面向6G的智能反射面无线通信综述*

2022-05-26齐峰岳殿武孙玉

移动通信 2022年4期

齐峰，岳殿武,2**，孙玉

（1.大连海事大学信息科学技术学院，辽宁大连 116026；2.东南大学毫米波国家重点实验室，江苏南京 210096）

0 引言

随着5G 标准颁布，5G 网络开始在全球商用。可以预计，5G 移动通信系统将支撑未来十年信息社会的无线通信需求，成为有史以来最复杂、最庞大的通信网络，并将在多方面深刻影响社会发展及人类生活[1-3]。尽管5G尚处于规模商用起步阶段，相关技术特性还需要继续增强完善，但是也有必要同步前瞻未来信息社会的通信需求，启动下一代移动通信系统（6G）技术的研究。就像从十年前看5G 技术一样，未来6G 技术似乎也只是当前5G 的延伸。但是，新的用户需求、新的应用场景以及新的网络趋势将会带来更具挑战性的通信工程问题，因此需要全新的通信模式，尤其是在物理层。6G 目标是满足十年后的信息社会需求，所以6G 愿景应是现有5G 不能满足而需要进一步提升的需求[3-4]。

5G 的目标实现离不开大规模MIMO、毫米波通信与超密集网络这三个关键技术的强力支持[1-2]。然而，这些技术面临着两个主要的实际限制：一是它们消耗大量的能量，这是实施中的一个关键问题；二是由于缺乏对无线传播信道的控制，它们难以在恶劣的传播环境中为用户提供不间断的连接和令人满意的服务质量。例如，为使网络密集化，需要增密基站，从而造成网络的总能耗线性增加。一个射频链通常包括多个有源部件，如数模转换器和低噪声放大器，因此当大规模MIMO 天线阵列中的每个有源天线元件连接成一个射频链时，系统的总成本和能量消耗非常高。此外，当无线传播环境表现出很差的散射性时，大规模MIMO 性能会受到严重影响。虽然毫米波频带很宽，但毫米波信号传播路径损耗相当大，且容易被物体阻挡。

上述两个实际限制促使未来需要发展出既可控制传播环境又可持续发展的绿色通信网络，最近一种崭新的技术引起了无线通信领域的普遍关注：智能反射面（IRS,Intelligent Reflecting Surface）。IRS 能够突破这两个实际限制，已被列入6G 潜在关键技术。

1 智能反射面介绍

IRS 也称可重构智能面（RIS,Reconfigurable Intelligent Surface）、大型智能面（LIS,Large Intelligent Surface）、软件定义面（SDS,Software-Defined Surface）。根据研究领域和角度不同，IRS 还有其它多种多样的称号[5-10]。

IRS 是由很多个低成本、无源反射单元构成的表面，其所用电磁材料可以是先进的超材料[5]。IRS 既可以安放在建筑物表面上或街道路灯柱、广告板上，也可以安放在室内棚顶、墙壁上，甚至还可以灵活地安放在家具、衣物等上。其每个反射单元可以控制入射信号，可以改变的参数有相位、幅度、频率，甚至极化方向。目前讨论最多、最便于实践的是改变相位[6]。如图1 所示，即使在直线链路很不畅通的情况下，IRS 通过智能重构传播环境也可以形成良好的传播途径，从而显著提高无线网络的传输性能。

图1 基于智能反射面的无线通信

IRS 通过控制传播环境能够扩展无线网络覆盖范围，提升无线网络频谱效率和能量效率。除了智能改善无线传输环境外，IRS 通信技术其它的一些突出优点可归纳如下[7-9]：

（1）IRS器件可以很方便地部署在室内、室外任何地方；

（2）IRS 只控制反射，耗能少、电磁污染小，符合未来绿色通信要求；

（3）IRS 可以提高定位精度，增强物理层安全，支持全双工、全频带传输技术；

（4）IRS 低成本、易实现，便于应用在各种无线网络中，如物联网、车联网等。

IRS 与快速发展中大规模MIMO 技术密切相关，特别是与传统MIMO 技术相结合，就可以形成一种富有发展前景的大规模MIMO 2.0[9,11]。另一方面，从信号处理和数学描述上看，IRS 辅助无线系统类似于协作中继系统；但是从物理实现上看，两者则有明显区别，协作系统的中继要配有源天线元件才能产生新的中继信号[6,12]。

