Design and optimization of wireless networks through reconfigurable intelligent surfaces

Abstract

The transition to 6G networks represents a major leap in wireless communications, integrating the digital and physical worlds to enhance global connectivity. 6G aims to support advanced services like Future-enhanced Mobile Broadband (FeMBB) for ultra-highspeed data, Energy-sustainable Communication for reduced environmental impact, and Extremely Reliable and Low-Latency Communication (ERLLC) for critical scenarios. These services demand networks that can intelligently adapt to complex user needs and environmental changes, requiring precise control over wireless transmissions to ensure consistent service. Historically, the wireless environment has been viewed as an uncontrollable factor, often compromising network reliability due to interference, scattering, and signal attenuation. In contrast, 6G seeks to transform this by making the wireless environment a controllable entity, necessitating a novel approach to real-time wireless propagation manipulation. The second chapter introduces Reconfigurable Intelligent Surfaces (RISs) as crucial components for realizing this vision in 6G networks. RISs are advanced surfaces capable of dynamically controlling electromagnetic waves by adjusting their phase, amplitude, and polarization, thereby optimizing signal distribution. The chapter delves into both metasurface-based and reflectarray-based RIS designs, exploring their complexities and efficiencies. It also examines RIS functionalities like polarization control, beam-splitting, and diffusion, all essential for tailoring network performance to specific needs. Furthermore, the chapter discusses the mathematical modeling of communication links in RIS-assisted networks, providing insights into how RISs influence signal behavior and network performance. The development of Programmable Wireless Environments (PWEs), achieved by coating environments with RISs to control wireless propagation, is also explored, highlighting the potential for enhanced network flexibility and responsiveness. The third chapter shifts focus to the diffusion functionality of RISs, analyzed through statistical methods. RISs operate as Randomly Reconfigurable Surfaces (RRSs) to perform diffusion by employing random, time-varying phase shifts, extending their capabilities beyond beam-steering. The chapter introduces the distribution of the sum of double Nakagami-m random vectors as a key statistical tool for accurately describing RRSassisted networks. It provides exact closed-form expressions for critical performance metrics like outage probability and ergodic capacity, demonstrating how diffusion improves communication efficiency in complex environments. Simulation results underscore the practical benefits of RRSs, particularly in broadcasting systems and multiple access networks where direct device targeting is challenging. The fourth chapter explores cascaded RIS networks for improved coverage and signal quality. By sequentially aligning multiple RISs, these networks overcome physical barriers and amplify transmitted signals, extending communication reach. Detailed mathematical models simulate the phase adjustments across cascaded RISs, crucial for signal control and optimization. These models help evaluate network performance under various conditions, confirming that cascaded RIS networks significantly enhance signal strength and coverage, especially in challenging propagation environments. The fifth chapter introduces Zero-Energy Reconfigurable Intelligent Surfaces (zeRISs), which operate on harvested energy, marking a significant advance in energy efficiency within PWEs. The chapter evaluates various Harvest-and-Reflect (HaR) methods—power splitting, time switching, and element splitting—focusing on their impact on energy absorption and communication performance. It introduces the joint energy-data rate outage probability metric to assess zeRIS performance, revealing that the optimal HaR method depends on zeRIS size, fading conditions, and location, highlighting zeRIS’s potential to revolutionize energy management in wireless networks. Finally, the sixth chapter examines the use of UAV-mounted RISs for IoT data collection, emphasizing energy-efficient design due to UAVs’ limited onboard energy. It introduces a detailed energy consumption model and a novel medium access control protocol, SlottedALOHA with Code Combining (CCSA), to improve system throughput. Simulations show the need for careful UAV-mounted RIS deployment strategies to ensure efficient IoT data collection in 6G networks.

