智能反射面(Intelligent reflecting surface, IRS)的硬件实现基于“超表面”概念,它由二维数字可控的超材料制成。超表面是一个平面阵列,由大量的亚波长电厚单元组成。通过适当设计几何形状、大小/尺寸、方向、排列等元素,IRS反射单元的反射幅度和相移可以相应地进行修改。在无线通信应用中,每个元素的反射系数通过场效应晶体管等电子器件可以调节,以适应用户移动引起的动态无线信道,具有实时可重构性[1]。图1 IRS硬件结构
如图1所示,IRS的典型架构由三层板和一个智能控制器组成。在外层,大量金属元素被印刷在介电基板上,以直接与入射信号相互作用。在这一层后面,使用铜板来避免信号能量泄漏。最后,内层是一个控制电路板,负责调整每个元件的反射幅度/相移,由连接到IRS的智能控制器触发。图2 未来无线网络中IRS的应用与部署场景
在图2设想了未来无线网络中的各种IRS应用/部署场景[2],如智能城市、智能办公室、智能工业和偏远地区。在智慧城市中,IRS可以涂在建筑立面、灯柱、广告牌上,甚至可以涂在高速行驶的车辆上,以支持无处不在的连接需求和设备、人员、传感器的超高数据速率。在智能办公室和智能工厂等室内环境中,IRS可以安装在天花板、墙壁、家具/平台上,甚至在绘画/装饰后面,以增强URLLC和覆盖范围,并支持各种垂直和工业应用。另一方面,对于沙漠、山区、农村地区和海洋等偏远地区,由于部署地面基站存在实际困难及成本高,目前地面网络通信覆盖受限,在很大程度上仍然不可用。鉴于这一局限性,非地面通信,如卫星通信和无人机通信,已成为一种很有前途的解决方案,以辅助/补充地面通信,旨在提供全球覆盖,以支持无处不在的无缝通信。在这种情况下,IRS可以灵活地安装在汽车、露营帐篷、屋顶、船舶、无人机上,甚至安装在卫星太阳能电池板的背面,以经济高效的方式支持高机动性通信、远距离传输和大规模连接。简而言之,IRS是一项颠覆性技术,可以应用于广泛的场景。由于无线网络环境越来越复杂,传统的物理层安全增强技术难以保证保密系统的安全性。例如,当窃听者与合法用户的地理位置相近时,两者的信道相关性较强,此时在基站端进行多天线波束成形将信号指向合法用户,显然也会使窃听者与接收到更多的信号,无线系统的保密性难以得到保证。此时,将IRS引入无线系统中,通过对IRS进行联合配置,可减弱反射到窃听者的信号并增强反射到合法用户的信号,从而辅助增强系统保密性[3]。IRS为物理层安全提供了可编程的无线环境。通过调整反射系数,IRS可以改变入射电磁波的衰减和反射方向,使其能够按照期望的方式传播到目标接收机,也可以作为中继增加额外的链路。Chen等人[4]和Cui等人[5]在2019年首次使用IRS增强物理层安全。考虑到合法信道响应与窃听信道高度相关的情况,Chen等人[4]探讨了利用IRS来创建可编程无线环境的可能性,利用IRS提供额外的通信链路来增加合法接收者的信噪比,同时抑制窃听者的信噪比。通过联合优化BS的波束形成器和IRS的反射相移,最大化系统最小保密速率,并用仿真验证了IRS的优势。Cui等人[5]针对窃听信道比合法信道更强大且它们在空间上高度相关的挑战性场景,通过联合优化接入点的发射波束形成和IRS的反射波束形成来最大化合法通信链路的保密速率。该设计相比没有使用IRS的情况显著提高了系统保密率。目前IRS可以辅助或实现空间调制[6]、非视距安全通信[7]、隐蔽通信和反窃听来保障保密通信。IRS在对抗应用中也是一项有吸引力的技术。恶意行为者可以部署IRS或劫持现有IRS,以轻松触发撞击信号攻击无线通信链路。最近的大量研究提出了基于IRS的各种攻击,包括创建破坏性多路径[8],协助主动干扰者或窃听者[9]。然而,利用IRS攻击合法系统的潜在更有效的方法取决于利用无线系统设计中的漏洞。例如,主动IRS架构可以产生放大的破坏性毫米波波束形成[10],或者改变数据传输与控制符号之间的IRS反射系数,从而大大降低符号错误率[11]。同样,通过在信道估计过程中引入恶意反射,恶意IRS可以降低信道均衡的有效性,降低物理层密钥生成率[12],或者破坏波束形成矢量[13]。IRS最初是由Ertugrul Basar引入调制的,用于产生调制信号,其中IRS类似于接入点,通过调整每个反射单元处反射载波的相位来产生特定的调制信号。目前出现了多种新型调制技术,可以充分利用IRS,在被动波束赋形的同时额外传输信息,实现传输速率的提升。