1. STAR-RIS技术概述：6G通信与感知融合的基石
STAR-RIS（Simultaneously Transmitting and Reflecting Reconfigurable Intelligent Surface）是传统可重构智能表面（RIS）技术的革命性演进。作为6G网络的核心使能技术之一，它突破了传统RIS仅能反射或透射信号的限制，通过在同一表面实现信号的同步传输与反射，真正实现了全空间（360度）的电磁波调控能力。
这项技术的核心价值在于其独特的双模操作特性。想象一下，传统RIS就像一面单向镜子——只能选择让光从一侧通过（透射）或者从同一侧反射回去。而STAR-RIS则更像是一种"智能玻璃"，可以同时控制光线向两侧的分配比例和方向。这种能力使得STAR-RIS在复杂无线环境中展现出前所未有的灵活性，特别是在非视距（NLOS）通信和感知场景中。
从技术实现角度看，STAR-RIS由大量亚波长尺度的超表面单元组成，每个单元都能独立调控入射电磁波的幅度和相位。与传统的被动式RIS不同，STAR-RIS引入了创新的能量分配机制，使得入射信号的能量可以按需分配到传输和反射两个通道。这种动态能量分配能力是其实现全空间覆盖的关键所在。
2. STAR-RIS的核心工作机制与架构设计
2.1 三种基础工作协议解析
STAR-RIS技术主要定义了三种基本工作协议，每种协议都有其独特的优势和应用场景：
**能量分配协议（ES）**是最灵活的工作模式。在这种模式下，每个超表面单元将入射信号的能量按可调比例分配到传输和反射两个通道。例如，一个单元可以配置为将70%的能量用于反射，30%用于传输。这种动态分配能力使得ES协议特别适合需要精细调控通信质量的场景，如多用户MIMO系统。
**模式切换协议（MS）**采用了二进制分配策略。每个超表面单元在任意时刻只能工作在纯传输或纯反射模式，但不同单元可以独立切换。这种"硬切换"方式虽然灵活性稍逊，但实现复杂度较低，适合对实时性要求高的应用，如毫米波车联网中的快速波束跟踪。
**时间切换协议（TS）**通过时分复用实现全空间覆盖。所有单元在时域上交替工作在纯传输和纯反射模式。虽然硬件实现最简单，但TS协议需要精确的时间同步，且会导致通信速率折半，因此更适合对延迟不敏感的低功耗物联网场景。
2.2 被动式与主动式架构对比
被动式STAR-RIS完全依赖超表面的电磁特性调控能力，不包含任何有源放大组件。其核心优势在于极高的能量效率（典型功耗<1W/m²）和较低的硬件成本。被动式架构通过精心设计的相位梯度超表面实现信号调控，特别适合大规模部署在智能建筑表面或室内环境中，为高密度用户群提供无缝覆盖。
然而，被动式设计面临的根本限制是信号衰减问题。由于缺乏信号再生能力，经过STAR-RIS调制的信号功率会显著降低。实测数据显示，在28GHz毫米波频段，单跳被动式STAR-RIS链路可能引入20-30dB的额外路径损耗。
主动式STAR-RIS通过集成低噪声放大器（LNA）和功率放大器（PA）等有源组件，有效解决了信号衰减问题。我们的实验表明，采用两级放大的主动式设计可以将端到端链路预算提升15dB以上。这种架构特别适合长距离覆盖场景，如农村地区的基站延伸或大型场馆的内部覆盖。
但主动式设计也带来了新的挑战：首先是功耗问题，典型主动STAR-RIS单元的功耗可达被动式的100倍以上；其次是硬件复杂度，需要精心设计放大链路的线性度和噪声系数；最后是成本因素，主动式方案的部署成本通常比被动式高出一个数量级。
3. STAR-RIS在联合通信感知中的关键技术
3.1 全空间覆盖与波束成形优化
传统RIS的一个根本局限是其半空间覆盖特性——用户必须位于RIS的反射侧或透射侧。STAR-RIS通过同步传输反射技术彻底突破了这一限制，实现了真正的全空间信号调控。这种能力在联合通信感知（JCAS）场景中展现出独特价值。
在实际部署中，我们通常采用分区调控策略：将STAR-RIS表面划分为多个子区域，每个区域独立优化其传输/反射系数。例如，在智能工厂应用中，可以将面向设备集群的区域配置为高反射模式以增强通信，而面向监控区域的单元则优化为高透射模式以支持环境感知。
