1. 项目概述在下一代无线通信的演进蓝图中可重构智能反射面Reconfigurable Intelligent Surface, RIS正扮演着越来越关键的角色。想象一下如果我们可以像操控光线一样用软件去“编程”电磁波的传播路径那么网络覆盖的盲区、信号质量的波动、乃至基站能耗的居高不下都将迎刃而解。RIS的核心正是通过成百上千个低成本、可独立调控的反射单元对入射的无线信号施加精确的相移从而实现对反射波束的智能赋形。然而当我们将目光投向更前沿、更具挑战性的场景——例如在偏远地区、物联网节点或无人机基站上部署大量RIS时一个现实问题浮出水面如何为这些设备持续供电零能耗智能反射面Zero-Energy RIS, zeRIS的概念应运而生它试图让RIS从环境中“汲取”能量实现自给自足。zeRIS的愿景很美好但实现之路布满荆棘。其核心矛盾在于同一个入射信号既要被“吸收”一部分能量来驱动RIS自身的控制电路和移相器工作又要被“反射”一部分能量去服务通信终端。这就像一块太阳能电池板既要发电给自己用又要反射阳光去照亮别处两者在物理上是竞争关系。更棘手的是在实际硬件中受限于成本、体积和功耗我们无法为每个反射单元配备一个可以产生任意连续相位的理想移相器。取而代之的是仅有有限几个离散相位状态的量化移相器比如用2-bit控制4个相位状态或3-bit控制8个相位状态。这种“非黑即白”的离散化操作会引入一个无法消除的残余相位误差。这个看似微小的量化误差在zeRIS系统中却被放大了。它不仅像在普通RIS中那样会劣化波束赋形的精度降低接收信号的信噪比更关键的是它还会扭曲能量采集过程。因为zeRIS为了最大化采集能量需要将反射单元的相位与入射信号对齐以最大化吸收而为了最大化通信速率又需要将相位与整个传输链路对齐以最大化相干叠加。量化误差会同时破坏这两个“对齐”过程使得能量采集效率和信号反射效率此消彼长形成一个复杂的耦合关系。因此单纯地增加相位分辨率使用更多比特的移相器未必能提升整体性能因为它同时增加了控制电路的功耗可能让zeRIS“入不敷出”。本文旨在为你深入剖析量化相移对零能耗智能反射面zeRIS性能的影响。我们将从系统模型出发建立残余相位误差的统计模型并在此基础上严谨分析两种主流的“采集-反射”方案——时间切换和单元分裂——在发射机侧和用户侧两种典型部署场景下的表现。最终我们将推导出系统联合能量-数据速率中断概率的闭式表达式并揭示相位分辨率、部署策略与系统能量效率之间的内在权衡。无论你是通信系统工程师、无线网络研究员还是对前沿技术充满好奇的学习者这篇文章都将为你提供一套完整的分析框架和实用的设计洞见。2. 系统模型与核心挑战拆解在深入数学推导之前我们有必要先搭建起zeRIS系统的基本框架并理解其运行所面临的核心矛盾。这有助于我们看清量化误差究竟是在哪个环节、以何种方式“搞破坏”的。2.1 zeRIS的基本工作原理与自供能悖论一个典型的zeRIS辅助通信系统包含三个角色一个单天线发射机Tx、一个配备N个无源反射单元的zeRIS以及一个单天线用户设备UE。信号从Tx发出经zeRIS反射后到达UE。zeRIS的每个反射单元都集成了三个核心部分一个可调阻抗的反射面用于改变信号相位、一个能量采集电路如整流天线以及一个简单的本地控制器。zeRIS的“零能耗”梦想建立在能量采集之上。其工作能量完全来自于它试图去调控的入射射频信号。这就引出了其根本性的约束能量预算与通信性能的强耦合。zeRIS控制器和每个反射单元的移相器都需要消耗功率。设控制器功耗为P_ctrl每个反射单元的功耗为Pelem。研究表明Pelem与相位分辨率q比特数近似成正比即Pelem q * P_PIN因为更高精度的相位控制通常需要更多PIN二极管开关来实现。因此zeRIS的总功耗为 P_total N * Pelem P_ctrl。zeRIS必须在每个通信时隙内采集到不少于P_total * T的能量T为时隙长度才能维持其基本功能。采集的能量Q_harv取决于入射信号功率、信道条件以及zeRIS为采集能量而设置的相位配置。如果Q_harv P_total * T则zeRIS因能量不足而“宕机”通信中断。另一方面zeRIS的通信性能体现为它能为UE提供的信噪比增益这又取决于它为服务通信而设置的另一种相位配置。能量采集的最优相位配置与通信服务的最优相位配置在绝大多数信道条件下是冲突的。这就是zeRIS系统的核心悖论它必须用同一批资源入射信号同时完成两个相互竞争的目标。2.2 两种“采集-反射”方案时间切换 vs. 单元分裂为了解决上述矛盾学术界提出了两种基础的资源分配方案它们代表了在时间和空间维度上的不同权衡。时间切换Time Switching, TS方案zeRIS将一个通信时隙T划分为两个部分。在τT时长内0 ≤ τ ≤ 1所有N个反射单元统一配置为“能量采集模式”其相位被设置为抵消Tx-zeRIS链路的相位使得入射信号在单元处同相叠加从而最大化能量采集效率。在剩余的(1-τ)T时长内所有N个单元切换为“通信反射模式”其相位被设置为抵消整个Tx-zeRIS-UE级联链路的相位使得所有反射信号在UE处同相叠加从而最大化接收信噪比。优点逻辑简单控制开销小。在任一时间段内所有单元目标一致协同性好。缺点存在固有的时间资源折损。用于采集能量的时间τ无法用于通信反之亦然。这导致了通信速率的直接损失速率公式中会出现(1-τ)的乘性因子。单元分裂Element Splitting, ES方案zeRIS将N个反射单元静态地划分为两个子集。其中N1个单元永久性地 dedicated 为“能量采集单元”它们始终配置为能量采集模式。剩下的N2 N - N1个单元则作为“通信反射单元”始终配置为通信反射模式。优点可以同时进行能量采集和通信服务没有时间上的损失。缺点牺牲了空间自由度。用于通信的单元数从N减少到了N2这会降低波束赋形的增益与N2^2成正比。同时能量采集的效能也仅由N1个单元贡献。选择TS还是ES这没有绝对答案它高度依赖于信道条件、距离和相位分辨率。在后续的分析中我们将看到在近场zeRIS靠近Tx或UE且信道条件较好时ES可能更优因为它能充分利用空间资源。而在远场或信道较差时TS的“集中力量办大事”策略虽然分时可能更能保证能量采集的稳定性。2.3 量化相移与残余相位误差建模这是本文的技术核心也是zeRIS区别于传统RIS分析的关键。在实际硬件中移相器无法产生连续的相位值ω。它只能从一组有限的离散值中选择一个例如对于一个q-bit的移相器其可选相位集合为 Q {0, Δ, 2Δ, ..., (2^q -1)Δ}其中Δ 2π/2^q。假设对于第i个反射单元通信所需的最优连续相位是φ_i由信道相位决定。硬件移相器会通过一个量化函数Q(·)选择集合Q中与φ_i最接近的那个离散值作为实际施加的相位ω_i Q(φ_i)。由此产生的误差就是残余相位误差ε_i ω_i - φ_i。这个误差ε_i并不是一个固定值而是一个随机变量其统计特性取决于我们希望量化的那个连续相位φ_i的分布。而φ_i又由无线信道的相位决定。在经典的莱斯或Nakagami-m信道模型中信号的相位并非均匀分布尤其是在存在直射径LoS时相位会围绕一个均值即直射径的相位呈现一定的集中分布。我们假设信道相位θ的概率密度函数PDF为f_θ(θ) [e^(κ cos(θ-μ))] / [2π(K1)I_0(κ)] [K/(K1)] * δ(θ-μ)其中μ是直射径的相位与距离相关κ是集中参数κ0对应均匀分布K是莱斯因子δ(·)是狄拉克δ函数。