6G潜在关键技术(下册)
上QQ阅读APP看本书,新人免费读10天
设备和账号都新为新人

1.6 THz与其他技术结合

1.6.1 THz与RIS

由于传统的THz通信技术在传播损耗、LoS阻塞和硬件成本方面面临挑战,将RIS集成到THz通信中可以缓解THz通信短程问题,并且建立可靠的无线连接。在RIS辅助下,可以在THz通信中实现联合主动和被动波束形成,以提高频谱和能量效率,并提供虚拟LoS路径以降低阻塞概率。RIS系统在THz波段尤其有利。在THz波段,通过控制信号的散射来扩大可实现通信距离并实现多播。RIS可以通过多径信号提高多径受限THz系统的性能。

工作在THz频率下,常规相干大天线阵列很难用非常小的天线实现,THz的中继技术也不成熟,此时RIS可以作为解决方案。在THz频率下,可以很容易地实现短程通信的密集THz波段RIS部署。除了常规的RIS功能,在THz频率下,反射阵列还可以在发射机处用于产生和引导由近距离THz源激发的THz波束。

在微波室内通信中,微波具有较强的绕射能力,能够较好地避开障碍物,因此微波通信环境不能发挥RIS的优势。自由空间光通信中的RIS可以克服LoS阻塞,但是实现过程具有挑战性。相比之下,THz-RIS可以通过将波导向完全定制的方向来有效克服障碍物的干扰。

1.THz-RIS的应用场景

1)高速全传与回程

6G无线网络希望使用蜂窝小区的密集部署来满足超高的数据速率要求。THz超高速无线通信可以用于灵活部署全传和回程链路,从而解决有线光纤连接引起的复杂问题和成本问题。THz通信可以使用广泛部署的、用于联合波束形成的RIS来提供高吞吐量的前端与后端传输。RIS辅助的THz无线全传/回程信道不仅通过RIS的无源波束形成额外的孔径增益,还通过建立多条传播路径减少中断。

2)蜂窝连接无人机

无人机可以被视为虚拟基站或移动中继,支持灵活部署,为6G网络提供了可调整的大规模覆盖。为了充分利用无人机的潜力,6G将使用THz波段来支持无人机和基站及用户之间的繁重通信。然而,由于空域的开放性,使得依靠大功率波束对抗衰落的THz通信容易产生干扰,进而影响传输性能。作为调整电磁波反射角的简单方法,RIS可以智能调整来自基站的波束方向,以提供无人机连接。在城市地区,通常建议将RIS部署在建筑物的外墙或屋顶上。在空域BS波束形成场景中引入RIS,可以在避免多机干扰的同时,提高空地通信的互联能力。

3)增强室内覆盖

RIS已成为一种有效的THz室内覆盖解决方案,主要原因为:①RIS可以通过控制反射角度来提供虚拟无线LoS链路;②RIS不需要复杂的硬件电路,厚度小,重量轻。这些物理特性使RIS能够容易地被安装在无线传输环境中,包括墙壁、天花板和家具上。由于频率高、波长短,THz通信的高传输损耗导致覆盖距离短,而有限的衍射能力导致THz传输依赖于LoS路径。室内THz的LoS链路很容易被墙壁或人体阻挡,导致高速通信中断。为了人类的健康和通信节能,室内THz无线链路不能简单地通过增加传输功率或设置更多接入点来填补覆盖漏洞。因此,在THz通信中扩大无处不在的高速室内覆盖是一项艰巨的任务。

4)车辆通信

在智能交通系统中,车辆通信网络提供高数据速率、低延迟和可靠的通信。在无线互联智能汽车时代,THz通信是未来车载通信的潜在支持技术。然而,多变拥挤的交通和密集的人员移动会损害THz光束的连接稳定性和对准速度。为此,无人机携带的移动RIS可以跟随交通流,在拥挤的交通区域协助THz波束训练和跟踪过程;车辆可根据不同位置的障碍物情况选择协同RIS,保证高速、实时、稳定的THz连接。