尽管当今5G 无线通信可以具有动态调整的能力，但其对应的无线传播环境是随机的、不可控的，而IRS 技术则相反，可以智能控制无线传输环境。基于IRS 的智能无线通信是一项革新的技术，由于该技术具有从根本上改变当今无线网络设计和优化方式的潜力，所以会在未来6G 通信网络中发挥特别重要的作用[9-11]。鉴于此，国内外很多高校、研究机构纷纷开展了IRS 研究。2021 年初国家自然科学基金委信息科学部还将“智能反射面辅助的移动通信理论与技术”研究列入重点项目立项领域，下面将详细介绍IRS 研究进展情况。

2 智能反射面研究进展

2.1 国内外研究概述

IRS 技术属通信技术、电子技术、智能科学、物理学以及材料科学的交叉研究领域。IRS 是由超材料构成的超表面，对于无线网络的IRS 应用，超表面的可重构特性是基本的要求，以便根据无线环境的变化来调整自身[5]。关于IRS 实现材料方面的具体进展，文献[7]给出了一个很好的描述。

值得一提的是，东南大学毫米波国家重点实验室崔铁军院士领导的课题组在超材料研发方面取得可喜进展，其研究成果以“Space-Time-Coding Digital Metasurfaces”为题，于2018 年10 月在线发表在《Nature Communications》上。超材料是指亚波长尺度单元按一定的宏观排列方式形成的人工复合电磁结构，由于其基本单元和排列方式都可任意设计，因此能构造出传统材料与传统技术不能实现的超常规媒质参数，进而对电磁波进行高效灵活调控，实现一系列自然界不存在的新奇物理特性和应用。然而，传统的电磁超材料和超表面都是基于连续变化的媒质参数，很难实时地操控电磁波。2014 年崔铁军院士课题组在国际上首次提出“数字编码与可编程超材料”，采用二进制数字编码来表征超材料的思想，通过改变数字编码单元“0”和“1”的空间排布来控制电磁波[13]。这一概念的提出不仅简化了超材料的设计难度和优化流程，构建了超材料由物理空间通往数字空间的桥梁，使人们能够从信息科学的角度来理解和探索超材料，更重要的是超材料的数字化编码表征方式非常有利于结合一些有源器件，在FPGA 等电路系统的控制下实时地数字化调控电磁波，动态地实现多种完全不同的功能。

采用超材料的可重构超表面不仅能用来做无源反射器，也可以用来做有源发射机和接收机。文献[14] 研究了大规模MIMO 2.0 解决方案，探索可重构超表面取代传统大规模MIMO 的无线传输系统，并进而提出大型智能面LIS 的概念。其理论分析表明，LIS 系统每平方米超面面积的可达容量能随平均传输功率线性增加，而传统大规模MIMO 的可达容量只随平均传输功率对数增加。此外，还探讨了在终端定位中应用LIS[15]。

IRS 无线网络概念的核心思想是移动通常在无线端点实现的功能到其环境上[7]。在这方面，IRS 与新兴技术的协同集成是很有前途且亟需展开的研究方向。鉴于此，目前人们已纷纷考虑IRS 的各种各样应用场景，包括如下[6-9,17]：

（1）边缘智能：包括边缘缓存、边缘计算和边缘学习，是一种利用存储缓解网络数据流量的先进技术。采用IRS可以有效地提高边缘缓存、计算和学习网络的工作效率，特别是IRS 可通过智能调整入射电磁波的相位来缓解边缘器件的能量限制问题，提升边缘计算和学习过程中的联合上行及下行通信效率。