这个模型巧妙地融合了直射径确定性分量和散射径随机分量的相位特性。基于此我们可以推导出残余相位误差ε的PDF。直观理解由于量化是将连续的相位区间“切割”成2^q个等宽的小区间每个小区间对应一个离散相位值。误差ε就均匀地分布在这个小区间内吗并非如此。因为输入相位φ_i并非均匀分布所以它落入每个量化区间的概率不同导致误差ε的分布也发生了扭曲。我们的推导结果表明其PDF是一个由2^q个加权指数余弦函数项之和再加上一个可能的冲激项当存在强直射径时量化误差可能是一个确定值。当信道为纯非视距Rayleigh衰落K0, κ0时相位均匀分布此时ε才退化为在[-Δ/2, Δ/2]上的均匀分布。这个精确的误差模型是后续所有性能分析的基础。它告诉我们量化误差的“坏处”不是平均意义上的一个固定值而是一个具有特定统计特性的扰动它会系统地降低信号相干叠加的效率。2.4 部署场景发射机侧 vs. 用户侧zeRIS在网络中的位置极大地影响了其面临的信道条件从而影响了量化误差的统计特性以及系统的整体表现。发射机侧部署zeRIS被部署在非常靠近发射机Tx的位置。此时Tx-zeRIS链路可以视为一个纯净的、确定性的视距链路。其信道幅度|h1| 1相位arg(h1) 2πd1/λ已知且固定。而zeRIS-UE链路则经历衰落其幅度服从Nakagami-m分布相位随机。用户侧部署zeRIS被部署在非常靠近用户设备UE的位置。此时情况正好相反zeRIS-UE链路是纯净视距而Tx-zeRIS链路经历衰落。这两种部署场景简化了分析因为总有一个链路是确定的将双链路级联信道的随机性来源减少到一个。更重要的是它们代表了实际部署中的两种典型思路靠近发射机如基站侧智能墙面或靠近用户如终端侧智能中继。我们的分析将分别针对这两种场景展开。3. 残余相位误差的统计特性与矩分析为了将复杂的残余相位误差模型融入系统性能分析我们需要找到一种既精确又便于数学处理的工具。直接使用误差的PDF进行后续推导会异常繁琐。一个更聪明的办法是分析其圆矩。3.1 圆矩的定义与物理意义对于一个随机相位误差ε其n阶圆矩定义为μ_n E[e^(j n ε)]其中E[·]表示期望。为什么圆矩如此有用核心作用在分析zeRIS的接收信号或采集能量时我们最终关心的是许多复指数项e^(j ε_i)的求和。这个求和的统计特性特别是其均值和方差可以通过各个误差项的圆矩来表达。例如E[|Σ e^(j ε_i)|^2]的计算就会涉及到μ_1和μ_2。物理意义一阶圆矩μ_1 E[e^(j ε)]的模长|μ_1|直观地反映了由于相位误差导致的相干性损失。|μ_1|越接近1说明相位误差的均值越小信号的相干叠加效果越好|μ_1|越接近0说明相位误差使得信号方向杂乱相干增益损失严重。包含完整信息圆矩序列{μ_n}在某种意义上包含了随机相位分布的全部信息。对于我们的性能分析通常只需要前两阶矩μ_1和μ_2就足够了。3.2 圆矩的闭式推导与近似基于上一节推导的残余相位误差PDF我们可以计算其n阶圆矩。推导过程涉及积分、傅里叶级数展开以及修正贝塞尔函数的性质。最终我们得到μ_n的一个表达式它包含一个对量化索引m的求和以及一个对贝塞尔函数展开项ℓ的无穷级数。这个表达式是精确的但包含无穷级数不利于快速计算和直观理解。幸运的是我们发现这个无穷级数收敛得非常快。这是因为修正贝塞尔函数I_ℓ(κ)随着ℓ的增大而迅速衰减。在实际应用中通常取前L5到10项就能获得极高的精度。我们甚至可以从数学上严格证明这个截断误差的上界它随着L的增加而指数级下降。一个重要的特例当信道为纯非视距Rayleigh衰落时相位均匀分布此时残余相位误差ε在[-Δ/2, Δ/2]上均匀分布。其圆矩有一个极其简洁的形式μ_n sin(nΔ/2) / (nΔ/2)这个函数就是著名的sinc函数。它清晰地展示了量化误差的影响随着阶数n增加圆矩振荡衰减随着相位分辨率q增加Δ减小μ_n趋近于1即误差影响减小。注意许多早期关于RIS相位量化的研究不假思索地直接使用了这个均匀分布假设下的sinc函数圆矩。这在纯NLoS场景下是准确的。然而一旦系统中存在直射径LoS相位分布就不再均匀此时再使用sinc函数就会导致性能预测出现显著偏差可能高估或低估量化带来的损失。我们的模型通过参数κ和K能够精确捕捉这种非均匀性这是本文分析框架的一个重要优势。3.3 圆矩如何影响系统性能让我们以发射机侧部署、TS方案为例直观感受一下圆矩是如何嵌入性能指标的。在通信阶段zeRIS使用N个单元进行波束赋形。接收信号的功率与|Σ_{i1}^N |h2_i| e^(j ε_i)|^2成正比。这里|h2_i|是衰落信道的幅度ε_i是服务于通信时的残余相位误差。计算这个求和项的期望即平均接收功率时就会涉及到幅度|h2_i|的矩来自Nakagami-m分布和相位误差ε_i的圆矩μ_1。具体来说E[|Σ|h2_i| e^(j ε_i)|^2]包含两项一项是各单元功率的简单求和N * E[|h2|^2]另一项是交叉项正比于|μ_1|^2。|μ_1|^2衡量了由于相位误差导致的相干叠加增益的损失。如果|μ_1| 0那么所有交叉项期望为零N个单元完全非相干叠加增益与N成正比即功率叠加。如果|μ_1| 1则完美相干增益与N^2成正比。量化误差使得|μ_1| 1从而损失了这部分宝贵的阵列增益。在能量采集阶段情况略有不同。对于发射机侧部署Tx-zeRIS是视距链路相位固定。zeRIS为了最大化采集能量会将所有单元的相位设置为完全补偿这个固定相位。由于所有单元的目标相位相同经过量化后它们会产生相同的残余相位误差。此时N个单元的反射信号在zeRIS处仍然是完全相干的因此量化误差不会降低能量采集的效率采集的能量仍然与N^2成正比。这是一个非常关键且反直觉的发现在特定部署下量化对能量采集和通信的影响是非对称的。这种非对称性正是导致zeRIS系统中量化效应产生复杂权衡的根本原因。在下一节我们将把这些统计工具应用于具体的性能指标——中断概率。4. 联合能量-数据速率中断概率分析中断概率是评估无线通信系统可靠性的核心指标。对于zeRIS系统我们必须同时考虑两种中断事件1)能量中断zeRIS在一个时隙内采集的能量不足以支持其运行2)速率中断即使zeRIS正常工作其辅助下的通信速率低于某个阈值R_thr。系统的整体可靠性由这两个事件的并集决定即联合中断概率。我们的目标是为TS和ES两种方案在两种部署场景下推导出这个联合中断概率的闭式表达式。由于精确的分布推导极其困难我们采用一种经典且有效的近似方法矩匹配法。我们首先计算接收信号功率或等效变量的一阶矩和二阶矩然后用一个伽马分布来匹配这两个矩。伽马分布能很好地拟合非负随机变量的分布并且其累积分布函数有闭式形式不完全伽马函数非常适合中断概率的分析。4.1 发射机侧部署下的中断概率4.1.1 时间切换TS方案在TS方案下zeRIS先进行τT时长的能量采集再进行(1-τ)T时长的通信。我们需要计算两个随机变量采集的能量Q_TS和通信的等效信道增益X_TS |Σ_{i1}^N |h2_i| e^(j ε_i)|^2。能量采集项如前所述在发射机侧部署下所有单元用于能量采集的相位配置相同量化后误差也相同。因此采集能量是一个确定性量Q_TS τ T ζ Pt Gt ℓ1 N^2。