⚡ electrical engineering

RIS-Assisted Cell-Free Massive MIMO: RIS-MS Selection in FR1 and FR3

本文提出了一种适用于 FR1 和 FR3 频段的 RIS 辅助无蜂窝大规模 MIMO 系统框架，通过基于视距连接的 RIS-用户选择算法和可扩展的 P-MMSE 合并技术，在考虑空间相关 Ricean 衰落及训练开销权衡的情况下显著提升了频谱效率，并验证了 FR3 频段在 6G 部署中的潜力。

原作者： Alejandro de la Fuente, Fernando Galindo, Uriel García-Bárbulo, Sandra-Noemy Arana-Alegre, Jan García-Morales

发布于 2026-04-21

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Alejandro de la Fuente, Fernando Galindo, Uriel García-Bárbulo, Sandra-Noemy Arana-Alegre, Jan García-Morales

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

这篇论文主要探讨了一个关于未来 6G 网络如何变得更聪明、更快速的问题。为了让你轻松理解，我们可以把整个通信网络想象成一个繁忙的“城市快递系统”。

1. 背景：城市里的快递难题

想象一下，现在的手机网络（就像快递站）是由许多分散的“快递点”（基站，AP）组成的。

传统问题：有些用户住在高楼后面或信号死角，快递（数据）送不到，或者送得很慢。
Cell-Free（无蜂窝）方案：为了解决这个问题，科学家们提出把城市里所有的快递点连成一个巨大的“超级网络”，大家协同工作，不再划分地盘，确保每个人都能收到快递。这就像所有快递员都听同一个总部的指挥，谁离用户近谁就送货。

2. 新工具：智能“反光镜” (RIS)

现在，科学家引入了一个神奇的新工具：RIS（可重构智能表面）。

比喻：你可以把 RIS 想象成一面巨大的、会思考的“智能镜子”。
作用：当信号（快递）被高楼挡住时，这面镜子可以调整角度，把信号“反射”到用户手里。它不需要消耗额外的电力去发射信号，只是巧妙地改变信号的传播路径。
FR1 和 FR3 频段：
- FR1：就像“老式公路”，路宽（覆盖广），但车速慢（带宽小）。
- FR3：就像“新建的高速公路”，路稍微窄一点，但车速极快（带宽大），是未来 6G 的“黄金频段”。

3. 核心挑战：谁该照哪面镜子？

如果城市里有很多面“智能镜子”（RIS），但用户（MS）很多，这就产生了一个大问题：哪面镜子应该帮哪个用户？

盲目反射：如果随便让镜子乱反射，或者让所有镜子都去帮所有人，不仅效率低，还会因为需要频繁调整镜子角度（信道估计）而浪费大量时间（训练开销），导致快递送得更慢。
论文的创新点：作者提出了一种**“智能配对算法”**。
- 原则：只有当镜子和用户之间有**“直视线”（LoS，即中间没遮挡）**时，才把这面镜子分配给这个用户。
- 比喻：就像快递员只把“反光镜”派给那些能直接看到镜子的用户。如果用户被墙挡住了，根本看不到镜子，那派镜子去也没用，反而浪费资源。这时候，镜子就保持一个默认的“省电模式”，不折腾。

4. 实验结果：聪明地分配，效果翻倍

研究人员在电脑里模拟了这个系统，发现：

少量镜子，巨大提升：只要给那些信号最差的“弱势用户”分配几面有直视线的镜子，整个网络的效率就会大幅提升。
FR3 频段的潜力：在 FR3（高速路）频段，因为波长更短，同样大小的镜子上可以安装更多的小反射单元（就像在同样大小的镜面上刻了更细密的纹路）。这意味着在 FR3 下，一面镜子能反射的信号更强，潜力更大。
陷阱：但是，如果镜子太多，或者每个镜子上的小单元太多，调整它们就需要花太多时间（训练开销）。这就好比快递员为了调整镜子角度花了半天时间，结果送快递的时间反而变少了。
解决方案：论文还提出了一种**“分组策略”**。不需要调整镜子上每一个小单元，而是把镜子分成几个大块，只调整大块的角度。这就像把调整 100 个螺丝的工作简化为调整 5 个大旋钮，既省时间，效果又差不多。