2.THz-RIS模型

K DoveLoS等人指出,在THz频段的RIS辅助信道中,要考虑THz信道的分子吸收,通过第(nm)个反射单元的信道的路径损耗为:

其中,κabsf)是载频f下的分子吸收系数,LxLy分别是每一个反射单元沿x轴和y轴的长度,GtGr分别是发射天线与接收天线的增益,分别为从发射机与接收机到第(nm)个反射单元的距离。其中,Fθtϕrθr)≜cos2θt(cos2θrcos2ϕr+sin2ϕr),θtθr分别为发射机与接收机的极角,ϕr为接收机方位角。当RIS反射单元个数为100×100时,发射机距RIS 0.67 m。图1.8所示为路径损耗模型仿真分析结果,可以看出对于同一个RIS经过不同反射单元信号,路径损耗变化不大。这是因为在THz波段RIS的物理尺寸很小,可以通过计算坐标(0,0)位置的路径损耗来替代整个表面的路径损耗。

图1.8 100×100个单元RIS的路径损耗

RIS单元个数与面积的关系(f=300 GHz)见表1.3。

表1.3 RIS单元个数与面积的关系(f=300 GHz)

由表1.3可以看出,THz-RIS的物理尺寸较小,但是菲涅尔面积大。此时发射和接收视为在RIS近场中。在近场中,不能忽略撞击RIS的入射波的球面波。

3.THz-RIS波束形成

THz通信在实际应用中面临许多挑战,如传播损耗、信号阻塞和硬件成本等问题。在RIS辅助THz通信中,可以利用联合主动和被动波束形成来提高通信质量和降低开销,并且解决上述问题。波束形成是THz通信中的关键研究问题,其核心在于如何将信号能量导向目标。

石墨烯具有丰富的物理性质和栅极可调特性,非常适合调制THz波。目前已验证,在基于石墨烯的RIS上,可以实现THz波束控制。基于石墨烯的RIS结构中,反射阵列安装在印刷电路板上并引线键合,其中衬底包括反射导电接地面和介电间隔物。每个元件可以通过两个不同的偏置电压,表现出相反的反射相位。结果表明,通过在这些元件上设置不同的相位组合,偏转角度的转向范围可以达到25°。

利用液晶的双折射效应,可以动态改变液晶分子的取向来改变相位延迟,因此基于液晶的RIS实现了THz波束偏转的动态控制。基于液晶的THz频段的RIS由单元排列组成,单元采用金属—绝缘体—金属谐振器结构。当电场作用于两个金属层之间时,液晶分子会发生再取向,折射率也会发生相应的变化。因此,通过使用两个不同的偏置电压来控制每个元件上的反射相位,可以实现波束控制。基于这种反射阵列,可以获得32°的最大偏转角。

在RIS辅助的THz通信中,使用波束训练策略可以建立可靠通信。由于RIS系统不能产生和解码波束,RIS系统中的波束训练比传统场景中的波束训练更具挑战性。为了实现RIS的联合波束形成方案,需要以下3步来实现不同组的波束对准。

第一步需要获得最佳码字以确定最佳反射模式。首先,以连续的间隔测试一些宽波束对,基站使用发射模式,用户使用接收模式。在每个间隔中,RIS在不同的时隙中连续搜索预定义的码字。对于RIS来说,只有一个宽波束对同时覆盖基站—RIS链路和RIS—用户链路。在此间隔期间,当RIS使用最佳码字时,用户将在时隙中检测到能量脉冲。因此,用户可以利用脉冲时隙来识别RIS的最佳码字。

第二步需要关闭RIS,通过以下步骤获得基站用户窄波束对。首先,测试一些宽波束对的对准情况。用户比较不同间隔中的接收能量,并确定具有最大功率的宽波束对。对齐的宽波束对将在两侧进行标记。其次,基站发送标记的宽波束,用户使用快速分层搜索找到最佳的窄波束。最后,用户发射该窄波束,基站使用快速分层搜索在基站获得最佳窄波束。

