陳天貝/CHEN Tianbei，李娜/LI Na，陶小峰/TAO Xiaofeng

（北京郵電大學，中國 北京 100876）

全球范圍內(nèi)已廣泛開啟6G移動通信技術研究的新篇章。國際電信聯(lián)盟（ITU）發(fā)布《IMT面向2030及未來發(fā)展的框架與總體目標建議書》[1]，描述了6G的場景、需求、能力、關鍵技術推動因素等。其中，“可持續(xù)性”作為新增指標，要求未來通信網(wǎng)絡采用高效、低功耗技術，為可持續(xù)發(fā)展目標作貢獻[2-3]。同時，中國在2020年提出“雙碳”戰(zhàn)略目標，近年來穩(wěn)步推進能源產(chǎn)業(yè)的結構調整、其他產(chǎn)業(yè)的低碳轉型等。積極構建綠色低碳的移動通信網(wǎng)絡是重要內(nèi)容之一。

5G移動通信網(wǎng)絡主要采用優(yōu)化硬件架構設計、加快半導體工藝，以及提高硬件集成度的硬件節(jié)能技術與包括符號關斷、通道關斷、小區(qū)關斷等節(jié)能技術[4]，一定程度上支撐了移動通信產(chǎn)業(yè)的綠色低碳需求，但距離實現(xiàn)最終的“雙碳”目標仍有較大差距。根據(jù)華為提供的數(shù)據(jù)顯示，典型的5G基站能耗為11.5 kW[5]，其中，超過75%的能耗來自有源天線單元中的功放、數(shù)字基帶、收發(fā)信板等關鍵器件[6]。為滿足日益增長的通信速率需求，6G網(wǎng)絡將引入更多有源節(jié)點，采用更高通信頻段等。這些措施會帶來更高的能量消耗、硬件開支和維護成本[7]。

6G網(wǎng)絡在能耗問題上將面臨更高的需求和更大的挑戰(zhàn)[8]，亟須突破新的高效組網(wǎng)架構及組網(wǎng)技術。智能反射面（RIS）是一種新型物理維度的無線傳輸技術，具備獨特的低成本、低能耗、可編程、易部署等優(yōu)點，被業(yè)界視為一種綠色的、可持續(xù)的、生態(tài)友好的潛在技術方案，通過對空間電磁波的幅度、相位、極化等特征的按需調控，可以構建智能可編程的無線環(huán)境[9]。目前，RIS協(xié)助的無線通信技術受到全球學界和產(chǎn)業(yè)界的廣泛關注。一方面，現(xiàn)有研究對傳統(tǒng)有源天線的波束賦形和RIS節(jié)點的反射系數(shù)進行聯(lián)合設計，可優(yōu)化提升無線網(wǎng)絡的能量或頻譜效率[10]，增強可靠性或安全性[11]等。另一方面，產(chǎn)業(yè)界已開展RIS原型的研發(fā)與測試，例如：日本DoCoMo公司于2018年完成RIS外場測試，指出在28 GHz頻段可將通信速率提升500 Mbit/s[12]；美國麻省理工學院于2019年搭建2.4 GHz非授權頻段的測試平臺RFocus，表明RIS可將信號強度提升約10倍[13]；清華大學戴凌龍教授團隊于2020年成功研制256單元、2 bit離散相位的RIS原型，在28.5 GHz頻段可實現(xiàn)19.1 dBi的天線增益[14]；中國移動聯(lián)合東南大學于2021年完成室外測試驗證，證明RIS可使邊緣用戶吞吐量提升10倍以上[15]；同年，中興通訊聯(lián)合中國電信完成5G高頻外場的RIS測試驗證，指出在26 GHz頻段可使處于覆蓋盲區(qū)或弱區(qū)的用戶接收信號強度提升12.5 dB[16]。

上述工作從理論和實踐兩個角度證明了RIS優(yōu)化提升網(wǎng)絡性能和用戶體驗的重要價值。然而，東南大學崔鐵軍院士指出，RIS的大規(guī)模陣列將導致龐大的信道規(guī)模，造成巨大的訓練開銷，同時由于受到硬件和功耗的限制，訓練過程中反射單元的切換也將帶來不可避免的時間開銷[17]；歐洲電信標準協(xié)會（ETSI）RIS工業(yè)規(guī)范組的創(chuàng)始成員和學術副主席、IEEE Fellow MARCO D.R.教授指出，絕大多數(shù)關于RIS協(xié)助無線通信的研究僅聚焦于數(shù)據(jù)傳輸階段，忽視了信道狀態(tài)信息獲取、RIS相位信息反饋及配置階段產(chǎn)生的系統(tǒng)開銷，而這些開銷會降低甚至抵消RIS帶來的性能增益[18]；清華大學戴凌龍教授的研究表明，RIS信道狀態(tài)信息獲取的導頻開銷與基站天線數(shù)及RIS單元數(shù)成正比，這在實際大規(guī)模部署或移動場景下將是不可承受的，且會導致實際性能與理論性能出現(xiàn)較大偏差[19]。因此，在考慮上述系統(tǒng)開銷的前提下，RIS是否依然能夠為無線網(wǎng)絡帶來性能增益，以及如何容忍或降低RIS開銷的負面影響，是值得探索的關鍵問題。