5. 总结：未来的启示

这篇论文告诉我们，未来的 6G 网络（特别是在 FR3 频段）要想跑得快，不能光靠堆硬件（多放镜子），关键在于**“聪明的管理”**：

精准配对：只让有“视线”的镜子去服务对应的用户。
简化操作：用分组调整代替逐个调整，避免为了调整镜子而耽误送快递的时间。

一句话总结：这就好比在一个繁忙的城市里，通过给每个快递员配备一面“智能反光镜”，并只让镜子在能直接看到客户时发挥作用，同时简化调整镜子的步骤，从而让 6G 网络在覆盖范围和速度上都实现质的飞跃。

这是一篇关于可重构智能表面（RIS）辅助的无蜂窝大规模多输入多输出（CF-mMIMO）系统在**FR1（Sub-6 GHz）和 FR3（7.125-24.25 GHz，中频段）**频段下性能分析的学术论文。

以下是该论文的详细技术总结：

1. 研究背景与问题 (Problem)

随着向 6G 网络的演进，传统的蜂窝架构在覆盖均匀性和边缘用户体验方面面临挑战。无蜂窝大规模 MIMO (CF-mMIMO) 通过分布式接入点（AP）协同工作解决了这一问题。同时，可重构智能表面 (RIS) 作为一种被动反射阵列，能够动态调整电磁波相位，改善非视距（NLoS）环境下的覆盖。

然而，将 RIS 集成到 CF-mMIMO 系统中面临以下关键挑战：

RIS 与用户（MS）的关联策略： 如何高效地将有限的 RIS 资源分配给特定的用户？
信道估计开销： RIS 的引入需要额外的信道估计（分离信道估计和聚合信道估计），特别是当 RIS 单元数量巨大时，训练开销（Pilot Overhead）可能抵消性能增益。
频段特性差异： FR1 频段覆盖好但带宽有限，FR3 频段（6G 候选频段）在覆盖、容量和硬件复杂度之间取得了平衡，但其传播特性（如路径损耗、多径效应）与 FR1 不同，且 RIS 在 FR3 中可容纳更多单元，导致开销问题更严峻。

2. 方法论 (Methodology)

A. 系统模型

架构： TDD 模式下的 CF-mMIMO 系统，包含 $L$ 个多天线 AP 和 $K$ 个单天线用户，部署了 $R$ 个 RIS。
信道模型： 采用**空间相关的莱斯衰落（Ricean Fading）**模型，包含视距（LoS）和非视距（NLoS）分量，适用于 FR1 和 FR3 频段。
接收处理： 采用**部分最小均方误差（P-MMSE）**合并技术，这是一种可扩展的接收方案，仅依赖局部用户集信息，降低了前传信令复杂度。

B. 核心算法：基于 LoS 的 RIS-MS 选择与配置

论文提出了一种以用户为中心的 RIS 分配策略（Algorithm 1）：

排序： 根据每个用户拥有的 LoS 链路 AP 数量对用户上传进行排序。LoS 链路少的用户（“弱”用户）优先被分配 RIS，因为 RIS 对其信道增益提升最大。
分配原则： 每个 RIS 仅分配给一个用户。只有当 RIS 与用户之间存在LoS 链路时，才进行分配。
- 若 RIS 与任何用户均无 LoS 链路，则保持未分配状态，使用预设的低开销伪随机或正交码本配置，不进行分离信道估计，从而节省训练资源。
相位优化： 对分配了用户的 RIS，采用顺序更新算法优化相位偏移，以最大化等效 MS-RIS-AP 链路的增益。

