综述：用于RIS辅助无小区MIMO网络的干扰消除算法

《Physical Communication》：An Interference Cancellation Algorithm for RIS-aided Cell-free MIMO Networks

　　摘要：为了解决在可重构智能表面辅助的无蜂窝多输入多输出网络中复杂的干扰管理问题，本文提出了一种基于干扰对齐的干扰消除算法，该算法能够得到闭式波束成形解。首先，对基于RIS的无蜂窝MIMO网络进行建模，将其与MIMO X信道模型相关联。然后，分别设计发射机波束成形向量和RIS波束成形矩阵，将用户接收到的信号空间分解为期望信号子空间和干扰信号子空间，确保干扰信号子空间被对齐并压缩到同一方向。最后，设计接收端的滤波向量，使其与干扰子空间正交，从而实现完全的干扰消除，并有效检测来自所有基站的期望信号。理论分析和仿真结果表明，所提出的算法无需复杂的迭代计算，其计算复杂度相比基于迭代的RIS辅助干扰消除算法降低了约82%。此外，与传统TDMA正交化方案相比，该算法还能显著提升网络容量，速率性能提升约212.69%。

引言：包括6G在内的下一代无线网络面临的主要挑战是在人口密集且环境动态变化的情况下实现超可靠和高容量的通信。近年来，无蜂窝MIMO网络作为一种有前景的架构受到了广泛关注。其核心思想是让分布式基站通过共享时频资源来协同服务用户，从而提高频谱效率和系统容量[1]。尽管无蜂窝MIMO通过分布式协作传输显著提升了系统容量和覆盖范围，但其性能仍受用户几何分布和信道条件的影响，尤其是在直接链路较弱而干扰较强的情况下。成本低、功耗低的RIS为无线信道操控提供了一种新方法[2]。通过部署大量可编程反射元件，RIS可以动态重构电磁波传播路径，增强期望信号并抑制干扰[3]。最近，堆叠式智能超表面作为一种传统RIS的扩展被提出，通过在未来的6G网络中利用多层级联的可编程超表面，进一步提升电磁波操控能力和通信性能[4]。在RIS辅助的无蜂窝MIMO系统中，通过共同设计RIS和分布式基站，可以进一步优化信道条件，即使在基站天线数量减少的情况下也能实现更高的传输质量和更大的系统容量[5]。通过结合基站的主动波束成形和RIS的被动波束成形，可以在大幅降低硬件成本和能耗的同时实现通信[6]。然而，仍存在若干关键挑战，包括准确获取信道状态信息[7]、较高的信道估计开销[8]、难以优化资源效率并适应动态信道[9]、多用户场景下的资源分配问题[10]、高可靠性通信的物理层安全问题[11]、传统正则化零强迫预编码的高计算复杂度[12]，以及大规模网络中联合主动与被动波束成形的迭代算法效率低下等问题。在RIS辅助的MIMO通信系统中，干扰管理是核心挑战之一。特别是在流量密集和无线环境复杂的条件下，干扰问题更为严重。在无蜂窝MIMO网络中，每个用户会从不同的基站接收到多个独立的数据流，而RIS链路还可能放大不需要的信号，进一步增加了干扰消除的难度。由于本质上的差异，被动RIS和主动RIS在信号增强和干扰抑制方面表现出不同的特性。被动RIS在恒定模值约束下反射信号，会受到双路径损耗衰减的影响。相比之下，主动RIS配备了相移电路和主动反射放大器，不仅能调整反射信号的相位，还能放大信号，从而有效补偿双路径损耗的影响。为了解决RIS辅助MIMO系统中的干扰问题，已经提出了多种方案。石等人基于最小均方误差信道估计开发了一种闭式功率控制方案来减轻干扰[13]。潘等人提出了主动预编码矩阵和相移的联合优化方案，以减少小区间干扰[14]。黄等人引入深度强化学习，自适应优化RIS反射系数和资源分配，从而减轻用户间干扰[15]。在RIS辅助的无蜂窝网络中，张等人提出了一种结合主动和被动预编码的设计框架，旨在减少小区间干扰并最大化加权总速率，他们采用交替优化算法来解决这一问题[16]。李等人共同优化了STAR-RIS的反射和传输系数以及基站预编码矩阵，以增强信号强度并抑制干扰，从而提高频谱效率[17]。干扰对齐是一种在RIS辅助的干扰网络中有效的干扰消除技术[18]。傅等人提出了一种基于分块结构的黎曼追踪算法，用于联合优化RIS和收发器矩阵以实现干扰对齐[19]。李等人研究了在不同信道状态信息获取条件下，UAV-RIS辅助的天地空一体化网络中的干扰对齐、波束成形和时空预编码问题[20]。对于非对角线RIS场景，Santamaria等人提出了一种两阶段设计方案，分别设计RIS散射矩阵和干扰对齐预编码矩阵[21]。马研究了干扰对齐波束成形和非对角线RIS相移的联合优化问题[22]。对于单输入单输出干扰网络，蒋等人分析了基于改进的干扰对齐方案及RIS辅助的被动波束成形的干扰消除性能[23]。Abdollahi等人为RIS辅助系统提出了一种基于网络矩阵的干扰对齐框架[24]。郑等人将发射端零强迫处理和接收端干扰解码与RIS波束成形相结合，以消除干扰[25]。朱等人提出了一种基于多智能体强化学习的联合发射预编码和RIS相移优化方案，用于RIS辅助的无蜂窝MIMO系统[26]。对于RIS辅助的多用户MIMO干扰信道，刘等人提出了一种利用RIS波束成形降低干扰信道矩阵秩的方案，随后再通过基于干扰对齐的预编码来实现干扰消除[27]。此外，还研究了基于SIM的通信系统，通过交替优化框架实现了混合数字域和波域波束成形以及能效更高的传输[28]。总体而言，现有的大多数研究依赖于高复杂度的迭代干扰对齐算法或在线策略更新。这些迭代算法通常采用交替优化来最小化干扰泄漏或最大化信噪比。然而，这类算法可能会陷入局部最优解，且计算复杂度很高，不适合实时应用。相比之下，基于闭式波束成形的干扰消除算法利用矩阵理论直接计算对齐结果，无需迭代过程，从而大大降低了计算复杂度。对于RIS辅助的无蜂窝MIMO系统，如何在低复杂度约束下实现高效的干扰消除仍然是一个具有挑战性的未解问题。因此，本文建立了主动RIS辅助的无蜂窝MIMO通信系统模型，并将其与RIS辅助的MIMO X干扰信道模型相结合。构建了干扰消除问题模型，设计了RIS波束成形和接收端滤波的框架。提出了一种基于干扰对齐的干扰消除算法，该算法可为波束成形提供闭式解。该算法能够将期望信号子空间与干扰信号子空间分开，压缩干扰信号子空间，最终彻底消除干扰。与那些依赖迭代优化的现有RIS辅助干扰消除算法不同，所提出的算法可以直接得出闭式波束成形解，无需交替优化，从而在保持有效干扰抑制能力的同时大幅降低计算复杂度。仿真结果验证了该算法确实能够降低计算复杂度，并显著提升无蜂窝MIMO网络的系统性能。

