Intelligent reflection surface (IRS) has recently been recognized as a promising technique to enhance the performance of wireless systems due to its ability of reconfiguring the signal propagation environment. However, the perfect channel state information (CSI) is challenging to obtain at the base station (BS) due to the lack of radio frequency (RF) chains at the IRS. Since most of the existing channel estimation methods were developed to acquire the cascaded BS-IRS-user channels, this paper is the first work to study the robust beamforming based on the imperfect cascaded BS-IRS-user channels at the transmitter (CBIUT). Specifically, the transmit power minimization problems are formulated subject to the worst-case rate constraints under the bounded CSI error model and the rate outage probability constraints under the statistical CSI error model, respectively. After approximating the worst-case rate constraints by using the S-procedure and the rate outage probability constraints by using the Bernstein-type inequality, the reformulated problems can be efficiently solved. Numerical results show that the negative impact of the CBIUT error on the system performance is greater than that of the direct CSI error.

Intelligent reflecting surface (IRS) has recently been envisioned to offer unprecedented massive multiple-input multiple-output (MIMO)-like gains by deploying large-scale and low-cost passive reflection elements. By adjusting the reflection coefficients, the IRS can change the phase shifts on the impinging electromagnetic waves so that it can smartly reconfigure the signal propagation environment and enhance the power of the desired received signal or suppress the interference signal. In this paper, we consider downlink multigroup multicast communication systems assisted by an IRS. We aim for maximizing the sum rate of all the multicasting groups by the joint optimization of the precoding matrix at the base station (BS) and the reflection coefficients at the IRS under both the power and unit-modulus constraint. To tackle this non-convex problem, we propose two efficient algorithms under the majorization--minimization (MM) algorithm framework. Specifically, a concave lower bound surrogate objective function of each user's rate has been derived firstly, based on which two sets of variables can be updated alternately by solving two corresponding second-order cone programming (SOCP) problems. Then, in order to reduce the computational complexity, we derive another concave lower bound function of each group's rate for each set of variables at every iteration, and obtain the closed-form solutions under these loose surrogate objective functions. Finally, the simulation results demonstrate the benefits in terms of the spectral and energy efficiency of the introduced IRS and the effectiveness in terms of the convergence and complexity of our proposed algorithms.

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 article considers an artificial noise (AN)-aided secure MIMO wireless communication system. To enhance the system security performance, the advanced intelligent reflecting surface (IRS) is invoked, and the base station (BS), legitimate information receiver (IR) and eavesdropper (Eve) are equipped with multiple antennas. With the aim for maximizing the secrecy rate (SR), the transmit precoding (TPC) matrix at the BS, covariance matrix of AN and phase shifts at the IRS are jointly optimized subject to constrains of transmit power limit and unit modulus of IRS phase shifts. Then, the secrecy rate maximization (SRM) problem is formulated, which is a non-convex problem with multiple coupled variables. To tackle it, we propose to utilize the block coordinate descent (BCD) algorithm to alternately update the variables while keeping SR non-decreasing. Specifically, the optimal TPC matrix and AN covariance matrix are derived by Lagrangian multiplier method, and the optimal phase shifts are obtained by Majorization-Minimization (MM) algorithm. Since all variables can be calculated in closed form, the proposed algorithm is very efficient. We also extend the SRM problem to the more general multiple-IRs scenario and propose a BCD algorithm to solve it. Simulation results validate the effectiveness of system security enhancement via an IRS.

Perfect channel state information (CSI) is challenging to obtain due to the limited signal processing capability at the intelligent reflection surface (IRS). This is the first work to study the worst-case robust beamforming design for an IRS-aided multiuser multiple-input single-output (MU-MISO) system under the assumption of imperfect CSI. We aim for minimizing the transmit power while ensuring that the achievable rate of each user meets the quality of service (QoS) requirement for all possible channel error realizations. With unit-modulus and rate constraints, this problem is non-convex. The imperfect CSI further increases the difficulty of solving this problem. By using approximation and transformation techniques, we convert the optimization problem into a squence of semidefinite program (SDP) subproblems that can be efficiently solved. Numerical results show that the proposed robust beamforming design can guarantee the required QoS targets for all the users.

This letter theoretically compares the active reconfigurable intelligent surface (RIS)-aided system with the passive RIS-aided system. For a fair comparison, we consider that these two systems have the same overall power budget that can be used at both the base station (BS) and the RIS. For active RIS, we first derive the optimal power splitting between the BS’s transmit signal power and RIS’s output signal power. We also analyze the impact of various system parameters on the optimal power splitting ratio. Then, we theoretically and numerically compare the performance between the active RIS and the passive RIS, which demonstrates that the active RIS would be superior if the power budget is not very small and the number of RIS elements is not very large.

This letter considers the unmanned aerial vehicle (UAV)-enabled relay system to deliver command information under ultra-reliable and low-latency communication requirements. We aim to jointly optimize the blocklength allocation and the UAV's location to minimize the decoding error probability subject to the latency requirement. The achievable data rate under finite blocklength regime is adopted. A novel perturbation-based iterative algorithm is proposed to solve this problem. Simulation results show that the proposed algorithm can achieve the same performance as the exhaustive search method, and significantly outperforms the existing algorithms.

Ensuring physical layer security is crucial for Dual-Function Radar-Communication (DFRC) systems. The synergism of Artificial Noise (AN) and Reconfigurable Intelligent Surface (RIS) is proposed to improve transmission security. Aiming to maximize the secrecy rate, beamforming for transmit signals and AN or jamming signals at the dual-function radar and base station (radar-BS), along with passive reflection phase-shift matrix (PSM) of the RIS are jointly optimized. This optimization is subject to satisfying the transmit power budget at the radar-BS, the unit modulus constraint at the RIS, and the SINR thresholds for both communication and radar sensing at the radar-BS. To render this nonconvex problem tractable, we decompose it into three convex sub-problems, which are solved by reformulating into fractional programming(FP) problems and employing the techniques of successive convex approximation (SCA) and semidefinite relaxation (SDR). Numerical simulations demonstrate that the proposed algorithm can help improve the transmission security of DFRC systems while ensuring target sensing performance.