分布式不规则可重构智能表面辅助NOMA系统：用户聚类与拓扑优化的协同设计

《IEICE Transactions on Communications》：Distributed Irregular RIS-Assisted NOMA Systems: User Clustering and Topology Optimisation

本文针对非均匀用户分布场景下通信性能下降的问题，研究了分布式不规则可重构智能表面（RIS）辅助非正交多址（NOMA）系统的优化方案。通过改进谱聚类算法（B-SPC）实现用户均衡分组，并利用禁忌搜索算法（TS）优化RIS拓扑结构，结合分数规划（FP）进行功率分配和波束成形联合优化。研究结果表明，该方法显著提升了系统总频谱效率，有效增强了用户服务的公平性和系统性能。

　　

随着第五代移动通信技术的广泛应用和第六代通信技术研究的深入，非正交多址技术和可重构智能表面技术因其在提升频谱效率和系统容量方面的巨大潜力而备受关注。然而，在实际通信场景中，用户分布往往呈现非均匀特性，传统规则排列的RIS难以灵活适配复杂多变的信道环境，导致系统性能受限。特别是在NOMA系统中，用户间的信道差异直接影响连续干扰消除技术的解码效果，如何通过优化资源配置提升系统性能成为当前研究的难点。

发表于《IEICE Transactions on Communications》的这项研究创新性地将可移动天线技术引入RIS辅助的NOMA系统，提出了一种融合用户聚类与拓扑优化的分布式不规则RIS辅助NOMA系统方案。该研究通过设计改进的平衡谱聚类算法，在考虑用户空间距离和方向相似性的基础上，引入均衡约束实现用户群的合理划分；利用禁忌搜索算法动态优化不规则RIS的拓扑结构，增强用户簇内的信道差异性；最后采用分数规划方法联合优化用户功率分配和反射波束成形，实现系统总频谱效率的最大化。

研究团队采用的核心技术方法包括：基于用户位置信息的改进谱聚类算法（B-SPC）实现用户分簇；禁忌搜索算法（TS）优化不规则RIS单元布局；分数规划（FP）进行功率分配与波束成形的交替优化。实验设置包含29个用户、4个RIS单元（每个含30个有效元件），RIS网格规模为60个点，通过动态调整邻域搜索范围提升优化效率。

系统模型构建

研究建立了分布式不规则RIS辅助的下行NOMA通信系统模型，其中R个不规则形状的RIS沿基站到用户的链路分布。与传统规则排列的RIS不同，不规则RIS的N个反射元件稀疏分布在RIS表面的N_s个网格点上（N_s>N），通过拓扑矩阵Z=diag(z₁,...,z_RNs), z_n∈{1,0}控制元件部署状态。信道增益考虑大尺度衰落（包含自由空间路径损耗和阴影衰落）和小尺度瑞利衰落，假设存在完美的信道状态信息。

用户聚类与RIS匹配

针对非均匀用户分布场景，研究提出B-SPC算法改进传统谱聚类方法。算法首先将用户坐标转换为极坐标，结合距离相似性和方向相似性构建加权矩阵：距离相似性w_dist(i,j)=exp(-‖u_i-u_j‖²/2σ_dist²)，方向相似性w_cos(i,j)=exp(-(1-cos(θ_i-θ_j))²/2σ_cos²)，整体相似度w(i,j)=w_dist(i,j)×w_cos(i,j)。通过拉普拉斯矩阵特征分解和均衡K-means聚类，确保各用户簇规模均匀分布。RIS匹配采用最小化用户簇质心与RIS块质心欧氏距离的原则，建立一一对应关系。

不规则RIS拓扑优化

采用禁忌搜索算法优化RIS拓扑结构，初始随机选择N个1和N_s-N个0构建拓扑矩阵Z_l⁰。迭代过程中动态调整邻域移动距离p（前期设为3，后期降为2），通过随机交换p个1和p个0的位置生成候选解，选择频谱效率最高的解更新当前最优解。算法通过禁忌列表避免重复搜索，有效跳出局部最优，增强用户簇内信道差异。

联合优化算法

固定优化后的RIS拓扑，采用分数规划方法交替优化功率分配和被动波束成形。通过拉格朗日对偶变换将原问题重构为f₁(P_l,Θ_l,δ_l)=∑_k=1^|C_l|log(1+δ_l,k)-∑_k=1^|C_l|δ_l,k+∑_k=1^|C_l|(1+δ_l,k)γ_l,k/(1+γ_l,k)，其中δ_l为辅助变量。功率分配问题转化为凸优化问题，波束成形问题转化为二次约束二次规划问题，均通过CVX工具箱求解。

性能验证

仿真结果表明，B-SPC算法在非均匀用户分布下用户簇规模方差仅为0.25，显著低于传统SPC算法（10.92）和K-means算法（14.92）。热力图显示B-SPC算法有效降低用户簇间相似性，减少干扰。TS算法优化后的RIS拓扑使用户簇内信道增益差异显著增大，如图6所示，7个用户的信道差异明显提升。在传输功率42dB条件下，不规则RIS在B-SPC方案下的频谱效率达到最优，且随着反射元件数量增加，性能提升显著。收敛性分析显示TS算法在B-SPC方案下收敛速度最快，验证了算法有效性。

研究结论表明，分布式不规则RIS辅助NOMA系统通过协同优化用户聚类和拓扑设计，有效提升了非均匀用户分布场景下的系统性能。B-SPC算法确保用户分簇均衡性，TS算法增强空间自由度，FP方法优化资源分配，三者协同作用显著提高频谱效率。该研究为未来无线通信系统中RIS与NOMA技术的深度融合提供了创新思路和方法支撑，特别是在复杂用户分布环境下展现出显著的应用价值。研究成果对促进6G智能超表面技术发展、提升异构网络资源利用率具有重要参考意义。