章节片段：
系统架构：如图1所示，本研究考虑了一种由主动RIS辅助的下行无蜂窝MIMO通信系统，其中T个分布式基站和一个RIS共同为R个用户提供服务。所有的基站和RIS都连接到一个中央处理单元，该单元负责协调信道估计和数据传输。每个基站配备有M个发射天线，每个用户配备有N个接收天线，而RIS则配备了Q个反射元件。在5G所设想的密集通信网络中……

基于干扰消除的闭式波束成形设计框架：本节提出了用于发射波束成形、RIS波束成形以及干扰对齐滤波器的闭式解设计算法，并分别介绍了这三种组件的详细设计流程。

仿真结果：本节通过仿真结果来验证所提出的基于闭式波束成形的干扰消除算法的有效性，并从系统总速率、可实现速率以及计算复杂度等方面，将其性能与不同的基准方案进行比较。在现有的移动通信系统中，基于正交化的方案和迭代优化方案是被广泛采用的干扰管理策略。由于它们本身的特点……

结论：本文研究了RIS辅助的无蜂窝MIMO网络中严重的干扰问题，并提出了一种受干扰对齐概念启发的、基于闭式波束成形的干扰消除算法。通过联合优化发射波束成形、RIS波束成形和接收端滤波，该方案利用RIS实现了干扰子空间与期望信号子空间之间的正交分离，同时进一步压缩了干扰子空间。

CRediT作者贡献声明：刘伟华：写作——审稿与编辑、写作——初稿、可视化、研究、形式分析、数据整理、概念构思。王 Luxin：写作——审稿与编辑、写作——初稿、可视化、方法论、研究、形式分析、数据整理、概念构思。李天鹏：写作——审稿与编辑、方法论、研究。张哲：写作——审稿与编辑、可视化、研究。张媛媛：写作——审稿与编辑。刘伟华|王 Luxin|李天鹏|张哲|张媛媛