其中ζ是能量转换效率Pt是发射功率Gt是发射天线增益ℓ1是Tx-zeRIS路径损耗。能量消耗E_TS T[(1-τ) N Pelem Pctrl]。注意在通信阶段所有N个单元才耗电。能量可行性条件zeRIS能工作的前提是Q_TS ≥ E_TS。这给出了一个关于反射单元数量N的约束N ≥ N_min^TS。N_min^TS是一个由系统参数Pt, Pelem, Pctrl, ζ等和切换因子τ决定的阈值。如果N小于这个阈值zeRIS永远无法收集足够能量联合中断概率直接为1。速率中断项当能量条件满足时中断仅由速率决定。我们需要计算Pr{ (1-τ) log2(1 γ_t G ℓ_p X_TS) R_thr }其中γ_t Pt/σ^2是发射信噪比ℓ_p ℓ1 ℓ2是总路径损耗。这等价于Pr{ X_TS x_B^TS }其中x_B^TS (2^(R_thr/(1-τ)) - 1) / (γ_t G ℓ_p)。现在关键就是求X_TS的分布。我们计算X_TS的一阶矩E[X]和二阶矩E[X^2]。计算过程需要用到|h2_i|的矩来自Nakagami-m分布和相位误差ε_i的圆矩μ_1, μ_2。最终我们得到两个复杂的表达式即原文中的式(35)和(36)它们是N、信道参数m, Ω和圆矩μ_n(d2)的函数。利用矩匹配我们将X_TS近似为一个形状参数为k、尺度参数为θ的伽马分布其中k E[X]^2 / (E[X^2] - E[X]^2)θ (E[X^2] - E[X]^2) / E[X]。那么速率中断概率就近似为伽马分布的CDF在x_B^TS处的值P_out_rate ≈ γ(k, x_B^TS/θ) / Γ(k)其中γ(·,·)是下不完全伽马函数Γ(·)是伽马函数。因此TS方案的联合中断概率为P_B^TS { 1, if N ≤ N_min^TS; γ(k_TS, x_B^TS/θ_TS) / Γ(k_TS), otherwise. }4.1.2 单元分裂ES方案在ES方案下N1个单元始终采集能量N2个单元始终服务通信。能量采集项与TS类似由于是发射机侧部署所有N1个采集单元的相位配置相同量化不影响相干性。因此采集能量为确定性量Q_ES T ζ Pt Gt ℓ1 N1^2。能量消耗E_ES T (N2 Pelem Pctrl)。能量可行性条件Q_ES ≥ E_ES这给出了关于N1的约束N1 ≥ N_min^ES sqrt( (N2 Pelem Pctrl) / (ζ Pt Gt ℓ1) )。如果N1小于此值中断概率为1。速率中断项当能量条件满足时中断由通信单元的信道增益X_ES |Σ_{i1}^N2 |h2_i| e^(j ε_i)|^2决定。其矩的计算与TS方案中的X_TS类似只是将N替换为N2。因此ES方案的联合中断概率为P_B^ES { 1, if N1 ≤ N_min^ES; γ(k_ES, x_B^ES/θ_ES) / Γ(k_ES), otherwise. }其中x_B^ES (2^(R_thr) - 1) / (γ_t G ℓ_p)k_ES和θ_ES由X_ES的矩计算得到。设计启示从这两个表达式我们可以直接得到最优的资源配置。对于TS最优时间切换因子τ* 就取在能量收支平衡的边界上即让采集的能量刚好等于消耗的能量。因为一旦能量足够进一步增加τ只会减少通信时间从而提高中断概率。对于ES最优的单元分配N1* 也取在能量平衡的边界上。因为一旦能量足够将更多的单元从采集组N1转移到通信组N2会直接提升通信速率降低中断概率。 这给出了一个非常清晰的设计准则zeRIS应配置为“能量勉强够用”的状态将所有剩余资源都投入到提升通信性能上。4.2 用户侧部署下的中断概率用户侧部署的分析与发射机侧对称但有一个根本区别此时zeRIS-UE链路是纯净视距而Tx-zeRIS链路是衰落链路。这意味着在通信阶段所有反射信号在UE处叠加时其相位误差ε_i对于所有单元是相同的因为要补偿的zeRIS-UE链路相位是固定的因此量化误差不影响通信的相干性。通信的信道增益变为X (Σ |h1_i|)^2只与衰落链路的幅度有关相位误差的影响消失了。而在能量采集阶段情况变得复杂。zeRIS为了最大化采集能量需要将相位与Tx-zeRIS衰落链路的相位对齐。由于该链路相位是随机的且对不同单元可能不同量化后各单元的残余相位误差ε_i是独立同分布的随机变量。这会破坏能量采集信号的相干性使得采集能量从与N1^2成正比退化到与N1 * E[|h1|^2] N1(N1-1) * (E[|h1|])^2 * |μ_1|^2成正比。这里|μ_1|^2再次出现表征了量化对能量采集相干性的破坏。因此在用户侧部署下量化误差的“破坏对象”从通信性能转移到了能量采集效率上。这会导致完全不同的设计权衡。例如在TS方案下为了保证能量采集的稳定性可能需要更大的τ或更高的相位分辨率q。对用户侧部署的中断概率分析思路与4.1节完全一致只是需要将圆矩μ_n的计算距离参数从d2改为d1并在能量和速率表达式中互换角色。最终也能得到类似伽马分布近似的闭式表达式。4.3 中断概率表达式的工程解读我们推导出的中断概率公式虽然看起来复杂但具有清晰的工程意义阈值行为公式明确分成了两部分。当zeRIS规模N或N1小于某个最小阈值时系统因能量根本不够用而必然中断概率为1。这给出了zeRIS部署的最低硬件要求。低于这个规模自供能概念不可行。伽马分布近似在能量可行的区域中断概率由伽马分布的CDF描述。形状参数k和尺度参数θ由信道条件m, Ω、相位分辨率通过圆矩μ_n、以及zeRIS规模决定。参数影响相位分辨率q增加q减小Δ会使圆矩μ_1的模|μ_1|增大这有利于提升相干性无论是通信还是能量采集取决于部署场景。但同时Pelem q * P_PIN也会线性增加抬高了能量消耗的阈值N_min。因此存在一个最优的q并非越大越好。部署距离距离直接影响路径损耗ℓ1和ℓ2它们以乘积形式影响信噪比并以平方形式影响能量采集。zeRIS靠近Tx或UE能显著改善性能。信道条件Nakagami-m参数m表征衰落严重程度和莱斯因子K表征直射径强度通过影响幅度矩和圆矩来影响性能。更好的信道更大的m和K能降低中断概率。资源分配τ或N1存在一个最优值在能量可行性的边界上取得。这些闭式表达式为系统设计者提供了快速评估工具无需进行耗时的蒙特卡洛仿真就能洞察不同设计参数对系统可靠性的影响。5. 数值结果与设计权衡讨论理论分析需要数值模拟来验证和提供直观感受。本节我们通过一组典型的系统参数来展示量化相移如何影响zeRIS的性能并揭示其中的关键权衡。仿真参数设置载频2.4 GHz带宽20 MHz。发射功率Pt 30 dBm噪声功率谱密度-174 dBm/Hz。zeRIS单元数N100单个PIN二极管功耗P_PIN 0.1 mW控制器功耗P_ctrl 1 mW。能量转换效率ζ0.5。路径损耗模型采用3GPP UMi场景视距路径损耗指数a2.2非视距a3.7。信道衰落zeRIS-UE链路为Nakagami-m衰落m2中等衰落。目标速率R_thr 1 bps/Hz。5.1 相位分辨率的影响一个非单调的故事我们首先固定zeRIS位置例如Tx侧部署d110m d250m观察不同相位分辨率q1-bit到8-bit下系统联合中断概率的变化。趋势中断概率并不随q增加而单调下降。在q较小时如1-bit或2-bit增加分辨率能显著提升|μ_1|改善相干叠加从而大幅降低中断概率。