C. 信道估计与开销管理

两阶段估计：
1. 分离估计： 仅针对分配了用户的 RIS 进行，用于配置相位。开销与分配的 RIS 数量 ( $R_A$ ) 和单元数 ( $N_R$ ) 成正比： $\tau_{p1} = R_A(1 + N_R)$ 。
2. 聚合估计： 所有用户发送导频，用于数据接收时的信道估计。
子阵列半盲草图（Subarray-based Semi-blind Sketching）： 为了解决 FR3 频段高单元数带来的巨大开销，提出将 RIS 划分为子阵列（Block-level grouping）。例如，将 64 单元 RIS 分为 4 个 16 单元块，仅需 $1+N_B$ 个状态而非 $1+N_R$ 个，显著降低开销同时保留信道主要结构。

3. 主要贡献 (Key Contributions)

综合框架： 建立了 RIS 辅助 CF-mMIMO 系统在 FR1 和 FR3 频段下的分析框架，考虑了频率相关的传播特性和 RIS 配置。
新型关联算法： 提出了基于 LoS 连通性的 RIS-用户选择算法。该算法优先服务弱用户，且仅对具备 LoS 条件的 RIS 进行高开销的精细配置，未分配的 RIS 保持低开销默认状态，实现了性能与开销的平衡。
开销优化机制： 引入了子阵列分组技术，有效缓解了高密度 RIS 和高频段（FR3）下的导频开销问题。
FR3 频段评估： 详细分析了 FR3 频段在 RIS 辅助 CF-mMIMO 中的潜力，指出虽然高频段路径损耗大，但允许在相同物理尺寸下部署更多 RIS 单元，若能解决开销问题，性能增益显著。

4. 数值结果 (Results)

仿真基于 $L=20$ 个 AP， $K=10$ 或 $30$ 个用户，RIS 单元数 $N_R$ 随频率调整（3.5GHz 为 64，8GHz 为 256，15GHz 为 1024）。

频谱效率（SE）提升： 提出的 LoS 感知选择策略（方法 1）显著优于随机配置或全用户优化配置。在 RIS 数量适中（如 $R=5$ ）时，系统总 SE 和 5% 边缘用户 SE 均有大幅提升。
开销与性能的权衡：
- 当 RIS 数量过多或单元数过大时，传统的逐单元配置（方法 1）因训练开销过大导致性能饱和甚至下降。
- **子阵列分组（方法 5）**在 FR3 频段表现优异。例如在 8GHz ( $N_R=256$ ) 和 15GHz ( $N_R=1024$ ) 下，分组策略有效克服了开销限制，使得增加 RIS 数量仍能带来 SE 增益。
FR3 频段潜力： 在相同物理尺寸下，FR3 频段（8GHz/15GHz）因能容纳更多 RIS 单元，其潜在增益高于 FR1。但前提是必须采用高效的信道估计技术（如子阵列分组）来管理开销。
鲁棒性： 在高用户密度（ $K=30$ ）场景下，该策略仍能优先改善弱用户的服务质量，保持系统可扩展性。

5. 意义与结论 (Significance & Conclusion)

6G 部署指导： 论文证明了 RIS 辅助的 CF-mMIMO 是 6G 的关键技术，特别是在 FR3 频段。
智能关联的重要性： 盲目部署 RIS 或进行全量信道估计是不可行的。基于 LoS 的智能 RIS-用户配对是核心，它确保了 RIS 资源被用于最能产生确定性增益的场景。
可扩展性： 提出的方案（P-MMSE 接收 + 局部 RIS 分配 + 子阵列分组）在不增加前传信令负担的情况下，实现了大规模 RIS 网络的可扩展部署。
未来方向： 强调了需要进一步研究先进的导频压缩和稀疏信道估计技术，以完全释放 RIS 在大规模网络中的潜力。

总结： 该论文通过提出一种**开销感知（Overhead-aware）**的 RIS 选择与配置策略，成功解决了 RIS 集成到 CF-mMIMO 系统中的可扩展性问题，并论证了 FR3 频段作为 6G 候选频段在 RIS 辅助网络中的巨大潜力。