（2）室内外定位：也像利用大规模MIMO 技术一样，利用智能反射面辅助传输技术可以有效提高室内或室外的定位精度。从未来无线信息技术发展趋势上来讲，IRS技术的发展将会有力地推动无线感知技术的普及。

（3）物理层安全：是无线通信领域与信息安全领域的一个研究热点。应用智能反射面技术既可以增加合法用户的安全传输速率，同时又可以降低非法用户的窃听效果。

（4）D2D 通信：是5G 移动通信空口新技术之一，能进行终端到终端的直接信息传输。D2D 通信引入智能反射面技术，可支持设备之间低功耗传输，提高信息传输速率，同时还降低设备之间的干扰。

（5）无线携能通信：是绿色通信新技术，在物联网中有广泛的应用。通过合理部署智能反射面，无线携能通信网络就可以大幅提升信息传输与能量传输的传输效果。

（6）无人机通信：具有传输距离远、部署方便、机动灵活、覆盖范围广以及经济效益高等诸多优点，受到学术界和工业界的广泛关注。不论是IRS 部署在建筑物表面上还是无人机机身上，均能有效提升无人机系统的服务效果。

未来IRS 具体的应用场景如图2 所示。

参与本次研究的高血压左心室肥厚伴衰竭患者和健康人员，时间在2017年5月—2018年5月之间，之后分别将其设为研究组、参照组，例数分别为34例。研究组高血压左心室肥厚伴衰竭患者中，最大年龄为82岁，最小年龄为30岁，年龄均值统计后为（55.79±6.3）岁。其中男性患者有26例，女性患者有8例，经核实后病程介于1年至8年之间。参照组健康人员中，最大年龄为82岁，最小年龄为31岁，年龄均值统计后为（55.62±6.8）岁。其中男性有24例，女性有10例。

图2 智能反射面的各种应用场景

上述IRS 重要进展涉及IRS 硬件实现、传输功能以及应用场景方面。最近这几年里有很多学者纷纷开展了利用IRS 反射功能的研究工作，下面将重点介绍IRS 在性能分析、优化设计、信道估计以及应用在毫米波通信的研究进展。

2.2 性能分析方面进展

对于点对点和点对多点的无线传输场景，IRS 辅助下的系统性能都得到了很好的分析，特别是对于点对点传输场景，文献[7] 和[16] 从误码性能的角度评估了IRS辅助通信的潜力。分析结果表明，基于IRS 的传输可以有效地提高接收信噪比，特别是平均接收信噪比可随IRS的反射单元数目的平方线性增长，因此在相当低的输入信噪比下可以实现高可靠的无线传输。

对于IRS 辅助基站分布多天线的单小区下行传输情景，文献[18]中通过最小化基站传输功率分析得出这样一个单用户功率缩放律（Power Scaling Law）：随着IRS 的反射单元数目趋于无穷，接收信号功率增益能按单元数目的平方线性增长。而对于传统大规模MIMO 系统，接收信号功率增益只能按天线数目一次方线性增长。在文献[19]中也考虑单小区下行传输问题，并通过仿真显示，在IRS 辅助下的多天线下行系统即使基站采用充分少的天线，整个系统也会获得像传统大规模MIMO 一样的性能增益。

假设IRS 系统每个反射单元具有连续相移过于理想，不符合未来实践需要。在文献[18]的后续研究中，考虑IRS具有离散相移，并在此情况下再分析同样的功率最小化问题。进一步分析结果表明，与具有连续相移的理想情况相比，具有有限分辨率相移的IRS 与具有无限分辨率相移的IRS 有相同的功率缩放律，其功率损失是一个与量化比特数有关的常数，且随着反射单元数目不断增加可以忽略不计[20]。

在文献[21] 中，考虑了莱斯衰落环境下IRS 辅助的大规模MIMO 单用户系统，并给出了基于遍历容量近似表达式和CSI（Channel State Information）统计的IRS相移最优解，然后还进一步分析了不同莱斯因子和离散相移对系统性能的影响。仿真结果表明，即使使用2 比特相移也可以保证容量损失相当小。

