近最优可重构智能表面配置：基于感知的盲波束赋形

盲波束赋形作为一种无需依赖信道状态信息（CSI）或几何模型即可配置可重构智能表面（RIS）的方法，正在成为一种有前景的方案，能够直接与商品硬件兼容。本文提出一种新型盲波束赋形算法，称为Blind Optimal RIS Beamforming with Sensing（BORN），仅使用接收信号强度（RSS）即可运行。与现有方法依赖多数投票机制不同，BORN利用接收信噪比（SNR）的内在二次结构。算法分为两个阶段：感知阶段，从RSS测量中估计二次模型，优化阶段，则利用估计的二次模型获得RIS配置。我们的创新点有两个。首先，我们首次表明BORN仅需$O(N \log_2(N))$个样本即可实现可证明的近最优性能。作为副产品，我们表明，在第二阶系数矩阵为低秩的情况下，二次模型可在Rademacher特征分布下学习。我们不知何先前的矩阵感知文献中已建立此结果。其次，广泛的仿真和实际场测试表明，BORN在性能上接近最优，显著优于现有最先进的盲波束赋形算法，尤其是在背景信道较弱的情况下，如非直线视距（NLOS）场景。