然而当q增加到一定程度如4-bit以上后中断概率的下降曲线变得非常平缓甚至可能出现回升。原因解释这是因为Pelem随q线性增长。在q较小时量化误差导致的性能损失是主要矛盾提高分辨率收益巨大。但当q较大时量化误差已经很小性能瓶颈逐渐转移到能量约束上。更高的q意味着每个单元功耗更高使得能量可行性阈值N_min提高。在固定N下系统可能从“能量充足”区域滑向“能量临界”甚至“能量不足”区域从而导致中断概率不降反升。最优q的存在曲线会呈现一个“碗状”存在一个使中断概率最小的最优相位分辨率q*。这个q取决于许多因素传输距离、信道条件、zeRIS规模N、以及采用的HaR方案。例如在信道条件较差距离远、衰落严重时系统对相干性更敏感可能需要更高的q。而在zeRIS规模N很小时能量约束是主要矛盾q*可能会更低。5.2 TS vs. ES谁更胜一筹在不同的部署场景和信道条件下TS和ES方案的优劣会发生变化。发射机侧部署近距离/好信道此时即使只用一部分单元ES方案中的N2也能获得很高的信噪比。同时由于能量采集效率高与N1^2成正比可以用较少的采集单元满足能量需求将更多单元用于通信。因此ES方案通常更优因为它能实现全时通信没有时间损失。远距离/差信道此时通信需要所有单元的波束赋形增益与N^2成正比来克服路径损耗。TS方案虽然损失了时间但能在通信时段集中所有单元的能量。同时能量采集也可能变得困难需要更长的采集时间τ。在这种情况下TS方案可能更具鲁棒性。用户侧部署此时量化误差主要影响能量采集。TS方案在采集时段可以使用所有单元而ES方案只有N1个单元在采集。为了达到相同的采集能量ES方案需要更大的N1这挤占了通信单元数N2。因此在用户侧部署下TS方案往往更有优势因为它能更灵活地在时间维度上调配所有资源应对能量采集的挑战。5.3 部署策略的深远影响我们的分析清晰地表明“zeRIS应该放在哪里”不是一个可以简单回答的问题。靠近发射机Tx-side优势能量采集不受量化误差影响确定性相干能量供应更稳定。Tx-zeRIS链路通常是稳定的视距易于规划和优化。劣势量化误差会直接影响通信性能。且zeRIS-UE链路通常是较差的NLoS链路通信性能对量化更敏感。靠近用户UE-side优势通信性能不受量化误差影响确定性相干能提供稳定的波束赋形增益。特别适合为特定用户或热点区域提供增强覆盖。劣势能量采集受量化误差和Tx-zeRIS衰落信道双重影响能量供应不稳定是系统的薄弱环节。选择建议如果系统的首要目标是通信可靠性和高速率且能容忍一定的部署复杂度来保障能量例如Tx功率较高或环境射频能量充足则UE-side部署是优选。如果系统的首要目标是实现稳定自供能确保zeRIS在任何情况下都能开机工作则Tx-side部署更可靠但需要接受量化对通信性能的折损。5.4 残余相位误差模型的重要性与均匀假设的对比为了凸显我们提出的非均匀相位误差模型的必要性我们可以进行一组对比实验分别采用我们推导的精确圆矩基于Nakagami-m相位分布和传统的均匀相位假设下的sinc函数圆矩来计算中断概率。结果在存在较强直射径高K因子的场景下两种模型计算出的中断概率会有显著差异。均匀假设可能会严重高估或低估量化带来的性能损失误差可达数个dB。原因当存在直射径时信道相位不再均匀分布而是集中在直射径相位附近。此时残余相位误差的分布也不再是均匀的。如果直射径相位恰好落在两个量化电平的正中间那么量化误差的分布会是双峰的集中在±Δ/2附近其圆矩|μ_1|会比均匀分布时更小导致更严重的相干性损失。反之如果直射径相位恰好对准某个量化电平那么误差分布会集中在0附近|μ_1|更大损失更小。均匀假设完全抹杀了这种与直射径相位相关的“幸运”或“不幸”情况导致预测不准。实践意义在zeRIS的实际部署和波束赋形算法中如果能通过信道估计获知直射径的相位那么我们可以有意识地调整zeRIS的参考相位使得需要量化的目标相位尽可能对齐量化电平从而最大化|μ_1|减轻量化损失。我们的模型为这种优化提供了理论基础。6. 工程实践启示与未来展望基于上述理论分析与数值观察我们可以为zeRIS的工程设计与网络规划提炼出一些切实可行的指导原则。6.1 硬件设计选型建议相位分辨率并非越高越好盲目追求高精度如6-bit以上的移相器对于zeRIS可能是得不偿失的。设计师需要在量化损失和电路功耗之间进行精细权衡。对于大多数中短距离、中低频段的应用3-bit或4-bit的移相器可能是一个性价比极高的甜点区域。低功耗控制器是关键控制器功耗P_ctrl作为一个固定开销直接提高了能量可行性阈值N_min。研发超低功耗的微控制器或专用集成电路ASIC来管理zeRIS的相位配置对提升系统可行性至关重要。能量采集电路效率能量转换效率ζ直接线性影响采集能量。提升整流天线Rectenna的效率是改善zeRIS能量预算最直接的途径。同时电路的自启动从极弱射频信号中唤醒能力也是一个重要研究方向。6.2 网络部署与资源配置策略部署位置需联合优化zeRIS的位置Tx-side vs. UE-side应作为网络规划的一部分与相位分辨率、HaR方案联合优化。对于覆盖增强场景可优先考虑UE-side部署对于广域物联网Tx-side部署可能更利于生存。动态资源配置算法TS方案中的τ和ES方案中的N1/N2划分不应是固定值。它们应根据实时的信道状态信息CSI、能量缓冲器状态进行动态调整。可以设计低复杂度的在线算法以最大化长期平均吞吐量或最小化中断概率为目标实时优化这些参数。考虑不均匀量化我们的分析基于均匀量化。在实际中是否可以采用非均匀量化例如在相位误差对系统性能影响更敏感的区域如0相位附近采用更精细的量化在不敏感区域采用更粗糙的量化。这能在不增加比特数不增加功耗的前提下提升等效的相干性增益。6.3 未来研究方向展望多用户与多zeRIS协作本文聚焦于单用户单zeRIS场景。未来网络必然是多用户、多zeRIS的。量化误差在多用户波束赋形中会引入多用户干扰在多zeRIS协作中会影响联合波束赋形的效果。分析量化在多细胞网络中的影响是一个富有挑战性的方向。与混合波束赋形结合在基站侧使用混合波束赋形模拟数字已是趋势。zeRIS与混合波束赋形基站协同工作如何联合优化基站的数字预编码和zeRIS的量化相移是一个重要的系统级问题。机器学习辅助配置鉴于zeRIS系统参数多、耦合强传统优化方法可能复杂度高。利用深度强化学习等机器学习方法根据环境反馈自适应地配置zeRIS的相位、HaR模式等是一个很有前景的实用化路径。宽带与频率选择性信道本文模型基于窄带平坦衰落信道。在实际宽带系统中信道具有频率选择性。zeRIS的相位响应通常是频率平坦的或具有有限带宽这会导致在不同子载波上产生不同的量化误差。分析zeRIS在OFDM系统下的性能并设计宽频带相位配置方案是走向商用的必经之路。零能耗智能反射面将通信与能量采集深度融合代表了绿色、可持续无线网络的一个重要演进方向。相位量化作为其从理论走向实践无法绕开的硬件约束其影响复杂而深刻。本文建立的分析框架如同一把手术刀剖开了量化误差、能量约束与通信性能之间错综复杂的耦合关系。它告诉我们zeRIS的设计没有银弹必须根据具体的部署环境、硬件成本和性能要求在多个维度上做出精妙的权衡。希望这篇深入的分析能为你在zeRIS的研究、设计与应用之路上提供坚实的理论基础和清晰的设计指南。
