AIRIS: Artificial Intelligence Enhanced Signal Processing in Reconfigurable Intelligent Surface Communications
可重构智能表面（Reconfigurable Intelligent Surface，RIS）是一种新兴的元表面，它可以通过反射信号提供额外的通信链路，被认为是第六代移动通信系统的有力候选者。与此同时，它最近已经承认，实施人工智能（AI）到RIS通信将广泛受益的重新配置能力，并提高复杂的传输环境的鲁棒性。除了传统的模型驱动方法，人工智能还可以通过从真实数据中挖掘固有特性，以数据驱动的方式处理现有的信号处理问题。因此，AI特别适用于RIS网络上的信号处理问题，如建模不匹配，资源不足，硬件损伤，以及动态传输的理想情况下。作为最早的综述论文之一，我们将介绍AI和RIS的融合，称为AIRIS，涉及各种信号处理主题，包括环境感知，信道捕获，波束成形设计和资源调度等。我们还将讨论AIRIS的挑战，并提出一些有趣的未来方向。
2021-06-01 eess.SP
Over-the-Air ODE-Inspired Neural Network for Dual Task-Oriented Semantic Communications
本文利用分布式RIS构建空口常微分方程（Air-ODE）网络，在模拟域实现ODE模块以提升频谱效率，并在DeepSC系统中同时完成图像重建与语义标注双任务，性能达到数字ODE网络水平且相比无该模块的模拟网络获得约2倍增益。
2025-05-08 eess.SP
Beamforming Design for Active RIS-Aided Over-the-Air Computation
本文针对空口计算中用户信道条件差导致的性能瓶颈，提出将有源RIS引入系统，通过交替优化联合设计收发机与RIS配置以最小化均方误差，并进一步处理自干扰问题，仿真验证了有源RIS相比无源RIS的显著性能优势。
2023-11-30 cs.IT eess.SP math.IT
Empowering Over-the-Air Personalized Federated Learning via RIS
本文引入 RIS 技术解决空中计算联邦学习中的数据异构性问题，通过相移配置实现集群间统计干扰消除，并从一阶和二阶矩角度提出两种个性化聚合方案以增强收敛性，数值结果验证了其优于现有基线。
2024-08-22 cs.IT eess.SP math.IT
Hierarchical RIS Association for FR3 Space-Air-Ground Integrated Networks
Polytechnique Montreal（蒙特利尔高等理工学院）
针对6G FR3频段空天地一体化网络，提出分层RIS关联框架，通过多对一匹配先关联地面RIS再关联空中RIS，最大化网络总和速率，显著优于贪婪和随机方案。
2026-10-08 eess.SP
Federated Learning via Active RIS Assisted Over-the-Air Computation
针对AirComp联邦学习中的梯度聚合误差问题，提出联合优化收发器与有源RIS配置，并用两层交替优化框架求解，仿真验证其优于无源RIS。
2023-11-07 cs.IT eess.SP math.IT
Realizing Fully-Connected Layers Over the Air via Reconfigurable Intelligent Surfaces
本文提出AirFC范式，利用RIS辅助MIMO系统联合配置RIS与收发器复现数字FC层权重，通过极低复杂度交替优化算法解决模仿误差最小化问题，多RIS配置在LoS信道中显著优于单RIS，实现具竞争力的分类精度。
2025-08-20 cs.IT eess.SP math.IT
Large-Scale RIS Enabled Air-Ground Channels: Near-Field Modeling and Analysis
针对近场RIS信道建模精度低的问题，提出子阵列划分框架和波束域信道模型，捕获稀疏特征并分析相关函数与容量，实现复杂度与精度的权衡。
2024-03-19 eess.SP
Hybrid Reconfigurable Intelligent Surface Enabled Over the Air Index Modulation
