达探测精度与通信效率。然而，动态环境适应性、多RIS协同及硬件非理想特性仍是未来研究的核心挑战。随着6G技术发展，RIS有望推动无线通信与雷达感知的深度融合，实现更智能的无线环境重构。

📚2 运行结果

 

部分代码：

clc
clear all
close all
addpath('./simulation_separated/function/');
%% trade-off
%% baseline
figure;
load('./simulation_separated/baseline.mat');
pattern_baseline_sep = pattern_baseline;
wsr_baseline = [0; wsr_baseline;wsr_baseline(end)];
prob_power_baseline = [prob_power_baseline(1); prob_power_baseline;0];
plot(wsr_baseline, prob_power_baseline,'-^b','LineWidth',3,'MarkerSize',3);
hold on;

load('./simulation_shared/baseline.mat');
pattern_baseline_sh = pattern_baseline;
wsr_baseline = [0; wsr_baseline;wsr_baseline(end)];
prob_power_baseline = [prob_power_baseline(1); prob_power_baseline;0];
plot(wsr_baseline, prob_power_baseline,'-+b','LineWidth',3);

%% 20 elements
load('./simulation_separated/ris_aided_data/rician_1000/ris_aided_single.mat');
pattern_ris_20_sep = pattern_ris;
wsr_ris = [0; wsr_ris; wsr_ris(end)];
prob_power_ris = [prob_power_ris(1); prob_power_ris;0];
plot(wsr_ris, prob_power_ris,'-^g','LineWidth',3,'MarkerSize',3);

load('./simulation_shared/ris_aided_data/rician_1000/ris_aided_single.mat');
pattern_ris_20_sh = pattern_ris;
wsr_ris = [0; wsr_ris;wsr_ris(end)];
prob_power_ris = [prob_power_ris(1); prob_power_ris;0];
plot(wsr_ris, prob_power_ris,'-+g','LineWidth',3);

%% 60 elements
load('./simulation_separated/ris_aided_data/rician_1000/ris_aided_single_60.mat');
pattern_ris_60_sep = pattern_ris;
wsr_ris = [0; wsr_ris; wsr_ris(end)];
prob_power_ris = [prob_power_ris(1); prob_power_ris;0];
plot(wsr_ris, prob_power_ris,'-^c','LineWidth',3,'MarkerSize',3);

load('./simulation_shared/ris_aided_data/rician_1000/ris_aided_single_60.mat');
pattern_ris_60_sh = pattern_ris;
wsr_ris = [0; wsr_ris;wsr_ris(end)];
prob_power_ris = [prob_power_ris(1); prob_power_ris;0];
plot(wsr_ris, prob_power_ris,'-+c','LineWidth',3);

%% 100 elements
load('./simulation_separated/ris_aided_data/rician_1000/ris_aided_single_100.mat');
pattern_ris_100_sep = pattern_ris;
wsr_ris = [0; wsr_ris;wsr_ris(end)];
prob_power_ris = [prob_power_ris(1); prob_power_ris;0];
plot(wsr_ris, prob_power_ris,'-^r','LineWidth',3,'MarkerSize',3);

load('./simulation_shared/ris_aided_data/rician_1000/ris_aided_single_100.mat');
pattern_ris_100_sh = pattern_ris;
wsr_ris = [0; wsr_ris; wsr_ris(end)];
prob_power_ris = [prob_power_ris(1); prob_power_ris;0];
plot(wsr_ris, prob_power_ris,'-+r','LineWidth',3);

grid on;
legend('without RIS(separated)','without RIS(shared)','20 elements(separeted)','20 elements(shared)','60 elements(separated)','60 elements(shared)','100 elements(separated)','100 elements(shared)','FontSize',12,'interpreter','latex');
xlabel('WSR [bps/Hz]','FontSize',12,'interpreter','latex');
ylabel('Probing Power [dBm]','FontSize',12,'interpreter','latex');
ylim([19 34]);
xlim([0 10]);

%% radar only beampattern
para = para_init();
theta_degree = -90:90;
theta = theta_degree*pi/180;
pattern_radar_only = zeros(length(theta),1);
a = ULA_func(0,para.M);
R = para.Pt/para.M*(a*a');

🎉3 参考文献

部分理论来源于网络，如有侵权请联系删除。

[1]赵阳. MIMO雷达-通信联合SINR优化设计算法研究[D].厦门理工学院,2022.

 🌈4 Matlab代码实现