第三步通过类似于第二步的步骤来获得基站—RIS—用户窄波束对,用获得的最佳码字使用RIS。从基站到用户存在两条传播路径,即基站—RIS—用户路径和基站—用户路径。请注意,基站—用户路径已在第二步确定。因此,只要减少基站—用户路径上的接收信号,就可以通过快速分层搜索找到反射路径的窄波束对。通过这种方式,可以获得最佳的窄波束对:基站—RIS—用户路径。

4.未来研究方向

用于RIS辅助THz通信的压缩传感和机器学习技术很有前途。通过假设表面的稀疏信道传感器配置,信道估计的训练开销和基带硬件复杂度都降低了。在这种体系结构中,RIS中的一些元件保持活动(没有射频资源,常规反射元件不能发送用于信道估计的导频符号),并且使用压缩感测来获取其他无源元件上的信道响应。然后,可以在基于深度学习的解决方案中利用这些知识设计反射矩阵,消除训练开销。对于不完全信道状态信息的RIS,分布式强化学习技术也被用于信道估计领域。

1.6.2 THz与OAM

THz有丰富的频谱资源与应用潜力,OAM技术也可以通过多路复用几个正交模式来增加通信系统的容量。融合这两种技术,即THz-OAM,在下一代通信中具有很大的开发潜力与应用前景。

1.THz-OAM波束的产生方法

在生成THz-OAM波束时,应同时考虑THz波束与OAM的生成特点。产生THz波的方法包括基于光学方法、基于电子方法和基于光电混合的方法。在THz波段,OAM波束生成方法主要包括螺旋相位板、超表面、全息方法与Q板。下面将介绍这几种方法的优缺点。

SPP是产生OAM光束最简单和最直接的结构。与光学频段相比,THz-SPP对加工精度要求不高,现有的3D打印技术和机械加工可以满足其精度的要求,但是由于受材料的吸收系数和反射系数的影响,SPP厚度会产生变化,从而引起THz-OAM波束振幅不均匀的问题。另外SPP波只能在特定波长下产生电磁波,无法在宽带上工作。

1967年,拉赫曼等人提出了计算全息图。随着THz技术的兴起,计算全息技术也可以用来产生THz-OAM波束。全息图是用于在光学区域内产生OAM波束的方法。光学全息记录过程复杂,需要理想的实验环境。目前在THz频段使用全息方法生成OAM波束时,缺乏成熟的空间调制器,THz全息图的复杂生成过程增加了整个系统的复杂性。

近几年,超表面的快速发展形成了生产OAM波束简单的方法。超表面可以在较宽的范围内同时产生多模OAM波束,一些特殊的相位分布可以控制THz-OAM波束的传播方向,为OAM复用和解复用提供了基础。超表面中元单元的插入损耗是一个重要参数。为了保证插入损耗的波束具有均匀的振幅和增益,元单元的插入损耗应该尽可能小。超表面可以提供较高的模式纯度,另外基于超表面的方法有更大的可扩展性和更高的性能,具有较大的发展潜力。

Q板作为一种新兴的光学元件,为产生THz-OAM波束提供了新的思路。由于液晶的可调谐性,Q板法可以实时任意操纵THz-OAM波束。Q板法相位精度较高,因此也具有较高的模式纯度。然而,因为对输入波束的要求越来越严格,对Q板法的进一步推广也面临许多挑战。

2.THz-OAM波的探测方法

THZ-OAM波的探测方法分为有效区分波的模式与解调Sub-6 GHz波携带信息两种。为了获得更高的数据传输速率,解调Sub-6 GHz波携带信息方法更为有效。

坐标变换法作为解调THz波携带信息的一种代表方法,在THz-OAM的探测上具有较大优势。坐标变换法是一种基于光学原理对不同模式的OAM波束进行分离和检测的方法。坐标变换方法需要使用折射元件与聚焦透镜将OAM波束从一个坐标转换到另一个坐标。折射元件能够实现坐标的转换,不仅能在光学和微波波段工作,而且能在THz波段工作。C.Liu和X.Wei等人找到了可以在0.3 THz波段工作的折射元件,并证明了坐标变换法能够在THz波段分离和检测出OAM波束。与反向螺旋相位法和平面波干涉法不同,坐标变换法可以同时实现多种不同模式的OAM波束的分离和检测。但是由于相位分布与距离相关,使得折射元件需要更大的空间,并且不容易被集成。

