On scalable, reconfigurable, and intelligent metasurfaces
On scalable, reconfigurable, and intelligent metasurfaces
复制标题
在可扩展、可重构和智能超表面上
DOI：
--
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Hamidreza Taghvaee
中科院分区：
文献类型：
--
作者：
Hamidreza Taghvaee
与第五代（5G）和其他传统网络相比，第六代（6G）无线网络将更加异构和密集。因此，需要对6G架构进行调整，以满足不断发展的容量和服务质量需求。为了满足这些不断增长的需求，已经提出了多种使能器，如可见光通信、光保真度、可重构智能表面（RISs）、太赫兹通信等。具体来说，RISs通过其可编程特性，可以对由无数发射设备/接入点为其相应的接收器生成的无线电信号进行细粒度操作。这种操作包括吸收撞击无线电信号的某些成分，以及以频率选择的方式在方向、极化、相位和功率方面对这些信号进行细粒度控制。RIS包括一个控制电磁波行为的装置，以及提供调谐机制和控制它的智能的电路。这种控制电磁波行为的装置可以使用超表面（MSs）来实现，这是一种电磁薄膜和平面人工结构，可以以工程甚至非典型的方式控制电磁场。因此，MS是RIS的一个组成部分。在更细粒度的层面上，质谱是由称为单位细胞或元原子的亚波长构建块组成的。这些单元电池的设计取决于所需的电磁功能、可重构性或精度。因此，RIS范式的承诺是以牺牲ms中非平凡的复杂性为代价的。一方面，RIS的性能取决于单元格的大小、单元格状态的数量或整个ms的大小。另一方面，与RISs的制造和操作相关的成本和能源开销也与上述因素相关。本文旨在通过可编程MSs的面向设计的可扩展性分析，提供一种方法来确定RIS的维度，从而弥合这一差距。除了设计复杂性的挑战外，随着MSs继续集成复杂的调谐、控制和传感电路，它们将容易出现故障。然而，故障对单个MSs性能的影响尚未得到很好的理解。本文提出了一个框架来评估故障对可编程MSs的影响，区分故障类型和它们的空间分布。虽然RIS通常依赖于相当复杂的可调ms的设计，但如果RIS提供的功能可以在多个用户之间共享，则可以分摊这种复杂性。本文介绍了一种基于动量守恒定律和波的叠加的编码（即单位细胞的数字编程）技术，用于独立工程多波束的MS重构。然后，对该框架在多用户间的无线信道进行了评估。与没有RIS的场景相比，容量至少增加了一个数量级。机器学习技术，特别是神经网络（NNs），由于它们能够学习输入和输出数据之间的复杂关系，因此能够求解微分方程，从而避免了对数值计算的需要。本文提供了一种基于数据驱动的神经网络的方法，用于确定辐射型的准确估计或几种感兴趣的测量方法，从而能够充分表征辐射型。总而言之，本文的贡献属于为实现5G及超越RIS技术的无线通信铺平道路的范畴。
Sixth Generation (6G) of wireless networks will be even more heterogeneous and dense as compared to Fifth Generation (5G) and other legacy networks. Thus, the 6G architecture will need to be adapted to serve the ever-evolving capacity and quality of service requirements. To satisfy these ever-increasing demands, multiple enablers such as visible light communication, light fidelity, Reconfigurable Intelligent Surfaces (RISs), THz communications, etc., have been proposed. Specifically, RISs, through their programmable characteristics, can perform the fine-grained manipulation of the radio signals being generated by the myriad transmitter devices/access points for their corresponding receivers. Such manipulations include absorption of certain components of the impinging radio signals, as well as fine-grained control of these signals in terms of direction, polarization, phase, and power in a frequency-selective manner. An RIS consists of a device that controls the behavior of the Electromagnetic (EM) waves, alongside circuits that provide the tuning mechanism and the intelligence to control it. This device that controls the EM wave behavior can be realized using Metasurfaces (MSs), which are electromagnetically thin-film and planar artificial structures that enable the control of EM fields in engineered and even atypical ways. Hence, the MS is a component of the RIS. On a more granular level, an MS is composed of subwavelength building blocks known as unit cells or meta-atoms. The design of these unit cells depends on the required EM functionality, reconfigurability, or accuracy. The promises of the RIS paradigm, therefore, come at the expense of a non-trivial complexity in the MS. On the one hand, the performance of an RIS depends on the size of the unit cells, the number of unit cell states, or the size of the whole MS. On the other hand, there are costs and energy overheads associated with the fabrication and operation of RISs that also scale with the aforementioned factors. This thesis aims to bridge this gap by providing a method to dimension the RIS through a design-oriented scalability analysis of programmable MSs. Besides the challenge of design complexity, MSs will become prone to failure as they continue integrating sophisticated tuning, control and sensing circuits. However, the impact of faults on the performance of individual MSs is not well understood yet. This thesis proposes a framework to evaluate the impact of failures in programmable MSs, distinguishing between the type of faults and their spatial distribution. While RIS generally hinge on the design of rather complex tunable MSs, such a complexity can be amortized if the functionality provided by the RIS can be shared among multiple users. This thesis introduces a coding (i.e. digital programming of unit cells) technique based on the momentum conservation law and superposition of waves for MS reconfiguration to engineer multiple beams independently. Then, the wireless channel of such framework among multiple users is evaluated. The capacity is increased at least one order of magnitude compared to a scenario without RIS. Machine learning techniques, and particularly Neural Networks (NNs), owing to their ability to learn complex relationships between input and output data, are capable of solving differential equations, thereby circumventing the need for numerical calculations. This thesis provisions a data-driven NN-based approach for determining an accurate estimation of the radiation pattern or several measures of interest that enable the full characterization of the radiation pattern. In summary, contributions of this thesis fall under the umbrella of paving the way to realizing 5G and beyond wireless communications empowered with RIS technology.
