BER Analysis and Optimization for Continuous RIS-Enabled NOMA

本文提出了一种将连续可重构智能表面（CRIS）与上行非正交多址（NOMA）相结合的新型系统，通过推导空间相关衰落下的误码率（BER）解析表达式，并设计联合优化功率分配与 RIS 动态划分的方案，有效消除了上行 NOMA 的误码率平层，显著提升了系统性能。

要点

这篇论文讲述了一个关于如何让未来的无线通信更聪明、更快速的故事。为了让你轻松理解，我们可以把整个通信系统想象成一个繁忙的邮局，把技术术语转化为生活中的场景。

1. 背景：邮局太忙了，怎么办？

想象一下，现在的手机网络就像一个邮局。

• 传统做法 (OMA)：就像邮局给每个寄信的人发一个专属的时间窗口。A 在 9:00 寄，B 在 9:01 寄，C 在 9:02 寄。虽然互不干扰，但效率低，大家排队等很久。
• 新技术 (NOMA)：就像邮局决定让大家同时寄信。A、B、C 三个人同时把信扔进同一个窗口。这大大提高了效率，但问题也随之而来：信混在一起了，怎么区分谁是谁的？而且，如果 A 的信特别大（信号强），可能会把 B 的小信（信号弱）完全盖住，导致 B 的信读不出来（这就是论文里提到的“误码率”问题）。

2. 新玩具：智能“魔法镜子” (CRIS)

为了解决信混在一起的问题，论文引入了一个神奇的装置：连续可重构智能表面 (CRIS)。

• 以前的镜子 (DRIS)：以前的智能表面像是一面由很多小方块镜子拼成的墙。每个小镜子只能独立转动一点点角度。这就像用乐高积木拼成的墙，虽然能反射光线，但不够平滑，有缝隙。
• 现在的魔法镜子 (CRIS)：这篇论文研究的是真正的连续表面。想象这面墙是由液态金属或者完美的丝绸做成的，没有任何缝隙。它可以像水流一样，平滑、连续地调整每一个点的角度。
  • 优势：这面“魔法镜子”可以极其精准地把大家扔进来的信（信号），像聚光灯一样，分别引导到邮局的收件员（基站）手里，让每个人的信都清晰可辨。

3. 核心挑战：信混在一起，怎么分？

在“邮局”里，大家同时寄信（上行 NOMA），信混在一起。

• 问题：如果邮局只靠“大力出奇迹”（增加功率），或者只是简单地分一下镜子的大小，当信号特别强的时候，依然会出现**“误码地板” (BER Floor)**。
  • 通俗解释：这就好比，不管你怎么大声喊（增加功率），因为背景噪音和互相干扰太大，你依然听不清对方在说什么。这个“听不清”的下限，就是误码地板。
• 论文的贡献：作者发现，仅仅调整功率是不够的，必须同时调整两件事：
  1. 谁喊得大声点 (功率分配)：让信号弱的人稍微大声点，信号强的人稍微收敛点。
  2. 镜子分给谁用 (表面分区)：这面巨大的“魔法镜子”很大，不能平均切分。应该把更大、更优质的镜面区域分给那些最难被识别的用户，或者根据每个人的位置动态分配。

4. 解决方案：聪明的“双管齐下”策略

论文提出了一套联合优化方案，就像是一个超级调度员：

• 动作：这个调度员不仅指挥大家“喊多大声音”（功率），还指挥“哪块镜子归谁用”（表面分区）。
• 效果：
  • 它消除了那个“听不清”的下限（消除了误码地板）。
  • 即使大家同时寄信，也能保证每个人的信都被准确读取。
  • 相比传统的“排队寄信”（OMA）和“粗糙镜子”（DRIS），这种新方案让邮局的吞吐量（传输速度）和准确率都大幅提升。

5. 总结：这到底意味着什么？

这篇论文就像是在说：

“如果我们想在未来让成千上万的人同时上网（比如看 8K 视频、玩 VR），传统的‘排队’方式太慢了，而简单的‘插队’方式又太乱。我们需要一面完美的、像液态金属一样的智能镜子，并且要有一个超级聪明的调度员，实时调整每个人的说话音量和镜子的使用区域。这样，无论人有多少，大家都能同时、清晰、快速地交流，而且不会因为信号太强或太弱而‘掉线’。”

一句话概括：
这篇论文通过数学推导和模拟，证明了利用连续智能表面配合智能的功率和区域分配，可以彻底解决未来高密度网络中“信号打架”的问题，让通信既快又稳。

技术摘要

这是一份关于论文《BER Analysis and Optimization for Continuous RIS-Enabled NOMA》（连续可重构智能表面赋能 NOMA 系统的误码率分析与优化）的详细技术总结。

1. 研究背景与问题 (Problem)

随着高清视频、增强现实和人工智能等数据密集型应用的增长，移动网络对频谱和功率资源的需求急剧增加。非正交多址接入（NOMA）技术允许用户共享相同的资源块，提高了频谱效率。然而，现有的上行链路（UL）NOMA 系统面临以下挑战：

