MATLAB 2024a

1、算法描述

基于MATLAB2024a的RIS辅助无线通信系统联合波束成形与相移控制研究

摘要

随着无线业务对覆盖深度、频谱效率与复杂场景适应能力的要求不断提高，传统依赖基站功率提升、天线增益扩展或中继转发的优化方式，逐渐暴露出能耗上升、部署成本增加以及对遮挡环境适应性不足等问题。可重构智能表面作为一种能够对电磁传播环境进行可编程调控的新型技术，为无线系统从“适应信道”向“塑造信道”演进提供了新的实现路径。本文围绕RIS辅助无线通信系统，建立了包含多天线发射端、RIS反射阵列和单用户接收端的仿真模型，在此基础上研究联合波束成形与相移控制问题。针对系统中发射端主动波束成形与RIS被动相移控制相互耦合、优化变量非凸且维度较高的特点，本文采用交替优化思想，将发射波束更新与RIS相位更新分步求解，并从可达速率、误码率、RIS单元数影响、覆盖改善以及抗遮挡能力等方面开展仿真分析。结果表明，RIS的引入能够显著提升等效信道增益，随机相移RIS相较无RIS场景已有一定改善，而联合优化RIS在系统容量、误码性能与覆盖连续性方面表现最优。随着RIS单元数增加，系统可达速率持续提升，且所采用的联合优化方法能够在较少迭代次数内实现稳定收敛。本文研究说明，RIS辅助联合波束成形与相移控制不仅能够改善链路质量，还对复杂遮挡环境下的通信鲁棒性提升具有明确价值。

关键词： 可重构智能表面；联合波束成形；相移控制；可达速率；覆盖增强；抗遮挡通信

1 绪论

可重构智能表面近年来成为无线通信领域的重要研究方向，其核心思想在于通过大量低功耗反射单元对入射电磁波的相位，乃至幅度、极化和传播方向进行可编程调控，从而改变传统通信系统中“信道不可控”的基本假设。相关研究指出，RIS能够在不引入完整射频链路的条件下，通过对传播路径进行重构来提升链路质量、扩展覆盖范围并改善频谱与能量利用效率，这使其在面向未来无线网络的低功耗覆盖增强场景中具有突出潜力。

在RIS辅助系统中，真正决定性能上限的并非仅仅是“是否部署RIS”，而是如何同时优化发射端的主动预编码与RIS端的被动反射控制。Wu和Zhang较早系统研究了RIS辅助多用户MISO系统中的主动与被动联合波束成形问题，并表明发射波束与反射相移的协同设计是获取显著性能增益的关键。随后，围绕加权和速率、能效优化、离散相位约束、统计CSI、两时间尺度设计及实际硬件响应约束等问题，RIS联合优化研究逐步形成较为完整的方法体系。

从工程视角看，RIS的价值主要体现在三个方面。其一，在视距链路较弱或受遮挡时，RIS可以构建附加反射路径，提高接收端有效信号强度。其二，通过对反射波前进行协同控制，RIS可以与基站波束联合形成更高质量的等效空间聚焦，从而提升频谱效率。其三，在复杂传播环境中，RIS能够改善局部区域的覆盖连续性，降低对单一路径的依赖，提高系统对遮挡和环境变化的适应能力。与此相对应，RIS系统设计也面临显著挑战，包括反射相位与发射预编码的强耦合、优化问题高度非凸、信道状态信息获取困难以及实际器件中相位与幅度往往并非理想独立等。

基于上述背景，本文针对“RIS辅助无线通信系统的联合波束成形与相移控制”开展系统建模与仿真研究。研究重点不在于抽象推导单一公式，而在于建立能够反映覆盖改善、容量提升与抗遮挡增益的完整仿真链路，通过统一场景下的多组对比，分析无RIS、随机相移RIS和联合优化RIS三种方案之间的差异，进而验证联合优化方法在典型无线场景中的有效性与适用边界。