1 RIS協(xié)助無線網(wǎng)絡中的開銷模型

相關研究表明[20]，當RIS節(jié)點靠近基站或終端時，可更好地發(fā)揮其賦能無線通信的潛在價值。典型的RIS協(xié)助無線網(wǎng)絡模型如圖1（a）所示。由于多數(shù)RIS設備不具備完善的基帶信號處理能力，需要由基站或終端來完成信道狀態(tài)信息估計、RIS調控參數(shù)設計以及資源分配等復雜計算，之后通過有線[21]或無線[22]的控制鏈路將RIS調控參數(shù)傳遞到RIS控制器，由其完成對RIS單元相位、幅度等參數(shù)的配置，最后，便可基于RIS建立的輔助通信鏈路進行無線數(shù)據(jù)傳輸。典型的傳輸階段示意圖如圖1（b）所示。

圖1 RIS協(xié)助無線網(wǎng)絡模型及傳輸階段示意圖[23]

當RIS單元或調控參數(shù)信息的數(shù)量較大時，相應的信道信息估計、控制信息交互所產(chǎn)生的傳輸開銷不容忽視，將造成顯著的時間、能量等開銷，進而壓縮數(shù)據(jù)通信資源，制約通信系統(tǒng)性能。此外，RIS控制電路的運行也會消耗額外的能量，一定程度上增加移動通信網(wǎng)絡的能耗負擔。下面我們將分別介紹RIS協(xié)助無線網(wǎng)絡中的開銷模型。

1.1 RIS通信開銷模型

正式數(shù)據(jù)通信階段之前需要經(jīng)歷RIS信道信息的提取以及RIS調控參數(shù)的傳遞過程，然而多數(shù)RIS由全無源的反射單元構成，不具備基帶處理能力，需要基站與終端的配合來完成對基站-RIS-終端級聯(lián)信道信息的提取[24]，包括信道信息估計及必要的信道信息反饋。文獻[18,25]以單RIS協(xié)助的點對點無線通信為例，針對兩種不同的導頻發(fā)送模式，即逐一發(fā)送導頻模式和正交導頻傳輸模式，建立了由信道信息估計造成的時間與能耗開銷的數(shù)學模型。兩種傳送模式下，相應的時間與功耗開銷均與RIS反射單元數(shù)N呈線性關系。面對實際中部署的成百上千的反射單元，信道信息估計的開銷無法忽略。

終端側獲得估計的級聯(lián)信道信息后，需要將估計獲得的信道信息反饋給基站，以進行資源優(yōu)化設計[26]。對于時分雙工（TDD）系統(tǒng)而言，上下行信道具有互易性，下行信道信息可直接由上行信道估計獲得，而頻分雙工（FDD）系統(tǒng)則需要借助額外的反饋鏈路，以獲取下行信道信息[27]。盡管已有很多經(jīng)典的信道反饋方法，例如隨機向量量化（RVQ）反饋方案[28]、基于碼本的反饋方案[29]、基于深度學習的反饋方案[30]等。然而，這些針對傳統(tǒng)通信系統(tǒng)的設計并不能直接應用于RIS協(xié)助的通信系統(tǒng)，例如：傳統(tǒng)RVQ碼本尺寸呈2B級指數(shù)增長[31]，其中，B表示每個接收天線單元對應信道的反饋比特數(shù)。為充分實現(xiàn)復用增益所需的反饋比特數(shù)將隨著天線數(shù)的增加而線性增加[28]。面對具有大量反射單元的RIS協(xié)助無線通信，反饋鏈路開銷將更加不可忽視。研究證明[32-33]，與傳統(tǒng)無線網(wǎng)絡相比，RIS協(xié)助無線網(wǎng)絡面臨更為嚴重的信道開銷挑戰(zhàn)。特別地，當RIS用于高速移動場景時，信道環(huán)境的快速變化需要頻繁執(zhí)行信道信息估計，進而造成更加顯著的時間開銷[34]。

