RIS辅助的通感性能联合优化研究.pdf

第48 卷总第52 4期RIS辅助的通感性能联合优化研究庄宏成，卢浩宇，谢杰铭，斜奕煊（中山大学电子与通信工程学院，广东深圳518 10 7）移动通信【摘要】通感一体化是6 G的主要场景之一。为了解决因障碍物遮挡等导致的非视距下传输的区域通信和感知性能下降问题，提出了一种智能超表面辅助的通感性能联合优化方法。首先，建模了最小化均方位置误差和最大化平均覆盖信号强度的区域性能联合优化问题，并提出了改进的DBO算法，快速获得RIS的部署位置和相位参数。进一步，分析探测需求因子和RIS大小对区域通感性能的影响。仿真结果显示，相较于仅优化期望反射角，联合优化RIS的期望波束反射角和部署位置可以使区域平均均方位置误差降低8 0%左右，改进的DBO算法相较于传统的优化算法如PSO、SSA以及原DBO算法拥有更快的收敛速度和更低的适应度。【关键词】智能超表面；通感一体化；6 G；粒子群优化算法；麻雀搜索算法；螂优化算法doi:10.3969/j.issn.1006-1010.20240326-0002中图分类号：TN929.5文献标志码：A文章编号：10 0 6-10 10(2 0 2 4)0 4-0 0 2 7-0 8引用格式：庄宏成,卢浩宇,谢杰铭,等.RIS辅助的通感性能联合优化研究.移动通信,2 0 2 4,48(4):2 7-34.ZHUANG Hongcheng,LU Haoyu,XIE Jiemin,et al.Research on Reconfigurable Intelligent Surface-assisted Joint Optimization ofCommunication and Sensing PerformancesJJ.Mobile Communications,2024,48(4):27-34.Research on Reconfigurable Intelligent Surface-assisted Joint Optimization ofAbstractIntegrated sensing and communication(ISAC)is one of the major 6G scenarios.In order to solve the problem of reducedperformances of communication and sensing in an area under non-line-of-sight transmission due to obstacles,a jointoptimization approach is proposed for the reconfigurable intelligent surface(RIS)-assisted ISAC performance.Firstly,thearea performance joint optimization problem is formulated to minimize squared position error bound(SPEB)and maximizethe average coverage signal strength.Then an improved dung beetle optimizer(DBO)algorithm is proposed to quicklyobtain the deployment position and phase parameters of RISs.Furthermore,the impacts of detection demand factor and RISsize on the area ISAC performance are analyzed.The simulation results show that compared with merely optimizing desiredangle of reflection of RIS,jointly optimizing its deployment location and the desired angle of reflection can reduce theregional average SPEB by about 80%.Meanwhile,the improved DBO algorithm has a faster convergence speed and a betterfitness compared with traditional optimization algorithms such as particle swarm optimization,sparrow search algorithm andtheoriginal DBO algorithm,Keywordsreconfigurable intelligent surface;integrated sensing and communication;6G;particle swarm optimization;sparrow searchalgorithm;dung beetle optimizer0引言长期以来，通信系统和雷达感知系统一直是独立发展，互无交集。