目前基于IRS的调制主要有索引调制、反射调制以及叠加相位调制。索引调制利用IRS实现对信号的智能调控,更好地利用天线、散射体、波束等的索引额外调制信息。空间调制是空间域中的代表性索引调制技术,空间调制的索引资源是天线索引。索引调制其优势在于原有的空间调制等成果丰富,可直接拓展至IRS辅助场景,然而其传输速率提升有限,无法获得更高速率。 反射调制在被动波束赋形的同时,利于IRS反射样式的选择来传递额外信息。反射调制是理论最优的信息传输方式,可实现最高的传输速率,有最高的信道容量。可将基站与IRS信息联合编码提升性能,也可用于IRS单独传输信息,无需额外射频链,适用于物联网等场景。但现有成果较少,距离理论最优尚有较大距离,且无法实现利用IRS相位的高阶调制,导致速率提升有限,未充分展现反射调制潜力,与索引方案相比有较大差距,缺乏对离散相移等实际场景的适用性。叠加相位调制在实际配置的IRS相移上,额外引入相位“噪声”,使得原始相位产生偏移,用以调制额外信息,是一种利用IRS进行额外信息传输的反射调制新范式,是利用IRS相位进行信息调制的广泛框架。叠加相位调制可显著提升传输速率,适用于离散相移等实际系统,相比索引调制方案具有较低的复杂度。安全调制技术是物理层安全技术的关键技术之一,可以保障保密通信安全进行。基于IRS的新型调制技术在传输速率以及误码率等方面具有优势,同时也是潜在的保密安全技术,结合物理层安全进行探讨是值得未来研究的方向。图3 基于IRS对环境实现感知
智能反射面可以用来增强环境散射,辅助实现环境感知。如图3,Tong等人[14]在室内场景中部署一个毫米波多天线AP和多个单天线用户设备,同时AP附近部署了一个IRS来辅助用户的通信,且场景中存在一些目标对象(作为散射器),在可靠获取通信数据的同时完成环境感知,即感知环境中散射体的分布位置和散射率,同时获取所有用户的通信数据。以上工作带给我们在保密安全方面的启发,思考IRS在保密安全方面,可以进一步起到什么作用。由于IRS的优势在于无额外射频链路以及额外发射源,因此以上工作作为一种环境感知手段具有极强的隐蔽性,可以隐蔽地完成环境侦察,在保密通信方面大有可为。未来是智能的时代,如何将保密通信安全与智能结合在一起,将是业内探讨的重点方向之一。IRS可以辅助无线AI并完成简单运算。早在2014年,Science便发表了相关研究,表示信号传输可以通过AI信息超材料完成计算[15],例如一阶差分、二阶差分、积分运算、卷积运算等。图4展示了信号传输通过AI信息超材料完成计算。图4 AI信息超材料完成计算
这个概念依赖于经过适当设计的超材料结构,以便在撞击波信号通过它们传播时对其横向轮廓执行选择的数学运算(例如,空间微分、积分或卷积)。2021年,Zangeneh-Nejad等人基于IRS使用格林函数方法实现模拟计算,只需从实数空间选择和林函数的算子即可,而无需从空间域到谱域来回变换。以上是与计算相关的一些研究,提到AI离不开神经网络。Garcia等人[16]搭建了基于IRS的空中神经网络,设计并实现了首个使用空中计算的卷积。空中神经网络利用波反射的物理特性来表示模拟域中的数字卷积,形成卷积神经网络架构的重要组成部分。空中神经网络通过IRS主动产生信号反射来模拟特定的FIR滤波器。空中神经网络包括两个步骤:首先,从一组有限的通道脉冲响应中提取卷积神经网络中神经元的权重,这些通道脉冲响应对应于可实现的FIR滤波器。其次,每个通道脉冲响应都是通过IRS设计的,反射信号在接收器处组合以确定卷积的输出。IRS具有灵活调控电磁波的能力和低成本、低能耗、低重量的特点,将为B5G/6G无线保密通信开辟崭新道路。IRS的发展为通信与保密安全带来了新的自由度,在未来智慧城市部署以及空天地一体化通信建设至关重要。IRS由于其独特的结构与可以编程环境的能力,可以增强保密通信安全,其在新型调制、通信感知一体化与无线AI计算中的应用具有潜在的保密安全发展前景。[1] Wu, S. Zhang, B. Zheng, C. You, and R. Zhang, “Intelligent reflecting surface aided wireless communications: A tutorial,” IEEE Trans. Commun., vol. 69, no. 5, pp. 3313–3351, May 2021.