緊接著，基于前述獲得的信道信息，基站或終端將進一步計算最佳的RIS單元調控策略，并將相應參數(shù)傳遞給RIS控制器，之后由其完成對RIS單元的相位、幅度等參數(shù)的配置。然而，受到控制鏈路帶寬的約束，RIS調控參數(shù)的傳遞過程會產(chǎn)生必要的時間開銷[35]。同樣以單RIS協(xié)助的點對點無線通信為例，文獻[18,25]建立了無線控制鏈路下RIS調控參數(shù)傳遞導致的時間與功耗開銷的數(shù)學模型，其中，時間開銷受到RIS單元數(shù)、控制鏈路帶寬以及控制鏈路發(fā)送功率的影響。類似地，文獻[36]建立了有線控制鏈路下RIS調控參數(shù)傳遞帶來的時間開銷的數(shù)學模型，該模型受到控制信息總比特數(shù)與控制鏈路數(shù)據(jù)速率的制約。另外，文獻[37]提出采用RIS分組策略下配置的時間開銷模型僅與單個RIS單元的調控時間及RIS分組數(shù)有關。

1.2 RIS電路開銷模型

RIS單元的調控需要通過改變外部施加的偏置電壓來實現(xiàn)，產(chǎn)生的硬件功耗將會影響整個網(wǎng)絡的能量效率（EE）或頻譜效率（SE）。同時由于RIS本身由數(shù)量龐大的反射單元構成，這種影響無法忽視。文獻[35,38-39]建立了單個RIS的理論功耗開銷模型，相應的功耗開銷與RIS單元數(shù)、每個RIS單元的離散相位量化階數(shù)b密切相關。具體地，文獻[35]列舉出3～6 bit離散相位量化階數(shù)下每個RIS單元的理論功耗值為1.5 mW、4.5 mW、6.0 mW、7.8 mW。不難看出，當離散相位量化階數(shù)或RIS單元數(shù)較大時，RIS面板整體的功耗開銷將十分顯著。針對多RIS協(xié)助無線通信場景，RIS功耗將隨著面板數(shù)量的增加而線性增加。除理論模型外，東南大學崔鐵軍院士、唐萬愷副研究員、金石教授等實測驗證了RIS的功耗開銷模型[40-41]，包括靜態(tài)功耗與動態(tài)功耗。其中，靜態(tài)功耗又進一步包括控制面板的功耗和驅動電路的功耗，前者視為常數(shù)，取值為4.8 W，后者受到控制信號總數(shù)、驅動電路的輸出控制信號數(shù)的影響，如圖2所示。典型實測驅動電路功耗值為1 720 mW。動態(tài)功耗與RIS單元的極化方式、離散相位量化階數(shù)以及編碼狀態(tài)有關，35 GHz頻段下每個1 bit相位控制的RIS單元的典型實測功耗值為12.6 mW。

圖2 驅動電路功耗示意圖[40]

2 開銷對RIS協(xié)助無線網(wǎng)絡性能的影響

考慮前述RIS開銷的前提下，RIS是否依然具備賦能無線通信的潛在價值，是需要探討的根本問題之一。已有研究表明，RIS開銷制約下的無線網(wǎng)絡性能將嚴重偏離其可達的理論性能上界，甚至出現(xiàn)零增益或負增益[18]現(xiàn)象。

針對經(jīng)典的RIS協(xié)助點對點多天線無線通信場景，信道估計以及相位信息反饋帶來的時間開銷對系統(tǒng)的EE或SE的影響得以研究[18]，發(fā)現(xiàn)開銷的存在將嚴重降低系統(tǒng)的EE或SE，甚至出現(xiàn)RIS本身的性能增益遠遠無法彌補開銷帶來的性能損失的情況。例如，當RIS單元數(shù)為50時，系統(tǒng)性能比理論上界下降約20%；而當單元數(shù)增加至150時，系統(tǒng)性能將下降約300%。類似地，文獻[42]對導頻/控制開銷與可達速率之間的權衡關系展開研究，發(fā)現(xiàn)為緩解導頻開銷對網(wǎng)絡性能的負面影響，當單元數(shù)較大時需要選擇較低的離散相位量化階數(shù)以減少控制信號的數(shù)量。此外，當開銷達到一定程度時，單元數(shù)的增加反而使得可達速率逐漸下滑，比幾乎不考慮開銷的情形下降近72.4%。

針對RIS協(xié)助多用戶無線通信場景，文獻[37]對相位配置時間開銷與系統(tǒng)吞吐量之間的權衡關系展開研究，發(fā)現(xiàn)對全部RIS單元的反射系數(shù)進行完全重配可以實現(xiàn)較高的瞬時數(shù)據(jù)速率，然而這一舉措勢必會縮短數(shù)據(jù)傳輸?shù)臅r間。例如，當配置的時間占總時間的10%時，系統(tǒng)吞吐量比不考慮配置開銷的情形降低78.6%左右。