2 系统模型与问题描述

本文考虑由多天线发射端、RIS阵列以及单天线接收用户构成的下行辅助通信系统。发射端负责发送调制信号并实施主动波束成形，RIS由若干反射单元构成，每个单元通过设定反射系数调节入射信号的相位，接收端则接收直达链路与RIS反射链路叠加后的等效信号。该模型本质上属于RIS辅助MISO系统的典型结构，也是现有联合优化研究中最常见且最具代表性的建模框架。

在该系统中，接收端的信号质量由三部分共同决定，即发射端到用户的直达通道、发射端到RIS的级联通道以及RIS到用户的反射通道。RIS通过调节各反射单元的相位，使各路径在接收端尽可能实现同相叠加，从而放大有效信号成分。若RIS相位配置不合理，则各反射分量可能部分抵消，增益明显下降，因此RIS的相移设计不是简单附加操作，而是与发射端波束指向共同构成系统性能的核心决定因素。

从优化角度看，本文关注的目标主要包括可达速率最大化、误码率降低与覆盖性能改善。由于发射波束向量与RIS相移向量彼此耦合，且RIS单元数增加后变量维度迅速增大，原始问题通常呈现明显的非凸特征，难以一步获得全局最优解。因此，采用结构清晰、实现稳定、复杂度可控的分步迭代方法，是RIS联合优化中较为务实且有效的技术路线。加权和速率最大化、低复杂度分式规划以及两时间尺度优化等代表性工作都说明了这一点。

3 联合波束成形与相移控制方法

针对发射端主动波束成形与RIS被动相移控制相互耦合的问题，本文采用交替优化思想。其基本思路是：在固定RIS相移的条件下，先根据当前等效信道更新发射波束；随后在固定发射波束的条件下，再对RIS各单元相位进行更新，使经RIS反射后的信号在接收端尽可能形成相干叠加。通过这种方式，原本难以直接求解的耦合优化问题被拆解为两个相对更易处理的子问题，进而通过多轮迭代逐步提升目标函数值。此类方法在RIS联合优化研究中被广泛采用，并在和速率、最小功率及最小误码等目标下展现出较好的收敛与复杂度平衡。

本文在发射端采用基于当前等效信道的波束更新策略，使发射功率沿有利传播方向集中；在RIS端，则以接收端信号相位对齐为基本思想，对各反射单元的相移进行重构。与无RIS场景相比，该方法的核心不是单纯提升发射端输出，而是通过“发射端聚焦+传播环境重塑”的协同方式提高接收端有效信号强度。与随机相移RIS相比，联合优化方案能够将随机反射转化为有目标的相干叠加，因此在容量与误码表现上应明显优于随机基线。

需要指出的是，理想连续相移虽然有助于分析性能上限，但实际RIS器件往往受离散相位、相位相关幅度变化以及硬件非理想特性的影响。Di等人的研究表明，有限比特离散相移下仍可获得较好的速率性能，但硬件约束会影响最优解形态；Abeywickrama等人进一步指出，实际反射单元的幅度与相位往往并非完全独立，基于理想全反射模型得到的结果在工程上可能偏乐观。因此，RIS相移控制研究既需要关注算法性能，也应重视模型与器件约束的一致性。

此外，CSI获取是RIS系统落地中的关键难点。由于RIS本身通常不具备完整的主动射频处理能力，如何在训练开销、估计精度与控制复杂度之间取得平衡，直接影响联合波束成形算法的可实施性。Nadeem等人的工作表明，在不完美CSI条件下，可通过MMSE思想改善级联信道估计质量，并进一步支撑预编码与反射联合设计；两时间尺度优化方法则尝试利用慢变统计信息和快变瞬时信息的分层结构，降低CSI更新频率与控制负担。

4 仿真设计与性能评价指标

本文采用MATLAB平台构建RIS辅助无线通信仿真系统，通过统一的信道生成、发射波束设计、RIS相移配置、QPSK调制与接收性能统计流程，对不同方案进行公平比较。为保证结论具有完整性，本文从可达速率、误码率、RIS单元数影响、算法收敛行为、区域覆盖热力分布以及直达链路保留系数变化下的抗遮挡性能等多个角度展开分析。这样的指标体系能够同时反映RIS在链路级与区域级两个层面的作用，也符合现有RIS研究从单点性能走向空间覆盖与部署增益评估的发展趋势。

