⚡ electrical engineering

ARIS-RSMA Enhanced ISAC System: Joint Rate Splitting and Beamforming Design

本文提出了一种由有源可重构智能表面（ARIS）辅助的速率分割多址（RSMA）集成感知通信系统，通过联合优化收发端与 ARIS 的波束成形及速率分割策略，在满足多用户速率和功率约束的前提下最大化多目标回波信干噪比，有效解决了遮挡视距环境下的多目标感知公平性瓶颈问题。

原作者： Xin Jin, Tiejun Lv, Yashuai Cao, Jie Zeng, Mugen Peng

发布于 2026-02-13

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Xin Jin, Tiejun Lv, Yashuai Cao, Jie Zeng, Mugen Peng

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文讲述了一个关于**“如何在信号被遮挡的复杂环境中，既让所有人都能上网，又能精准地‘看’到所有目标”**的聪明解决方案。

为了让你更容易理解，我们可以把整个系统想象成一个**“超级智能的反射镜团队”在指挥一场“交通与安保”**行动。

1. 背景：遇到了什么麻烦？

想象一下，你站在一个巨大的广场（基站）上，想要做两件事：

发快递（通信）： 给广场上的 4 个朋友（用户）发送消息。
抓小偷（感知）： 用雷达扫描广场，找出躲在墙后面（视线被遮挡）的 2 个小偷（目标）。

麻烦在于：

墙挡住了视线： 小偷躲在墙后，直接发雷达波过去会被挡住，根本照不到。
资源不够用： 如果你把精力全用来抓那个最难抓的小偷，可能就没力气给朋友们发快递了；或者为了照顾某个朋友，导致另一个朋友信号太差。
传统方法的局限： 以前的方法（像 SDMA）就像是一个只会“精准打击”的保镖，为了不让信号干扰别人，必须把某些方向完全屏蔽（零陷），但这在视线受阻时效率很低，导致有些目标根本“看”不到，或者有些朋友信号很弱。

2. 核心主角：两个“超级英雄”

为了解决这个问题，论文引入了两个关键角色：

角色 A：ARIS（主动智能反射镜）

比喻： 想象墙上挂了一面**“自带扩音器和反光功能的智能镜子”**。
作用： 普通的镜子（被动 RIS）只能反射信号，信号弱了它就弱了。但这面ARIS 镜子不仅能反射，还能放大信号！它能把基站发出的微弱信号“喊”得更大声，绕过大墙，精准地照到躲在后面的小偷身上，同时也能把信号反射给朋友，让他们听得更清楚。

角色 B：RSMA（速率分割多址）

比喻： 这是一种**“聪明的打包发货”**策略。
以前的做法（SDMA）： 给每个人发完全独立的包裹，互不干扰，但一旦有人信号不好，整个系统就得降速。
RSMA 的做法： 把消息分成两部分：
- 公共包裹（Common Stream）： 所有人（或大部分人）都能收到并解码的“通用信息”。
- 私人包裹（Private Stream）： 只有特定朋友能拆开的“机密信息”。
妙处： 它不害怕干扰，反而把一部分干扰当作“公共信息”来利用。这样，即使环境很嘈杂，也能保证每个人都能收到足够的信息，而且剩下的资源可以更多地用来“抓小偷”。

3. 他们是如何合作的？（解决方案）

这篇论文的核心就是设计一套**“联合指挥系统”**，让基站、智能镜子和打包策略完美配合：

调整角度（波束赋形）： 基站和智能镜子不断调整“手电筒”照向哪里，确保信号既能照亮朋友，又能绕过墙壁照到小偷。
分配包裹（速率分割）： 决定多少信息放在“公共包裹”里，多少放在“私人包裹”里。如果某个朋友信号差，就多给他塞点“公共包裹”里的内容，保证他不掉队。
放大信号（ARIS 增益）： 智能镜子根据情况，决定放大多少信号，既要让小偷现形，又不能让镜子自己“过热”（功率限制）。