針對多RIS協(xié)助無線通信場景，控制鏈路資源對系統(tǒng)遍歷速率的影響得以研究[43]，發(fā)現(xiàn)多RIS協(xié)助用戶通信的方式雖然能顯著提升信號功率，但會帶來極高的同步信令開銷。隨著RIS數(shù)量的增加，不同RIS之間的嚴格同步會帶來更大的信令開銷，進而嚴重擠占控制鏈路資源。例如，相比于控制鏈路容量較大的情形（=150 Mbit/s），系統(tǒng)的遍歷速率將降低17.0%～47.9%。

另外，文獻[35,38]針對RIS自身功耗對系統(tǒng)EE性能的影響展開研究，發(fā)現(xiàn)EE隨RIS單元相位量化階數(shù)的增加而降低。例如，當量化階數(shù)從4 bit增加至6 bit時，EE降低約37.3%。與此同時，該研究還發(fā)現(xiàn)EE與RIS單元數(shù)之間存在權衡關系。當單元數(shù)相對較少時，RIS引入帶來的空間自由度將提升EE；然而當單元數(shù)相對較多時，RIS自身難以承受的功耗將抵消其對EE的性能增益，造成EE的下滑。

3 RIS協(xié)助無線網(wǎng)絡的低開銷方案

如前所述，信道信息的獲取、RIS調控參數(shù)的傳遞和配置均會導致額外開銷，嚴重時將制約通信系統(tǒng)的整體效率。因此，如何降低或容忍這些開銷是需要探討的另一個根本問題。針對此問題，一方面，業(yè)界專家廣泛研究低開銷的信道估計與反饋方法，充分挖掘RIS信道的空間相關性、稀疏性等特性，保障RIS信道估計與反饋階段較低的開銷；另一方面，一些研究綜合考慮RIS的價值和成本，提出例如貪婪的RIS面板開/關控制算法等新算法，可有效提升系統(tǒng)的能量效率。

3.1 低開銷的信道估計方案

RIS的信道估計可以采用傳統(tǒng)思路或方法。例如：為克服RIS本身無法收/發(fā)導頻信號的缺點，部署有源RIS節(jié)點并將輸出連至接收射頻鏈路，以直接實現(xiàn)基帶信道估計[44]；逐個開啟/關閉RIS單元，以實現(xiàn)信道估計的開啟/關閉型信道估計策略[45]，以及基于DFT的最小二乘（LS）估計方法[23]和最小均方誤差（MMSE）估計方法[46]。然而，這些方法中有源RIS節(jié)點的引入以及RIS單元逐個開啟/關閉的操作將為系統(tǒng)帶來更高的功耗、硬件設計復雜度以及信道估計開銷，其根本原因是未考慮RIS信道的特點，例如RIS信道的空間相關性、稀疏性、雙時間尺度特性等。利用這些特點，可設計低開銷的信道估計方案。

利用RIS信道的空間相關性，文獻[47]提出RIS分組策略將RIS劃分為若干組，每組RIS單元共享相同的反射系數(shù)。對此信道估計階段只需開啟/關閉對應分組的RIS單元，使得導頻數(shù)從N+1降至Ngroup+1。當Ngroup分組數(shù)較多時，可以顯著減少開銷。

利用RIS信道的稀疏性，文獻[48-49]將信道估計問題轉化為級聯(lián)稀疏信道的恢復問題，提出正交匹配追蹤（OMP）、高斯混合近似消息傳遞（GAMP）算法，并引入殘差網(wǎng)絡，以降低對應的開銷。另外，文獻[50]提出基于快速交替的LS算法（FALS），只需觀測信道矩陣的特定行/列即可恢復完整信道，相比于OMP算法可有效降低約45%的訓練開銷。

實際網(wǎng)絡部署后，基站與RIS的位置往往就固定不變，基站-RIS之間的信道維數(shù)較高但變化緩慢，具有準靜態(tài)特性；反之，用戶處于移動狀態(tài)，用戶-基站/RIS之間的信道維數(shù)較低但變化較快，具有時變特性。這一性質被稱為RIS信道的雙時間尺度特性[51]?；谶@一性質，文獻[32,52]提出低開銷的分段信道估計方案，針對基站-RIS信道提出雙鏈路導頻傳輸方案?；景l(fā)送下行導頻并接收經(jīng)RIS反射的上行導頻，以此基于坐標下降算法恢復信道。由于基站- RIS信道具有準靜態(tài)特性，長期觀察內(nèi)它的估計頻率相對較低，對此可以將開銷降低至2(N+1)/α++K，其中，α為描述導頻開銷的因子，M表示基站天線數(shù)，K表示用戶數(shù)。

利用不同用戶RIS信道之間的相關性，文獻[52-54]提出三階段的信道估計框架，以有效降低不同用戶級聯(lián)信道之間存在的大量冗余。具體做法是：首先第一/二階段實現(xiàn)典型用戶的級聯(lián)信道估計，接著第三階段利用與典型用戶信道的強相關性實現(xiàn)其他用戶的級聯(lián)信道估計，可以將原本KMN+KM個信道系數(shù)降低至類似地，文獻[55]則提出雙結構正交匹配追蹤算法（DSOMP）來減少導頻開銷。