随着科技的发展，两者开始共用部分器件，如天线、射频链路等，以降低硬件成本、提高频谱利用率和能量效率，于是通信感知一体化技术（ISAC,Integrated收稿日期：2 0 2 4-0 3-16*基金项目：国家重点研发计划“具有开放扩展架构的模块化移动终端技术”（2 0 2 1YFA0716600）OSID:Communication and Sensing PerformancesZHUANG Hongcheng,LU Haoyu,XIE Jieming,TOU Yixuan(School of Electronics and Communication Engineering,Sun Yat-sen University,Shenzhen 518107,China)扫描二维码与作者交流Sensing and Communication）应运而生。所谓ISAC指的是一种设计范式2 ，在这种范式中，感知和通信系统被整合在一起，以有效利用无线硬件或资源。在ISAC中，感知能力聚焦于无线信号感知，即通过分析无线电波的直射、反射、散射信号，获得对目标对象或环境信息的感知，完成定位、测距、测速、成像、检测、识别、环境重构等功能3，实现对物理世界的感知探索。在2 0 18 年全球通信大会（IEEEGlobeCom）上，业界首次提出了基于无线频谱的通信感知一体化技术研究方向，自此ISAC技术引起272024年4月第4期第48 卷“RIS辅助的通感一体化”专题1总第52 4期了学术界的广泛关注。例如，Luo等人考虑了多波束生成技术，联合设计了通信与感知的多波束成形方案4。Gaudio等人研究了基于OTFS调制的雷达通信系统，认为OTFS在移动场景下具有比OFDM更好的性能5。Kumari等人提出了一种自适应快速设计毫米波联合通信雷达系统波形的方法。在2 0 2 3年6 月，ISAC已经被国际电信联盟ITU定义为6 G通信中的六大场景之一7 。作为6 G通信系统的关键使能技术之一，智能超表面（RIS,Re c o n f i g u r a b l e In t e l l i g e n t Su r f a c e）能够建立有效的视距链路（LOS,Lineof Sight）、改善电磁传播环境从而提升无线电传播性能8 。相较于传统的大规模多入多出（MIMO,Multiple Input Multiple Output）多天线阵列，RIS具有易部署、硬件成本低、功耗低等特点9-10 ,在ISAC研究领域中大放异彩。例如，文献11 考虑了一个混合主动式和被动式波束成形的RIS辅助ISAC系统，提出了在多感知目标中最大化最小感知增益，并考虑目标位置估计误差。文献12 考虑了一个主动式的RIS辅助的ISAC系统，以服务质量和发射功率为约束，联合优化了基站和RIS的波束成形矩阵和主动式RIS的反射系数，并与被动式RIS进行对比。文献13 提出了一种同时波束训练和目标感知（SBTTS）的方案，该方案帮助基站进行波束训练并利用基站的感知能力来促进RIS 辅助ISAC系统的CSI获取，从而降低导频开销。文献14 联合波形设计和被动波束成形，最大化雷达探测的信干噪比和最小化通信多用户之间的干扰，提高了通信和感知性能。文献15将NOMA引入RIS辅助的ISAC通信系统中，从而减轻多用户之间的干扰，提升频谱效率。文献16 提出了一个毫米级的RIS辅助毫米波室内定位系统，其提出的方案能对用户进行粗细两步定位，进而提升用户定位精度。当前，有关RIS辅助的通感一体化文献大多聚焦于某个目标的感知定位，对一片区域内的整体性能研究较少，且对RIS的其他参数如角度、位置等也鲜有提及。因此，本文提出了一种智能超表面辅助的通感性能联合优化方法，将弱通感区域栅格化，并设计了改进的螂优化（DBO,DungBeetleOptimizer）算法，联合优化RIS的角度和位置，使得区域平均均方位置误差进一步降低。同时引人探测需求因子，分析探测需求因子和RIS大小对区域通感性能的影响。1系统模型为简化模型，本文考虑由一个单天线基站、一个RIS反射天线阵列以及一片弱通感区域组成的RIS辅助的通感系统，并采用栅格化的方式处理弱通感区域，形成M个栅格。如图1所示，以基站底部为原点，建立三维笛卡28移动通信2024年4月第4期尔坐标系，并令q=0,0,qsT和q,=qrqrqr.分别代表基站和RIS中心的位置，qm=qmxqm.,0T代表第m个栅格中心的位置。基站发射的信号经过自由空间传播和RIS反射阵列到达弱通感区域，接收处信号表示为：ymnl-P(Pea.me-jia+/Bris.mH/oHa,)smn+an,n=O,.,N,-1(1)其中P,为基站发射功率，smn为基站对第m个栅格发送的N,-11导频信号，满足平均功率加性高斯白噪声，N,为采样点数。sd.m和e-ioa分别为基站到第m个栅格的信道增益和归一化信道，sd.m满足d.a.m=10，其中sa.m为在3GPPTR38.901城区微基站（U M i，U r b a n M ic r o c e ll）NLO S模型基础上建立的室外NLOS模型，表示为：a,m=-PLuMiNLos-OF-OA+G,+G,=-22.435.31g(dm)-21.31g(f.)-0r-A+G,+G,d基站0,0,qs.z图1RIS辅助的弱通感区域优化示意图其中dm=llqm-qsll2为基站到第m个栅格中心的距离，fc为载波频率，和A分别为阴影衰落和吸收损耗，G,和G,分别为基站天线增益和接收天线增益。