电光晶体既可以用来探测THz波,也可以用来探测THz-OAM波。电光晶体法可以同时高速检测THz波的相位和振幅分布。然而,由于电光晶体对THz电场的低响应性,这种方法通常用于检测具有大瞬时功率的THz脉冲,而不能用于检测连续的THz波。

3.THz-OAM用于通信

作为一种新的通信维度,OAM技术不仅可以提高通信容量,其模式也可以作为通信的信息符号。传统的通信编码通过对电磁波的幅度、频率、相位和极化进行高速调制来实现数据传输。在OAM移位键控通信系统中,OAM模式被用作数据传输的参数。受旋转级电机速度的限制,OAM移位键控暂时不能用于高速通信。OAM模式复用是利用不同OAM模式的正交特性,实现多通道信息的同时传输。因此,基于OAM模式复用的通信系统已经成为通信领域的研究热点。受目前THz技术发展现状的限制,基于OAM模式复用的THz通信系统尚未被提出。与微波相比,THz波可以提供更宽的带宽,因此,预计THz-OAM模式复用的数据传输速率将会更高。

4.未来研究挑战

THz-OAM技术是无限正交模和宽带的结合,在无线通信领域有巨大的发展潜力。OAM移位键控和OAM模式复用都为THz通信提供了新的发展方向。对于THz-OAM波束而言,模式纯度和工作带宽有助于提高THz-OAM通信的数据传输速率。前者保证了正交性,后者保证了频谱的有效利用。对于通信系统来说,THz器件成本、大型OAM产生和检测元件限制了THz-OAM技术的发展。开发用于产生、检测和复用THz-OAM波束的新型器件将是关键研究方向,未来可以对分立元件进行集成以降低元件的制作成本与尺寸。另外,THz具有高损耗、受环境影响大、NLoS明显等特点,需要结合THz的特点研究THz-OAM的实际传输情况。

Helal等人使用多种机器学习方法,在THz频谱对材料、固体和气体成分进行了区分,并比较了这些技术的分类成功率。通过测量测试集的校准均方根误差,获得了分类模型的性能曲线。

从图1.9可以看出,在低信噪比和低处理时间的情况下,线性判别分析能够准确区分固体材料,LDA适用于处理线性可分THz频谱数据问题。高斯朴素贝叶斯给出了类似的理想的分类结果,因为THz物质具有连续的特征和近似的高斯分布。结果中GNB分类器没有很好地表示NMF数据,主要是由于其简单假设函数的不准确性。此外,由于噪声特征数据和大样本量,邻近算法的精度降低,导致计算最近邻居距离成本较高。此外,支持向量机分类器精度的相对下降可能是由过拟合引起的。

图1.9 不同分类器在固体信噪比方面的性能

图1.9 不同分类器在固体信噪比方面的性能(续)

图1.9 不同分类器在固体信噪比方面的性能(续)

对于BP神经网络来说,最好的性能是通过10台电脑、10个隐藏节点和0.01学习率实现的。然而,最佳的广义回归神经网络性能是用5个脉冲实现的,径向基函数的扩展值为10,实现了更平滑的函数逼近。广义回归神经网络模型结果表明,与BPNN模型相比,广义回归神经网络更有利于预测THz频谱数据,主要是因为广义回归神经网络具有计算复杂度低、流量估计间歇和计算速度快的特点。每个广义回归神经网络在单程学习中训练速度很快,而BPNN在向前和向后通过时平均花费的时间很多。与BPNN不同,广义回归神经网络只需要几个训练样本就能进一步收敛THz数据的基本函数。此外,广义回归神经网络由于其处理输入数据中噪声的能力,导致分类误差小。广义回归神经网络在固体和气体材料数据集的高分类精度和速度之间取得了良好的平衡。多元判别模型的线性判别分析和广义回归神经网络,结合THz频谱,提供了一个低时间消耗的模型。