RIS 辅助无线通信的最优波束赋形：一种交替内积最大化方法

本文研究了一般的离散 $\ell_p$-范数最大化问题，并以通过可重构智能表面 (RIS) 增强导向方向上的功率为例。我们提出了一种数学上简洁的迭代框架，该框架由交替内积最大化组成，非常适合解决具有离散或连续单模变量约束的 $\ell_1$- 和 $\ell_2$-范数最大化问题。该迭代被证明是单调非递减的。此外，该框架展现出一种独特的能力，可以减轻由于离散量化导致的性能下降，使其成为第一个适用于任何旨在获得连续解的算法的后舍入提升方法。另外，作为交替迭代框架的一个组成部分，我们提出了一种分而治之排序 (DaS) 方法来解决离散内积最大化问题。在具有离散单模约束的 $\ell_\infty$-范数最大化领域，DaS 确保了以多项式搜索复杂度找到全局最优解。我们通过数值实验和原型现场试验验证了交替内积最大化框架在通过 RIS 进行波束赋形中的有效性。结果表明，所提出的方法实现了更高的功率增强，并优于其他竞争者。最后，我们展示了具有中等量化比特（例如，4 比特）的离散相位配置在功率增益方面表现出与连续配置相当的性能。