空间调制（SM,Spatial Modulation）是目前流行的索引调制（IM,Index Modulation），其通过利用MIMO天线的不同衰落特征，将信息比特映射到发射天线索引上。在文献[22] 中，考虑IRS 与IM 的结合，提出了IRS-SM 和IRS-SSK（Space Shift Keying）两个IRS 辅助的IM 系统传输方案。通过发挥IRS 和IM 的各自优势，这两个方案都能进一步提高信号质量、改善频谱效率。

目前已出现一些工作考虑与协作中继系统进行综合对比。文献[12]显示，与传统的AF（Amplify-and-Forward）中继处理方式相比，IRS 辅助系统能带来很大的能量增益。在文献[23]中，将IRS 辅助的无线传输系统与经典的DF（Decodeand-Forward）中继处理方式进行综合比较，确定了系统需要在IRS上安放多少个反射单元才会在性能上优于DF中继系统。

2.3 优化设计方面进展

优化设计是IRS 技术特别重要的课题，目前已得到了广泛的研讨。假定基站分布多天线，考虑IRS 辅助单小区下行传输场景[24]（如图3 所示），将注意力集中在通过优化IRS相位和用户功率来最大化系统和速率问题上，这个问题可归结为一个非凸优化问题。为了解决该问题，给出了交替最大化和优化最小化（Majorization-Minimization）算法相结合的方法[25]，基于这个方法，整个系统吞吐量明显得到改进。在文献[26]中，考虑了RIS 具有有限分辨率相位情况下的能量效率最大化问题。仿真结果表明，与传统的AF 中继系统相比，即使是1 比特相位分辨率也能有效提高系统的能量效率。在后续的文献[12]中，报道了在更实际的系统设置下关于能量效率、系统和速率的更为全面的仿真结果。值得注意的是，要实现文中所提出的优化方案，基站需要有完美的CSI 和IRS 相位的知识来产生并发送波束成形。

在文献[18] 和[20] 中，也考虑了单小区下行传输场景，特别关注了主动和被动（Active and Passive）波束成形联合优化设计的问题。具体地说，通过联合优化基站主动发射波束成形和IRS 被动反射波束成形，在用户信干噪比约束下，分析了总发射功率如何最小化问题。利用半定松弛和交替优化技术，很好地解决了这个非凸优化问题[27-30]，并且还给出系统性能与计算复杂性之间的折衷解。不论是IRS 相移具有无限还是有限分辨率，都给出了单用户情况下的功率缩放平方律[6]。对于多用户情况，通过主动和被动波束成形的联合优化设计多用户干扰得到消除，系统频谱效率与能量效率也得到显著提升。此外，还初步考虑了IRS 部署优化的问题。

文献[19] 研究了IRS 辅助单小区多用户下行传输场景，并在基站-IRS 的LOS（Line-of-Sight）信道矩阵秩为1 或满秩的情况下，分析了使最小用户信干噪比的最大化问题。在IRS-用户的信道为相关瑞利衰落情况下，提出了一种对IRS 相移进行优化的算法。对于同样RIS系统，文献[31] 则将注意力集中在优化发射波束成形和RIS 相移上。通过考虑最大化频谱效率，提出了两种算法来联合优化发射波束成形和IRS 相移。与文献[18]和[19]不同，在基站和IRS 具有完美的CSI 的情况下，文献[31]所提出的算法可保证局部最优解。

文献[32] 和[33] 研究了IRS 辅助无线系统的物理层安全性。具体来说，文献[32] 考虑了存在一个合法接收器和一个窃听器情况下的RIS 辅助安全通信问题，特别是考虑了联合优化基站主动波束成形和RIS 被动波束成形，以有效提高安全传输速率。结果表明，与大规模MIMO 系统相比，增加IRS 反射单元的数量比增加基站天线数量更为有益。文献[33] 考虑了具有多个合法接收器和多个窃听器情况下的下行安全传输问题，分析了联合优化主动和被动波束成形以使最小安全速率最大化的问题，并提出了全局最优算法和低复杂度次优算法。文献[17]分析了更强的窃听信道情况，也通过联合设计基站发射波束成形和IRS 相位来最大化合法用户的安全传输速率。

