⚡ electrical engineering

Cell-Free Massive MIMO-Assisted SWIPT Using Stacked Intelligent Metasurfaces

本文提出了一种基于堆叠智能超表面（SIM）的无蜂窝大规模 MIMO 系统框架，通过结合深度强化学习的集中训练分散执行（CTDE）策略，在考虑非线性能量收集、导频污染及统计信道状态信息等实际约束下，联合优化 SIM 相移、接入点模式选择与功率分配，从而有效最大化同时无线信息与能量传输（SWIPT）系统的平均总收集能量。

原作者： Thien Duc Hua, Mohammadali Mohammadi, Hien Quoc Ngo, Michail Matthaiou

发布于 2026-02-25

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Thien Duc Hua, Mohammadali Mohammadi, Hien Quoc Ngo, Michail Matthaiou

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未来无线通信网络的聪明解决方案。为了让你轻松理解，我们可以把整个系统想象成一个**“超级智能的无线能量与信息配送中心”**。

1. 核心场景：既要“吃饱”又要“干活”

想象一下，未来的物联网设备（比如传感器、智能手表）有两个需求：

要干活（接收信息）： 需要接收数据指令。
要吃饭（接收能量）： 需要无线充电，否则电池很快就没了。

传统的基站就像一个个独立的“小卖部”，虽然能卖东西（发信号），但效率不高，而且为了覆盖更多人，需要建很多基站，耗电巨大。

2. 新技术登场：SIM（堆叠智能超表面）

论文引入了一种叫 SIM (Stacked Intelligent Metasurfaces) 的新技术。

比喻： 传统的基站天线就像是一个普通的喇叭，声音（信号）发出去就散开了。而 SIM 就像是一个由多层智能镜片组成的“魔法透镜”。
作用： 这些镜片可以像指挥交通一样，精准地控制电磁波（信号和能量）的走向。它不仅能把信号聚焦到特定的人耳边（提高网速），还能把能量像聚光灯一样精准地照到需要充电的设备上（提高充电效率）。
为什么是“堆叠”的？ 就像多层透镜比单层透镜能更精细地控制光线一样，多层 SIM 能更灵活地操控信号，比传统的单面反射板（RIS）厉害得多。

3. 核心挑战：如何分配“厨师”和“服务员”？

在这个网络里，有很多个接入点（AP，也就是那些带 SIM 的基站）。它们面临一个难题：

有的 AP 应该专门负责发数据（信息 AP，I-AP）。
有的 AP 应该专门负责发能量（能量 AP，E-AP）。
问题： 如果让一个 AP 既发数据又发能量，可能会互相干扰，就像一个人一边大声喊话一边试图给旁边的人递水，容易手忙脚乱。

我们需要决定：哪个 AP 当“厨师”（发能量），哪个当“服务员”（发数据）？同时，还要调整 SIM 镜片的角度，并分配多少功率。 这是一个极其复杂的数学难题，变量太多，传统电脑算起来太慢，甚至算不出来。

4. 解决方案：AI 大脑的“中央培训，分散执行” (CTDE)

为了解决这个难题，作者提出了一种基于深度强化学习 (DRL) 的 AI 方案。

旧方法（集中式 CTCE）： 想象有一个超级大脑，它知道所有基站的情况，然后指挥所有基站。
- 缺点： 当基站数量变多（比如从 10 个变成 100 个），这个超级大脑会累死，计算量爆炸，反应太慢。
新方法（CTDE - 本文亮点）： 采用**“中央培训，分散执行”**的模式。
- 比喻： 就像军队训练。
  - 训练时（中央）： 所有士兵（基站）在一个大教室里，由一位总教官（中央 CPU）统一指导，大家互相配合，学习如何协同作战。
  - 执行时（分散）： 到了战场，每个士兵（基站）只根据自己的局部观察（比如我看到谁在附近，信号怎么样），独立做出决定（我是发数据还是发能量？镜片怎么转？）。
- 优点： 不需要等待总指挥的指令，反应极快，而且即使基站数量增加，每个士兵的负担也不会剧增，系统非常 scalable（可扩展）。

5. 奖励机制：如何教 AI 变聪明？

为了让 AI 学会正确的操作，作者设计了一个**“奖励函数”**：

如果 AI 让设备充到了足够的电，加分。
如果 AI 保证了设备能收到清晰的数据，加分。
如果 AI 导致信号干扰或充电不足，扣分。
创新点： 作者对奖励进行了“归一化”处理。这就好比给 AI 一个**“相对评分表”**，而不是绝对分数。这样无论环境怎么变，AI 都能稳定地知道“我做得好不好”，避免了因为分数波动太大而学偏了。