除此之外，基于深度學習的降低導頻開銷方法也備受矚目。文獻[56]提出時域信道子采樣和雙深度神經(jīng)網(wǎng)絡的方法，神經(jīng)網(wǎng)絡中采用神經(jīng)普微分方程（ODE）描述RIS動態(tài)信道以提高循環(huán)神經(jīng)網(wǎng)絡對時間序列的重建能力，進而降低動態(tài)時變信道的訓練開銷。文獻[57]提出模型驅動的深度展開神經(jīng)網(wǎng)絡框架以降低訓練開銷，使訓練開銷相比于傳統(tǒng)的LS可降低約25%。另外，文獻[58-59]提出基于碼本的信道估計與波束賦形協(xié)同方案。該方案利用位置信息離線生成具備環(huán)境感知能力的反射系數(shù)碼本，根據(jù)需要選擇對應的最佳碼字，可以將信道估計開銷降低至QK，即與RIS單元數(shù)無關，僅與碼本的大小Q和用戶天線數(shù)K有關，進而有助于顯著降低開銷。

3.2 基于統(tǒng)計或混合CSI的低開銷設計研究

對RIS協(xié)助無線網(wǎng)絡性能的分析大多是基于瞬時信道狀態(tài)信息（CSI）。然而，瞬時CSI的準確獲取具有較大挑戰(zhàn)，龐大的RIS單元數(shù)將造成極高的信令交換開銷。與此同時，RIS不同狀態(tài)之間的切換通常比較緩慢，約為幾兆赫茲[60]。這種硬件的不完美將導致導頻傳輸?shù)姆沁B續(xù)性，增加估計的時間開銷。為實現(xiàn)信道估計開銷和網(wǎng)絡性能之間的權衡，相關研究基于統(tǒng)計或混合CSI來設計RIS的相位偏移。

由于統(tǒng)計CSI變化相對較緩，系統(tǒng)有充足的時間來獲取相關信息，無須對其頻繁地更新，因此信令開銷可以大大減少[61]。文獻[62-63]采用長期觀察獲得的統(tǒng)計CSI聯(lián)合設計，發(fā)送波束賦形以及RIS的相位，以最大化遍歷容量或速率。另外，當網(wǎng)絡中存在竊聽者時，由于它往往不會與基站主動交互，因此竊聽信道的完美CSI無法獲得。對此，文獻[64]基于統(tǒng)計CSI聯(lián)合設計以最大化遍歷安全速率。

然而，前述方案中瞬時CSI的缺失可能會降低系統(tǒng)實時性能，對此采用瞬時和統(tǒng)計CSI的混合解決方案可以進一步改善開銷與系統(tǒng)性能之間的權衡問題。文獻[39,65]聯(lián)合設計用戶側的波束賦形和RIS的相位，以最大化RIS協(xié)助上行多用戶多輸入多輸出（MIMO）系統(tǒng)的全局能量效率[39]以及加權EE和SE的總和[65]。另外，由于網(wǎng)絡中竊聽者位置的不確定性，因此難以實時獲取與竊聽者有關的瞬時CSI。對此，文獻[66]基于混合CSI聯(lián)合設計基站與RIS側的波束賦形，最大化遍歷安全速率。

3.3 低開銷的CSI反饋技術研究

傳統(tǒng)信道信息反饋方法包括RVQ反饋方案、基于碼本的反饋方案以及基于深度學習的反饋方案等。然而，這些方法應用于RIS時，會導致量化碼本的大小隨著天線數(shù)呈指數(shù)級增長，帶來嚴重的反饋開銷問題。因此，需要合理利用不同用戶RIS信道的相關性、改進的學習算法、RIS信道定制的能力，來有效降低信道反饋信息的數(shù)量。

由于不同用戶在共享完全一致的基站- RIS稀疏信道的同時，又有著各自獨特的用戶- RIS信道，因此最終級聯(lián)信道矩陣有著數(shù)量有限的非零列向量，并且不同用戶的非零列索引相同。文獻[33]利用該性質挖掘級聯(lián)信道的單結構稀疏性，將下行CSI反饋信息劃分為“用戶特定”的信道信息（對應著非零列向量）以及“用戶無關”的CSI（對應著非零列索引）。前者經(jīng)不同用戶單獨反饋給基站，而后者僅需經(jīng)某特定用戶反饋給基站進而降低下行CSI的開銷。相比于傳統(tǒng)的基于統(tǒng)計的信道反饋方案，后者可以降低約80%的下行CSI反饋開銷。級聯(lián)信道的三重稀疏結構得以進一步挖掘[67]。不同用戶共同的CSI信息包括路徑角度值、偏移值以及幅度比例，這些信息僅需經(jīng)部分用戶反饋給基站，而其余信息可以經(jīng)壓縮后再反饋。相比于單結構稀疏反饋方案[33]，“三重稀疏結構”的CSI方案反饋開銷可進一步降低約56.8%。另外，文獻[31]提出基于壓縮感知的信道反饋方案，采用基于聚類的碼本將下行CSI壓縮為數(shù)量較少的信道向量以減小反饋開銷。

