In the past as well as present wireless communication systems, the wireless propagation environment is regarded as an uncontrollable black box that impairs the received signal quality, and its negative impacts are compensated for by relying on the design of various sophisticated transmission/reception schemes. However, the improvements through applying such schemes operating only at two endpoints (i.e., transmitter and receiver) are limited even after five generations of wireless systems. Reconfigurable intelligent surface (RIS) or intelligent reflecting surface (IRS) have emerged as a new and promising technology that can configure the wireless environment in a favorable manner by properly tuning the phase shifts of a large number of quasi passive and low-cost reflecting elements, thus standing out as a promising candidate technology for the next/sixth-generation (6G) wireless system. However, to reap the performance benefits promised by RIS/IRS, efficient signal processing techniques are crucial, for a variety of purposes such as channel estimation, transmission design, radio localization, and so on. In this paper, we provide a comprehensive overview of recent advances on RIS/IRS-aided wireless systems from the signal processing perspective.We also highlight promising research directions that are worthy of investigation in the future.

This paper investigates the over-the-air computation (AirComp) in a cognitive radio (CR) data network, which contains a primary network, a secondary network, and an amplifyand-forward (AF) relay. There are sensors in each network that transmit data to their corresponding access point (AP). The aim of the AF relay is to improve the computation performance of the two networks. We study the sum mean-square-error (MSE) minimization problem, named as SMSE-min problem, subject to the transmit power constraints at the AF relay and the sensors in the two networks. It is not trivial to obtain the optimal solution of the formulated non-convex problem due to the coupled optimization variables. We propose an alternating optimization algorithm for alternatively optimizing four sub-problems about the aggregation beamforming at two APs, transmit scaling factors at the sensors, and the AF matrix at the relay, and obtain the locally optimal solution, where the closed-form solution can be obtained in each sub-problem. Numerical results show the superior sum MSE performance of our proposed scheme