尽管关于IRS 优化设计方面的论文涌现很多，但通过这些工作可以发现人们在设计IRS 辅助系统方面考虑的内容主要包括如下：

（1）IRS 分布结构：最初考虑一个IRS 是为便于分析与设计，但目前越来越多的工作考虑多个IRS，既考虑IRS 并行辅助方式，也考虑IRS 串行辅助场景，至于串并混合复杂情况也有不少学者涉及。

（2）优化设计目标：除了主要考虑最大化传输速率和最小化能量消耗外，还有一些学者从可靠性、安全性以及公平性方面来设计和发展优化算法。

（3）被动波束成形：对于IRS 相移控制，最初考虑连续情况便于推导、分析，但面向实践需要，人们越来越多考虑离散情况，并优化设计出少量量化IRS 相移值达到高精度理想化效果。

（4）信道状态信息：早期人们对IRS 系统分析与设计是在具有完美信道状态信息CSI 下进行的，这过于理想化且不符合实践需要，因此纷纷探索各种各样信道估计算法，并在不完美CSI 下进行主动与被动波束成形优化设计。

2.4 信道估计方面进展

IRS 辅助系统获得理想性能的前提是能有精确的CSI，但是对IRS 系统信道估计要克服两个实现障碍：一个是IRS反射单元无源的特性；另一个是反射单元数目庞大。因此，对于典型的IRS 辅助下行传输场景，信道估计要在基站处完成，然后基站再将估计出的结果报道给IRS 处的控制器，控制器再依据所得到的信息调整反射单元相移。在此思路下，文献[34]提出一个基于MMSE（Minimum Mean-Square Error）信道估计协议，该协议将总信道估计时间划分为多个时隙。在第一个时隙，所有IRS 单元转成“OFF”休息状态，基站估计所有用户直接信道的CSI。在接着的每个时隙里，只有一个反射单元处于“ON”工作状态，而其余的反射单元仍处于“OFF”休息状态，这便于基站获得只与工作单元有关的CSI。最后基于所有时隙估计的结果，采用MMSE估计方法获得传输所需的完整的CSI。

但当移动用户很多时，文献[34] 所提出的方案的信道估计负担就会变得很沉重。为了能减轻IRS 信道估计负担，一种替换思路是通过逐个激活每个用户方法来完成CSI 的估计[8]，逐个激活每个用户可使要估计的级联信道分解成一系列单输入多输出为每个用户感知的信道。因此，针对多用户上行传输场景，文献[35] 提出一个分三个连续处理阶段的信道估计新方案。通过利用所有用户分享同一个IRS 到基站间的链路这一事实，所给出的信道估计方案可显著降低所需的导频长度。

对于基站分布大规模天线阵而多个用户终端分布小规模天线阵的下行传输场景，文献[36]探讨了采用完全被动IRS 元件的级联信道估计问题，提出了关于发送端-IRS 和IRS-接收端级联MIMO 信道估计的一般框架，并给出了一个有三个处理阶段的信道估计方案，这三个阶段分别是稀疏矩阵因子分解、歧义消除、矩阵补全[9]。具体来说，第一阶段利用接收信号进行矩阵因子分解，导出基站与IRS 间信道矩阵和IRS 与移动用户间信道矩阵；第二阶段利用IRS状态矩阵信息排除矩阵在因子分解中存在的歧义性，IRS 状态矩阵信息包含每一时刻所有单元“ON/OFF”信息；第三阶段则利用信道矩阵性质恢复缺失元素的信息。这三个处理阶段要分别通过三个算法来完成：双线性广义近似消息传递（Bilinear Generalized Approximate Message Passing）算法、贪婪追踪算法、黎曼流形梯度算法。在文献[36]的后续研究中，对所给出的信道估计方案进行了改进，特别将三个处理阶段改成了两个处理阶段[8]。