然而，實際中并非所有的信道信息都具備完全稀疏性，采用壓縮感知技術不能很好地提取出信道狀態(tài)信息。對此，文獻[27]提出名為Quan-Transformer的網(wǎng)絡架構以實現(xiàn)CSI壓縮與重構。該方案在有效壓縮CSI的同時還能大幅提升CSI的恢復精度，相比于傳統(tǒng)基于深度學習的信道反饋框架CsiNet能夠提升約3.32%的NMSE性能。類似地，文獻[68]提出基于數(shù)據(jù)驅動的深度學習信道獲取網(wǎng)絡（CAN）。下行導頻傳輸、UE側的CSI反饋以及基站側的CSI重建過程被建模為基于變換的端到端神經(jīng)網(wǎng)絡，從而以較低的導頻與反饋信令開銷獲取下行CSI。

除此之外，文獻[69]聚焦于路徑增益的反饋設計，提出級聯(lián)碼本的方案來量化子信道中的視距路徑和非視距路徑增益。而面對多RIS協(xié)助場景，多RIS的引入將帶來更高的信道維數(shù)、更復雜的傳播環(huán)境，從而造成難以忍受的反饋開銷。文獻[70]基于路徑選擇以及相移器的設計，將豐富的散射環(huán)境定義為稀疏信道，對此僅需反饋主導路徑的信道參數(shù)。相比于原本的反饋開銷可以顯著降低至2Ncustom。其中，NRIS表示RIS的數(shù)目，LT,k和Lk,R分別表示非視距路徑和傳播路徑數(shù)，Ncustom表示信道定制后的路徑數(shù)。

3.4 低開銷的相位配置信息反饋技術研究

RIS相位配置信息傳輸是RIS特有的傳輸開銷。當單元數(shù)量大、相位精度高時，該開銷將變得難以承受。為減小相位配置信息的反饋開銷，文獻[71]提出低秩張量建模的方法，例如PARAllel FACtors（PARAFAC）和Tucker，將優(yōu)化得到的RIS相位配置表示為維數(shù)更小的預定義因子的Kronecker乘積形式。調整對應預定義因子的數(shù)量可以控制反饋的相位配置數(shù)。相比于文獻[18]，該方案可以在保證可觀的SE前提下極大地降低相位配置信息的反饋開銷?；趥鹘y(tǒng)的自編碼，文獻[72]移除批量歸一化（BN）層并引入去噪模塊，提出相移壓縮和去噪網(wǎng)絡（PSCDN）方案，將RIS相位信息隨機映射到特征空間內(nèi)維數(shù)更小的碼字中，從而能夠實現(xiàn)有限帶寬下的高壓縮比反饋。

針對控制鏈路帶寬受限的情形，文獻[36]提出新穎的基于自適應碼本的有限反饋協(xié)議，同時給出兩種自適應碼本的解決方案，分別是隨機領近性（RA）和基于深度神經(jīng)網(wǎng)絡策略的RIS控制（DPIC）。這兩種解決方案僅需要端到端的級聯(lián)信道，無須對用戶位置和入射角進行估計，可顯著減小控制開銷。

雖然前述方案一定程度上降低了相位配置信息的反饋開銷，然而這些方案中RIS的相位配置優(yōu)化依然依賴于CSI。面對快速變化的信道，頻繁的RIS配置帶來的巨大開銷往往難以承受。對此，文獻[73]將RIS相位配置與信道估計分離，當且僅當處于RIS波束覆蓋范圍內(nèi)的用戶服務質量（QoS）無法滿足時才需要重新配置RIS的相位。在這種情況下，RIS相位重新配置的頻率不再取決于信道相干時間，而取決于用戶的移動速度、RIS波束的覆蓋范圍以及用戶的QoS需求，進而有助于進一步減少開銷。

3.5 考慮電路開銷的RIS通信技術研究

兼顧電路開銷的RIS通信技術研究是近年來的研究熱點之一。文獻[25]在兼顧信道估計和相位配置能耗的基礎上，對RIS參數(shù)進行優(yōu)化設計，提出一種針對點對點通信系統(tǒng)的高能效RIS通信方案，可提升系統(tǒng)能效約27.8%。文獻[35]則針對多用戶通信系統(tǒng)，提出基于Dinkelbach算法的功率分配方案，可將系統(tǒng)能效提升約300%?？紤]非完備CSI條件下的上行MIMO通信系統(tǒng)，文獻[39]基于閉合表達式推導最優(yōu)功率分配策略，可實現(xiàn)能效與譜效之間的權衡。此外，文獻[22，38，74]等還分別針對設備對設備（D2D）系統(tǒng)、多播系統(tǒng)、共生無線電系統(tǒng)提出最優(yōu)能效方案。