BRIs,m为基站经过RIS某一单元到第m个栅格的级联信道增益17 ,其表示为：(sin 0,-sin 0m)G.G,abPRis(d,m,0,0)=cos0(4元）(N.N,dm其中d=qr-qll2和rm=lqm-qll2分别为基站到RIS中心和RIS中心到第m个栅格中心的距离。O,为基站到RIS的人射角，Orm为RIS到第m个栅格的反射角，,为经过RIS修正后的期望波束反射角。a=Nala和b=N,lb分别是RIS阵列的有效宽度和有效长度，la和l,分别为RIS一个单元的有效宽度和有效长度，N。和N,为两侧单元数目，满分别表示基站到RIS和RIS到第m个栅格的归一化信道，对角矩阵=diag(e-ia,.,e-jiw)为RIS各单元的相位。至此，式(1)可改写为：(2)RIS qr,x,qr.y,qr.zy8rm法线矢量建筑物Tm第m个栅格qmx.qm.y,0元bsin（元元b(sin 0,-sin(0.m)元弱通感区域+(3)第48 卷总第52 4期庄宏成，卢浩宇，谢杰铭，等：RIS辅助的通感性能联合优化研究NJmm)=F(/Pa.me-ia+RIS,mn=ln=o,.,N,-1假设RIS各相位对齐，即满足oW+o=0d，此时相位优化转变成期望反射角9，优化。并且，在远场模型下，从基站通过RIS所有单元到第m个栅格的级联信道增益均为PRIs.m，则上式可改写为：ymn=P(JBad.m+/Prs.m)e-ja smn+oln,n=0,.,N,-1(5)其中PRIs.m=N/PRis.m。2性能指标2.1感知探测性能指标克拉美罗界（CRLB,Cramer-Rao Lower Bound）为无偏估计量的方差确定一个下界18，在感知领域中有着重要的应用。本文为评估定位探测精度，引人弱通感区域栅格位置坐标变量的CRLB作为性能指标。定义第m个栅格的未知参数矢量m=9mx9m,J，则似然函数为：L(ymiVm)=1N(2元2)2e-jodsmn)?IS.me假设m的无偏估计为m，则m的方差满足：var(jm)1-(m;d,rm,0,0,)其中I(m;d,rm,e,)为与m以及d,rm0,0,相关的费舍尔信息矩阵（FIM,Fisher InformationMatrix），定义：1(amx,m.)(qmx,lm.)I(gm;d,rm,0,0)=-E(am,y,mx)(qm.y,m,)(8)其中E1代表求期望操作。矩阵I(m)中的每个元素定义如下：umn oumnICm）OVm.in=o其中，umn=,(JBeam+Bris.m)e-joasmn为接收信号中的确定部分。为简化计算，定义中间变量：-22.4-21.31g(f.)0F-0+G,+G,Ci=10sinG.Gab)cos0.(4元）d则mn对qmx、q my 的偏导为：3.531g(dm)umna102oqm.P3.53,Ig(dm)aumna10P2qm,yaqm.y(4)其中：3.531g(d.)a102oqm.x3.53ig(dm)a102aqm.yormqm.x-r.xaqm.xmormqm.,y-qr,yoqm.ym定义均方位置误差19 （SPEB,SquaredPosition ErrorBound)P(ym;d,rm,0,0,)=tr(I-(m;d,rm,0,0,),其中tr(代表方阵的迹。在本文中，SPEB代表第m个弱通感区域栅格的qmx、q m坐标的CRLB之和，则M个栅格的平均SPEB为：N-1PA(d,rm,e,e,)=-exp1220n=0on(ymivm10元b(sino.-sinOm元元b(sin 0,-sin(m.)元1Ormaqm.xC(rmC1ar(rm）oqm.y-1.765-1-1.751:(d.)d.mdmaqm.yMZP(wmid,rm.0,0)Mm=1对于栅格坐标明确的情况下，基于栅格化的RIS辅助感知定位优化方法可以被建模为：(6)(Pl):,min。PA(d,r m,0,0.)d,rm.0,0.s.t.d e D(7)TmER元0,2元元22其中D和R共同决定RIS的部署位置范围。2.2通信感知性能指标第m个栅格的信噪比为：(9)P,(/Psd.m+PRIs.m)2SNRm则M个栅格的平均信噪比可以表示为：4-2SNR.MSNRA(10)M4m=1通信覆盖优化需求为最大化弱通感区域栅格的平均(11)信噪比，感知探测优化需求为最大化平均探测精度，于是基于栅格化的RIS通信感知优化方法建模如下：(P2):,max。d,rm.0,0,SNRA-PAs.t.d e Doqm.xn(12)Ce-iosmn(13)(dm)(14)(dm)2(15)(16)(17)(18)(19)(20)(21)(22)(23)(24)(25)m(26)(27)mER(28)元0.(29)移动通信2024年4月第4期29第48 卷“RIS辅助的通感一体化”专题总第52 4期A(1016,11.9,10)元元22SNRmSNR.thr其中为探测需求因子。3改进的螂优化算法由于RIS修正后的反射波束角度范围有限，最大仅能够垂直于RIS阵列的法线矢量。如图2 所示，若人射角0,过小，则外侧栅格将无法被覆盖。因此，需要对,的范围做出限制。具体地，转动RIS，让RIS阵列的法线矢量对准基站，即0=0，此时获取到栅格反射角集合0,=0 rm,m=1,2,.,M。为保证所有栅格均能被覆盖，6,应满足：2，的范围d基站X法线矢量建筑物图2 部分区域无法被覆盖进一步，,的范围由下式确定：maxo.