本研究针对无线通信性能提升需求，提出基于有源-无源分区混合RIS的新型空中索引调制方案及改进方案，仿真验证其BER性能优于同类基准，为6G通信提供新思路。
2024-07-12 eess.SP
Combating Interference for Over-the-Air Federated Learning: A Statistical Approach via RIS
本文针对空中联邦学习易受干扰的问题，提出基于可重构智能表面（RIS）调整相移以实现统计干扰消除和降低误差方差的鲁棒聚合方案，确保无偏梯度估计，显著降低均方误差并渐近达到无干扰的理想收敛速率。
2025-01-27 cs.IT eess.SP math.IT
Weighted Sum-Rate Maximization for RIS-UAV-assisted Space-Air-Ground Integrated Network with RSMA
School of Electronics and Information Engineering, Harbin Institute of Technology（哈尔滨工业大学电子与信息工程学院）
本文提出了一种基于速率分割多址接入的联合优化框架，旨在最大化加权总速率，通过波束成形、RIS-UAV部署和相位偏移等方法解决非凸优化问题。
2026-03-30 eess.SP
MIMO Communications with 1-bit RIS: Asymptotic Analysis and Over-the-Air Channel Diagonalization
National and Kapodistrian University of Athens（雅典国立卡波迪斯特里安大学）
针对莱斯衰落条件下1位RIS辅助的MIMO系统，本文通过随机矩阵理论证明信道主导奇异值与向量渐近收敛于LoS分量，提出闭式SA规则及注水启发的SA算法，实现信道渐近对角化与低复杂度高性能。
2025-11-11 cs.SY eess.SP eess.SY
Stochastic Beamforming for Reconfigurable Intelligent Surface Aided Over-the-Air Computation
空中计算（AirComp）是一种能够在物联网（IoT）网络中实现快速数据聚合的有前途的技术。AirComp的均方误差（MSE）性能受到不利信道条件的影响。这种限制可以通过部署可重新配置的智能表面（RIS），重新配置的传播环境，以促进接收功率均衡来缓解。RIS的可实现性能依赖于准确的信道状态信息（CSI）的可用性，然而，通常很难获得。在本文中，我们考虑了一个基于RIS的AirComp物联网网络，其中接入点（AP）聚合来自分布式设备的感知数据。在不假设任何先验知识的基础上的信道分布，我们制定了一个随机优化问题，以最大限度地提高概率的MSE低于一定的阈值。制定的问题原来是非凸和高度棘手的。为此，我们提出了一种数据驱动的方法来联合优化接收波束成形矢量在AP和相位偏移矢量在RIS的基础上的历史信道实现。在采用S型函数对目标函数进行平滑处理后，提出了一种收敛速度快的交替随机方差约减梯度（SVRG）算法来求解该问题。仿真结果证明了该算法的有效性和部署RIS在降低MSE中断概率方面的重要性。
2020-09-16 cs.IT eess.SP math.IT
Reconfigurable Intelligent Surface Empowered Over-the-Air Federated Edge Learning
The Chinese University of Hong Kong（香港中文大学）；University of Electronic Science and Technology of China（电子科技大学）
本文针对空中联邦边缘学习面临的掉队者、通信开销和隐私泄露问题，综述并探讨利用可重构智能表面提升其性能的方案与研究方向。
2022-07-20 cs.IT cs.LG cs.NI
ROAR-Fed: RIS-Assisted Over-the-Air Adaptive Resource Allocation for Federated Learning
本文提出ROAR-Fed算法，通过联合优化客户端计算步数、发射功率与RIS相移，在异构数据和不完美CSI条件下实现联邦边缘学习的收敛，并验证了RIS辅助学习的优势。
2023-09-18 cs.IT eess.SP math.IT