文献[37] 探索了一个基于压缩感知的深度学习信道估计方法，特别是提出了一个基于稀疏信道传感器的新型IRS 架构：IRS 由两类单元组成，一类是无源的，另一类是有源的。不同于无源单元，IRS 有源单元要连接到控制器的基带处理器上。在RIS 中使用了少量有源单元就可以简化信道估计处理过程。利用这些有源单元估计的信道信息通过深度神经网络就可了解所有单元的无线信道状况，进一步深度学习可以指导IRS 学习如何利用主动元件估计的信道信息以最佳方式与输入信号相互作用。

针对能量收集的RIS 辅助多发单收的单用户系统，文献[38] 提出了一种新的信道估计协议。特别是考虑到IRS 没有主动元件，为了实现高效的功率传输，给出了主动和被动的波束成形近似最优的设计方案。

2.5 应用在毫米波通信方面进展

上述关于IRS 研究诸多进展几乎都集中在传统微波通信上，最近不少学者也开始考虑将IRS 技术应用在更高频带上，包括无线光通信[39-40]、太赫兹通信[41-42]、毫米波通信[43-54]。下面将主要介绍IRS 毫米波通信方面的研究动态。

关于毫米波通信不论是单用户还是多用户场景，不论是采用单个IRS 还是多个IRS、基站不论是采用小规模天线阵列还是大规模天线阵列均有学者进行探讨。尽管信道模型不同于传统微波频带，但采用的方法和引出结论有很多类似于传统微波通信。目前有关研究主要涉及信道容量与可达速率优化[43-45]、主动和被动波束成形联合设计[46-47]、功率分配与波束成形联合设计[48]、模拟和数字混合波束成形[49-50]、信道估计算法[51]、用户关联（User Association）[52]以及安全传输[53]等内容。

对于IRS 辅助下的单用户毫米波下行通信系统，文献[46] 探讨了主动和被动波束成形联合优化问题，特别是考虑了基站分布多天线、用户分布单天线、多个IRS辅助传输的场景。在基站-IRS 信道采用秩1 信道模型下，对单个IRS 辅助情况导出了最优闭式解，而对多个IRS辅助情况则给出了接近最优解析解。随后在文献[47]中，对IRS 反射单元具有低精度相移情景继续探讨系统主动和被动波束成形联合优化问题。分析结果表明，即使在IRS 反射单元只有低精度相移的情况下，用户接收信号功率仍能随反射单元数目平方成比例地增加。

对于多个IRS 辅助下的多用户毫米波下行通信系统，文献[48] 探讨了功率分配与波束成形联合优化问题[48]。假定基站分布多天线而每个用户只分布单个天线，对基站-IRS 信道和IRS-用户信道均采用秩1 信道模型，文献[48] 中给出了一个新的交替流形优化算法。随后在文献[53]，对多个IRS 辅助下的毫米波下行单用户通信系统探讨了安全速率最大化问题。假定基站分布多天线而合法用户与窃听者只分布单个天线，基于连续凸逼近和流形优化技术，给出了一个交替优化方案。

在文献[49]中，对于单个IRS 辅助下的多用户毫米波下行通信系统，关注混合波束成形与IRS 相移联合优化设计，文中也假定基站分布多天线而每个用户只分布单个天线，对基站-IRS信道和IRS-用户信道均采用常用的几何信道模型后，给出了一个可使均方误差达到最小的迭代优化算法。此外，文献[54]既考虑IRS 辅助也考虑ITS（Intelligent Transmitting Surface）辅助的毫米波大规模MIMO 系统架构，利用毫米波信道的稀疏性提出了两个有效的预编码方案。