量化相移对零能耗智能反射面性能的影响与设计权衡
1. 项目概述在下一代无线通信的演进蓝图中可重构智能反射面Reconfigurable Intelligent Surface, RIS正扮演着越来越关键的角色。想象一下如果我们可以像操控光线一样用软件去“编程”电磁波的传播路径那么网络覆盖的盲区、信号质量的波动、乃至基站能耗的居高不下都将迎刃而解。RIS的核心正是通过成百上千个低成本、可独立调控的反射单元对入射的无线信号施加精确的相移从而实现对反射波束的智能赋形。然而当我们将目光投向更前沿、更具挑战性的场景——例如在偏远地区、物联网节点或无人机基站上部署大量RIS时一个现实问题浮出水面如何为这些设备持续供电零能耗智能反射面Zero-Energy RIS, zeRIS的概念应运而生它试图让RIS从环境中“汲取”能量实现自给自足。zeRIS的愿景很美好但实现之路布满荆棘。其核心矛盾在于同一个入射信号既要被“吸收”一部分能量来驱动RIS自身的控制电路和移相器工作又要被“反射”一部分能量去服务通信终端。这就像一块太阳能电池板既要发电给自己用又要反射阳光去照亮别处两者在物理上是竞争关系。更棘手的是在实际硬件中受限于成本、体积和功耗我们无法为每个反射单元配备一个可以产生任意连续相位的理想移相器。取而代之的是仅有有限几个离散相位状态的量化移相器比如用2-bit控制4个相位状态或3-bit控制8个相位状态。这种“非黑即白”的离散化操作会引入一个无法消除的残余相位误差。这个看似微小的量化误差在zeRIS系统中却被放大了。它不仅像在普通RIS中那样会劣化波束赋形的精度降低接收信号的信噪比更关键的是它还会扭曲能量采集过程。因为zeRIS为了最大化采集能量需要将反射单元的相位与入射信号对齐以最大化吸收而为了最大化通信速率又需要将相位与整个传输链路对齐以最大化相干叠加。量化误差会同时破坏这两个“对齐”过程使得能量采集效率和信号反射效率此消彼长形成一个复杂的耦合关系。因此单纯地增加相位分辨率使用更多比特的移相器未必能提升整体性能因为它同时增加了控制电路的功耗可能让zeRIS“入不敷出”。本文旨在为你深入剖析量化相移对零能耗智能反射面zeRIS性能的影响。我们将从系统模型出发建立残余相位误差的统计模型并在此基础上严谨分析两种主流的“采集-反射”方案——时间切换和单元分裂——在发射机侧和用户侧两种典型部署场景下的表现。最终我们将推导出系统联合能量-数据速率中断概率的闭式表达式并揭示相位分辨率、部署策略与系统能量效率之间的内在权衡。无论你是通信系统工程师、无线网络研究员还是对前沿技术充满好奇的学习者这篇文章都将为你提供一套完整的分析框架和实用的设计洞见。2. 系统模型与核心挑战拆解在深入数学推导之前我们有必要先搭建起zeRIS系统的基本框架并理解其运行所面临的核心矛盾。这有助于我们看清量化误差究竟是在哪个环节、以何种方式“搞破坏”的。2.1 zeRIS的基本工作原理与自供能悖论一个典型的zeRIS辅助通信系统包含三个角色一个单天线发射机Tx、一个配备N个无源反射单元的zeRIS以及一个单天线用户设备UE。信号从Tx发出经zeRIS反射后到达UE。zeRIS的每个反射单元都集成了三个核心部分一个可调阻抗的反射面用于改变信号相位、一个能量采集电路如整流天线以及一个简单的本地控制器。zeRIS的“零能耗”梦想建立在能量采集之上。其工作能量完全来自于它试图去调控的入射射频信号。这就引出了其根本性的约束能量预算与通信性能的强耦合。zeRIS控制器和每个反射单元的移相器都需要消耗功率。设控制器功耗为P_ctrl每个反射单元的功耗为Pelem。研究表明Pelem与相位分辨率q比特数近似成正比即Pelem q * P_PIN因为更高精度的相位控制通常需要更多PIN二极管开关来实现。因此zeRIS的总功耗为 P_total N * Pelem P_ctrl。zeRIS必须在每个通信时隙内采集到不少于P_total * T的能量T为时隙长度才能维持其基本功能。采集的能量Q_harv取决于入射信号功率、信道条件以及zeRIS为采集能量而设置的相位配置。如果Q_harv P_total * T则zeRIS因能量不足而“宕机”通信中断。另一方面zeRIS的通信性能体现为它能为UE提供的信噪比增益这又取决于它为服务通信而设置的另一种相位配置。能量采集的最优相位配置与通信服务的最优相位配置在绝大多数信道条件下是冲突的。这就是zeRIS系统的核心悖论它必须用同一批资源入射信号同时完成两个相互竞争的目标。2.2 两种“采集-反射”方案时间切换 vs. 单元分裂为了解决上述矛盾学术界提出了两种基础的资源分配方案它们代表了在时间和空间维度上的不同权衡。时间切换Time Switching, TS方案zeRIS将一个通信时隙T划分为两个部分。在τT时长内0 ≤ τ ≤ 1所有N个反射单元统一配置为“能量采集模式”其相位被设置为抵消Tx-zeRIS链路的相位使得入射信号在单元处同相叠加从而最大化能量采集效率。在剩余的(1-τ)T时长内所有N个单元切换为“通信反射模式”其相位被设置为抵消整个Tx-zeRIS-UE级联链路的相位使得所有反射信号在UE处同相叠加从而最大化接收信噪比。优点逻辑简单控制开销小。在任一时间段内所有单元目标一致协同性好。缺点存在固有的时间资源折损。用于采集能量的时间τ无法用于通信反之亦然。这导致了通信速率的直接损失速率公式中会出现(1-τ)的乘性因子。单元分裂Element Splitting, ES方案zeRIS将N个反射单元静态地划分为两个子集。其中N1个单元永久性地 dedicated 为“能量采集单元”它们始终配置为能量采集模式。剩下的N2 N - N1个单元则作为“通信反射单元”始终配置为通信反射模式。优点可以同时进行能量采集和通信服务没有时间上的损失。缺点牺牲了空间自由度。用于通信的单元数从N减少到了N2这会降低波束赋形的增益与N2^2成正比。同时能量采集的效能也仅由N1个单元贡献。选择TS还是ES这没有绝对答案它高度依赖于信道条件、距离和相位分辨率。在后续的分析中我们将看到在近场zeRIS靠近Tx或UE且信道条件较好时ES可能更优因为它能充分利用空间资源。而在远场或信道较差时TS的“集中力量办大事”策略虽然分时可能更能保证能量采集的稳定性。2.3 量化相移与残余相位误差建模这是本文的技术核心也是zeRIS区别于传统RIS分析的关键。在实际硬件中移相器无法产生连续的相位值ω。它只能从一组有限的离散值中选择一个例如对于一个q-bit的移相器其可选相位集合为 Q {0, Δ, 2Δ, ..., (2^q -1)Δ}其中Δ 2π/2^q。假设对于第i个反射单元通信所需的最优连续相位是φ_i由信道相位决定。硬件移相器会通过一个量化函数Q(·)选择集合Q中与φ_i最接近的那个离散值作为实际施加的相位ω_i Q(φ_i)。由此产生的误差就是残余相位误差ε_i ω_i - φ_i。这个误差ε_i并不是一个固定值而是一个随机变量其统计特性取决于我们希望量化的那个连续相位φ_i的分布。而φ_i又由无线信道的相位决定。在经典的莱斯或Nakagami-m信道模型中信号的相位并非均匀分布尤其是在存在直射径LoS时相位会围绕一个均值即直射径的相位呈现一定的集中分布。