A Survey on Integrated Sensing and Communication with Intelligent Metasurfaces: Trends, Challenges,-优快云博客

本文链接：https://blog.youkuaiyun.com/qq_46243318/article/details/140431347

平方律：在远场区域，RIS 从发射器接收到的功率与其表面积成正比。因此，具有大量RIS元件N导致更大的表面积，并且因此导致更高的接收功率。然后，RIS 在调整相位后反射信号，从而产生与 N 成比例的额外阵列增益 [39]。这两种效应结合起来建立了所谓的平方律，即在单用户场景中，接收到的 SNR 与 N 的平方成正比，其中 N 是 RIS 元件的数量 [40]。例如，将 RIS 元件的数量加倍可导致 6 dB 的功率增益

双路径损耗定律：在远场区域，用户通过 RIS 通道接收的功率与从发射器到 RIS 的路径损耗和从 RIS 到接收器的路径损耗的乘积成反比。用户[36]。因此，在高频中长距离通信中，反射路径仍然明显弱于直接路径。在这种情况下，虽然反射路径可能不会显着提高系统性能，但当 LoS 链路被遮挡时，它仍然很有价值

感知任务及其最常见的性能指标。

1.Parameter estimation:

2.State detection:

3.Object/event recognition:

感知的第三个任务是识别，涉及从接收到的回波信号中获取有关感知目标的有用信息。

目标间干扰缓解：在涉及多个目标的场景中，来自不同目标的回波信号在返回雷达的途中可能会发生碰撞，导致接收雷达无法区分回波。为了解决这个问题，RIS可以配置为通过使用独特的角度区分每个目标来减轻目标间干扰[18]、[93]。此外，RIS 还可以配置为通过为不同目标生成不同的无线电地图来区分多个接收到的信号 [94]。

【93】Intelligent reflecting surface enabled multi-target sensing,

【94】Wireless fingerprinting localization in smart environments using reconfigurable intelligent surfaces

IV. INTEGRATED SENSING AND COMMUNICATION

B. DFRC Waveform Design

Sensing-centric design (SCD):

Communication-centric design (CCD):

Joint design:

C. Resource Allocation

【109】 Toward dual-functional radar-communication systems: Optimal waveform design

ISAC 资源分配优化问题中有两种处理多目标函数的常用方法。第一种方法是优化一个目标函数，同时在另一个目标函数中设置阈值。例如，如果我们选择最大化传感性能指标，同时设置通信指标的阈值，我们可以将（14）重新表述为：

其中 Cth 是通信度量的阈值。第二种选择是创建一个新的目标函数，它是 C(R) 和 S(R) 的函数。常用的函数是加权和，其表示为：

VI. RIS-ASSISTED DFRC

A. Waveform Design

1) Beamforming-based joint design:

2) Optimization-based joint design:

【168】Joint waveform design for RIS-aided dual-functional radar-communication system,

B. Optimization-Based Resource Allocation

1) System model:

RIS 辅助的 DFRC 中的资源分配问题可以以多种形式表现出来，如表 V 所示。问题类型的多样性源于三个层面的考虑，即系统模型、问题表述和提出的解决方案。

有几篇论文探讨了有关 DFRC BS 与通信用户和/或雷达目标之间的 LoS 链路的不同场景。这些场景可以大致分为三类：

第一类的特点是对所有用户和目标的LoS链路的可用性，如[138]、[145]、[156]和[161]中所示。虽然在这种情况下包含 RIS 不是强制性的，但它可以显着提高系统性能。例如，在[139]中，有人指出RIS辅助系统可以将雷达SNR提高大约80%，同时保持高通信SNR。

当LoS链路仅可用于通信用户或雷达目标但不能同时用于两者时，就会出现第二种情况，如[152]、[155]、[159]、[165]和[167]中所示。在这种情况下，RIS 充当具有受阻视距的系统功能的唯一通信或感测手段，将信号能量集中在该功能上，同时为具有无阻视距的系统功能保持令人满意的性能。

当所有通信用户和传感目标的视距链路都被阻塞时，就会出现第三种情况，如[133]、[162]、[163]和[173]所示。在这种情况下，RIS 的存在至关重要，因为它是通信和传感的唯一手段。

2) Problem formulation:

问题表述：各种论文采用了多种问题表述来解决 RIS 辅助的 DFRC 资源分配问题。由于 ISAC 中缺乏量化通信和传感性能的统一框架，每个任务通常根据其自己的一组性能指标进行评估。一般来说，RIS 辅助 DFRC 系统中的资源分配问题可分为四大类：