針對多RIS協(xié)助無線通信網(wǎng)絡，文獻[75]聯(lián)合優(yōu)化基站側的有源波束賦形、RIS側的無源波束賦形以及RIS的相位偏移，以最小化網(wǎng)絡整體的功率消耗，這其中包括RIS節(jié)點自身的電路功耗。研究指出，通過動態(tài)關閉某些RIS面板，可以實現(xiàn)以非常小的性能損失大幅降低功率消耗。文獻[76]則提出一種低復雜度的貪婪搜索算法，通過控制每塊RIS面板的開/關狀態(tài)，以最大化整個系統(tǒng)的能量效率。

當無線信道環(huán)境和RIS可用能量模型不確定時，文獻[77]基于深度強化學習（DRL）優(yōu)化發(fā)送功率分配以及每個RIS單元的工作狀態(tài)，以提升系統(tǒng)整體能效。類似地，文獻[78]采用DRL的方法求解RIS輔助的車輛自組織網(wǎng)絡的能效最大化問題，可實現(xiàn)約87.5%的能效提升。文獻[79]則提出一種基于長短時記憶（LSTM）聯(lián)合資源分配算法，可基于實測數(shù)據(jù)預測最優(yōu)RIS配置參數(shù)，相比傳統(tǒng)的貝葉斯網(wǎng)絡方法可提升約20.1%的系統(tǒng)能效。

新型的同時透射與反射型RIS（STAR-RIS）可以進一步增強覆蓋能力。針對STAR-RIS輔助的多用戶MIMO非正交多址（NOMA）系統(tǒng)，文獻[80]基于Dinkelbach方法、對偶分解理論以及連續(xù)凸逼近（SCA）技術等，聯(lián)合優(yōu)化STAR-RIS的傳輸與反射波束賦形向量以實現(xiàn)最優(yōu)的能效性能。文獻[81]針對邊緣移動計算（MEC）場景，通過聯(lián)合優(yōu)化STAR-RIS反射系數(shù)、功率分配以及卸載數(shù)據(jù)的大小，降低整個系統(tǒng)的總能量消耗。文獻[82]進一步提出一種基于深度確定性策略梯度（DDPG）算法，通過聯(lián)合優(yōu)化基站側的有源波束賦形和STAR-RIS側的反射系數(shù)來最大化系統(tǒng)能效。

4 新研究主題

學術界廣泛關注RIS開銷問題，已針對典型場景下的基礎模型提出多種有效的解決方案。然而，隨著6G研究的推進，許多新的應用場景、技術需求陸續(xù)出現(xiàn)。如何在更加復雜多樣的網(wǎng)絡環(huán)境中有效發(fā)揮RIS的潛在價值，仍需要持續(xù)探索。本文從新場景、新型軟硬件設計、新型組網(wǎng)架構、新技術交叉賦能等方面展開論述。

1）全空間RIS協(xié)助的無線通信

相比于傳統(tǒng)的純反射型半空間RIS，STAR-RIS可實現(xiàn)360°的全空間覆蓋[83]。然而，STAR-RIS的每個單元需同時滿足傳輸和反射需求，且相應傳輸和反射相位緊密耦合、相互制約。這對硬件復雜度、電路運行能耗、信道估計開銷等均提出新的挑戰(zhàn)。針對傳統(tǒng)RIS模型開展的性能分析、低開銷方案設計等結論，將不能很好地應用于STAR-RIS模型，因此需要開展新的技術方案研究。

2）基于統(tǒng)計/混合CSI的聯(lián)合波束賦形

基于統(tǒng)計/混合CSI優(yōu)化設計RIS輔助通信系統(tǒng)的有源波束賦形和無源波束賦，可降低對信道估計及信息反饋的需求。該方法已被證明可實現(xiàn)通信性能增益與系統(tǒng)開銷的折中權衡?，F(xiàn)有研究已針對典型的基礎通信場景提出了高效的聯(lián)合波束賦形方案，而針對多點協(xié)作RIS、多跳RIS、高速移動等復雜場景，如何基于有限的CSI實現(xiàn)有效的聯(lián)合波束設計仍有待探索。

