当前位置：首页 > news >正文

多模式夹持天线系统(PASS)原理与毫米波通信应用

news 2026/5/8 2:54:40

1. 多模式夹持天线系统概述

多模式夹持天线系统（Multi-Mode Pinching-Antenna Systems，简称PASS）是一种创新的无线通信架构，它通过在介电波导中激发多个正交模式来实现高效的模域多用户通信。这种系统从根本上改变了传统天线阵列的工作方式，将辐射元件（称为夹持天线，Pinching Antennas，简称PAs）沿着波导部署，利用低损耗的导波传播和电磁耦合效应进行信号传输。

在传统单模式PASS中，每个波导只能支持一个独立的数据流，这严重限制了系统的自由度（DoFs）和多用户连接能力。而多模式PASS通过同时利用多个正交模式，显著提高了系统的空间自由度，使得单个波导能够支持多个用户的同时通信。这种技术突破特别适用于毫米波频段（如28GHz）的通信场景，因为毫米波系统通常面临严重的路径损耗问题，而PASS架构能够通过近场辐射有效降低这种损耗。

多模式PASS的核心创新在于提出了两种工作协议：模式选择和模式组合。模式选择协议要求每个PA选择并主要辐射一个特定的模式信号，通过离散调谐传播常数实现相位匹配；而模式组合协议则允许每个PA灵活地辐射多个模式的信号功率，通过连续调谐传播常数实现多模式耦合。这两种协议在硬件复杂度和系统性能之间提供了不同的权衡选择。

2. 系统架构与工作原理

2.1 系统模型构建

多模式PASS的系统模型如图1所示，它主要由以下几个关键组件构成：

介电波导：作为信号传输的主要通道，能够支持M个正交模式的传播。这些模式是通过求解波导横截面上的麦克斯韦方程本征模得到的。
射频(RF)链：M个RF链通过M个馈电点激发波导中的各个模式，每个RF链连接一个馈电点。
夹持天线(PA)：N个PA沿着波导布置，负责将波导中的模式信号耦合到自由空间。每个PA实际上是一个短的单模介电波导段，其基模特性由可调传播常数βPA_n描述。
用户终端：系统服务K个单天线用户，通过优化PA位置、传播常数和发射波束成形实现高效的多用户通信。

在三维笛卡尔坐标系中，波导入口位于(0,0,hPA)，第n个PA的位置为(xn,0,hPA)，其中hPA是波导的固定高度。系统工作时，基站(BS)使用数字预编码器W = [w1,...,wK] ∈ C^(M×K)发送数据符号s = [s1,...,sK]^T，其中E[|sk|^2] = 1。

2.2 信号传播与耦合机制

信号从馈电点到PA的波导内传播过程可以用耦合模理论来描述。从馈电点m到PA n的模式m信号传播系数为：

gn,m(x,βPA) = ηn,m(βPA_n) e^(-jβmxn) ∏(i=1→n-1)√(1-|ηi,m(βPA_i)|²)

其中，ηn,m(·)表示PA n与模式m之间的电磁耦合系数，|ηn,m(·)|²表示相对于在PA n处辐射前模式m的剩余功率的功率辐射比。βm = k0neff,m是模式m的传播常数，neff,m是有效折射率，k0 = 2π/λ是自由空间波数。

耦合系数ηn,m可以建模为： ηn,m(βPA_n) = (κn,m/φn,m) sin(φn,mL) exp(-j(L/2)Δβn,m)

其中，Δβn,m = βPA_n - βm表示PA n与模式m之间的相位失配，φn,m = √(κ²n,m + (Δβn,m/2)²)是广义耦合强度，L是PA的长度，κn,m是重叠积分耦合强度。

2.3 无线信道建模

PA到用户的无线信道采用视距(LoS)主导的球面波假设。从N个PA到用户k的信道向量hk(x) ∈ C^(N×1)可以表示为：

hk(x) = [ (λ/4π)(e^(-jk0R1,k)/R1,k), ... , (λ/4π)(e^(-jk0RN,k)/RN,k) ]^T

其中Rn,k = √(xn² + hPA²)是PA n与用户k之间的距离。

系统的模式域有效信道矩阵可以表示为： Heff = [heff,1, ..., heff,K] ∈ C^(M×K) 其中heff,k(x,βPA) = G^H(x,βPA)hk(x) ∈ C^(M×1)

用户k的接收信号为： yk = heff,k^H(x,βPA)wksk + ∑(j≠k)heff,k^H(x,βPA)wjsj + nk

对应的信干噪比(SINR)为： γk(W,x,βPA) = |heff,k^Hwk|² / (∑(j≠k)|heff,k^Hwj|² + σ²)

系统总速率为： R(W,x,βPA) = ∑(k=1→K) log2(1 + γk(W,x,βPA))

3. 模式选择与模式组合协议

3.1 模式选择协议

模式选择协议要求每个PA选择并主要辐射一个特定模式的信号功率。这是通过将PA的传播常数βPA_n设置为与所选模式m的传播常数βm相匹配来实现的：

βPA_n ∈ BMS = {β1, β2, ..., βM}

当Δβn,m* = βPA_n - βm* = 0时，PA n与模式m实现相位匹配，此时模式m的功率辐射比|ηn,m*(βPA_n)|²达到最大值|sin(κn,m*L)|²，而非选择模式的功率辐射比由于相位失配而被抑制。

模式选择的主要特点包括：

硬件实现相对简单，可以使用预配置的色散结构（如波纹欺骗表面等离子体激元(SSPP)或慢波结构）来实现离散的βPA_n状态。
通过嵌入PIN二极管的SSPP单元结构，可以切换不同的βPA_n状态。
每个PA主要辐射一个模式的信号，系统自由度受限于模式数量。