第一类涉及优化通信度量，同时确保最低的传感性能，如[135]、[137]、[154]和[157]中发现的问题所示。在这些论文中，优先考虑确保特定的传感性能，并根据该要求增强通信指标。

第二类涉及优化传感指标，同时确保最低的通信性能，如[152]、[161]、[173]和[169]中提出的问题所示。与之前的情况相反，在这种情况下，感测指标根据特定的通信质量约束进行优化。

第三类涉及优化系统性能指标，同时确保传感和通信的最低性能。例如，在[141]中，作者在通信用户速率和雷达 SINR 的约束下优化了系统的能源效率。需要注意的是，在前三类中，为约束中使用的度量设置高标准可能会限制优化问题的可行空间，甚至可能导致不可行的问题。此外，这些问题的表述可能无法实现通信和传感之间的完全集成，因为一个或多个指标的值被迫满足一定的界限。

第四类需要优化包含传感和通信性能指标的目标函数。在这种方法中，通过结合通信和传感的性能指标来制定新的目标函数，如（16）所示。在这一类别中，有两种类型的目标函数：同质[146]、[155]、[159]、[160]和异质[164]、[167]函数。同质目标函数涉及将可以使用同一单位测量的雷达和通信指标相结合。例如，结合雷达和通信 SNR [160] 会产生具有相同单位的目标函数。另一方面，异构目标函数结合了两种不同的雷达和通信指标。一个例子是通信 MUI 能量和雷达输出 SNR 的组合[167]。制定异构目标函数的一项挑战是为不同的雷达和通信性能指标确定适当的权重，以确保其中一个不会变得过于占主导地位。

3) Proposed solution:

制定优化问题后，使用适当的方法获得最优解，同时实现性能和复杂性之间的权衡至关重要。鉴于优化变量通常与目标函数和约束耦合，因此在大多数情况下使用 AO 框架很常见

VII. PROMISING APPLICATIONS OF RIS-ASSISTED DFRC

除了上一节介绍的 RIS 辅助 DFRC 的设计方面之外，许多研究工作都集中在探索该技术的应用领域。在本节中，我们概述了现有的研究工作，这些工作提出了 RIS 辅助的 DFRC 有前景的应用。

A. Full-Duplex Systems

RIS 辅助 ISAC 的重要研究主要集中在半双工配置上。使用不同频段的发送和接收（即频分复用 (FDM)）对 ISAC 提出了挑战，因为通信和传感性能都高度依赖于频段 [5]。另外，ISAC 系统模型中通常考虑在不同时间进行发送和接收，称为时分复用 (TDM)，但它仍然对系统功能造成限制，例如降低通信速率。另一方面，全双工系统中的传输、接收和回波处理发生在相同的时频资源中，可以提供改进的系统性能。这激发了一些研究人员研究全双工 RIS 辅助 ISAC 系统性能的兴趣 [232]–[236]。

例如，[234] 中的作者研究了如何最大限度地提高通信用户的数据速率，同时确保全双工 RIS 辅助 ISAC 系统中的高质量雷达传感。此外，本文还研究了一种综合信号传播模型，该模型充分考虑了 RIS 对前向和反射雷达探测信号的影响。通过采用PDD方法和MM算法，作者发现全双工系统与相应的带或不带RIS的半双工系统相比，能够将系统的通信总速率提高100%和125%，分别。更有趣的是，即使在雷达 SNR 要求较高的情况下，全双工 RIS 辅助系统也能够比半双工系统实现更好的和速率，从而实现出色的通信和传感性能。

挑战、机遇和开放的研究方向：总的来说，全双工RIS辅助的DFRC存在多种挑战和考虑因素。首先，全双工系统需要复杂的信号处理技术来有效分离发送和接收的信号。 RIS 和 DFRC 双重功能的存在使得复杂性增加，需要先进的算法来消除自干扰和增强信号。全双工系统的实际实现涉及设计收发器硬件的挑战，该硬件可以处理同时发送和接收而不显着降低性能。与半双工系统相比，一个重点的硬件考虑因素是增加的功耗要求。这可能是一个问题，特别是在能源受限的场景或电池供电的设备中。

B. Wideband Systems

使用 CCD，[152]、[184]、[237] 和 [238] 中的作者重点关注在 RIS 辅助 ISAC 系统中采用宽带 OFDM 波形。在[152]中，作者研究了由 NLoS 信号引起的杂乱环境中的宽带 RIS 辅助 ISAC 系统，这是 RIS 辅助系统研究中经常被忽视的一个方面。 BS 的目标是在 RIS 的帮助下同时检测多个目标并与多个用户进行通信。提出了一种RIS辅助ISAC联合设计，以最大化最小传感波束方向图增益，同时确保每个通信用户一定的QoS要求，目的是减少由NLoS信号分量引起的杂波干扰。结果表明，由于 RIS 具有减少杂波干扰的能力，RIS 的存在可以将最小波束方向图增益提高六倍。