目标： 在满足所有朋友都能正常上网的前提下，让那个最难被发现的“最倒霉的小偷”也能被雷达清晰地看到（即最大化“最坏情况”下的感知能力）。

4. 数学难题与破解

这听起来简单，但背后的数学计算非常复杂（就像要在一个充满障碍的迷宫里，同时优化几百个变量）。

难点： 信号放大、干扰、反射路径交织在一起，形成了一个极其复杂的“死结”。
破解方法： 作者设计了一个**“分步走”的算法**（BCD 算法）。
- 第一步：先定好怎么照镜子（接收波束）。
- 第二步：再定好怎么发快递（发射波束和打包策略）。
- 第三步：最后定好镜子怎么反射（反射系数）。
- 然后循环往复，像磨刀一样，一步步把方案磨得越来越锋利，直到达到最优。

5. 实验结果：效果如何？

作者通过电脑模拟（仿真）证明了这套方案很牛：

比传统方法强： 无论是比普通的“被动镜子”（PRIS），还是比传统的“独立打包”（SDMA）或“非正交多址”（NOMA），这套方案都能让“最倒霉的小偷”被看得更清楚。
接近理论极限： 它的表现几乎达到了“只抓小偷、不管发快递”的理论最高水平，说明它在兼顾通信和感知方面做到了极致。
位置很重要： 模拟显示，智能镜子放在离“被遮挡区域”稍微近一点但不是最近的地方效果最好，这就像把扩音器放在离舞台稍远但能覆盖全场的位置，平衡了各方需求。

总结

这篇论文提出了一种**“主动智能镜子 + 聪明打包策略”的新组合。
它就像是一个高明的交通指挥官**，在视线受阻的复杂城市里，利用一面能放大声音的镜子和一套灵活的广播系统，确保了：

所有市民（用户）都能收到清晰的广播（通信公平）。
躲在暗处的罪犯（目标）无处遁形，哪怕是最难抓的那个也能被精准定位（感知公平）。

这为未来 6G 网络中，如何在复杂环境下同时实现高速通信和精准感知，提供了一个非常有力的解决方案。

这是一份关于论文《ARIS-RSMA Enhanced ISAC System: Joint Rate Splitting and Beamforming Design》（基于有源重构智能表面的增强型 ISAC 系统：联合速率分割与波束成形设计）的详细技术总结。

1. 研究背景与问题 (Problem)

背景：
通感一体化（ISAC）旨在统一通信与感知功能以提升硬件和频谱效率。然而，在实际部署中，ISAC 系统面临三大挑战：

视距（LoS）遮挡： 目标与基站之间可能存在障碍物，导致感知链路中断。
干扰管理复杂： 多用户通信与多目标感知之间存在资源竞争。
多目标感知公平性瓶颈： 在遮挡环境下，传统的空分多址（SDMA）方案通过零陷（Nulling）抑制干扰，导致空间资源利用率低，难以在多目标间实现均衡的感知信干噪比（SINR），造成“感知公平性”瓶颈。

核心问题：
如何在存在视距遮挡的环境中，利用有源重构智能表面（ARIS）增强链路预算，并结合速率分割多址（RSMA）技术，在满足多用户服务质量（QoS）和功率约束的前提下，最大化最坏情况下的多目标回波 SINR（即最大化最小感知 SINR），从而解决多目标感知的公平性问题。

2. 系统模型 (System Model)

网络架构： 单基站（BS）配备 $M$ 根收发天线，服务 $U$ 个单天线用户，并感知 $Q$ 个被遮挡的目标。部署了一个包含 $L$ 个单元的 ARIS 来辅助通信和感知。
信号传输：
- 通信： 采用 RSMA 策略，将消息分为公共流（Common Stream）和私有流（Private Stream）。公共流被所有用户解码，私有流仅被对应用户解码。
- 感知： 感知信号通过"BS-ARIS-目标-ARIS-BS"的双跳路径进行回波接收。由于目标被遮挡，ARIS 不仅提供反射，还通过有源放大（Amplification）补偿路径损耗。
优化目标： 联合优化基站收发波束成形向量、ARIS 反射系数（包含幅度和相位）以及 RSMA 的速率分配策略。
约束条件： 用户最小速率约束、基站发射功率约束、ARIS 功耗约束（包含放大噪声的影响）以及 ARIS 单元最大放大倍数约束。

3. 方法论与算法设计 (Methodology)