6. 结果：AI 赢了还是传统方法赢了？

作者对比了两种方法：

传统数学优化法（凸优化）： 像是一个精算师，试图用复杂的公式算出完美答案。
- 优点： 理论上很准。
- 缺点： 算得太慢，基站一多就卡死，无法实时响应。
本文的 AI 方法 (CTDE)： 像是一个经验丰富的老练兵。
- 优点： 训练好后，反应速度极快（毫秒级），能瞬间做出决定。
- 效果： 虽然理论精度比精算师稍微低一点点（几乎可以忽略），但速度提升了成千上万倍，而且在实际运行中，它的表现远超那些简单的随机分配方案。

总结

这篇论文的核心思想是：
利用多层智能镜片 (SIM) 来精准控制无线信号和能量，并训练一个分布式 AI 团队（每个基站都有自己的小脑），让它们学会如何自动分配任务（谁发数据、谁充电）和调整镜片角度。

这种方法既解决了传统方法算得太慢的问题，又实现了**“无线充电 + 高速上网”**的完美平衡，为未来万物互联的能源自给自足提供了强有力的技术支撑。

这是一篇关于**基于堆叠智能超表面（SIM）的无蜂窝大规模 MIMO（CF-mMIMO）系统辅助同时无线信息与能量传输（SWIPT）**的学术论文。文章提出了一种新的多址接入（NGMA）框架，旨在解决高能耗、硬件成本及频谱效率之间的平衡问题。

以下是对该论文的详细技术总结：

1. 研究背景与问题定义 (Problem)

研究背景：物联网设备对可靠连接和能量收集的需求激增。传统的蜂窝大规模 MIMO 虽然提升了容量，但存在能耗过高、射频链和数模转换器成本昂贵等问题。
技术演进：现有的可重构智能表面（RIS）虽然能控制信号辐射，但其单层结构限制了信号处理的自由度（DoF）。**堆叠智能超表面（SIM）**作为一种多层结构，能直接操纵电磁波，提供额外的空间自由度，并能在模拟域执行复杂的信号处理，从而降低基带数字预编码的复杂度和能耗。
核心挑战：
1. 联合优化难题：需要在满足频谱效率（SE）服务质量（QoS）约束的前提下，最大化接收端的能量收集（HE）。这涉及混合整数非凸优化问题，包括接入点（AP）的工作模式选择（信息传输或能量传输）、SIM 的相位偏移（PS）配置以及功率分配。
2. 实际系统损伤：需考虑非线性能量收集模型、导频污染（PC）、信道估计误差以及仅依赖长期统计信道状态信息（CSI）的限制。
3. 可扩展性瓶颈：传统的集中式训练集中式执行（CTCE）深度强化学习（DRL）框架在处理大规模 CF-mMIMO 网络时，面临状态/动作空间维度爆炸的问题，导致计算复杂度过高和收敛困难。

2. 方法论 (Methodology)

A. 系统模型

架构：由 $M$ 个配备 SIM 的 AP 服务 $K_I$ 个信息解码接收机（IR）和 $K_E$ 个能量收集接收机（ER）。
AP 模式：AP 被动态分类为信息 AP（I-AP）或能量 AP（E-AP）。
预编码方案：采用**保护性部分零迫（PPZF）**预编码。I-AP 使用零迫（ZF）消除用户间干扰；E-AP 使用保护性最大比传输（PMRT），并将能量信号投影到 IR 信道矩阵的零空间，以保护信息传输免受能量信号干扰。
信道模型：考虑了瑞利 - 索末菲衍射理论下的多层 SIM 传播，以及包含 LoS 和 NLoS 分量的莱斯衰落信道。

B. 理论推导

推导了 IR 的**可达频谱效率（SE）和 ER 的平均收集能量（HE）**的闭式表达式。
考虑了导频污染、信道估计误差以及非线性能量收集（NLEH）模型（Logistic 函数模型）。