元maxo,元0220,max 0,2从式(3)中可得，与,相关的项为cos0，因此,应尽可能小。此时最佳入射角应为：0=max(0.max 0,-元2确定人射角后，转动RIS，新的栅格反射角集合应满足0,=0,-。同样地，由于基站与弱通感区域不在同一侧，期望波束反射角,的范围可以被进一步限制。因此，问题(P1)被简化为:(P3):min P(d,rm,0,)d,m,s.t.d e DImER2由于传播链路受到建筑物遮挡，所以RIS的部署位置不是任意的，为此本文根据建筑物遮挡情况限制了RIS的部署区域范围。如图3所示，将RIS的部署区域以极坐标表示，A点为RIS部署区域中某一固定点，此时上述问题(P3)可转换为：(P4):min PA(d,rm,0,0,),p,0.移动通信302024年4月第4期元(30)s.t.E(31)PE(p1,P2)0,元2(32)RIS无法被覆盖max9r的栅格Tm弱通感收域(33)元0(40)(41)(42)RIS部署区P1P2基站建筑物D图3RIS部署区域因为问题(P4)非凸且难以给出闭合解，因此本文采用搜索算法以送代的方式联合求解出RIS的位置和期望反射角的近似最优解。螂优化（DBO，D u n g Be e t leOptimizer）算法模拟了自然界中蚝螂的生活习性，将蚝螂的种群分成滚球、繁殖、觅食和偷窃四部分，具有较好的全局搜索能力2 0 。受该算法启发，本文提出了一种改进的螂优化算法，改进后算法流程如下：（1）Be r n o u lli混沌映射。原DBO算法采用计算机(34)伪随机数生成器生成随机数组的方式来初始化种群，此方式所产生的数组并不具有很好的随机性。而混沌序列具有非线性、不可预测性等特点，因此用混沌映射的方式替代随机数组，能够让初始种群更好地遍布可行域，从而提高搜索最优解的可能性2 1。Bernoulli混沌映射因(35)其分布均匀，且避免了Tent混沌映射中可能会产生的周(36)期性，故本文采用Bernoulli混沌映射替代原DBO算法(37)中的初始随机数组，Bernoulli混沌映射数学表达式如下：(38)Zk/(1-2),0zk 1-元Zk+1=(zk-1+2)/2,1-元 z:2hr-1,otherwise其中，n为（0,1)之间的随机数，thr为偏离门限。（3）跳舞行为。当螂在滚球的过程中遭遇障碍物而无法前进时，需要通过跳舞来重新定位，以获取新的前进路线，此时螂的位置按如下公式更新：x;(t+1)=x;(t)+tan(g)|x,(t)-x,(t-1)l其中，为偏转角，取值范围为0,元。当=0、元/2 或元时，螂的位置保持不变。（4）繁殖行为。螂需要选择一个安全合适的地点繁衍后代，地点边界的选择策略可由下式描述：Lb=max(x(1-R),Lb)Ub*=max(x x(1+R),Ub)其中，x表示当前最优位置，Lb和Ub分别表示优化问题的上下界，Lb*和Ub*分别表示繁衍区域的上下界，R为一与送代次数有关的值，故繁衍区域的上下界随着迭代次数的变化而变化。产下的子代位置可由下式描述：B;(t+1)=x*+b(B;(l)-Lb)+b,(B;(t)-Ub)(48)其中，B(t)代表第i个子代在第t次迭代的位置信息。bi和bz为两个大小为1D的独立随机向量，D表示优化问题的维数。（5）觅食行为。从地里钻出地面觅食的螂位置更新可通过如下两式描述：Lb=mx(bet(I-R),Lb)Ub=max(xbest(1+R),Ub)x(+1)=x;(0)+G(x()-Lb)+c2 x(x;(0)-Ubb)其中xbest表示全局最优位置，Lbb和Ubb表示最佳觅食区域的上下界，ci和c为两个大小为1D的独立随机向量。（6）偷窃行为。一些螂会偷取其他螂的食物，偷窃者的位置更新如下式所示：(+1)=xbet+g(x(-+/;()+bol)其中S为一常量，g为1D的独立随机向量。可以看出+bes是最佳食物来源，偷窃者会在xbes*附近进行活动，这一行为让螂在迭代初期就快速向全局最优解逼近，容易导致搜索范围不足，陷人局部最优。因此，本文对偷窃者施加一个服从t分布的扰动，其自由度随迭代次数变化而变化，其数学表示如下：x;(t+1)=x,(t+1)+t(iteration)x,(t+1)从而让算法在迭代初期有更好的搜索能力而在迭代后期有更好的收敛能力，帮助算法跳出局部最优。最后，比较新旧两个位置的适应度，决定是否更新位置。x;(t+1),f(x(t+1)f(x;(t+1)x1aw(+1)=(45)x;(t+1),f(x;(t+1)f(x;(t+1)该算法解决问题(P4)的具体步骤由算法1给出，对于问题(P2)，亦可按照以上方法处理。算法1：改进的螂优化算法输入：Tmax：最大选代次数(46)Num：螂种群数量输出：最佳位置xbest和其对应的适应度输出Jest1：根据式（43）初始化螂种群，计算对应的适应度输出2:for t-1:Tmax do3:fori-l:Numdo4:ifi=滚球部分then(47)5:6:7：8:9:10:11:12:13:14:15:16:(49)17:18:19:(50)20:21:22:23:24:)(51)25:26:27:28:29:30:end for31:return xbos和其对应的适应度输出,fest(52)(53)S-rand(1)If =1时，系统的通信需求与感知探测需求平衡，此时系统的平均信噪比和探测精度均处于中等水平；当=2 时，系统的通信需求大于感知探测需求，此时系统的平均信噪比最小，同时感知探测精度最高。