3 未来研究课题

由于IRS 辅助的无线通信是最近吸引研究人员关注的一个崭新技术，因此有许多有趣且重要的研究话题期待探讨。

3.1 信道模型与理论分析

关于信道模型，目前IRS 到用户间的信道经常采用的是简单的独立同分布瑞利衰落信道或者莱斯衰落信道，而在基站和IRS 之间通常采用秩为1 的LOS 信道。前者是不现实的，因为MIMO衰落信道在实际应用中几乎总是空间相关的，而后者会构成针孔信道，从而限制系统有效服务多个用户的能力。研究IRS 到用户间的相关信道模型和基站到IRS 间的高秩LOS 信道无疑是重要的话题，目前虽有些探索，但还远不够深透、成熟[19]。IRS 发展将需要IRS 的空间相关模型，初步工作通过用相关瑞利模型代替典型的独立同分布瑞利模型，可是传统的离散天线阵列统计模型并不直接适用，因为基于超材料的IRS 是使用完全不同的技术实现的。对相关信道的正确建模，要充分了解IRS 内在的相关结构以及IRS 大尺度与小尺度衰落特征，这需要既熟悉通信技术又懂电磁理论的研究人员进行深入探讨[7,55-56]。

目前有许多工作是通过解决复杂的非凸优化问题来使IRS 相移得到优化的[6-9]，这样得到的优化相移和系统性能因为是通过计算得到的数字解，一般很难获得依赖于信道参数的理论表达式，除了特殊的情景，如单IRS 单用户情况[34]。理论分析表达式是特别重要的，因为能使人们洞察信道和系统参数对系统性能的影响程度，比如说获得IRS 的功率缩放律，给出IRS 优化设计指南[8-9,56]。因此，未来需要发展易于处理和便于洞察的理论分析框架以便刻画IRS 的利益及作用，尤其是对于分布多个IRS 的场景。相比较而言，目前人们对IRS 能带来的复用方面的潜在利益还不清楚[57]。

3.2 将IRS与毫米波通信结合

现存通信技术是通过优化通信端点来改进性能，而IRS 技术是通过优化传播环境来提高性能。IRS 辅助的无线通信技术是当前很有发展前景的研究方向。将IRS 与5G/6G 中其它重要技术结合是未来值得关注的研究课题，比如和大规模MIMO、毫米波通信、太赫兹通信、可见光通信、超密集网络、非正交多址等结合。其中，特别值得关注的是IRS 与毫米波通信结合课题。

毫米波一般指频谱范围为30—300 GHz、波长范围为1～10 mm 的电磁波。在毫米波频段可以构建高达800 MHz的超大带宽通信系统，通信速率高达10 Gbit/s，可以满足ITU 对5G 通信系统的要求。毫米波已经成为3GPP 5G 移动通信系统的必要组成部分[58]。在中低频5G 大规模商用后，毫米波将成为5G 商用的下一个重点。通信业内开始形成的共识是在后5G 时代与6G 时代，毫米波将成为极大提升网络容量和促进新业务部署的关键使能技术。因此，对毫米波技术的进一步研究不仅有利于5G 毫米波系统的规模化部署和商业经营，还将对5G 后续演进和未来6G 技术的研究奠定基础。

毫米波通信与大规模MIMO 均是5G 中的关键技术，且它们是相辅相成的：一方面，毫米波通信波长短、路径损耗大，对其覆盖范围产生很大影响，为此需要利用大规模MIMO 技术产生的波束成形增益来弥补其路径损耗；另一方面，毫米波的使用对天线阵列的大规模部署和终端的小型化都非常有利。因此，将毫米波通信与大规模MIMO 技术密切结合既自然又必要。鉴于此，毫米波大规模MIMO 通信技术得到了广泛地探讨[59]。但是，在发送端和接收端安装大量的天线需要在技术上克服成本增加和能耗变大的问题。此外，除了路径损耗大以外，毫米波传播容易受到物体阻挡，尤其是在城市建筑密集地区，如在100 GHz 以上移动环境中很难有可靠的LOS 链路[7]。IRS 的出现则为解决这些技术难题带来了希望，其是由大量低成本、高能效的反射单元构成，分布IRS 可以将很弱的传播路径变成很强的传播路径。采用IRS 是一个经济、高效、环保的解决方案，因此为了满足未来6G 高速率、大容量、低功耗的实际传输需要，积极开展IRS 辅助下的毫米波大规模MIMO 通信技术研究就变得十分必要。