C. 优化框架：CTDE-DRL

为了解决混合整数非凸优化问题，作者提出了一种**集中式训练、分布式执行（CTDE）**的深度强化学习框架：

马尔可夫决策过程（MDP）构建：将优化问题转化为马尔可夫环境。
分布式智能体：每个 AP 作为一个独立的智能体（Agent），拥有自己的 DNN 执行器（Actor）。
- 状态：局部长期衰落系数（LSFC）和上一时刻的能量总和。
- 动作：本地 AP 模式选择、功率分配系数、SIM 相位偏移。
约束处理：
- 通过执行归一化（如 Softmax 归一化功率、阶跃函数处理二进制模式）将连续输出映射为满足约束的离散/有界动作。
- 引入归一化联合奖励函数，平衡能量收集增益与 SIM 电磁波束成形能力，并加入对 SE 约束违反的惩罚项，以增强训练稳定性。
优势：相比 CTCE，CTDE 将高维全局动作空间分解为低维局部动作空间，显著降低了计算复杂度，缓解了“维度灾难”，并支持大规模网络部署。

D. 基准对比方案

为了验证 DRL 的有效性，作者设计了一个两阶段凸优化基准（JAPPA）：

启发式相位偏移设计（HPS）：逐层优化 SIM 相位。
联合 AP 模式选择与功率分配（JAPPA）：利用连续凸近似（SCA）和凸松弛技术解决剩余的非凸问题。

3. 主要贡献 (Key Contributions)

系统建模与理论分析：首次将 SIM 集成到 CF-mMIMO SWIPT 系统中，推导了考虑导频污染、信道估计误差和非线性能量收集下的 SE 和 HE 闭式表达式。
CTDE-DRL 框架：提出了一种基于 CTDE 的 DRL 解决方案，通过分布式决策机制解决了大规模网络中的高维优化问题，并设计了归一化奖励函数以稳定训练。
鲁棒基准设计：开发了两阶段凸优化方案作为理论性能基准，用于评估 DRL 方法的性能与复杂度权衡。
全面性能评估：通过数值仿真验证了 SIM 在提升 SWIPT 性能方面的作用，并对比了不同 DRL 策略（CTDE vs CTCE, On-policy vs Off-policy）及凸优化方案。

4. 实验结果 (Results)

SIM 参数影响：
- SIM 的层数和相位配置对性能至关重要。合理的相位配置（如启发式搜索 HPS）能显著提升性能，而随机配置会导致信号衰减。
- 随着 SIM 层数增加，性能显著提升（例如 5 层 SIM 比 2 层提升约 36%）。
- 莱斯因子（ $\kappa$ ）的增加显著提升了能量收集效率（LoS 分量增强），但对频谱效率的提升较温和。
DRL 性能：
- CTDE vs CTCE：CTDE 框架（如 MADDPG, MAPPO）在收敛速度和最终性能上均优于 CTCE 框架（SADDPG, SAPPO）。CTDE 避免了单智能体在大规模状态空间下的探索困难。
- 奖励归一化：引入归一化奖励函数显著稳定了 Critic 网络的损失曲线，防止了训练崩溃。
- 联合动作 vs 仅 SIM 优化：联合优化 AP 模式和 SIM 相位（Joint Action）比仅优化 SIM 相位带来约两倍的累积奖励提升。
与凸优化对比：
- 性能：DRL 方案（特别是 MADDPG）在能量收集性能上接近凸优化基准（JAPPA），且显著优于随机基准（RAPEPA）。
- 复杂度与延迟：
  - 训练时间：随着 AP 数量增加，CTDE 的训练时间增长可控，而 CTCE 因全局网络过大导致开销剧增。
  - 推理/执行时间：DRL 方案具有毫秒级的推理延迟（约 0.02-0.08 秒），而凸优化方案（JAPPA）需要迭代求解，延迟随网络规模呈指数级增长（数百秒）。这使得 DRL 方案更适合实时动态场景。

5. 意义与结论 (Significance)

理论价值：证明了 SIM 在 CF-mMIMO SWIPT 系统中的巨大潜力，特别是其多层结构带来的额外自由度能有效解决信号遮挡和能量传输效率问题。
工程价值：提出的 CTDE-DRL 框架为未来 6G 网络中大规模分布式系统的资源管理提供了一条可行的路径。它克服了传统优化方法计算复杂度高、难以实时响应的问题，同时避免了集中式 DRL 的扩展性瓶颈。
未来展望：文章指出未来工作可延伸至近场 SWIPT（考虑近场传播几何特性）和全双工 SWIPT（处理自干扰），以及考虑信道老化（Channel Aging）对 CSI 失配的影响。

总结：该论文通过结合先进的 SIM 硬件架构和创新的分布式强化学习算法，成功解决了无蜂窝 SWIPT 系统中复杂的资源联合优化问题，在保持高性能的同时实现了低延迟和可扩展性，为下一代绿色通信网络的设计提供了重要参考。