在方案设置方面，本文选取无RIS、随机相移RIS与联合优化RIS三类场景作为对照。无RIS场景代表传统系统仅依赖直达链路与发射端波束控制的能力上限；随机相移RIS场景用于刻画“部署了RIS但未进行有效协同控制”的基准状态；联合优化RIS场景则体现本文方法的核心性能。通过三者对比，可以较清晰地分离RIS硬件本身带来的增益与联合设计策略额外贡献的增益。

5 仿真结果分析

从可达速率曲线来看，三种方案均随着发射信噪比增加而提升，但性能排序始终保持为联合优化RIS优于随机相移RIS，随机相移RIS优于无RIS。这表明RIS的部署本身能够为系统提供附加反射增益，而通过发射波束与RIS相移的协同设计，又可以将这种增益进一步转化为更稳定、更显著的速率优势。尤其在中高信噪比区间，联合优化方案的增长幅度更为明显，说明当系统具备一定发射资源时，RIS对空间聚焦能力的增强能够被更充分地释放出来。

从误码率曲线来看，联合优化RIS在整个信噪比区间内表现最优，且随着信噪比升高，BER下降速度明显快于其余两种方案；随机相移RIS位于中间水平；无RIS场景误码率最高。该现象说明RIS不仅能够提升平均信号强度，还能通过改善等效信道相干叠加效果来增强判决可靠性。对通信系统而言，容量提升与误码率降低往往需要统一地由“信号增强—干扰抑制—相位对齐”机制来支撑，而RIS联合优化恰好在这三方面形成了协同作用。

从RIS单元数影响的结果来看，随着反射单元数量增加，联合优化RIS的可达速率持续上升，随机相移RIS也有一定增益，而无RIS曲线基本保持不变。这一结果符合RIS系统的基本规律，即更大的表面规模意味着更强的空间汇聚能力和更高的阵列增益潜力。不过，单元数增加并不意味着性能可以无限线性提升，因为系统最终仍受到发射功率、几何布局、路径损耗和相位精度等因素制约。因此，RIS规模设计应在性能提升、控制复杂度与硬件成本之间取得平衡。

从收敛曲线可以看出，本文采用的交替优化方法在前几次迭代中提升较快，随后逐步趋于稳定，并在较少迭代次数内完成收敛。这说明所构建的联合优化流程具有较好的数值稳定性，能够满足仿真研究与工程预研阶段对算法可实现性的要求。对RIS辅助系统而言，收敛速度不仅关系到离线求解效率，也关系到未来在准静态环境中进行实时或半实时配置的可能性。

从覆盖热力图结果来看，联合优化RIS场景相较无RIS场景在目标区域内形成了更高、更连续的可达速率分布，尤其在遮挡区域后方或边缘区域，覆盖改善更为明显。这说明RIS的价值并不仅体现在单用户点对点增益上，更体现在对局部空间传播结构的重塑能力上。对于传统基站难以直接照射或受建筑遮挡影响较大的区域，RIS能够通过定向反射建立补偿路径，从而提升区域服务连续性和覆盖均匀性。

在抗遮挡性能对比中，随着直达链路保留系数提高，三种方案的可达速率均有所改善，但联合优化RIS始终保持最优，且在直达链路较弱时仍具有较强的性能保持能力。这表明RIS对于遮挡环境的改善并不是依赖“直达链路本身较好”这一前提，而是在弱直达甚至近遮挡场景下依然能够提供有效支撑。换言之，RIS不仅能锦上添花，更能在复杂传播环境中承担重要的补链作用。

6 工程意义与进一步思考

本文研究结果表明，RIS辅助联合波束成形与相移控制对于提升覆盖、容量和抗遮挡能力具有直接意义。在室内盲区补覆盖、街区峡谷传播、毫米波链路补偿、低能耗热点增强以及复杂场景下的柔性重构通信中，RIS都具备较强的应用潜力。与传统有源中继相比，RIS在功耗、体积与部署灵活性方面具有明显吸引力，但其优势能否充分发挥，仍取决于信道获取、相位控制精度、部署位置和算法复杂度之间的系统协同。