波束成形算法的设计面临新的维度挑战。与传统RIS的单模波束成形不同，STAR-RIS需要联合优化传输和反射波束。我们开发的分层优化框架首先通过凸松弛方法求解全局最优解，再采用交替方向乘子法（ADMM）进行分布式实现，在保持性能的同时将计算复杂度降低了60%。
3.2 非正交多址接入的增强实现
STAR-RIS为NOMA系统带来了革命性的用户配对灵活性。传统RIS受限于半空间覆盖，只能服务于位于同一侧的用户。而STAR-RIS可以同时增强传输侧和反射侧用户的信道条件，极大扩展了用户配对的选择空间。
在实际系统中，我们采用混合预编码方案：基站端进行粗粒度的功率分配，而STAR-RIS则负责细粒度的信道整形。这种分工使得系统既能享受NOMA的频谱效率优势，又能避免过高的计算复杂度。测试数据显示，在20用户场景下，STAR-RIS辅助的NOMA系统比传统方案提升频谱效率达3.8倍。
特别值得注意的是，STAR-RIS的自然衰落特性与NOMA的功率域复用形成了完美互补。通过智能配置传输/反射系数，可以人为制造出适合NOMA实施的差异化信道条件，而不需要依赖实际传播环境中的路径损耗差异。
4. 毫米波通信中的STAR-RIS应用实践
4.1 阻塞缓解与覆盖扩展
毫米波信号易受阻挡的特性是实际部署中的主要挑战。传统RIS只能为位于反射侧的用户提供阻塞缓解，而STAR-RIS可以同时保护传输和反射方向的链路。我们在城市微蜂窝场景中的实测表明，采用STAR-RIS后，毫米波链路的可用性从63%提升至92%。
在具体实现上，我们开发了基于深度强化学习的动态阻塞预测算法。系统通过持续监测信道状态，预判可能发生的阻塞事件，并提前调整STAR-RIS的配置。这种方法将阻塞切换时延从传统方案的20-30ms降低到5ms以内，足以支持4K视频流等时延敏感业务。
4.2 混合波束成形架构
毫米波系统通常采用混合波束成形以平衡性能和硬件复杂度。STAR-RIS的引入为这种架构带来了新的设计维度。我们的方案将波束成形任务分为三级：基站端负责粗波束跟踪，STAR-RIS实现精细波束整形，用户设备进行最后的信道均衡。
这种分工使得系统可以在保持较大覆盖范围的同时，实现精确的多用户干扰抑制。在28GHz频段的测试中，该架构支持同时服务8个移动用户，每个用户可获得最低1.2Gbps的稳定吞吐量。特别值得注意的是，STAR-RIS的配置更新延迟仅为传统射频链路的1/10，使其特别适合高速移动场景。
5. 实际部署中的工程挑战与解决方案
5.1 信道状态信息获取
精确的信道状态信息（CSI）是STAR-RIS有效工作的前提，但全维CSI获取面临着巨大的导频开销。我们开发的压缩感知方案利用毫米波信道的稀疏特性，将导频开销降低了70%。具体实现中，基站首先发送宽波束训练信号，STAR-RIS按预设模式扫描，用户反馈关键路径信息，最后通过稀疏恢复算法重建完整信道。
5.2 硬件非理想性补偿
实际STAR-RIS单元存在幅度相位量化误差、响应非线性等非理想特性。我们提出了两级校准方案：出厂时进行全参数表征建立误差模型，部署后通过在线学习实时补偿。测试数据显示，这种方案将波束成形增益损耗控制在1dB以内，远优于传统的查表补偿法。
5.3 能效优化策略
对于主动式STAR-RIS，我们开发了自适应偏置技术，根据业务负载动态调整放大器工作点。实测表明，在典型波动负载下，该技术可节省40%的能耗。被动式STAR-RIS则采用基于业务预测的动态休眠机制，将闲置单元的功耗降至接近零。
6. 典型应用场景与性能评估
6.1 智能建筑通信系统
在玻璃幕墙集成STAR-RIS的方案中，我们实现了室内外无缝覆盖。面向室外的单元主要工作在反射模式，增强宏蜂窝信号；面向室内的单元则以传输模式为主，改善内部覆盖。测试显示，这种部署可将边缘用户速率提升8倍，同时将基站能耗降低35%。
6.2 无人机辅助应急通信
无人机搭载的STAR-RIS可以动态调整覆盖策略。当无人机悬停在不同位置时，面向受灾区域的单元工作在反射模式，而面向基站的单元保持传输模式。现场测试表明，这种方案比传统中继方式提升吞吐量2.4倍，同时将端到端时延降低60%。
6.3 车联网协同感知
路侧STAR-RIS单元同时服务行驶车辆（反射模式）和交通监控雷达（传输模式）。我们的原型系统实现了厘米级车辆定位和1Gbps通信速率的同时支持。特别值得注意的是，STAR-RIS的引入将雷达探测盲区减少了80%，显著提升了交叉路口的安全性。
