6G智能超表面技术研究报告_2025_-RIS任务组_59页_5mb.pptxVIP

北京稻壳科技有限公司

BeijingRiceHullTechnologyCo.,Ltd.地址：北京市朝阳区九住路188号;2025年11月

版权声明CopyrightNotification

未经书面许可禁止打印、复制及通过任何媒体传播

?2025IMT-2030（6G）推进组版权所有;i;ii;iii;iv;1;2;3;;系统整体能量效率获得显著提升。通过调整基站天线配置、发射功率及RIS分布等参数进行多场景仿真，进一步验证了无源RIS在广泛部署条件下均具备稳定的能效提升能力。;图3反射式RIS辅助室内外连续覆盖增强

（四）基于RIS的新型相控阵天线

基于RIS的新型相控阵列天线通常是RIS作为收发机的天线阵列，实现混合波束赋形架构的模拟波束赋形功能。射频调制信号通过电缆馈入RIS天线阵列，控制模块动态调控RIS阵元响应，形成目标模拟波束。基于RIS的毫米波天线阵列，具有阵列单元易扩展，模拟波束赋形增益较高，控制电路功耗较低（约1W）的特点。此外，利用大功率功率放大器替代传统天线阵列的多通道芯片中的小功率功率放大器，可有效提升功率附加效率，具有绿色低功耗等技术优势。;三、关键技术最新研究进展;(b)步骤3

图5EEPE方法原理图

该方法首先建立了RIS辅助单输入单输出（SISO）通信系统的波束增益、功耗与能效模型，并以能效最大化为目标，构建了离散相位编码优化问题。随后，提出的EEPE算法通过“三步式”流程实现编码设计优化：在第一步中，根据RIS的最大可用功率约束计算允许的最大“1”编码数量，以确定单元的功耗上限；在第二步中，基于相位分布矩阵与波束对齐原理，遍历所有满足约束的编码方案，选择在信噪比（signal-to-noiseratio,SNR）高于QoS门限的条件下能效最高的相位矩阵；在第三步中，若当前方案的SNR超过QoS要求，则逐步减少“1”编码数量以进一步降低功耗，实现能效的二次优化。该算法的计算复杂度近似为线性O(MN)，兼顾了计算效率与优化精度。EEPE方法的部分步骤及原理如图5所示。

EEPE算法通过量化“编码1”的数量与功耗间的非线性关系，实现了波束增益与能耗之间的自适应平衡。仿真结果如图6所示，在相同QoS要求下，该方法相较于传统量化编码与动态阈值相位量化（dynamicthresholdphasequantization,DTPQ）方法，可显著降低RIS总功耗约54%，并提升能效约100%。此外，为验证该算法的实用性，研究在35GHz频段开展了两组室内实地试验。实测结果如图7所示，EEPE方法在真实环境中能准确满足QoS约束、有效控制功耗上限，且其测得能效曲线与理论值高度一致，RIS的能量效率随QoS要求和功率约束的增加呈下降趋势。测量结果同时验证了EEPE方法在调整甚至定制RIS的波束形成增益、功耗和能效方面的灵活性。;图7实测结果图

总体而言，EEPE方法突破了传统模型中能耗线性假设的限制，实现了基于实测功耗的能效自适应编码，为RIS辅助通信系统的低功耗设计与6G绿色通信架构提供了新的技术路径与实验支撑。

（二）多RIS系统信道估计

为充分发挥RIS辅助通信的潜能，准确的信道状态信息至关重要。然而，在多RIS协同场景下，信道估计面临多重挑战。一方面，多RIS的引入显著增加了传播路径，扩大了待估信道的规模；同时，由于RIS本身不具备主动信号处理能力，导致系统在导频开销、训练时长以及反馈信息量等方面的资源消耗大幅上升。另一方面，在复杂传播环境中分布式部署大规模RIS阵列，易受到遮挡等因素的干扰，部分反射单元信号会出现严重衰减甚至失效，进而导致信道估计性能显著下降。针对上述难题，文献[10]考虑了遮挡环境下的RIS信道建模，并提出了一种基于张量分解的多RIS辅助OFDM系统的信道估计算法。该方法通过引入遮挡因子建模，构建表征多RIS遮挡状态的级联信道模型；为降低信道矩阵的阶数与算法复杂度，将多RIS划分为若干组别，并设计了分组训练协议，通过相邻时间帧接收信号作差来提取各RIS组的有效信号分量；结合信道的结构稀疏特性，构建三维张量信号模型，并采用张量典型多项式分解(CanonicalPolyadicDecomposition，CPD)算法恢复各因子矩阵，在此基础上，利用K-均值(K-means)聚类算法估计多RIS的实际遮挡情况；最后，基于所估计的遮挡信息，设计多种遮挡处理方案并用于信道恢复，以实现各信道参数及完整信道的重构。

如图8所示，根据多RIS遮挡情况与系统应用