4540353025201520图7平均信噪比与）的关系（当基站发射功率改变）10-2一=1一=2信噪比提升幅度很大，但感知探测性能有了一个小幅度的下降；其次，在同时考虑通信性能和感知探测性能后，RIS反射单元数目对平均SPEB的影响较大，且随着反射单元数目的增多而降低。以上情况表明系统的感知与通信性能存在互斥作用。4540/353025=0.5-=10=22530基站发射功率/dBm20150图9平均信噪比与的关系（当RIS反射单元数目改变）合一=0.5=一=210-33540A=0.550AP100150200250300350400RIS反射单元数目/N104移动通信010-3图10平均SPEB与的关系（当RIS反射单元数目改变）5结束语本文提出的RIS辅助无线通感一体化优化方法，对10-420图8 平均SPEB与）的关系（当基站发射功率改变）图9 和图10 探究在RIS反射单元数目改变的情况下，弱通感区域性能与探测需求因子的关系。从图9 中得出的平均信噪比变化趋势与图7 基本一致，而图10 的情况则与图6 截然不同。首先，当=0.5时，由于系统偏向通信性能，则RIS反射单元数目从16 增加至6 4时，平均502530基站发射功率/dBm100150 200 250300350400RIS反射单元数目/N3540弱通感区域的感知探测性能和通信感知性能进行建模，联合优化RIS的期望反射波束角及其位置，并针对栅格区域的平均均方位置误差进行仿真分析。首先，本文提出了基于DBO算法的改进策略，仿真显示提出的改进的DBO算法相较于传统的PSO、SSA 以及原DBO算法，在收敛速度和适应度上均有提升；其次，相较于仅优化RIS期望反射角，联合优化期望反射角和位置，可以使区域平均均方位置误差降低8 0%；最后，本文引入探测需求因子，分析了在基站发射功率变化及RIS反射单元数332024年4月第4期第48 卷“RIS辅助的通感一体化”专题总第52 4期目变化的情况下，不同的探测需求因子对系统整体性能的影响，并得出系统的感知与通信性能存在互斥作用的结论。将来的一个工作是研究智能的感知通信一体化，根据场景动态调整探测需求因子，以匹配应用环境。参考文献：1Liu F,C Masouros,Petropulu A P,et al.Joint Radar andCommunication Design:Applications,State-of-the-Art,andthe Road AheadJ.IEEE Transactions on Communications,2020,68(6):3834-3862.2 Cui Y,Liu F,Jing X,et al.Integrating sensing and communicationsfor ubiquitous IoT:Applications,trends,and challengesJ.IEEENetwork,2021,35(5):158-167.3 Liu F,Cui Y,Masouros C,et al.Integrated sensing andcommunications:Toward dual-functional wireless networks for 6Gand beyondJ.IEEE journal on selected areas in communications,2022,40(6):1728-1767.4 Luo Y,Zhang J A,Huang X,et al.Multibeam Optimization forJoint Communication and Radio Sensing Using Analog AntennaArraysJ.IEEE Transactions on Vehicular Technology,2020,69(10):11000-11013.5 Gaudio L,Kobayashi M,Caire G,et al.On the Effectivenessof OTFS for Joint Radar Parameter Estimation andCommunicationJ.EEE Transactions on WirelessCommunications,2020,19(9):5951-5965.6Kumari P,Myers N J,Heath R W.Adaptive and Fast CombinedWaveform-Beamforming Design for MMWave Automotive JointCommunication-RadarJJ.IEEE Journal of Selected Topics in SignalProcessing,2021,15(4):996-1012.7ITU-R,Draft New Recommendation.Framework and overallobjectives of the future development of IMT for 2030 andbeyondR.2023.8Bjornson E,Ozdogan O,Larsson E G.Reconfigurable intelligentsurfaces:Three myths and two critical