Reconfigurable Intelligent Surface Enabled Over-the-Air Uplink Non-orthogonal Multiple Access
创新的可重构智能表面（RIS）技术正在兴起，并被认为是增强6G及以后无线通信系统的有前途的候选技术。RISs获得了操纵电磁信号的能力，从而提供了对无线信道的一定程度的控制，并可能带来更多的好处。此外，有源RIS设计最近已经被引入以对抗关键的双衰落问题和无源RIS设计可能具有的其他损害。在本文中，积极的RIS技术的潜力和灵活性被利用的上行链路系统，以实现虚拟非正交多址接入（NOMA）通过功率差异在空中，而不是在用户侧控制发射功率。具体地说，具有相同的发射功率，路径损耗和距离的用户可以与基站进行通信，共享时间和频率资源，在NOMA的方式与所提出的混合RIS系统的帮助。这里，RIS被划分为有源和无源部分，并且不同的划分服务于不同的用户，相应地对齐它们的相位，同时向用户的信号引入功率差以实现NOMA。首先，端到端的系统模型考虑到两个用户。此外，中断概率的计算和理论错误概率分析进行了讨论和计算机模拟结果加强。
2022-08-06 cs.IT eess.SP math.IT
Over-the-Air Equalization with Reconfigurable Intelligent Surfaces
可重构智能表面（RIS）授权的通信正在兴起，并且是被设想用于辅助6G和超越无线通信网络的有前景的技术。RISs可以通过其电磁元件操纵冲击波，从而对无线信道进行某种控制。在本文中，RIS技术的潜力进行了探讨，以执行一种虚拟的频率选择性信道的均衡，而在传统的通信系统中，均衡通常是在发射机或接收机进行的空中。具体地，借助于RIS，通过在接收机处消除符号间干扰（ISI）分量，将从发射机到RIS的频率选择性信道变换为频率平坦信道。通过调整冲击信号的相位来消除ISI，特别是最大化最强抽头的输入信号。首先，给出了一个通用的端到端系统模型和一个连续到离散的信号模型。随后，概率分析消除ISI条款进行和计算机模拟加强。此外，理论上的错误概率分析进行了计算机模拟。分析和论证了传统的RIS相位对准方法，可以成功地消除ISI，使RIS辅助的通信信道由频率选择性信道转变为频率平坦信道。
2022-05-18 cs.IT eess.SP math.IT
Deep Reinforcement Learning for Interference Suppression in RIS-Aided Space-Air-Ground Integrated Networks
Department of Artificial Intelligence, Indian Institute of Technology Hyderabad, Telangana, India（印度海得拉巴印度理工学院人工智能系）；School of Informatics, Kami, Kochi University of Technology, Kochi, Japan（日本科技大学信息学院）；Graduate School of Information Sciences, Tohoku University, Sendai, Miyagi, Japan（东北大学信息科学研究生院）
本文提出基于RIS的深度强化学习方法，用于优化HAPS波束成形以抑制干扰，提升空间-空-地一体化网络的频谱效率。
2026-01-27 cs.AI cs.IT cs.LG
Integrating Over-the-Air Federated Learning and Non-Orthogonal Multiple Access: What Role can RIS Play?
为了将空中联邦学习（AirFL）和非正交多址接入（NOMA）集成到按需通用框架中，提出了一种新的可重构智能表面（RIS）辅助混合网络，利用RIS灵活调整异构数据的信号处理顺序。这项工作的目标是最大限度地提高可实现的混合速率，通过联合优化发射功率，控制接收标量，并设计相移。由于所有的计算和通信信号的并发传输是由RIS的离散相移的帮助下，所考虑的问题（P0）是一个具有挑战性的混合整数规划问题。为了解决这个棘手的问题，我们将原问题（P0）分解为一个非凸问题（P1）和一个组合问题（P2），这两个问题的特征分别是连续和离散变量。对于收发器设计问题（P1），首先通过调用凸规划的差分来解决功率分配子问题，然后通过使用逐次凸逼近来解决接收控制子问题，其中推导出简化情况下的闭合形式表达式以获得深刻的见解。对于反射设计问题（P2），采用松弛-量化的方法来找到一个次优的解决方案，以达到复杂度和性能之间的折衷。然后，开发了一种交替优化算法来迭代求解非线性和非凸问题（P0）。仿真结果表明：1）RIS辅助的混合网络能够有效地支持按需通信和计算; 2）通过合理选择RIS的位置可以提高网络性能; 3）所设计的算法同样适用于只有AirFL或NOMA用户的传统网络。