La sisena generació (6G) de xarxes sense fils seran encara més denses i heterogènies que les xarxes de cinquena generació. Per tant, la arquitectura de les xarxes 6G necessitaran adaptar-se a necessitats de capacitat i qualitat de servei en constant canvi. Per servir aquestes necessitats creixents, s’han proposat diverses tecnologies com comunicacions a l’espectre visible, Light Fidelity (LiFi), superfícies reconfigurables intel·ligents (RIS, per les sigles en anglès), comunicacions a la banda dels THz, etc. En concret, les RIS han despertat interès degut a la seva capacitat de manipular de forma precisa i programàtica les senyals de ràdio generades per diversos transmissors o punts d’accés i dirigir-les a múltiples receptors. Les manipulacions esmentades inclouen l’absorció de certs components de les ones incidents, o el control de la seva direcció, polarització, fase, o amplitud de forma selectiva en freqüència. En aquest context, les metasuperfícies (MSs) són part essencial de les RIS com a estructures artificials i planars que implementen la funció electromagnètica u òptica que la RIS necessita, que pot ser fins i tot anti-natural i atípica. Així doncs, els RIS consisteixen de dispositius que controlen les ones electromagnètiques (que podrien ser MS) co-integrades amb dispositius que doten a la MS de reconfigurabilitat i intel·ligència. Les MS, perla seva banda, estan composades de elements menor de la longitud d’ona que es coneixen coma “unit cells” o “meta-atoms”. El problema radica en que la promesa de les RIS, però, comporta una complexitat a nivell de MS que no és trivial. Per una banda, el rendiment de la RIS depèn de la mida de les unit cells, el número d’estats que pugui prendre la unit cell, o la mida de la MS completa. D’altra banda, hi ha problemes de costos i consum energètic associat amb la fabricació i operació de les RIS, que també depenen dels factors abans esmentats. Aquesta tesi té com a objectiu adreçar aquests problemes proposant un mètode per dimensionar les RIS mitjançant un anàlisi de l’escalabilitat de les MS programables, en un procés orientat a disseny. A més a més, s’espera que les MS tendeixen a tenir errors a mesura que es tornin més sofisticades i integrin més dispositius de control, sensat, o sintonització. No obstant, l’impacte d’aquests errors en el rendiment de les MS no està entesa del tot. En aquest aspecte, la tesi proposa un marc de treball per avaluar l’impacte de les fallades en el rendiment de MS programables, en un procés que distingeix els tipus d’error i la seva distribució espacial. Més enllà d’això, la complexitat de construir les RIS es pot amortitzar amb l’ús de dites RIS per manejar múltiples usuaris simultàniament. En aquesta direcció, la tesi introdueix un a tècnica de programació de les RIS basat en les lleis de la conservació dels moments i de la superposició d’ones, la qual dota a la MS la capacitat de generar i manejar múltiples feixos de manera independent. Finalment, tècniques d’aprenentatge automàtic en general, i les xarxes neuronals en particular, podrien ser útils en aquest context per mitjà de la seva capacitat d’aprendre relacions complexes entre conjunts de dades d’entrada i sortida així com de resoldre equacions diferencials sense tot el càlcul numèric associat. En aquesta direcció, la tesi proposa una solució basada en xarxes neuronals que estima, de manera acurada, el diagrama de radiació i/o diverses mètriques d’interès de la resposta d’una MS, amb l’objectiu d’ajudar en el disseny i programació de MS complexes