• 误码率平台（BER Floors）： 在基于串行干扰消除（SIC）的上行 NOMA 系统中，由于残留干扰，误码率在高信噪比（SNR）下往往会出现“平台效应”，无法随功率增加而持续降低。
• 连续孔径表面的研究空白： 虽然连续孔径表面（如连续可重构智能表面，CRIS）在理论上优于离散 RIS（DRIS），但现有研究主要集中在下行链路（DL）或离散 RIS 场景。目前缺乏针对上行链路、连续 RIS以及空间相关衰落信道下的 NOMA 系统误码率分析及优化研究。
• 空间相关性： 连续 RIS 具有极高的单元密度，导致表面上的点之间存在显著的空间相关性，传统的独立衰落假设不再适用。

2. 方法论 (Methodology)

本文提出了一种结合理论推导与联合优化的系统框架：

• 系统模型：

  • 构建了一个上行链路系统，包含 $K$ 个单天线用户（UE）和一个单天线基站（BS），中间通过一个被划分为 $K$ 个垂直分区的连续 RIS（CRIS）进行通信。
  • 假设 UE 与 BS 之间的直射路径被完全阻挡，通信完全依赖 CRIS 反射。
  • 考虑空间相关的瑞利衰落信道，利用高斯超几何函数（Gaussian hypergeometric function）来建模信道相关性。

• 信道分析与统计特性推导：

  • 有效信道建模： 将接收信号分解为优化分量（$\gamma_{kk}$，用户 $k$ 通过其专属分区 $P_k$ 的反射）和随机干扰分量（$\gamma_{ki}$，用户 $k$ 通过其他分区 $P_i$ 的反射）。
  • 矩与特征函数（CF）： 推导了有效信道分量的一阶和二阶矩。由于精确分布难以处理，采用了Gamma 分布近似（针对优化分量 $\gamma_{kk}$）和高斯分布近似（针对干扰分量 $\Re(\gamma_{ki})$）。
  • 特征函数构建： 利用上述近似，推导了级联信道特征函数的解析表达式，这是计算误码率的关键。

• 误码率（BER）推导：

  • 通过相位对齐技术，将接收信号星座图调整为类 QAM 形状。
  • 基于推导出的特征函数，利用积分公式得出了每个用户的无条件平均误码率（BER）解析表达式。

• 联合优化框架：

  • 目标： 最小化所有用户的平均误码率（Sum BER）。
  • 优化变量： 上行链路功率分配（Power Allocation, PA）和 CRIS 分区宽度（RIS Partitioning）。
  • 求解方法： 将问题转化为对数域（log-log domain）的无约束优化问题，利用拉格朗日乘子法处理功率和分区宽度的约束，并通过梯度下降法迭代求解。

3. 主要贡献 (Key Contributions)

1. 首个上行连续 RIS-NOMA 分析： 填补了上行链路连续孔径表面辅助 NOMA 系统在符号级性能分析方面的空白。
2. 空间相关信道下的统计建模： 首次推导了考虑空间相关衰落时，连续 RIS 辅助级联信道的特征函数，并给出了精确的 BER 解析表达式。
3. 联合优化方案： 提出了一种联合优化上行功率分配和 RIS 分区宽度的框架。该方案能够动态调整资源，以平衡不同用户的信道条件和干扰水平。
4. 消除误码率平台： 证明了通过联合优化，可以有效消除传统上行 NOMA 中由 SIC 残留干扰引起的误码率平台现象。

4. 仿真结果 (Results)

仿真结果验证了理论分析的准确性，并展示了优化方案的性能优势：

• 理论验证： 解析推导的 BER 曲线与蒙特卡洛仿真结果高度吻合，证明了特征函数近似的有效性。
• 消除误码率平台：
  • 无优化（NO）： 传统 NOMA 在高信噪比下出现明显的误码率平台（甚至超过 0.1），导致通信不可靠。
  • 仅优化分区（AO）： 通过调整 RIS 分区宽度可以显著降低 BER，但无法完全消除平台，因为弱用户的信道硬化效应减弱。
  • 联合优化（JO）： 同时优化功率和分区宽度，成功将误码率降低至 $10^{-7}$ 以下，完全消除了误码率平台。
• 性能对比：
  • 优于 OMA： 优化后的 CRIS-NOMA 方案在所有场景下均优于正交多址接入（OMA），因为它允许用户同时占用全资源块，且通过优化降低了干扰。
  • 优于 DRIS： 连续 RIS（CRIS）的性能显著优于具有相同面积的离散 RIS（DRIS），体现了连续孔径在波束赋形精度和能量捕获上的优势。
  • 平均 BER vs 最大 BER： 最小化平均 BER 的策略在低信噪比区域表现优于最小化最大 BER 的策略，而在高信噪比下两者收敛至相同结果。

5. 意义与影响 (Significance)

• 理论突破： 为连续孔径表面（CRIS）与 NOMA 的融合提供了坚实的理论基础，特别是解决了空间相关信道下的统计特性分析难题。
• 技术可行性： 证明了通过联合优化功率和物理资源（RIS 分区），可以克服上行 NOMA 中固有的干扰限制，实现高可靠、低误码率的通信。
• 未来网络指导： 该研究为 6G 及未来移动通信网络中利用连续智能表面提升频谱效率和系统容量提供了重要的设计指南，表明在资源受限场景下，CRIS-NOMA 是极具潜力的解决方案。

总结： 本文通过严谨的数学推导和联合优化策略，成功解决了连续 RIS 赋能的上行 NOMA 系统中的误码率平台问题，证明了该技术在提升未来无线网络性能方面的巨大潜力。