同时也应看到，本文研究以仿真建模为主，尚未进一步纳入更加复杂的硬件失配、多用户调度耦合、宽带频率选择性信道、移动场景时变更新以及多RIS协同反射等因素。现有文献已经表明，两时间尺度优化、统计CSI设计、实用相移模型和多反射路由等方向正在持续推进，这也说明RIS从理论可行到工程成熟仍需经过模型深化与系统验证。

7 结论

本文围绕RIS辅助无线通信系统的联合波束成形与相移控制问题，完成了系统建模、算法设计与多维度仿真分析。研究表明，RIS的核心价值不只是增加一条反射路径，而是在发射端预编码与RIS相移协同设计下，将原本难以利用的传播环境转化为可调控的系统资源。仿真结果显示，联合优化RIS在可达速率、误码性能、区域覆盖与抗遮挡能力方面均优于随机相移RIS和无RIS方案，并且所采用的交替优化方法具有良好的收敛性和实现可行性。总体来看，RIS辅助联合波束成形与相移控制为未来无线网络在复杂环境下实现低成本、高灵活度的覆盖增强提供了有价值的技术路径。

参考文献

[1] Wu Q, Zhang R. Intelligent Reflecting Surface Enhanced Wireless Network via Joint Active and Passive Beamforming[J]. IEEE Transactions on Wireless Communications, 2019, 18(11): 5394-5409.

[2] Huang C, Zappone A, Alexandropoulos G C, Debbah M, Yuen C. Reconfigurable Intelligent Surfaces for Energy Efficiency in Wireless Communication[J]. IEEE Transactions on Wireless Communications, 2019, 18(8): 4157-4170.

[3] Basar E, Di Renzo M, De Rosny J, Debbah M, Alouini M S, Zhang R. Wireless Communications Through Reconfigurable Intelligent Surfaces[J]. IEEE Access, 2019, 7: 116753-116773.

[4] Di Renzo M, Zappone A, Debbah M, Alouini M S, Yuen C, de Rosny J, Tretyakov S. Smart Radio Environments Empowered by Reconfigurable Intelligent Surfaces: How It Works, State of Research, and The Road Ahead[J]. IEEE Journal on Selected Areas in Communications, 2020, 38(11): 2450-2525.

[5] ElMossallamy M A, Zhang H, Song L, Seddik K G, Han Z, Li G Y. Reconfigurable Intelligent Surfaces for Wireless Communications: Principles, Challenges, and Opportunities[J]. IEEE Transactions on Cognitive Communications and Networking, 2020, 6(3): 990-1002.

[6] Guo H, Liang Y C, Chen J, Larsson E G. Weighted Sum-Rate Maximization for Reconfigurable Intelligent Surface Aided Wireless Networks[J]. IEEE Transactions on Wireless Communications, 2020, 19(5): 3064-3076.

[7] Di B, Zhang H, Song L, Li Y, Han Z, Poor H V. Hybrid Beamforming for Reconfigurable Intelligent Surface Based Multi-User Communications: Achievable Rates with Limited Discrete Phase Shifts[J]. IEEE Journal on Selected Areas in Communications, 2020, 38(8): 1809-1822.

[8] Nadeem Q U A, Alwazani H, Kammoun A, Chaaban A, Debbah M, Alouini M S. Intelligent Reflecting Surface-Assisted Multi-User MISO Communication: Channel Estimation and Beamforming Design[J]. IEEE Open Journal of the Communications Society, 2020, 1: 661-680.

[9] Ma X, Guo S, Zhang H, Fang Y, Yuan D. Joint Beamforming and Reflecting Design in Reconfigurable Intelligent Surface-Aided Multi-User Communication Systems[J]. IEEE Transactions on Wireless Communications, 2021, 20(5): 3269-3283.

[10] Abeywickrama S, Zhang R, Wu Q, Yuen C. Intelligent Reflecting Surface: Practical Phase Shift Model and Beamforming Optimization[J]. IEEE Transactions on Communications, 2020, 68(9): 5849-5863.

2、仿真结果演示