该问题被建模为一个高度耦合的非凸优化问题，目标函数（最小化最大 SINR）和约束条件中包含分式形式、四次项（ARIS 双跳路径）以及秩一约束。作者提出了一种基于**块坐标下降（BCD）**的迭代算法，将原问题解耦为三个子问题交替求解：

接收波束成形设计 ( $w_q$ )：
- 固定其他变量，针对每个目标优化接收波束。
- 这是一个广义瑞利商（Generalized Rayleigh Quotient）问题，最优解为特定矩阵最大特征值对应的特征向量。
联合发射波束成形与速率分割设计 ( $F, c$ )：
- 固定接收波束和 ARIS 系数。
- 利用**半定松弛（SDR）**将非凸的秩一约束松弛。
- 引入连续凸近似（SCA）和一阶泰勒展开处理非凸的速率约束。
- 采用**序贯秩一约束松弛（SROCR）**算法逐步收紧松弛解，确保解的秩接近 1，从而获得可行解。
ARIS 反射波束成形设计 ( $\Phi$ )：
- 固定其他变量，优化 ARIS 的反射系数。
- 针对 ARIS 双跳路径带来的四次项（Quartic terms），定义辅助变量 $\tilde{\phi} = \text{vec}(\phi\phi^H)$ 将其转化为二次型。
- 利用**极大化 - 极小化（MM）**算法处理非凸约束，将高阶项近似为二次凸函数。
- 同样结合 SROCR 算法求解半定规划（SDP）问题。

收敛性： 算法保证目标函数（最小多目标 SINR）在每次迭代中非递减且有上界，从而收敛到稳定点。

4. 关键贡献 (Key Contributions)

新型框架提出： 首次提出了结合 ARIS 和 RSMA 的 ISAC 框架，专门针对遮挡环境下的多目标感知公平性问题。
解决公平性瓶颈： 证明了 RSMA 通过灵活处理干扰（将部分干扰视为可解码流），比 SDMA（需严格零陷）和 NOMA（固定 SIC 顺序）能更有效地利用 ARIS 增强的空间资源，显著提升最弱目标的感知性能。
高效算法设计： 针对 ARIS 引入的复杂耦合（放大噪声、双跳路径、四次项）和 RSMA 的非凸约束，设计了一套基于 BCD、MM 和 SROCR 的联合优化算法，有效解决了非凸优化难题。
性能验证： 仿真结果表明，该方案在感知性能上显著优于 NOMA、SDMA 和被动 RIS（PRIS）基线方案，并接近“仅感知”（Sensing-only）方案的上限。

5. 仿真结果 (Results)

感知公平性提升： 在相同的最小用户速率要求下，ARIS-RSMA 方案的最大最小回波 SINR 显著高于 ARIS-NOMA 和 ARIS-SDMA。例如，在 $R_{th}=5$ bits/Hz 时，ARIS-RSMA 比 ARIS-SDMA 高出约 3-4 dB。
ARIS 增益： 增加 ARIS 的最大放大倍数（ $a_{max}$ ）能提升感知 SINR，但存在边际效应递减。适度放大（如 $a_{max}=5$ ）即可获得大部分增益，无需过度消耗功率。
部署位置： 仿真显示 ARIS 的最佳部署位置并非离目标最近，而是在基站与目标之间能平衡"BS-ARIS-目标”回波增益与"ARIS-用户”通信链路增益的折中点（约 2 米处）。
资源分配： 随着通信速率要求提高，系统会自动将更多功率分配给私有流，导致公共流速率饱和，感知性能随之下降，体现了通信与感知的权衡。

6. 意义与价值 (Significance)

理论价值： 深入揭示了在遮挡环境下，有源智能表面与先进多址技术（RSMA）结合对提升 ISAC 系统鲁棒性和公平性的机理。
实际应用： 为 6G 网络中复杂环境（如城市峡谷、室内遮挡）下的通感一体化部署提供了可行的技术方案。特别是对于需要同时保障多用户通信质量和多目标（如自动驾驶中的多个行人/车辆）感知公平性的场景，该方案具有极高的应用潜力。
技术突破： 克服了有源 RIS 在 ISAC 中引入的放大噪声和复杂耦合带来的优化难题，为未来有源智能表面在通感一体化中的标准化应用奠定了算法基础。