1. 项目概述
在毫米波通信领域，可重构智能表面（RIS）技术正逐渐成为解决信号覆盖和质量问题的关键方案。传统基于半导体器件的RIS虽然能够动态调控电磁波传播环境，但其高功耗特性严重制约了大规模部署的可行性。相比之下，基于液晶技术的RIS（LC-RIS）凭借其出色的能效表现，为下一代无线通信网络提供了更具前景的解决方案。
然而，LC-RIS在实际应用中面临一个关键挑战：其相位重配置时间较长，通常在数十毫秒量级。这一特性使得LC-RIS在动态网络环境中的性能受到严重限制。本文提出的基于深度确定性策略梯度（DDPG）算法的相位优化方案，正是针对这一痛点问题而设计。
提示：LC-RIS的慢响应特性源于液晶分子的物理特性，其重定向时间与液晶层厚度呈平方关系增长。这一硬件层面的限制无法通过常规优化方法完全克服。
2. 核心原理与技术路线
2.1 LC-RIS的物理特性与优势
液晶RIS与传统半导体RIS在物理机制上存在本质差异。LC-RIS通过改变施加在液晶分子上的电压来调控其介电常数，进而实现对入射电磁波相位的动态控制。这种工作机制带来了几个显著优势：
能效优势：单个液晶单元的功耗仅为微瓦级别，一个包含10^6个单元的LC-RIS总功耗约150mW，远低于同等规模半导体RIS的瓦级功耗。
成本优势：液晶材料成本低廉，且制造工艺相对简单，特别适合大规模阵列部署。
连续相位调节：液晶可以实现近乎连续的相位调节（典型调节范围0-2π），相比离散相位调节的半导体RIS具有更精细的波束控制能力。
2.2 动态网络中的关键挑战
在动态网络环境中，LC-RIS面临的主要技术挑战体现在三个方面：
时间响应限制：实验测量表明，液晶分子的响应时间常数τ⁻c=29ms（负向调节）和τ⁺c=9ms（正向调节），这意味着在用户快速移动场景下，RIS可能无法及时完成相位调整。
信道状态信息滞后：毫米波信道变化迅速，而LC-RIS作为无源器件无法直接进行信道估计，依赖基站提供的CSI往往已经过时。
服务时间与SNR的权衡：相位配置时间(tc)会挤占实际服务时间(tk=ts-tc)，如何在有限的时间槽(ts)内平衡这两者成为关键问题。
3. DDPG算法设计与实现
3.1 强化学习框架构建
我们将LC-RIS相位优化问题建模为马尔可夫决策过程(MDP)，其核心要素设计如下：
状态空间(S)：
- 当前相位配置ω
- 理论最优相位ωopt（基于过时CSI计算）
- 上一时隙的信道信息(hA-U, hA-R, hR-U)
- 节点间距离(dA-U, dR-U)
动作空间(A)：
- 所有RIS单元的相位配置向量ω∈[0,2π]^N
奖励函数(R)： 采用加权组合形式：r_i = β1·SNR + β2·tk 其中β1和β2可根据场景需求调整，典型设置为：
- 场景1（侧重服务时间）：β1=0.2, β2=0.8
- 场景2（侧重SNR）：β1=0.8, β2=0.2
3.2 网络架构与训练策略
DDPG算法采用双网络结构：
Actor网络：
- 输入层：状态向量(维度取决于RIS单元数)
- 隐藏层：2层全连接(256,128节点) + ReLU激活
- 输出层：相位动作向量(使用tanh激活后映射到[0,2π])
Critic网络：
- 状态路径：3层全连接(256,128,64)
- 动作路径：2层全连接(128,64)
- 合并后：2层全连接(64,32) + 线性输出
关键训练参数：
- 经验回放缓冲区：100,000条记录
- 批大小：256
- 折扣因子：0.9947
- 学习率：Actor 8.8e-5, Critic 1.4e-5
- 目标网络更新率：0.0938
4. 实验验证与性能分析
4.1 实验平台搭建
我们构建了完整的仿真验证平台，包含三个关键组件：
- LC-RIS硬件原型：
- 工作频率：60GHz(λ=5mm)
- 阵列规模：30×25=750单元
- 相位控制：列级控制(30个独立相位)
- 测量设备：Keysight PNA-X N5247A网络分析仪
- 射线追踪环境：
- 场景：63m×36m×3m办公室环境
- 材料参数：混凝土(εr=5.31, σ=0.0548S/m)
- 射线设置：最大反射次数4次，忽略衍射
- 移动用户模型：
- 轨迹：沿10个固定角度点(-60°至60°)移动
- 速度：1.5m/s和3m/s两种场景
- 高度：2m(与AP和RIS同高)
4.2 性能对比结果
场景1(侧重服务时间)：
- 服务时间提升：DDPG平均7.1ms vs 基准方法2.9ms
- 有效速率：328Mbps(1.5m/s) vs 基准277Mbps
- 配置时间减少：最高达45%
场景2(侧重SNR)：
- SNR表现：接近理论最优值的85%
- 服务时间：3.4ms(仍优于基准的2.9ms)
- 有效速率：327Mbps(1.5m/s)
注意：实际部署中，LC-RIS的硬件限制会导致约5-15dB的额外损耗，这在纯算法仿真中未被考虑。射线追踪结果更接近真实性能表现。
5. 工程实现中的关键问题
5.1 硬件限制的应对策略
- 列级控制优化： 原型机仅支持列级相位控制(30个独立相位)，我们通过以下方式缓解性能损失：
- 在DDPG的状态输入中加入列索引信息
- 对同列单元采用相同相位变化约束
- 在奖励函数中增加列间一致性惩罚项
- 电压控制精度： 使用12位DAC(TI DAC60096)提供±10.5V控制电压，对应相位分辨率约0.088度，完全满足连续相位调节需求。
5.2 实际部署考量
- 控制信道设计：
- 采用带外控制：使用5G NR的PDCCH信道传输相位配置
- 更新周期：与时间槽ts(10ms)同步
- 数据格式：量化后的相位值(16bit/单元)
- 环境适应性：
- 定期重训练：每24小时执行在线微调
- 场景分类：建立不同环境(办公室、走廊等)的专用策略模型
- 异常处理：当SNR持续低于阈值时触发紧急重配置
6. 扩展应用与未来方向
6.1 技术扩展性
- 多用户场景： 当前框架可扩展为：
- 状态空间增加多用户CSI
- 奖励函数改为多用户加权和
- 采用MADDPG架构处理竞争关系
- 宽带系统适配：
- 增加频率维度状态输入
- 采用分数阶相位控制
- 结合子带划分技术
6.2 硬件协同优化
- 液晶材料改进：
- 测试新型铁电液晶(响应时间<1ms)
- 优化液晶盒厚度(当前~5μm)
- 开发双频驱动方案
- 阵列架构创新：
- 混合RIS设计(液晶+半导体单元)
- 分区独立控制
- 三维曲面阵列
在实际部署中，我们建议采用渐进式策略：先在静态场景验证基本性能，再逐步扩展到低速移动场景，最终实现全动态环境部署。测试表明，当用户速度超过5m/s时，现有方案性能会显著下降，这将是未来研究的重要突破方向。
 agent和组件)
