[技术前沿]面向超大规模RIS的码本设计和波束训练：远场 or 近场？

智能超表面（Reconfigurable Intelligent Surface, RIS）技术可以通过大量无源可控单元实现对无线通信环境的智能调控，被广泛视为未来6G通信的潜在关键技术之一。然而，该技术同时也引入了“乘性衰落”效应，即RIS反射路径的衰减取决于基站到RIS以及RIS到用户这两段路径长度的乘积（而不是其加和）。得益于RIS单元的低成本、低功耗优势，未来RIS更有可能发展为超大规模RIS，通过进一步增加单元数目以获取更高的增益来弥补其严重的路损。图1和图2分别展示了麻省理工学院研制的3200单元的超大规模RIS和清华大学团队研制的2304单元的超大规模RIS。图3展示了超大规模RIS辅助的无线通信系统。

图1. 麻省理工学院研制的3200单元的超大规模RIS

图2. 清华大学研制的2304单元的超大规模RIS

图3. 超大规模RIS辅助的无线通信系统

问题与挑战

从RIS到超大规模RIS，不仅仅是RIS单元数目的量变，更蕴含着电磁场结构的质变。具体而言，电磁波的场结构通常分为近场和远场，远近场的分界线由瑞利距离决定，瑞利距离正比于阵列尺寸的平方。当RIS的阵列尺寸不是很大时，瑞利距离比较小，散射体一般分布于RIS的远场范围，信道可以采用平面波假设进行建模，每条信道路径对应的阵列响应向量仅与路径角度相关。从RIS 发展为超大规模RIS，随着RIS 单元数目的增加，超大规模RIS的阵列尺寸变大，其瑞利距离也随之增加，散射体很可能分布于RIS的近场范围，信道应该采用更精确的球面波进行建模，近场阵列响应向量与散射体所在的具体位置相关。同时，如图3所示，RIS场景与MIMO、MISO/SIMO场景下的的近场通信范围也有较大差别，RIS更容易工作在近场环境下。

图4. RIS比MIMO、MISO/SIMO更容易工作在近场环境

为充分发挥RIS带来的性能优势，通常需要采用波束训练方法从包含多个RIS指向性波束的码本中寻找出最优的RIS波束。现有的波束训练方法通常采用远场码本，即基于远场阵列响应向量来设计RIS波束，但远场码本与超大规模RIS的近场信道模型不匹配，这使得远场波束训练方法在超大规模RIS辅助的近场通信中存在较为严重的性能损失。

创新方法

为解决上述远场码本与近场信道模型不匹配的问题，论文基于近场阵列响应向量设计近场码本以匹配近场信道模型，并提出对应的近场波束训练方案。为降低近场波束训练开销，论文进一步提出基于分层近场码本的近场波束训练方案。

不同于仅和路径角度相关的远场阵列响应向量，近场阵列响应向量与散射体所在的位置有关，超大规模RIS信道的近场阵列响应向量进一步取决于基站和RIS 之间的散射体位置以及RIS 和用户之间的散射体位置。所提的近场码本设计方法主要分为以下三个步骤：

① 将基站和RIS之间的散射体所在的三维空间以及RIS和用户之间的散射体所在的三维空间根据一定的采样步长均匀划分，生成两种采样点集合，分别对应于基站与超大规模RIS之间散射体的候选位置和超大规模RIS与用户之间散射体的候选位置；

② 依次遍历两种采样点集合，每次从两个集合中各取一个采样点构成一对采样点，根据超大规模RIS信道的近场阵列响应向量构建近场码字，每个码字取决于两个采样点分别到RIS单元的距离之和，即等效的采样距离；

③ 将所有对采样点对应的码字拼接在一起生成整个近场码本（值得注意的是，不同对的采样点可能产生同样的等效采样距离，从而生成同样的码字，所以需要在生成的近场码本中删掉多余的重复码字）。

基于上述近场码本，可以依次向超大规模RIS赋近场码字，采用遍历搜索的思路完成近场波束训练过程。然而，由于超大规模RIS信道的近场阵列响应向量是由一对采样点联合确定的，近场码本尺寸通常非常大，遍历搜索会导致巨大的波束训练开销。为降低近场波束训练开销，论文进一步提出基于分层近场码本的近场波束训练方案。该方案的基本思路为：首先构造由多个子码本组成的分层近场码本，每个子码本由不同的采样范围和采样步长决定。然后依次从第一层子码本搜索至最后一层子码本，在最后一层子码本中得到全局最优的码字。

图5展示了遍历近场波束训练与分层近场波束训练的区别。可以看出，在分层近场波束训练中，后一层子码本的采样范围是由前一层子码本搜索到的最优码字和采样步长决定的。相比于遍历近场波束训练所采用的近场码本，分层近场码本的尺寸大大减小，从而可以大幅度降低近场波束训练开销。

图5. 遍历近场波束训练与分层近场波束训练的区别

有益效果

图6给出了不同的波束训练方案在超大规模RIS辅助的近场通信系统中可达速率随信噪比的变化曲线，可以看出，论文所提的近场波束训练方案相比于现有的远场波束训练方案可以取得更优的性能。特别地，相比于遍历近场波束训练，分层近场波束训练可以在降低开销约90%的情况下达到其约95%的性能。

图6. 不同的波束训练方案可达速率随信噪比的变化曲线

论文信息

X. Wei, L. Dai, Y. Zhao, G. Yu and X. Duan, “Codebook design and beam training for extremely large-scale RIS: Far-field or near-field?,” China Commun., vol. 19, no. 6, pp. 193-204, Jun. 2022. (Invited Paper)