ques-tionsJJ.IEEECommunications Magazine,2020,58(12):90-96.9Wu Q,Zhang S,Zheng B,et al.Intelligent reflecting surface-aidedwireless communications:A tuto-rialJ.IEEE Transactions onCommunications,2021,69(5):3313-3351.10 Huang C,Zappone A,Alexandropoulos G C,et al.ReconfigurableIntelligent Surfaces for Energy Efficiency in WirelessCommunicationJ.IEEE Transactions on Wireless Communications,2019,18(8):4157-4170.ll Liao C,Wang F,Han G,et al,Beamforming Design forHybrid Active-Passive RIS Assisted Integrated Sensingand CommunicationsJJ.IEEE Communications Letters,2023,27(11):2938-2942.12 Yu Z.Active RIS Aided ISAC Systems:BeamformingDesign and Performance AnalysisJ.IEEE Transactions onCommunications,2023.13 Chen K,Qi C,Dobre O A,et al.Simultaneous Beam Training andTarget Sensing in ISAC Systems with RISJJ.IEEE Transactions onWireless Communications,2023.14 Zhong K,Hu J,Pan C,et al.Joint Waveform and Beamforming34移动通信2024年4月第4期Design for RIS-Aided ISAC SystemsJJ.IEEE Signal ProcessingLetters,2023,30:165-169.15 Zuo J,Liu Y,Zhu C,et al.Exploiting NOMA and RIS in IntegratedSensing and CommunicationJ.IEEE Transactions on VehicularTechnology,2023,72(10):12941-12955.16 Luo B,Dong M,Wu H,et al.Reconfigurable Intelligent SurfaceAssisted Millimeter Wave Indoor Localiza-tion SystemsC/ICC2022-IEEE International Conference on Communications.IEEE,2022:4535-4540.17 Ozdogan O,Bjornson E,Larsson E G.Intelligent reflecting surfaces:Physics,propagation,and path-loss modelingJ.IEEE WirelessCommunications Letters,2019,9(5):581-585.18 Kay S M.Fundamentals of statistical signal processing:estimationtheoryM.Prentice-Hall,Inc.,1993.19Jourdan D B,Dardari D,Win M Z.Position error bound for UWBlocalization in dense cluttered envi-ronmentsJ.IEEE transactionson aerospace and electronic systems,2008,44(2):613-628.20 Xue J,Shen B.Dung beetle optimizer:a new meta-heuristicalgorithm for global optimizationJ.J Supercomput,2023,79:7305-7336.21 Caponetto R,Fortuna L,Fazzino S,et al.Chaotic sequences toimprove the performance of evolutionary algorithmsJJ.IEEETransactions on Evolutionary Computation,2003,7(3):289-304.庄宏成：现任中山大学电子与通信工程学院教授，主要研究方向为未来移动终端、智能超表面、通感一体化以及未来移动网络等。卢浩宇：中山大学电子与通信工程学院硕博连读研究生，主要研究方向为智能超表面的通信优化和干扰管理。谢杰铭：中山大学电子与通信工程学院在读硕士研究生，主要研究方向为通感一体化和波束赋形。斜奕煊：中山大学电子与通信工程学院在读本科生，主要研究方向为智能超表面和波束赋形。作者简介