⚡ electrical engineering

Passive RIS Is Not Silent: Revisiting Performance Limits Under Thermal Noise

本文挑战了无源智能反射面（RIS）完全无噪声的传统假设，通过构建包含 RIS 热噪声的解析框架，证明了该噪声会显著影响系统性能，并推导了中断概率和吞吐量等关键指标的闭式解，为 6G 通信系统的鲁棒设计提供了重要指导。

原作者： Farjam Karim, Deepak Kumar, Prathapasinghe Dharmawansa, Nurul Huda Mahmood, Arthur Sousa de Sena, Matti-Latva-aho

发布于 2026-04-21

📖 1 分钟阅读☕ 轻松阅读

原作者： Farjam Karim, Deepak Kumar, Prathapasinghe Dharmawansa, Nurul Huda Mahmood, Arthur Sousa de Sena, Matti-Latva-aho

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

这篇论文挑战了一个在无线通信领域（特别是面向未来的 6G 网络）非常流行的“常识”。为了让你轻松理解，我们可以把这项技术想象成**“智能镜子”，把论文的核心发现比喻为“镜子的温度”**。

1. 背景：什么是“智能镜子”（RIS）？

想象一下，你想在房间里和隔壁的朋友说话，但中间有一堵厚墙挡住了声音（这就是无线信号中的“非视距”障碍）。

传统做法：你需要一个扩音器（基站）大声喊，或者在墙上装个中继器（主动设备），但这很耗电。
新做法（RIS）：你在墙上贴了一面由成千上万个微小“智能镜片”组成的智能镜子。这些镜片不需要电源，它们只是被动地调整角度，把声音（信号）反射到朋友耳朵里。
过去的假设：因为这些镜片是“被动”的（不插电、不放大），科学家和工程师们一直认为它们是**“绝对安静”**的。就像一面普通的镜子，它只反射光，自己不会发出噪音。

2. 核心发现：镜子其实会“发热”（热噪声）

这篇论文的作者们说：“等等，这个假设错了！”

物理真相：根据物理学定律（约翰逊 - 奈奎斯特定理），任何有电阻的物体，只要温度高于绝对零度，都会产生微小的热运动，从而发出“热噪声”。
比喻：想象这面“智能镜子”虽然不插电，但它是由金属做的。就像你摸一下金属桌子，它是有温度的。这种温度会让镜子本身产生极其微弱的“沙沙”声（热噪声）。
问题所在：以前大家觉得这个“沙沙”声太小了，可以忽略不计。但作者发现，当镜子上的镜片数量（N）变得非常多（比如几千个），或者接收信号的人离镜子很近时，这些微小的“沙沙”声加起来，就会变成巨大的背景噪音，甚至盖过原本要听的声音。

3. 论文做了什么？（重新计算）

作者们没有停留在“忽略噪音”的旧模型上，而是做了一件很严谨的事：

建立新模型：他们把镜子产生的“热噪声”正式写进了数学公式里。
推导公式：他们算出了当镜子产生噪音时，通信系统出错的概率（中断概率）和传输速度（吞吐量）到底会受多大影响。
模拟验证：他们用计算机模拟了各种场景，验证了他们的公式是准确的。

4. 关键发现：越多越好？不一定！

这是论文最反直觉、也最重要的结论：

旧观念：镜子的镜片越多（N 越大），反射的信号越强，通信效果就越好。
新发现：镜片越多，虽然信号变强了，但镜子产生的总噪音也变大了。
- 比喻：就像在一个安静的图书馆里，你派了 10 个助手去帮你传话（增加信号），但这 10 个人同时也在窃窃私语（产生噪音）。如果传话的人增加到 100 个，虽然声音大了，但他们的窃窃私语声也变成了巨大的嗡嗡声，反而让你听不清了。
结果：
- 如果忽略镜子的噪音，我们会高估系统的性能，以为它能传得很远、很清晰。
- 如果考虑噪音，我们会发现，在某些情况下（比如接收器离镜子很近，或者接收器本身很安静），增加镜片数量带来的好处并没有想象中那么大，甚至可能因为噪音太大而得不偿失。

5. 这对未来意味着什么？

这篇论文给未来的 6G 网络设计者敲响了警钟：

不要盲目堆数量：在设计智能反射墙时，不能只想着“越多越好”。如果镜子离用户太近，或者用户设备的接收能力太强（太安静），镜子的“热噪声”就会成为瓶颈。
需要新的设计思路：未来的智能镜子可能需要特殊的材料或设计，来尽量减少这种“发热”带来的噪音，或者在部署时要考虑距离因素。
实事求是：以前那些过于乐观的 6G 性能预测，可能需要重新评估。

总结

这就好比我们一直以为**“被动反射”就是“零干扰”**。但这篇论文告诉我们：即使是被动反射，也会因为物理发热而产生“背景杂音”。

在以前，这个杂音太小，大家没在意；但在未来追求极致速度和精度的 6G 网络中，这个杂音可能会成为阻碍。所以，我们在设计未来的通信网络时，必须把这块“镜子”本身也会发出的“噪音”计算在内，才能设计出真正靠谱的系统。

这是一份关于论文《Passive RIS Is Not Silent: Revisiting Performance Limits Under Thermal Noise》（无源智能反射面并非静默：热噪声下的性能极限重估）的详细技术总结。

1. 研究背景与问题 (Problem)