2022-07-03 cs.IT eess.SP math.IT
STAR-RIS Integrated Non-Orthogonal Multiple Access and Over-the-Air Federated Learning: Framework, Analysis, and Optimization
本文将非正交多址接入（NOMA）和空中联邦学习（AirFL）集成到一个统一的框架中，使用一个同时发射和反射的可重构智能表面（STAR-RIS）。STAR-RIS在调整混合用户的解码顺序以实现有效的干扰抑制和全向覆盖扩展方面起着重要作用。为了捕捉非理想无线信道对AirFL的影响，最优性间隙（也称为收敛上界）之间的实际损失和最佳损失的推导。该分析表明，学习性能显着影响的主动和被动波束形成方案以及无线噪声。此外，当学习率随着训练的进行而减小时，最优性间隙显式地以线性速率收敛。为了在满足服务质量要求的同时加快收敛速度，通过联合设计用户的发射功率和STAR-RIS的配置模式，将其转化为混合整数非线性规划（MINLP）问题。其次，提出了一种基于信赖域的逐次凸逼近方法和一种基于惩罚的半定松弛方法来迭代处理解耦非凸子问题。交替优化算法，然后开发，找到一个次优的原始MINLP问题的解决方案。大量的仿真结果表明，i）所提出的框架可以有效地支持NOMA和AirFL用户通过并发的上行链路通信，ii）我们的算法实现更快的收敛速度IID和非IID设置相比，现有的基线，和iii）频谱效率和学习性能显着提高的帮助下，良好的调整STAR-RIS。
2022-07-07 cs.IT cs.NI eess.SP
RIS-Aided Wireless Multiport Sensing: Multiplexed De-Embedding of an RIS-Programmable Over-the-Air Fixture
Univ Rennes, CNRS, IETR - UMR 6164（雷恩大学，法国国家科学研究中心，IETR - UMR 6164）
针对无线多端口传感中可访问天线数量受限的瓶颈，提出利用可重构智能表面（RIS）生成测量多样性，通过多路复用去嵌入RIS可编程空中测试夹具重建DUT散射矩阵，实验验证可降低45%重建误差。
2026-09-18 eess.SP physics.app-ph
RIS-Assisted Over-the-Air Adaptive Federated Learning with Noisy Downlink
本文研究异构边缘智能网络中不完美CSI与噪声信道下的OTA-FL问题，提出联合优化RIS配置、通信与计算资源的跨层自适应算法，并通过动态本地更新步长、RIS相移和发射功率提升学习性能，数值结果验证其优于现有统一方法。
2023-09-19 cs.IT eess.SP math.IT
Over-the-Air Beamforming with Reconfigurable Intelligent Surfaces
可重构智能表面（RIS）授权通信是一项革命性的技术，它能够通过智能可控的低成本反射表面来操纵无线传播环境。然而，为了优于传统的通信系统，仅具有被动反射的RIS辅助系统需要非常大的表面。为了应对这一挑战，最近引入了有源RIS的概念，其以额外的功耗为代价对入射信号同时进行放大和反射。在本文中，部署一个积极的RIS，我们提出了一种新的波束形成的概念，在空中波束形成，RIS辅助多用户多输入单输出（MISO）传输方案，而不需要任何前/后信号处理的硬件设计在发送器和接收器侧。在所提出的基于空中波束成形的传输方案中，有源RIS元件的反射系数被定制以最大化和速率增益。为了解决这个问题，首先，一个非凸二次约束二次规划（QCQP）问题制定。然后，使用半定松弛（SDR）的方法，这个优化问题被转换为一个凸可行性问题，这是有效地解决使用CVX优化工具箱。此外，从这种波束形成技术的灵感，一种新的高速率接收索引调制（IM）方案与低复杂度的次优检测器的开发。通过综合的仿真结果，和速率和比特出错率（BER）的性能所提出的设计进行了研究。
2022-12-11 cs.IT eess.SP math.IT
220 GHz RIS-Aided Multi-user Terahertz Communication System: Prototype Design and Over-the-Air Experimental Trials
