5G-A/6G无线通信技术旨在实现万物互连，可重构智能超表面作为其关键候选技术，具有动态调控电磁波的能力，为通信感知一体化发展带来了全新可能。然而，现有可重构智能表面缺乏对辐射与散射状态的协同调控机制，硬件资源利用率低，难以满足未来网络高集成、低功耗演进需求。
西安电子科技大学李龙教授团队创新地提出了电磁多维融合辐射-散射可重构智能超表面，构建了简并集成的辐射-散射一体化调控理论和统一物理平台，涵盖了电磁波相位、极化、幅度、波形、频率和时间等多维特性，可实现辐射-散射可重构智能超表面信息和能量按需调控，为6G携能通信和无线传感网万物智联时代提供一种全新的技术范式。
该成果发表于《国家科学评论》（National Science Review, NSR）。西安电子科技大学穆亚洁博士为该论文第一作者，李龙教授为通讯作者。该研究得到了国家自然科学基金委信息超材料卓越研究群体项目、国家重点研发计划等项目的支持。
电磁多维融合辐射-散射可重构智能超表面示意图
该电磁辐射-散射一体化调控理论及其统一物理平台由辐射超材料模块和可调电路模块集成设计。辐射超材料模块决定其电磁波极化、频率等特性。可调电路模块由3dB耦合器加载可调微波器件组成，用以实现辐射-散射模式的自适应切换以及相应模式相位控制。
此调控理论首次将初始辐射和散射相位统一整合到单一超表面结构中。因此，具有特定极化和频率的人工超原子可实现幅度调控、相位调控和可定制初始相位。具体而言，在3dB耦合器上加载PIN二极管或变容二极管分别能够实现1-bit或连续相位调控。
以线极化1-bit辐射-散射人工超原子为例：人工超原子由U形贴片和可调3dB耦合器构成，在耦合器的直通臂与耦合臂上均加载了高性能PIN二极管。定义PIN二极管断开状态为"0"，导通状态为"1"。当两个二极管分别处于"11"与"00"状态时，可实现1-bit辐射相位调控；当分别处于"10"与"01"状态时，则可实现1-bit散射相位调控。然而，受量化误差影响，1-bit辐射与散射波束调控均会产生栅瓣，严重制约1-bit可重构智能超表面的性能。为此，在辐射贴片上加载可变电容，不同容值对应不同初始相位，最终设计出四种不同初始相位的U形贴片单元。
该设计实现了0°、90°、180°、270°四种初始散射相位，以及0°、45°、90°、135°四种初始辐射相位。根据初始相位拓扑选取，分别映射至四类具有不同初始相位的人工超表面原子，构建出12×12规模的多维融合辐射-散射可重构智能超表面，可有效抑制常规1-bit辐射与散射可重构智能表面的栅瓣效应。
电磁多维融合辐射-散射可重构智能超表面超原子设计框架
基于12×12多维融合辐射-散射可重构智能超表面，作者提出了“通信-感知-决策-供能”一体化方案。将通信、感知、供能无缝集成于同一硬件平台，无需额外配置传感器即可实现多重功能决策。超表面在辐射模式发射先验信号给无线互联网络中的核心网络，核心网络下发命令给互联网络节点传感器，传感器发射通信信号给超表面，超表面在接收模式感知外部电磁环境变化，判断传感器位置，自适应做出决策给传感器节点进行无线信息和能量传输。此外，超表面在接收模式也能进行无线能量收集，采集的能量经整流后可为其他电子设备充电或为超表面自身供电，展示了其在自供电传感系统中的潜在应用价值。这种一体化架构在追求性能平衡的同时，能显著降低硬件成本与系统功耗。
电磁多维融合辐射-散射可重构智能超表面。(a) 阵列原型。(b) 辐射模式初始相位。(c) 30°波束扫描编码，辐射模式下可重构智能超表面在(d) E面和(e) H面波束扫描特性。(f) 16QAM传输星座图。(g) 接收模式无线能量收集。
实验表明
-
在辐射发射模式下，超表面可在±45°范围内实现无栅瓣的单波束扫描，副瓣电平优于10 dB，增益波动控制在合理范围内；
在辐射接收模式下，超表面可实现无线能量收集功能；
在散射模式下，超表面应用于非视距（NLOS）通信盲区覆盖；
在典型L型走廊的实际场景测试中，通过调控超表面的反射波束，成功将盲区内的信号功率密度平均提升了约7 dB，显著改善了通信质量。
可重构智能超表面散射模式特性。(a) 散射模式初始相位。(b) 30°散射波束扫描编码。(c) E和(d) H面散射波束扫描特性，无超表面和超表面波束指向45°、50°、60°时L形走廊中的功率密度分布。(f) L形走廊中的盲区覆盖特性。
该研究提出电磁多维融合辐射-散射可重构智能超表面，并构建了简并集成的辐射-散射一体化调控理论和统一物理平台，涵盖了电磁波相位、极化、幅度、波形、频率和时间等多维特性，可实现无线能量与信息的“通信-感知-决策-供能”一体化调控，为6G携能通信和无线传感网万物智联时代提供一种全新的技术范式。
了解详情，请阅读原文
Electromagnetic All-in-One Radiation-Scattering Reconfigurable Intelligent Metasurface. Yajie Mu, Jiaqi Han, Hao Xue, Qiang Feng, Lingyun Niu, Haixia Liu, Long Li*. National Science Review, nwaf470, https://doi.org/10.1093/nsr/nwaf470