我们假设信道相位θ的概率密度函数PDF为f_θ(θ) [e^(κ cos(θ-μ))] / [2π(K1)I_0(κ)] [K/(K1)] * δ(θ-μ)其中μ是直射径的相位与距离相关κ是集中参数κ0对应均匀分布K是莱斯因子δ(·)是狄拉克δ函数。这个模型巧妙地融合了直射径确定性分量和散射径随机分量的相位特性。基于此我们可以推导出残余相位误差ε的PDF。直观理解由于量化是将连续的相位区间“切割”成2^q个等宽的小区间每个小区间对应一个离散相位值。误差ε就均匀地分布在这个小区间内吗并非如此。因为输入相位φ_i并非均匀分布所以它落入每个量化区间的概率不同导致误差ε的分布也发生了扭曲。我们的推导结果表明其PDF是一个由2^q个加权指数余弦函数项之和再加上一个可能的冲激项当存在强直射径时量化误差可能是一个确定值。当信道为纯非视距Rayleigh衰落K0, κ0时相位均匀分布此时ε才退化为在[-Δ/2, Δ/2]上的均匀分布。这个精确的误差模型是后续所有性能分析的基础。它告诉我们量化误差的“坏处”不是平均意义上的一个固定值而是一个具有特定统计特性的扰动它会系统地降低信号相干叠加的效率。2.4 部署场景发射机侧 vs. 用户侧zeRIS在网络中的位置极大地影响了其面临的信道条件从而影响了量化误差的统计特性以及系统的整体表现。发射机侧部署zeRIS被部署在非常靠近发射机Tx的位置。此时Tx-zeRIS链路可以视为一个纯净的、确定性的视距链路。其信道幅度|h1| 1相位arg(h1) 2πd1/λ已知且固定。而zeRIS-UE链路则经历衰落其幅度服从Nakagami-m分布相位随机。用户侧部署zeRIS被部署在非常靠近用户设备UE的位置。此时情况正好相反zeRIS-UE链路是纯净视距而Tx-zeRIS链路经历衰落。这两种部署场景简化了分析因为总有一个链路是确定的将双链路级联信道的随机性来源减少到一个。更重要的是它们代表了实际部署中的两种典型思路靠近发射机如基站侧智能墙面或靠近用户如终端侧智能中继。我们的分析将分别针对这两种场景展开。3. 残余相位误差的统计特性与矩分析为了将复杂的残余相位误差模型融入系统性能分析我们需要找到一种既精确又便于数学处理的工具。直接使用误差的PDF进行后续推导会异常繁琐。一个更聪明的办法是分析其圆矩。3.1 圆矩的定义与物理意义对于一个随机相位误差ε其n阶圆矩定义为μ_n E[e^(j n ε)]其中E[·]表示期望。为什么圆矩如此有用核心作用在分析zeRIS的接收信号或采集能量时我们最终关心的是许多复指数项e^(j ε_i)的求和。这个求和的统计特性特别是其均值和方差可以通过各个误差项的圆矩来表达。例如E[|Σ e^(j ε_i)|^2]的计算就会涉及到μ_1和μ_2。物理意义一阶圆矩μ_1 E[e^(j ε)]的模长|μ_1|直观地反映了由于相位误差导致的相干性损失。|μ_1|越接近1说明相位误差的均值越小信号的相干叠加效果越好|μ_1|越接近0说明相位误差使得信号方向杂乱相干增益损失严重。包含完整信息圆矩序列{μ_n}在某种意义上包含了随机相位分布的全部信息。对于我们的性能分析通常只需要前两阶矩μ_1和μ_2就足够了。3.2 圆矩的闭式推导与近似基于上一节推导的残余相位误差PDF我们可以计算其n阶圆矩。推导过程涉及积分、傅里叶级数展开以及修正贝塞尔函数的性质。最终我们得到μ_n的一个表达式它包含一个对量化索引m的求和以及一个对贝塞尔函数展开项ℓ的无穷级数。这个表达式是精确的但包含无穷级数不利于快速计算和直观理解。幸运的是我们发现这个无穷级数收敛得非常快。这是因为修正贝塞尔函数I_ℓ(κ)随着ℓ的增大而迅速衰减。在实际应用中通常取前L5到10项就能获得极高的精度。我们甚至可以从数学上严格证明这个截断误差的上界它随着L的增加而指数级下降。一个重要的特例当信道为纯非视距Rayleigh衰落时相位均匀分布此时残余相位误差ε在[-Δ/2, Δ/2]上均匀分布。其圆矩有一个极其简洁的形式μ_n sin(nΔ/2) / (nΔ/2)这个函数就是著名的sinc函数。它清晰地展示了量化误差的影响随着阶数n增加圆矩振荡衰减随着相位分辨率q增加Δ减小μ_n趋近于1即误差影响减小。注意许多早期关于RIS相位量化的研究不假思索地直接使用了这个均匀分布假设下的sinc函数圆矩。这在纯NLoS场景下是准确的。然而一旦系统中存在直射径LoS相位分布就不再均匀此时再使用sinc函数就会导致性能预测出现显著偏差可能高估或低估量化带来的损失。我们的模型通过参数κ和K能够精确捕捉这种非均匀性这是本文分析框架的一个重要优势。3.3 圆矩如何影响系统性能让我们以发射机侧部署、TS方案为例直观感受一下圆矩是如何嵌入性能指标的。在通信阶段zeRIS使用N个单元进行波束赋形。接收信号的功率与|Σ_{i1}^N |h2_i| e^(j ε_i)|^2成正比。这里|h2_i|是衰落信道的幅度ε_i是服务于通信时的残余相位误差。计算这个求和项的期望即平均接收功率时就会涉及到幅度|h2_i|的矩来自Nakagami-m分布和相位误差ε_i的圆矩μ_1。具体来说E[|Σ|h2_i| e^(j ε_i)|^2]包含两项一项是各单元功率的简单求和N * E[|h2|^2]另一项是交叉项正比于|μ_1|^2。|μ_1|^2衡量了由于相位误差导致的相干叠加增益的损失。如果|μ_1| 0那么所有交叉项期望为零N个单元完全非相干叠加增益与N成正比即功率叠加。如果|μ_1| 1则完美相干增益与N^2成正比。量化误差使得|μ_1| 1从而损失了这部分宝贵的阵列增益。在能量采集阶段情况略有不同。对于发射机侧部署Tx-zeRIS是视距链路相位固定。zeRIS为了最大化采集能量会将所有单元的相位设置为完全补偿这个固定相位。由于所有单元的目标相位相同经过量化后它们会产生相同的残余相位误差。此时N个单元的反射信号在zeRIS处仍然是完全相干的因此量化误差不会降低能量采集的效率采集的能量仍然与N^2成正比。这是一个非常关键且反直觉的发现在特定部署下量化对能量采集和通信的影响是非对称的。这种非对称性正是导致zeRIS系统中量化效应产生复杂权衡的根本原因。在下一节我们将把这些统计工具应用于具体的性能指标——中断概率。4. 联合能量-数据速率中断概率分析中断概率是评估无线通信系统可靠性的核心指标。对于zeRIS系统我们必须同时考虑两种中断事件1)能量中断zeRIS在一个时隙内采集的能量不足以支持其运行2)速率中断即使zeRIS正常工作其辅助下的通信速率低于某个阈值R_thr。系统的整体可靠性由这两个事件的并集决定即联合中断概率。我们的目标是为TS和ES两种方案在两种部署场景下推导出这个联合中断概率的闭式表达式。由于精确的分布推导极其困难我们采用一种经典且有效的近似方法矩匹配法。我们首先计算接收信号功率或等效变量的一阶矩和二阶矩然后用一个伽马分布来匹配这两个矩。伽马分布能很好地拟合非负随机变量的分布并且其累积分布函数有闭式形式不完全伽马函数非常适合中断概率的分析。4.1 发射机侧部署下的中断概率4.1.1 时间切换TS方案在TS方案下zeRIS先进行τT时长的能量采集再进行(1-τ)T时长的通信。我们需要计算两个随机变量采集的能量Q_TS和通信的等效信道增益X_TS |Σ_{i1}^N |h2_i| e^(j ε_i)|^2。能量采集项如前所述在发射机侧部署下所有单元用于能量采集的相位配置相同量化后误差也相同。因此采集能量是一个确定性量Q_TS τ T ζ Pt Gt ℓ1 N^2。