3.2 模式组合协议

模式组合协议允许每个PA灵活地辐射多个模式的信号功率，通过连续调谐传播常数βPA_n来实现：

βPA_n ∈ BMC = [βmin, βmax]

在这种协议下，PA不需要与任何特定模式实现精确的相位匹配，而是通过适当设计相位失配{Δβn,m}，使得多个模式同时具有较大的耦合系数。这使得每个PA可以作为一个可编程的多模式耦合器，能够定制多模式功率辐射，充分利用系统的自由度。

模式组合的一种简化实现是均匀模式组合，所有PA采用统一的传播常数： βPA_1 = βPA_2 = ... = βPA_N = (β1 + β2 + ... + βM)/2

模式组合的硬件实现通常需要：

可调材料（如液晶(LC)技术）或反应性加载网络，通过电压控制实现有效折射率的连续调制。
当与SSPP结构集成时，强场限制增强了介电变化对色散的敏感性。
液晶可调SSPP移相器或变容二极管加载的欺骗等离子体传输线等技术可以实现所需的连续调谐。

3.3 协议比较与选择

模式选择和模式组合协议在性能和复杂度方面各有优劣：

性能方面：
- 模式组合能够实现更高的频谱效率，因为它可以灵活地利用所有模式的自由度。
- 模式选择虽然自由度较低，但通过优化PA位置和波束成形，性能可以接近模式组合。
复杂度方面：
- 模式选择只需要离散的βPA_n状态，硬件实现相对简单。
- 模式组合需要连续调谐βPA_n，硬件复杂度较高。
- 均匀模式组合是折中方案，硬件最简单但灵活性最低。
适用场景：
- 对性能要求高的场景适合采用模式组合。
- 对成本和复杂度敏感的场景适合采用模式选择或均匀模式组合。

4. 优化问题与算法设计

4.1 问题建模

多模式PASS的优化目标是最大化系统总速率，同时满足各种物理约束：

max(W,x,βPA) R(W,x,βPA) s.t.

∥W∥F² ≤ Pmax (总发射功率约束)
xn+1 - xn ≥ dmin, ∀n ∈ N (PA最小间距约束)
xn ∈ [xmin, xmax], ∀n ∈ N (PA位置边界约束)
βPA_n ∈ Bx, ∀n ∈ N, x ∈ {MC, MS} (传播常数约束)

这个问题具有高度非凸性和强耦合性，主要体现在：

SINR表达式中的耦合项导致目标函数非凸。
gn,m(x,βPA)的表达式中包含快速振荡的复指数项。
变量W、x和βPA之间存在复杂的相互依赖关系。

4.2 KKT参数化波束成形(KPBF)

为了降低优化复杂度，我们采用KKT参数化波束成形(KPBF)技术。KPBF通过少量非负参数来表示预编码矩阵W，显著降低了搜索空间的维度。

定义非负对偶参数向量λ = [λ1,...,λK]^T ⪰ 0和功率分配向量prel = [p1,...,pK]^T ⪰ 0（满足1^Tprel = 1），其中pk表示分配给用户k的功率系数。设Λ = diag(λ)，Prel^(1/2) = diag(√prel)，则非归一化的KPBF预编码器定义为：

Ŵ(λ,prel) = Prel^(1/2)(IM + (1/σ²)Heff^HΛHeff)^(-1)Heff^H

然后通过标量归一化满足功率约束： W(λ,prel) = Ŵ(λ,prel) * √(Pmax/tr(ŴŴ^H))

KPBF具有以下特点：

当λ → 0时，退化为匹配滤波(MRT)预编码。
当σ² → 0或λ很大时，接近迫零(ZF)预编码。
一般情况下，表现为加权最小均方误差(WMMSE)预编码。

4.3 PSO-KPBF算法

为了求解这个复杂的联合优化问题，我们提出了基于粒子群优化(PSO)的KKT参数化波束成形(PSO-KPBF)算法。该算法将KPBF参数化技术与PSO搜索框架相结合，有效降低了搜索空间的维度。

4.3.1 算法架构

PSO-KPBF算法的核心思想是：

使用粒子群来搜索PA位置x、传播常数βPA和KPBF参数(λ,prel)的最优组合。
对于给定的(x,βPA)，构造有效信道Heff(x,βPA)。
根据KPBF参数(λ,prel)重建预编码矩阵W。
评估系统总速率并更新粒子位置。

算法的主要步骤如下：

初始化：生成Np个粒子，每个粒子包含随机初始化的x、βPA、zλ和zp（通过指数和softmax变换保证λ ⪰ 0和prel ∈ Δ^(K-1)）。
迭代更新：
- 对于连续变量(x,zλ,zp)，使用标准PSO更新规则。
- 对于离散的βPA（模式选择），使用二进制PSO(BPSO)更新。
- 对于连续的βPA（模式组合），使用标准PSO更新。
- 应用投影/修复算子P(·)确保PA位置约束。
适应度评估：对于每个粒子，计算Heff，重建W，评估R(W,x,βPA)。
终止条件：达到最大迭代次数T后停止，返回全局最优解。

4.3.2 实现细节

PA位置约束处理：
- 首先对x进行元素级边界投影：xn ← Π xmin,xmax 。
- 然后排序并强制执行最小间距：通过前向和后向传递确保xn+1 - xn ≥ dmin。
参数变换：
- λ = exp(zλ)保证非负性。
- prel = softmax(zp)保证概率单纯形约束。
计算复杂度：
- 主要来自Heff构造(O(NKM))、W计算(O(KM² + M³))和速率评估(O(K²M))。
- 总体复杂度为O(TP(NKM + KM² + M³ + K²M))，其中P是粒子数，T是迭代次数。