可重构智能表面辅助近场追踪的性能极限与相位优化研究

针对传统LOS链路受阻导致目标追踪性能下降的问题，研究人员通过可重构智能表面（RIS）构建虚拟LOS链路，建立近场RIS辅助追踪系统模型，推导后验克拉美罗下界（PCRLB）作为性能指标，提出基于半定规划（SDP）和鲁棒交替优化的相位设计方案，显著降低速度估计盲区，为动态目标追踪提供低成本高精度解决方案。

　　

在无线网络和阵列信号处理领域，目标定位与追踪技术是无人驾驶、地图构建等应用的核心。然而，传统基于到达时间（TOA）、到达角（AOA）等方法依赖视距（LOS）链路，一旦受阻则性能骤降。可重构智能表面（RIS）作为一种低成本、可灵活部署的硬件，能通过定向反射信号构建虚拟LOS（VLOS）链路，为解决这一问题带来新思路。但现有研究多聚焦远场场景，近场条件下球形波传播特性更为复杂，动态目标追踪的算法设计挑战更大。

吉林大学的研究团队在《Digital Signal Processing》发表论文，首次系统研究了RIS辅助近场动态目标追踪的性能极限与相位优化问题。通过建立三维RIS辅助近场追踪系统模型，推导后验克拉美罗下界（PCRLB）作为性能评价指标，并基于Fisher信息矩阵（FIM）分析发现：相比传统天线阵列，RIS能显著缩小速度估计盲区范围。针对已知目标与未知目标两种场景，分别采用半定规划松弛和鲁棒交替优化方法求解相位设计问题，最终通过仿真验证了算法的有效性。

关键技术包括：1）构建含RIS的近场球形波信号模型；2）推导动态目标的PCRLB表达式；3）基于FIM分析速度估计盲区特性；4）将非凸优化问题转化为SDP问题求解；5）对未知目标场景采用不确定集鲁棒优化。

系统模型
研究建立包含单天线移动目标、接收天线阵列和RIS的三维追踪场景。RIS由5×4亚波长反射单元构成，通过相位调控生成VLOS链路。近场条件下采用球面波模型，接收信号包含直达路径与RIS反射路径的叠加。

近场追踪误差边界
推导的PCRLB显示，RIS辅助系统能有效降低目标状态估计的均方误差下界。特别地，当目标处于特定方位时，传统阵列无法观测速度信息，而RIS通过VLOS链路可突破这一限制。

RIS相位设计
以最小化PCRLB为目标，对已知目标场景采用SDP松弛求解最优相位；对未知目标场景，将感兴趣区域建模为不确定集，通过鲁棒交替优化获得相位配置方案。

仿真结果
实验参数设定为：RIS参考点坐标[-1m,-0.5m,0.5m]，天线阵列规模10×10，载频3GHz。结果表明，RIS辅助系统在近场条件下可将速度估计误差降低约40%，且相位优化算法收敛速度快于传统方法。

结论
该研究首次量化分析了RIS在近场动态目标追踪中的性能增益，提出的相位设计框架为复杂环境下的高精度追踪提供了新范式。未来可进一步探索RIS单元数、阵列排布与追踪精度的定量关系，推动其在车联网、室内导航等场景的应用。