其中ζ是能量转换效率Pt是发射功率Gt是发射天线增益ℓ1是Tx-zeRIS路径损耗。能量消耗E_TS T[(1-τ) N Pelem Pctrl]。注意在通信阶段所有N个单元才耗电。能量可行性条件zeRIS能工作的前提是Q_TS ≥ E_TS。这给出了一个关于反射单元数量N的约束N ≥ N_min^TS。N_min^TS是一个由系统参数Pt, Pelem, Pctrl, ζ等和切换因子τ决定的阈值。如果N小于这个阈值zeRIS永远无法收集足够能量联合中断概率直接为1。速率中断项当能量条件满足时中断仅由速率决定。我们需要计算Pr{ (1-τ) log2(1 γ_t G ℓ_p X_TS) R_thr }其中γ_t Pt/σ^2是发射信噪比ℓ_p ℓ1 ℓ2是总路径损耗。这等价于Pr{ X_TS x_B^TS }其中x_B^TS (2^(R_thr/(1-τ)) - 1) / (γ_t G ℓ_p)。现在关键就是求X_TS的分布。我们计算X_TS的一阶矩E[X]和二阶矩E[X^2]。计算过程需要用到|h2_i|的矩来自Nakagami-m分布和相位误差ε_i的圆矩μ_1, μ_2。最终我们得到两个复杂的表达式即原文中的式(35)和(36)它们是N、信道参数m, Ω和圆矩μ_n(d2)的函数。利用矩匹配我们将X_TS近似为一个形状参数为k、尺度参数为θ的伽马分布其中k E[X]^2 / (E[X^2] - E[X]^2)θ (E[X^2] - E[X]^2) / E[X]。那么速率中断概率就近似为伽马分布的CDF在x_B^TS处的值P_out_rate ≈ γ(k, x_B^TS/θ) / Γ(k)其中γ(·,·)是下不完全伽马函数Γ(·)是伽马函数。因此TS方案的联合中断概率为P_B^TS { 1, if N ≤ N_min^TS; γ(k_TS, x_B^TS/θ_TS) / Γ(k_TS), otherwise. }4.1.2 单元分裂ES方案在ES方案下N1个单元始终采集能量N2个单元始终服务通信。能量采集项与TS类似由于是发射机侧部署所有N1个采集单元的相位配置相同量化不影响相干性。因此采集能量为确定性量Q_ES T ζ Pt Gt ℓ1 N1^2。能量消耗E_ES T (N2 Pelem Pctrl)。能量可行性条件Q_ES ≥ E_ES这给出了关于N1的约束N1 ≥ N_min^ES sqrt( (N2 Pelem Pctrl) / (ζ Pt Gt ℓ1) )。如果N1小于此值中断概率为1。速率中断项当能量条件满足时中断由通信单元的信道增益X_ES |Σ_{i1}^N2 |h2_i| e^(j ε_i)|^2决定。其矩的计算与TS方案中的X_TS类似只是将N替换为N2。因此ES方案的联合中断概率为P_B^ES { 1, if N1 ≤ N_min^ES; γ(k_ES, x_B^ES/θ_ES) / Γ(k_ES), otherwise. }其中x_B^ES (2^(R_thr) - 1) / (γ_t G ℓ_p)k_ES和θ_ES由X_ES的矩计算得到。设计启示从这两个表达式我们可以直接得到最优的资源配置。对于TS最优时间切换因子τ* 就取在能量收支平衡的边界上即让采集的能量刚好等于消耗的能量。因为一旦能量足够进一步增加τ只会减少通信时间从而提高中断概率。对于ES最优的单元分配N1* 也取在能量平衡的边界上。因为一旦能量足够将更多的单元从采集组N1转移到通信组N2会直接提升通信速率降低中断概率。 这给出了一个非常清晰的设计准则zeRIS应配置为“能量勉强够用”的状态将所有剩余资源都投入到提升通信性能上。4.2 用户侧部署下的中断概率用户侧部署的分析与发射机侧对称但有一个根本区别此时zeRIS-UE链路是纯净视距而Tx-zeRIS链路是衰落链路。这意味着在通信阶段所有反射信号在UE处叠加时其相位误差ε_i对于所有单元是相同的因为要补偿的zeRIS-UE链路相位是固定的因此量化误差不影响通信的相干性。通信的信道增益变为X (Σ |h1_i|)^2只与衰落链路的幅度有关相位误差的影响消失了。而在能量采集阶段情况变得复杂。zeRIS为了最大化采集能量需要将相位与Tx-zeRIS衰落链路的相位对齐。由于该链路相位是随机的且对不同单元可能不同量化后各单元的残余相位误差ε_i是独立同分布的随机变量。这会破坏能量采集信号的相干性使得采集能量从与N1^2成正比退化到与N1 * E[|h1|^2] N1(N1-1) * (E[|h1|])^2 * |μ_1|^2成正比。这里|μ_1|^2再次出现表征了量化对能量采集相干性的破坏。因此在用户侧部署下量化误差的“破坏对象”从通信性能转移到了能量采集效率上。这会导致完全不同的设计权衡。例如在TS方案下为了保证能量采集的稳定性可能需要更大的τ或更高的相位分辨率q。对用户侧部署的中断概率分析思路与4.1节完全一致只是需要将圆矩μ_n的计算距离参数从d2改为d1并在能量和速率表达式中互换角色。最终也能得到类似伽马分布近似的闭式表达式。4.3 中断概率表达式的工程解读我们推导出的中断概率公式虽然看起来复杂但具有清晰的工程意义阈值行为公式明确分成了两部分。当zeRIS规模N或N1小于某个最小阈值时系统因能量根本不够用而必然中断概率为1。这给出了zeRIS部署的最低硬件要求。低于这个规模自供能概念不可行。伽马分布近似在能量可行的区域中断概率由伽马分布的CDF描述。形状参数k和尺度参数θ由信道条件m, Ω、相位分辨率通过圆矩μ_n、以及zeRIS规模决定。参数影响相位分辨率q增加q减小Δ会使圆矩μ_1的模|μ_1|增大这有利于提升相干性无论是通信还是能量采集取决于部署场景。但同时Pelem q * P_PIN也会线性增加抬高了能量消耗的阈值N_min。因此存在一个最优的q并非越大越好。部署距离距离直接影响路径损耗ℓ1和ℓ2它们以乘积形式影响信噪比并以平方形式影响能量采集。zeRIS靠近Tx或UE能显著改善性能。信道条件Nakagami-m参数m表征衰落严重程度和莱斯因子K表征直射径强度通过影响幅度矩和圆矩来影响性能。更好的信道更大的m和K能降低中断概率。资源分配τ或N1存在一个最优值在能量可行性的边界上取得。这些闭式表达式为系统设计者提供了快速评估工具无需进行耗时的蒙特卡洛仿真就能洞察不同设计参数对系统可靠性的影响。5. 数值结果与设计权衡讨论理论分析需要数值模拟来验证和提供直观感受。本节我们通过一组典型的系统参数来展示量化相移如何影响zeRIS的性能并揭示其中的关键权衡。仿真参数设置载频2.4 GHz带宽20 MHz。发射功率Pt 30 dBm噪声功率谱密度-174 dBm/Hz。zeRIS单元数N100单个PIN二极管功耗P_PIN 0.1 mW控制器功耗P_ctrl 1 mW。能量转换效率ζ0.5。路径损耗模型采用3GPP UMi场景视距路径损耗指数a2.2非视距a3.7。信道衰落zeRIS-UE链路为Nakagami-m衰落m2中等衰落。目标速率R_thr 1 bps/Hz。5.1 相位分辨率的影响一个非单调的故事我们首先固定zeRIS位置例如Tx侧部署d110m d250m观察不同相位分辨率q1-bit到8-bit下系统联合中断概率的变化。趋势中断概率并不随q增加而单调下降。