挑战、机遇和开放的研究方向：宽带操作增加了信号处理和硬件设计的复杂性。处理更广泛的频率需要更复杂的算法和灵活的硬件架构。在宽带场景中，由于频率选择性衰落和波束斜视效应，准确的信道估计变得更具挑战性。当被忽略时，频率选择性衰落也会影响系统的性能，因为 RIS 元件的反射模式与频率相关。此外，与窄带系统相比，宽带操作通常需要更高的功耗。管理电源需求成为一个关键的考虑因素，尤其是在能源受限的情况下。另一方面，宽带 RIS 辅助 DFRC 系统可以带来各种机会。最明显的一个是频谱利用率的提高。宽带操作可以更有效地利用频谱，与 ISAC 的基本目标保持一致。此外，在雷达应用中使用宽带信号可以增强范围和多普勒分辨率。这种改进可以增强目标辨别和跟踪能力，特别是在复杂和动态的环境中。

C. Physical Layer Security

在 DFRC 中共享波形、波束形成器和频谱可能会带来多种安全威胁。由于DFRC BS传输雷达和通信组合信号，这些系统存在信息泄露给非法用户的风险。多项研究已经对 RIS 增强通信系统中 PLS 的能力进行了调查。受此推动，一些研究工作调查了 RIS 增强通信系统中 PLS 的能力 [58]、[239]–[242]。虽然其中一些工作已经在第 VI-F 节中针对 STAR-RIS 进行了讨论，但我们在本小节中概述了另外两个方面。

1) 传播操纵：由于 RIS 可以调整入射信号的相位，因此它们可以将信号引导至特定的所需位置。这意味着 RIS 可以用作额外资源来优化系统安全措施。最常见的通信安全措施之一是保密率，它被定义为每次使用通道可以可靠传输且潜在攻击者无法访问的信息量。保密率可表示为

其中Rleg Φ)和Reav Φ)分别表示合法用户和窃听者的速率[243]。根据潜在窃听者的位置，保密率优化问题可以以各种形式表现出来。例如，在[244]中，作者考虑了目标是潜在窃听者的场景，并试图通过对最大信息泄漏施加约束来最小化目标可访问的信息。 [245] 中也解决了潜在窃听目标的情况，目的是最大化系统的保密率。在[188]中，BS 中利用部分 CSI 知识对此进行了进一步研究。 [246]中探讨了另一种系统模型，假设潜在的窃听者是通信用户之一。这种情况更具挑战性，因为应谨慎实施安全措施，同时不应严重影响通信性能。为了解决这个问题，作者的目标是在保证通信用户的QoS要求的同时，最小化最大窃听SINR。

F. Sub-Space Rotation

[272] 的作者提出了一种独特且有趣的方法来利用 DFRC 中的 RIS。 ISAC 信号位于通信和传感子空间所跨越的空间内。这些子空间之间的相关性可以通过它们的交叉角来量化。因此，传感和通信的性能与 ISAC 信号到相应子空间的投影有关。在弱耦合场景中（如图14（a）所示），两个子空间几乎正交，导致投影接近最小值。由于通信和传感子空间之间的正交性，同时满足这两个要求变得具有挑战性。例如，如果通信用户和雷达目标相对于基站位于相反的位置，则尝试为其中一个设计最佳波束会对另一个产生不利影响。在中等耦合的场景中，如图14（b）所示，传感和通信子空间之间的角度小于90°，与弱耦合的情况相比，通信和传感之间有更好的权衡。最后，在强耦合的情况下，如图14（c）所示，两个子空间完美对齐，从而实现传感和通信的最佳性能。当通信用户同时也是雷达目标时就会发生这种情况；在这种情况下，朝着通信用户的方向形成波束可以产生最佳的通信和传感性能。

[272]的作者旨在利用RIS来增强通信和传感子空间之间的耦合，从而减少两个功能之间的权衡。为了评估这种方法的有效性，作者生成了传感性能（由 AoA 估计的 CRB 量化）和通信性能（由可实现速率量化）的帕累托最优曲线。 [272]中的图3(c)说明了基于[272]中进行的模拟改进的帕累托最优前沿的行为。这些结果表明，子空间旋转方法可以实现帕累托最优前沿左上角的点，这在弱耦合情况下是无法实现的