[2] B. Zheng, C. You, W. Mei and R. Zhang, "A Survey on Channel Estimation and Practical Passive Beamforming Design for Intelligent Reflecting Surface Aided Wireless Communications," in IEEE Communications Surveys & Tutorials, vol. 24, no. 2, pp. 1035-1071, Secondquarter 2022, doi: 10.1109/COMST.2022.3155305.
[3] 卢汉成,王亚正,赵丹,等.智能反射表面辅助的无线通信系统的物理层安全综述[J].通信学报,2022,43(02):171-184.
[4] Chen J, Liang Y C, Pei Y, et al. Intelligent reflecting surface: A programmable wireless environment for physical layer security [J]. IEEE Access, 2019, 7: 82599-82612.
[5] Cui M, Zhang G, Zhang R. Secure wireless communication via intelligent reflecting surface [J]. IEEE Wireless Communications Letters, 2019, 8(5): 1410-1414.
[6] 尚萍萍, 谢忠会, 黄敏, et al. 智能反射面辅助广义空间调制的安全传输方案研究 [J]. 激光杂志, 2023: 1-7.
[7] 高建邦, 高国旺. 一种智能超表面辅助的非视距安全通信方法 [J]. 西安电子科技大学学报, 2023, 50(02): 64-70.
[8] B. Lyu, D. T. Hoang, S. Gong, D. Niyato, and D. I. Kim, “IRS-based wireless jamming attacks: When jammers can attack without power,” IEEE Wireless Commun. Lett., vol. 9, no. 10, pp. 1663–1667, Oct. 2020.
[9] H. Chen and Y. Ghasempour, “Malicious mmWave reconfifigurable surface: Eavesdropping through harmonic steering,” in Proc. 23rd Int. Workshop Mobile Comput. Syst. Appl., 2022, pp. 54–60.
[10] Z. Lin et al., “Pain without gain: Destructive beamforming from a malicious RIS perspective in IoT networks,” IEEE Internet Things J., early access, Sep. 18, 2023, doi: 10.1109/JIOT.2023.3316830.
[11] H. Alakoca et al., “Metasurface manipulation attacks: Potential security threats of RIS-aided 6G communications,” IEEE Commun. Mag., vol. 61, no. 1, pp. 24–30, Jan. 2023.
[12] G. Li et al., “Reconfifigurable intelligent surface for physical layer key generation: Constructive or destructive?” IEEE Wireless Commun., vol. 29, no. 4, pp. 146–153, Aug. 2022.
[13] J. Yang, X. Ji, F. Wang, K. Huang, and L. Guo, “A novel pilot spoofifing scheme via intelligent reflflecting surface based on statistical CSI,” IEEE Trans. Veh. Technol., vol. 70, no. 12, pp. 12847–12857, Dec. 2021.
[14] X. Tong, Z. Zhang, J. Wang, C. Huang and M. Debbah, "Joint Multi-User Communication and Sensing Exploiting Both Signal and Environment Sparsity," in IEEE Journal of Selected Topics in Signal Processing, vol. 15, no. 6, pp. 1409-1422, Nov. 2021, doi: 10.1109/JSTSP.2021.3111432.
[15] Silva, Alexandre, et al. “Performing mathematical operations with metamaterials.” Science 343.6167,160-163, 2014.
[16] S. Garcia Sanchez et al., "AirNN: Over-the-Air Computation for Neural Networks via Reconfigurable Intelligent Surfaces," in IEEE/ACM Transactions on Networking, vol. 31, no. 6, pp. 2470-2482, Dec. 2023, doi: 10.1109/TNET.2022.3225883.
还没有评论,来说两句吧...