针对太赫兹通信高路径损耗、窄波束难服务多用户的问题，设计220 GHz液晶RIS及配套系统原型，提出含功率反馈的波束成形与OFDM资源分配方案，实验验证其可显著提升接收功率、速率并降低误码率。
2025-02-24 eess.SP
CNNs in the Air via Reconfigurable Intelligent Surfaces
Imperial College London（帝国理工学院）
本文提出AirCNN通过空中模拟计算实现CNNs，利用RISs优化传输参数，展示了在不同信道条件下MISO架构的性能优势。
2026-03-12 cs.IT eess.SP math.IT
Channel Characterization of UAV-RIS-aided Systems with Adaptive Phase-shift Configuration
该研究针对同信道干扰下的无人机辅助地面通信场景，用离散马尔可夫过程建模空对地信道，部署自适应相移RIS应对阻塞，提出基于阴影莱斯分布的框架推导SINR闭式解，验证了大单元数RIS可提升中断性能、减少阻塞。
2024-01-30 eess.SP
Differentially Private Federated Learning via Reconfigurable Intelligent Surface
ShanghaiTech University（上海科技大学）
联邦学习（FL）作为一种破坏性的机器学习范式，能够在分散的本地数据集上协作训练全局模型，而无需共享它们。它涵盖了从物联网（IoT）到生物医学工程和药物发现的广泛应用。为了支持无线网络上的低延迟和高隐私FL，在本文中，我们提出了一个可重构智能表面（RIS）授权的空中FL系统，以缓解学习精度和隐私之间的困境。这是通过同时利用RIS的信道传播可重构性来提高接收信号功率，以及利用空中计算（AirComp）的波形叠加特性来实现快速模型聚合。通过考虑一个实际的情况下，高维本地模型更新跨多个通信块传输，我们的特点的差异私有联邦优化算法的收敛行为。我们进一步制定了一个系统优化问题，以优化学习精度，同时满足隐私和功率约束，通过联合设计的发射功率，人工噪声，并在RIS的相移，其中两步交替最小化框架的开发。仿真结果验证了我们的系统，理论和算法的成就，并表明，RIS可以实现更好的权衡之间的隐私和准确性的空中FL系统。
2022-03-31 cs.CR cs.IT cs.LG
Over-the-Air Modulation for RIS-assisted Symbiotic Radios: Design, Analysis, and Optimization
针对RIS辅助共生无线电中主次信号联合检测的模糊和误码率平底问题，提出将相移矩阵分为辅助与传输波束成形矩阵，并通过逐次凸逼近和低复杂度结构优化BER，揭示了主次系统性能折中。
2024-04-26 cs.IT eess.SP math.IT
Systematic Physics-Compliant Analysis of Over-the-Air Channel Equalization in RIS-Parametrized Wireless Networks-on-Chip
本文提出一种降阶物理合规模型，通过单次全波仿真校准RIS参数化无线片上网络，实现CIR快速预测，系统探索空中均衡及多链路优化。
2023-10-24 cs.AR cs.NI eess.SP
Dual Actor DDPG for Airborne STAR-RIS Assisted Communications
Imperial College London, UK（伦敦帝国学院）
针对机载STAR-RIS通信，提出耦合相移模型下的DA-DDPG算法，联合优化UAV轨迹与波束成形，采用双Actor网络处理混合动作空间并引入HFI奖励函数保障公平性，显著提升了通信效率与累积奖励。
2025-08-30 cs.AI cs.IT cs.NI
Implementing Neural Networks Over-the-Air via Reconfigurable Intelligent Surfaces
该研究提出RIS辅助MIMO的AirFC计算范式，通过联合优化收发机与RIS参数模拟神经网络全连接层，设计集中/分布式训练策略并扩展至多RIS场景，实现了令人满意的分类精度。
2025-08-03 cs.IT eess.SP math.IT