3）低功耗的RIS硬件平臺

實際中具有多種不同的RIS硬件方案，在工作頻率、碼本切換時間、工作電壓、功耗和部署成本等方面存在差異，因此可分別應用于不同的場景。例如，實測數(shù)據(jù)指出[84]，基于RF-MEMS和MOSFET設計的RIS具有較低能耗，但硬件成本較高；基于PIN二極管的RIS具有更低的硬件成本和更短的碼本切換時間，但能耗較大且僅支持110 GHz以下的頻段。隨著電子信息材料科學與工程技術的進步，很多新型RIS方案將被提出。其中，低成本、低功耗、廣適用范圍的RIS硬件設計是潛在方向。

4）低開銷的RIS組網(wǎng)模型

在實際網(wǎng)絡中部署RIS時需綜合考慮用戶分布、傳播環(huán)境、成本控制等諸多因素。一方面，當將相同數(shù)量的RIS單元分別放置在用戶與基站附近時，可實現(xiàn)比集中式部署更好的用戶通信速率[85]；另一方面，障礙物較多、通信頻率較高時，需要多個RIS接力建立通信鏈路[86]。此時，多個RIS站點之間以及RIS與基站之間的相互協(xié)調，會顯著增加同步挑戰(zhàn)和信令開銷。因此，如何權衡RIS協(xié)作組網(wǎng)增益與開銷是極具挑戰(zhàn)的研究課題。

5）AI賦能的RIS通信方法

人工智能（AI）技術已被證明可以有效求解復雜應用中的非線性資源分配問題。因此，AI賦能的RIS通信網(wǎng)絡是備受關注的研究方向。AI模型訓練通常由處理能力較強的基站執(zhí)行，相應的訓練數(shù)據(jù)收集、傳遞等過程會造成額外通信開銷。這可能要求RIS節(jié)點具備一定的信息感知能力，增加其硬件成本。同時，模型訓練過程本身需要耗費龐大的計算時間與能量等[87]。聯(lián)邦學習、遷移學習[88]等技術框架有望為低開銷RIS組網(wǎng)提供新思路。

6）低開銷的RIS近場通信

為補償嚴重的路徑衰落帶來的系統(tǒng)性能損失，預計未來網(wǎng)絡將部署更多的RIS反射單元。然而，由于瑞利距離與天線口徑的平方成正比，隨著RIS面板孔徑的不斷增加，相應的近場通信范圍將不斷擴大，導致越來越多的用戶、散射體處于近場環(huán)境中[89]。對此，近場環(huán)境下的低開銷方案設計面臨新的挑戰(zhàn)。例如，近場環(huán)境下，天線陣列導向矢量與散射體的坐標密切相關，對此原先的低開銷碼本方案將不再適用[90]。更糟糕的是，相比于遠場碼本，近場碼本將包含更多的候選碼字，使得近場的波束賦形設計更為復雜，造成更高的導頻開銷[91]。傳統(tǒng)遠場環(huán)境下的低開銷設計方案不能很好地解決這些問題，亟須開展新的技術方案研究。

7）低開銷的RIS協(xié)助通信感知系統(tǒng)

相比于傳統(tǒng)的通信感知一體化（ISAC）網(wǎng)絡，RIS的引入可以在為處于非視距的感知目標創(chuàng)建虛擬直射鏈路的同時抑制干擾信號，有助于進一步增強感知性能[92]。然而，ISAC系統(tǒng)設計中需要綜合考慮感知和通信的需求，除傳統(tǒng)的通信參數(shù)例如信道信息的估計之外，還需要實現(xiàn)對感知目標的角度、速度、距離等參數(shù)的估計[93]，因此將占據(jù)更多的系統(tǒng)資源，造成額外的資源開銷。除此之外，為滿足未來高精度的感知需求，系統(tǒng)中將引入更多的RIS以提供更高的設計自由度[94]，然而，這些RIS之間的協(xié)同控制機制以及部署方案設計也將帶來額外的資源開銷。

8）低能耗的RIS協(xié)助邊緣計算網(wǎng)絡

與傳統(tǒng)的MEC網(wǎng)絡相比，RIS技術的引入，一方面，有助于改善無線鏈路的質量，提高傳輸速率，另一方面，有助于顯著擴大無線卸載的覆蓋范圍[95]。然而，現(xiàn)有研究大多聚焦于對RIS反射系數(shù)的優(yōu)化來提升卸載效率[96]，忽視了網(wǎng)絡中RIS節(jié)點的部署成本以及反射單元相位配置過程中產(chǎn)生的能耗開銷。相關的研究工作處于起步階段，有待進一步的探索。

5 結束語

RIS是面向6G的創(chuàng)新性高效無線技術，其根本優(yōu)勢在于打破了傳統(tǒng)無線信道的不可控局限，通過構建智能可編程的無線環(huán)境，有效提升無線網(wǎng)絡的覆蓋范圍、通信效率、安全隱私能力等。然而，RIS節(jié)點的引入也會帶來額外開銷。在考慮信道估計、無線控制等開銷的前提下，如何盡量發(fā)揮RIS的無線賦能潛力是根本問題之一。