BD-RIS容量最大化建模与Matlab仿真实现全解析

1. 从对角线到“超越对角线”：RIS模型发生了哪些变化

我最初接触RIS辅助通信仿真时，和大家一样，用的是最经典的那套假设：可重构智能表面每个单元独立控制反射相位，等效相移矩阵是个对角阵，
Φ = diag(e^{jφ₁}, e^{jφ₂}, ..., e^{jφ_L})。这种模型的好处是物理直观，每个单元就是一个可调负载，反射信号只改变相位，不改变单元之间的耦合关系。优化起来也简单，因为变量就是L个相位角，随便用坐标下降或者流形上的梯度上升都能跑。

但最近两年频繁出现在论文里的BD-RIS（Beyond Diagonal RIS，超越对角线RIS）把这一步推得更远了。它不再假设相移矩阵必须是对角的，而是允许RIS单元之间存在受控互连，等效成一个可重构的散射网络。换句话说，相移矩阵Φ不再只是对角阵，它可以有非对角元素，这些非对角元素代表单元之间的能量交换路径。

这个看起来不大的模型改动，实际上把整个问题从“调L个旋钮”变成了“调一个L×L维可重构网络”，优化自由度从L一下子提到了L²量级。代价也很明显：容量最大化问题从相对简单的对角相移优化，变成了带有酉对称约束的矩阵优化。很多第一次做复现的人，拿到代码会发现优化的对象从向量变成了矩阵，梯度公式也一下子变得复杂，这是最大的门槛。

那标题里“容量最大化”这个目标具体是什么？在MIMO通信里，容量最大化通常是指：给定发射总功率约束，设计发射协方差矩阵和RIS相移参数，使得等效信道H = H_r Φ H_t（在有直射链路时还要加上H_d）对应的香农容量最大。传统RIS用对角Φ能做的本质上是“相位对齐”加“阵列增益”，而BD-RIS的散射网络还可以在RIS端口之间重新分配能量，实现类似空间复用和模式调制的效果，这是对角结构做不到的。

这篇文章我会从系统模型、优化算法、Matlab实现、公平对比、常见坑这五个方面，把BD-RIS容量最大化的完整复现思路讲清楚。适合已经有传统RIS或MIMO仿真基础、想要快速上手BD-RIS的读者；如果你只是刚接触通信仿真，前半部分模型推导也能帮你建立一个清晰的数学框架。

2. 容量最大化问题怎么建模，先推公式再谈代码

2.1 点对点RIS辅助MIMO的系统模型

为了方便复现，我们考虑一个经典的点对点MIMO系统，发射端有M_t根天线，接收端有M_r根天线，RIS布置在两者之间，共L个反射单元。假设直射链路被遮挡，信号只能通过RIS反射链路到达接收端，这是很多RIS论文里常用的简化模型，也是验证BD-RIS增益最干净的场景。

令H₁表示L×M_t的发射端到RIS信道，H₂表示M_r×L的RIS到接收端信道。接收信号可以写成：

y = H₂ Φ H₁ x + n

其中x是M_t维发射向量，n服从独立复高斯分布，均值为零，协方差为σ² I。这里Φ就是L×L的可重构相移矩阵。传统模型里Φ = diag(e^{jφ₁},...,e^{jφ_L})，BD-RIS模型里Φ是带约束的满矩阵。

等效信道可以写成H = H₂ Φ H₁。若发射端采用零均值高斯输入，协方差矩阵为Q，且功率约束为tr(Q) ≤ P，那么系统的可达速率（也就是容量，在已知CSI且高斯输入条件下）为：

R(Φ, Q) = log₂ det( I_{M_r} + σ⁻² H Q Hᴴ )

如果进一步假设采用等功率分配，Q = (P/M_t) I，则速率简化为：

R(Φ) = log₂ det( I_{M_r} + (ρ/M_t) H₂ Φ H₁ H₁ᴴ Φᴴ H₂ᴴ )

其中ρ = P/σ² 是发射信噪比。这个等功率版本虽然在实际容量意义上略微保守，但它在数学上更利于让Φ做梯度优化，仿真时特别方便。后面在讨论注水算法时，我再补充如何升级成真正的容量最大化。

2.2 超越对角线RIS的约束是什么

BD-RIS之所以叫“超越对角线”，是因为相移矩阵不再要求对角线结构，但它也不是任意满矩阵。从电路理论看，RIS单元之间通过可重构阻抗网络互联，需要满足无源约束；若考虑无损网络，则等效相移矩阵还存在酉对称性。

最常用的建模方式是引入散射矩阵S，这个S是酉矩阵，且对于互易网络，S = Sᵀ。BD-RIS的等效相移矩阵一般通过Cayley变换与S关联。不过在实际复现时，我发现更省事的做法是：直接把优化变量设成S，并用它构造等效信道，也就是令：

Φ