Η μετάβαση στα δίκτυα 6G αντιπροσωπεύει ένα σημαντικό άλμα στις ασύρματες επικοινωνίες, ενσωματώνοντας τον ψηφιακό και φυσικό κόσμο για την ενίσχυση της παγκόσμιας συνδεσιμότητας. Το 6G στοχεύει να υποστηρίξει προηγμένες υπηρεσίες όπως το Future-enhanced Mobile Broadband (FeMBB) για υπερυψηλή ταχύτητα δεδομένων, την Ενεργειακά Βιώσιμη Επικοινωνία για μείωση του περιβαλλοντικού αντίκτυπου και την Εξαιρετικά Αξιόπιστη και Χαμηλής Καθυστέρησης Επικοινωνία (ERLLC) για κρίσιμες εφαρμογές. Αυτές οι υπηρεσίες απαιτούν δίκτυα που μπορούν να προσαρμόζονται έξυπνα σε σύνθετες ανάγκες χρηστών και αλλαγές στο περιβάλλον, απαιτώντας ακριβή έλεγχο των ασύρματων μεταδόσεων για σταθερή υπηρεσία. Ιστορικά, το ασύρματο περιβάλλον θεωρούνταν ανεξέλεγκτο, υπονομεύοντας συχνά την αξιοπιστία λόγω παρεμβολών και εξασθένησης σήματος. Αντίθετα, το 6G επιδιώκει να μετασχηματίσει αυτή την άποψη, κάνοντας το ασύρματο περιβάλλον ελεγχόμενο και απαιτώντας νέα προσέγγιση στη διάδοση των σημάτων. Το δεύτερο κεφάλαιο παρουσιάζει τις Αναδιαμορφώσιμες Έξυπνες Επιφάνειες (RISs) ως βασικά στοιχεία για την υλοποίηση του 6G. Οι RISs είναι προηγμένες επιφάνειες που ελέγχουν δυναμικά τα ηλεκτρομαγνητικά κύματα προσαρμόζοντας τη φάση, το πλάτος και την πόλωση, βελτιστοποιώντας έτσι τη διανομή σήματος. Αναλύονται τόσο οι μεταεπιφάνειες όσο και οι ανακλαστικές επιφάνειες, εξερευνώντας τις πολυπλοκότητες και την αποδοτικότητά τους. Εξετάζονται λειτουργίες όπως ο έλεγχος πόλωσης, ο διαχωρισμός ακτίνας και η διάχυση, κρίσιμες για την προσαρμογή της απόδοσης του δικτύου στις ανάγκες. Επιπλέον, το κεφάλαιο ασχολείται με τη μαθηματική μοντελοποίηση των συνδέσεων επικοινωνίας σε δίκτυα με τη βοήθεια RIS, προσφέροντας κατανόηση του πώς οι RIS επηρεάζουν τη συμπεριφορά του σήματος και την απόδοση του δικτύου. Εξερευνάται επίσης η ανάπτυξη Προγραμματιζόμενων Ασύρματων Περιβαλλόντων (PWEs) με την επικάλυψη του περιβάλλοντος με RIS, τονίζοντας τη δυνατότητα ενισχυμένης ευελιξίας και απόκρισης του δικτύου. Το τρίτο κεφάλαιο επικεντρώνεται στη λειτουργία της διάχυσης των RIS μέσω στατιστικής ανάλυσης. Οι RIS λειτουργούν ως Τυχαία Αναδιαμορφώσιμες Επιφάνειες (RRSs), χρησιμοποιώντας τυχαίες φάσεις, επεκτείνοντας τις δυνατότητες πέρα από την καθοδήγηση ακτίνας. Το κεφάλαιο εισάγει τη διανομή του αθροίσματος των διπλών τυχαίων διανυσμάτων Nakagami-m ως ένα κρίσιμο εργαλείο για την ακριβή περιγραφή δικτύων με τη βοήθεια RRS. Παρέχονται ακριβείς εκφράσεις για κρίσιμες μετρικές όπως η πιθανότητα διακοπής και η εργοδική χωρητικότητα, δείχνοντας πώς η διάχυση βελτιώνει την απόδοση επικοινωνίας σε σύνθετα περιβάλλοντα. Προσομοιώσεις υπογραμμίζουν τα πρακτικά οφέλη των RRS, ιδίως στα συστήματα εκπομπής και στα δίκτυα πολλαπλής πρόσβασης. Το τέταρτο κεφάλαιο εξετάζει τα διαδοχικά δίκτυα RIS για βελτιωμένη κάλυψη και ποιότητα σήματος. Με την ευθυγράμμιση πολλαπλών RIS, τα δίκτυα αυτά ξεπερνούν φυσικά εμπόδια και ενισχύουν τα σήματα, επεκτείνοντας την εμβέλεια της επικοινωνίας. Μαθηματικά μοντέλα προσομοιώνουν τις ρυθμίσεις φάσης στις διαδοχικές RIS, κρίσιμες για τον έλεγχο και τη βελτιστοποίηση του σήματος. Αυτά τα μοντέλα βοηθούν στην αξιολόγηση της απόδοσης του δικτύου, επιβεβαιώνοντας ότι τα διαδοχικά δίκτυα RIS βελτιώνουν σημαντικά την ισχύ και την κάλυψη του σήματος. Το πέμπτο κεφάλαιο εισάγει τις Μηδενικής Ενέργειας RIS (zeRISs), οι οποίες λειτουργούν με συλλεγόμενη ενέργεια, αποτελώντας σημαντική πρόοδο στην ενεργειακή αποδοτικότητα στα PWEs. Το κεφάλαιο αξιολογεί διάφορες μεθόδους Harvest-and-Reflect (HaR) με έμφαση στην απορρόφηση ενέργειας και την απόδοση επικοινωνίας. Παρουσιάζεται η μετρική κοινής πιθανότητας διακοπής ενέργειας-ταχύτητας δεδομένων για την αξιολόγηση των zeRIS, δείχνοντας ότι η βέλτιστη μέθοδος HaR εξαρτάται από το μέγεθος των zeRIS, τις συνθήκες εξασθένησης και τη θέση τους. Τέλος, το έκτο κεφάλαιο εξετάζει τη χρήση RIS σε UAV για συλλογή δεδομένων IoT, με έμφαση στον ενεργειακά αποδοτικό σχεδιασμό λόγω περιορισμένης ενέργειας. Εισάγει μοντέλο κατανάλωσης ενέργειας και πρωτόκολλο ελέγχου πρόσβασης SlottedALOHA με Συνδυασμό Κωδικών (CCSA) για βελτίωση της απόδοσης. Οι προσομοιώσεις δείχνουν την ανάγκη στρατηγικών ανάπτυξης UAV με RIS για αποτελεσματική συλλογή δεδομένων σε δίκτυα 6G.