背景：可重构智能反射面（RIS）被视为第六代移动通信（6G）中实现高效、灵活频谱利用的关键技术。传统的无源 RIS 架构因缺乏有源电路，通常被建模为“无噪声”器件。
核心问题：现有的大量文献基于“无源 RIS 无噪声”的理想化假设，忽略了 RIS 反射单元产生的热噪声。然而，根据约翰逊 - 奈奎斯特（Johnson-Nyquist）定理，任何电阻性元件都会产生热噪声。
研究动机：这种忽略热噪声的简化假设可能导致系统性能评估不准确，并产生过于乐观的设计选择。特别是在 RIS 与接收机距离较近或 RIS 单元数量（ $N$ ）较大时，RIS 引入的热噪声可能显著影响系统性能，甚至抵消信号增益带来的好处。

2. 方法论 (Methodology)

本文提出了一种从第一性原理出发的物理建模方法，并推导了闭合形式的性能分析表达式：

系统模型：
- 考虑一个基站（BS）通过由 $N$ 个无源反射单元组成的 RIS 与单天线接收机通信的场景，直连链路被阻断。
- 信道遵循 Nakagami- $m$ 衰落模型。
- 噪声建模：
  - 接收机噪声：遵循标准 AWGN 模型，功率为 $J = kTB \cdot NF$ 。
  - RIS 噪声：每个反射单元因欧姆损耗产生热噪声，功率为 $kTB $。假设$ N$ 个单元独立产生噪声，总 RIS 噪声功率为 $J_R = N \alpha kTB$ ，其中 $\alpha$ 是反射效率（ $0 \le \alpha \le 1$ ）。
  - 构建了包含 RIS 热噪声项的接收信号模型，信干噪比（SINR）表达式中显式包含了由 RIS 噪声引起的随机信道项。
性能分析：
- 推导了**中断概率（Outage Probability）**的解析表达式。
- 由于精确推导复杂，引入了 SINR 的**上界（UB）和下界（LB）**进行近似分析。
- 利用 Meijer-G 函数和伽马分布近似，推导了中断概率的闭合形式解（Proposition 1）。
- 进行了渐近分析（高信噪比场景），得出了分集增益（Diversity Order）的表达式。
- 定义了关键参数 $\lambda = \frac{\alpha \sigma_r^2}{\sigma_d^2}$ ，该参数量化了 RIS 噪声相对于接收机噪声的相对强度。

3. 主要贡献 (Key Contributions)

首个物理基础的热噪声模型：提出了首个基于物理原理的无源 RIS 热噪声模型，明确将噪声功率与基本物理常数（玻尔兹曼常数 $k$ 、温度 $T$ 、带宽 $B$ ）及 RIS 参数（ $N, \alpha$ ）联系起来，而非像有源 RIS 研究那样随意选取噪声项。
揭示性能评估偏差：证明了忽略 RIS 热噪声会导致系统性能被显著高估。随着 RIS 单元数量 $N$ 的增加，这种高估误差会急剧扩大。
解析框架与闭合解：建立了包含 RIS 热噪声的 tractable（易处理）分析框架，推导了中断概率和吞吐量的闭合形式表达式，并验证了其在不同场景下的有效性。
揭示“噪声放大”效应：发现增加 RIS 单元数量虽然能增强信号增益，但也会线性增加热噪声。在特定条件下（如低发射功率或近距离），增加 $N$ 反而可能降低系统性能。

4. 关键结果 (Key Results)

通过蒙特卡洛仿真验证了理论分析，主要发现包括：

性能高估显著：
- 当 $N=5$ 时，忽略 RIS 噪声会导致约 5 dB 的性能高估（即为了达到相同的中断概率，实际所需发射功率比理论预测高 5 dB）。
- 当 $N=10$ 时，高估误差扩大至约 12 dB。
- 这表明随着 RIS 规模扩大，传统“无噪声”模型的误差呈非线性增长。
距离依赖性：
- RIS 热噪声的影响具有明显的距离特性。在接收机噪声较低（ $\sigma_d^2 = -128$ dB）时，RIS 热噪声在 30 米 范围内仍显著影响吞吐量。
- 当接收机噪声较高（ $\sigma_d^2 = -110$ dB）时，RIS 热噪声在 15 米 处即被接收机噪声淹没，影响可忽略不计。
单元数量与能效的权衡：
- 在考虑 RIS 热噪声后，将 $N$ 从 5 增加到 10 带来的能效提升仅为 3 dB，远低于不考虑噪声时的 8.4 dB。
- 在低发射功率区域，甚至出现了 $N=5$ 的性能优于 $N=10$ 的现象，因为过多的单元引入了过多的热噪声。
渐近行为：高信噪比下的分集阶数为 $\delta/2$ ，且 RIS 热噪声的存在限制了系统在高信噪比下的性能提升潜力。

5. 意义与启示 (Significance)

重新评估 RIS 部署策略：RIS 并非在所有场景下都是“免费午餐”。在超低噪声应用或近距离部署中，必须仔细权衡信号增益与热噪声引入的代价。
设计指导：未来的 RIS 设计不能仅关注反射效率（ $\alpha$ ），还需考虑如何最小化热噪声贡献（例如优化材料或结构），或者在接收机端进行联合优化。
理论修正：现有的 RIS 性能分析框架需要修正，不能简单地将 RIS 视为无噪声黑盒。特别是在 6G 网络追求极致能效和可靠性的背景下，必须将热噪声纳入系统级性能评估。
未来方向：论文呼吁开发更精确的非渐近分析工具，并研究噪声感知（Noise-aware）的 RIS 设计、智能放置策略以及信道估计误差对噪声敏感系统的影响。

总结：该论文挑战了 RIS 领域长期存在的“无源即无噪”的教条，通过严谨的物理建模和数学推导，证明了热噪声在无源 RIS 系统中不可忽视，特别是在大规模部署和近距离通信场景下。这一发现对于构建真实、鲁棒的 6G 通信系统具有重要的指导意义。