在q较小时如1-bit或2-bit增加分辨率能显著提升|μ_1|改善相干叠加从而大幅降低中断概率。然而当q增加到一定程度如4-bit以上后中断概率的下降曲线变得非常平缓甚至可能出现回升。原因解释这是因为Pelem随q线性增长。在q较小时量化误差导致的性能损失是主要矛盾提高分辨率收益巨大。但当q较大时量化误差已经很小性能瓶颈逐渐转移到能量约束上。更高的q意味着每个单元功耗更高使得能量可行性阈值N_min提高。在固定N下系统可能从“能量充足”区域滑向“能量临界”甚至“能量不足”区域从而导致中断概率不降反升。最优q的存在曲线会呈现一个“碗状”存在一个使中断概率最小的最优相位分辨率q*。这个q取决于许多因素传输距离、信道条件、zeRIS规模N、以及采用的HaR方案。例如在信道条件较差距离远、衰落严重时系统对相干性更敏感可能需要更高的q。而在zeRIS规模N很小时能量约束是主要矛盾q*可能会更低。5.2 TS vs. ES谁更胜一筹在不同的部署场景和信道条件下TS和ES方案的优劣会发生变化。发射机侧部署近距离/好信道此时即使只用一部分单元ES方案中的N2也能获得很高的信噪比。同时由于能量采集效率高与N1^2成正比可以用较少的采集单元满足能量需求将更多单元用于通信。因此ES方案通常更优因为它能实现全时通信没有时间损失。远距离/差信道此时通信需要所有单元的波束赋形增益与N^2成正比来克服路径损耗。TS方案虽然损失了时间但能在通信时段集中所有单元的能量。同时能量采集也可能变得困难需要更长的采集时间τ。在这种情况下TS方案可能更具鲁棒性。用户侧部署此时量化误差主要影响能量采集。TS方案在采集时段可以使用所有单元而ES方案只有N1个单元在采集。为了达到相同的采集能量ES方案需要更大的N1这挤占了通信单元数N2。因此在用户侧部署下TS方案往往更有优势因为它能更灵活地在时间维度上调配所有资源应对能量采集的挑战。5.3 部署策略的深远影响我们的分析清晰地表明“zeRIS应该放在哪里”不是一个可以简单回答的问题。靠近发射机Tx-side优势能量采集不受量化误差影响确定性相干能量供应更稳定。Tx-zeRIS链路通常是稳定的视距易于规划和优化。劣势量化误差会直接影响通信性能。且zeRIS-UE链路通常是较差的NLoS链路通信性能对量化更敏感。靠近用户UE-side优势通信性能不受量化误差影响确定性相干能提供稳定的波束赋形增益。特别适合为特定用户或热点区域提供增强覆盖。劣势能量采集受量化误差和Tx-zeRIS衰落信道双重影响能量供应不稳定是系统的薄弱环节。选择建议如果系统的首要目标是通信可靠性和高速率且能容忍一定的部署复杂度来保障能量例如Tx功率较高或环境射频能量充足则UE-side部署是优选。如果系统的首要目标是实现稳定自供能确保zeRIS在任何情况下都能开机工作则Tx-side部署更可靠但需要接受量化对通信性能的折损。5.4 残余相位误差模型的重要性与均匀假设的对比为了凸显我们提出的非均匀相位误差模型的必要性我们可以进行一组对比实验分别采用我们推导的精确圆矩基于Nakagami-m相位分布和传统的均匀相位假设下的sinc函数圆矩来计算中断概率。结果在存在较强直射径高K因子的场景下两种模型计算出的中断概率会有显著差异。均匀假设可能会严重高估或低估量化带来的性能损失误差可达数个dB。原因当存在直射径时信道相位不再均匀分布而是集中在直射径相位附近。此时残余相位误差的分布也不再是均匀的。如果直射径相位恰好落在两个量化电平的正中间那么量化误差的分布会是双峰的集中在±Δ/2附近其圆矩|μ_1|会比均匀分布时更小导致更严重的相干性损失。反之如果直射径相位恰好对准某个量化电平那么误差分布会集中在0附近|μ_1|更大损失更小。均匀假设完全抹杀了这种与直射径相位相关的“幸运”或“不幸”情况导致预测不准。实践意义在zeRIS的实际部署和波束赋形算法中如果能通过信道估计获知直射径的相位那么我们可以有意识地调整zeRIS的参考相位使得需要量化的目标相位尽可能对齐量化电平从而最大化|μ_1|减轻量化损失。我们的模型为这种优化提供了理论基础。6. 工程实践启示与未来展望基于上述理论分析与数值观察我们可以为zeRIS的工程设计与网络规划提炼出一些切实可行的指导原则。6.1 硬件设计选型建议相位分辨率并非越高越好盲目追求高精度如6-bit以上的移相器对于zeRIS可能是得不偿失的。设计师需要在量化损失和电路功耗之间进行精细权衡。对于大多数中短距离、中低频段的应用3-bit或4-bit的移相器可能是一个性价比极高的甜点区域。低功耗控制器是关键控制器功耗P_ctrl作为一个固定开销直接提高了能量可行性阈值N_min。研发超低功耗的微控制器或专用集成电路ASIC来管理zeRIS的相位配置对提升系统可行性至关重要。能量采集电路效率能量转换效率ζ直接线性影响采集能量。提升整流天线Rectenna的效率是改善zeRIS能量预算最直接的途径。同时电路的自启动从极弱射频信号中唤醒能力也是一个重要研究方向。6.2 网络部署与资源配置策略部署位置需联合优化zeRIS的位置Tx-side vs. UE-side应作为网络规划的一部分与相位分辨率、HaR方案联合优化。对于覆盖增强场景可优先考虑UE-side部署对于广域物联网Tx-side部署可能更利于生存。动态资源配置算法TS方案中的τ和ES方案中的N1/N2划分不应是固定值。它们应根据实时的信道状态信息CSI、能量缓冲器状态进行动态调整。可以设计低复杂度的在线算法以最大化长期平均吞吐量或最小化中断概率为目标实时优化这些参数。考虑不均匀量化我们的分析基于均匀量化。在实际中是否可以采用非均匀量化例如在相位误差对系统性能影响更敏感的区域如0相位附近采用更精细的量化在不敏感区域采用更粗糙的量化。这能在不增加比特数不增加功耗的前提下提升等效的相干性增益。6.3 未来研究方向展望多用户与多zeRIS协作本文聚焦于单用户单zeRIS场景。未来网络必然是多用户、多zeRIS的。量化误差在多用户波束赋形中会引入多用户干扰在多zeRIS协作中会影响联合波束赋形的效果。分析量化在多细胞网络中的影响是一个富有挑战性的方向。与混合波束赋形结合在基站侧使用混合波束赋形模拟数字已是趋势。zeRIS与混合波束赋形基站协同工作如何联合优化基站的数字预编码和zeRIS的量化相移是一个重要的系统级问题。机器学习辅助配置鉴于zeRIS系统参数多、耦合强传统优化方法可能复杂度高。利用深度强化学习等机器学习方法根据环境反馈自适应地配置zeRIS的相位、HaR模式等是一个很有前景的实用化路径。宽带与频率选择性信道本文模型基于窄带平坦衰落信道。在实际宽带系统中信道具有频率选择性。zeRIS的相位响应通常是频率平坦的或具有有限带宽这会导致在不同子载波上产生不同的量化误差。分析zeRIS在OFDM系统下的性能并设计宽频带相位配置方案是走向商用的必经之路。零能耗智能反射面将通信与能量采集深度融合代表了绿色、可持续无线网络的一个重要演进方向。相位量化作为其从理论走向实践无法绕开的硬件约束其影响复杂而深刻。本文建立的分析框架如同一把手术刀剖开了量化误差、能量约束与通信性能之间错综复杂的耦合关系。它告诉我们zeRIS的设计没有银弹必须根据具体的部署环境、硬件成本和性能要求在多个维度上做出精妙的权衡。希望这篇深入的分析能为你在zeRIS的研究、设计与应用之路上提供坚实的理论基础和清晰的设计指南。
