IEEE TWC 2026 论文精读与完整复现｜H-PASS：机械—电子双重可重构波束成形

如有帮助请引用：Chen K, Qi C, Dobre O A, et al. Hybrid pinching antenna systems: Architecture and beamforming designJ. IEEE Transactions on Wireless Communications, 2026, 25: 12129-12144.

这篇工作的核心不是把两类辐射单元简单拼接，而是把两种互补的空间自由度纳入同一个混合波束成形模型：PA 通过大范围机械位置重构降低传播损耗、绕开遮挡；可重构漏波天线（RLWA）在固定位置上电子调节复权重（幅度与相位），支持密集阵列部署、快速波束重构和多用户干扰抑制。由此形成的混合夹持天线系统 H-PASS，同时保留"位置可重构"和"幅相可重构"。

论文给出的三项代表性结果是：相对仅含 PA 的 P-PASS，H-PASS 的和速率最高提升约 33%33\%33%；离散位置带来的相位量化损失最高降低约 69%69\%69%；连续位置 PA 的定位误差损失最高降低约 90%90\%90%。更值得关注的是，这三项增益来自同一套机制，而不是三个彼此独立的技巧。

1. 架构：两个控制面的分工

设基站有 NRFN_{\mathrm{RF}}NRF 条波导与同数目的 RF 链，服务 KKK 个单天线用户。每条波导包含 NrN_rNr 个固定位置 RLWA，并配置 NpN_pNp 个 PA。论文讨论两种 PA 部署方式：

• 离散位置：从每条波导的 NcN_cNc 个候选位置中激活 NpN_pNp 个，对应 DH-PASS；
• 连续位置：直接优化 NpN_pNp 个 PA 的连续坐标，对应 CH-PASS。

六种对比架构可统一为：CM-MIMO（固定阵列基线）、R-PASS（仅 RLWA）、DP-PASS（仅离散 PA）、CP-PASS（仅连续 PA）、DH-PASS（RLWA + 离散 PA）和 CH-PASS（RLWA + 连续 PA）。

对第 mmm 条波导，离散 PA 的选择向量为 tm∈{0,1}Nc\mathbf t_m\in\{0,1\}^{N_c}tm∈{0,1}Nc，RLWA 的复幅度向量为 gm∈CNr\mathbf g_m\in\mathbb C^{N_r}gm∈CNr。对应的块对角模拟波束成形矩阵为

T=blkdiag⁡(t1,...,tNRF),G=blkdiag⁡(g1,...,gNRF). \mathbf T=\operatorname{blkdiag}(\mathbf t_1,\ldots,\mathbf t_{N_{\mathrm{RF}}}),\qquad \mathbf G=\operatorname{blkdiag}(\mathbf g_1,\ldots,\mathbf g_{N_{\mathrm{RF}}}). T=blkdiag(t1,...,tNRF),G=blkdiag(g1,...,gNRF).

离散架构的 PA 与 RLWA 预编码分别为

Fp=TW,Fr=GW, \mathbf F_p=\mathbf T\mathbf W,\qquad \mathbf F_r=\mathbf G\mathbf W, Fp=TW,Fr=GW,

其中 W∈CNRF×K\mathbf W\in\mathbb C^{N_{\mathrm{RF}}\times K}W∈CNRF×K 是数字波束成形器。连续架构中，PA 的模拟映射固定为

Q=INRF⊗1Np,Fp=QW, \mathbf Q=\mathbf I_{N_{\mathrm{RF}}}\otimes\mathbf 1_{N_p},\qquad \mathbf F_p=\mathbf Q\mathbf W, Q=INRF⊗1Np,Fp=QW,

但信道 hp,k(pp)\mathbf h_{p,k}(\mathbf p_p)hp,k(pp) 会随 PA 坐标变化。也就是说，离散情形优化"选哪些位置"，连续情形优化"位置本身在哪里"。

硬件约束直接刻画了两种自由度的边界：

tmn∈{0,1},1NcTtm=Np, \\mathbf t_mn\in\{0,1\},\qquad \mathbf 1{N_c}^T\mathbf t_m=N_p, tmn∈{0,1},1NcTtm=Np,

∣gmn∣2≤δ, |\\mathbf g_m_n|^2\leq\delta, ∣gmn∣2≤δ,

以及总发射功率约束

∥Fr∥F2+∥Fp∥F2≤P0. \|\mathbf F_r\|_F^2+\|\mathbf F_p\|_F^2\leq P_0. ∥Fr∥F2+∥Fp∥F2≤P0.

这一定义揭示了 H-PASS 的关键：PA 负责改变传播几何，RLWA 负责改变同一几何下的复权重，两者共享数字预编码器 W\mathbf WW，最终在空口相干叠加。

2. 信道：位置为什么同时改变路径损耗与相位

对第 nnn 个 RLWA 到第 kkk 个用户第 ℓ\ellℓ 条路径的辐射源 qℓ,k\mathbf q_{\ell,k}qℓ,k，空间信道系数写为

Ξ(pr,n,qℓ,k)=ζnej(ϕn+ψn)∥pr,n−qℓ,k∥2, \Xi(\mathbf p_{r,n},\mathbf q_{\ell,k}) =\frac{\zeta_n e^{j(\phi_n+\psi_n)}} {\|\mathbf p_{r,n}-\mathbf q_{\ell,k}\|_2}, Ξ(pr,n,qℓ,k)=∥pr,n−qℓ,k∥2ζnej(ϕn+ψn),

其中

ϕn=−2πλg∥pr,n−pˉr,n∥2,ψn=−2πλc∥pr,n−qℓ,k∥2, \phi_n=-\frac{2\pi}{\lambda_g} \|\mathbf p_{r,n}-\bar{\mathbf p}{r,n}\|2, \qquad \psi_n=-\frac{2\pi}{\lambda_c} \|\mathbf p{r,n}-\mathbf q{\ell,k}\|_2, ϕn=−λg2π∥pr,n−pˉr,n∥2,ψn=−λc2π∥pr,n−qℓ,k∥2,

分别表示导波传播和自由空间传播引入的相位；pˉr,n\bar{\mathbf p}_{r,n}pˉr,n 是所属波导的馈电参考点。金属段与介质段的导波损耗由

ζn=exp⁡ ⁣(−χ1dr,n−χ2d~r,n) \zeta_n=\exp\!\left(-\chi_1 d_{r,n}-\chi_2 \widetilde d_{r,n}\right) ζn=exp(−χ1dr,n−χ2d r,n)

其中，λg\lambda_gλg、λc\lambda_cλc 分别为波导波长和载波波长，且 λg=λc/neff\lambda_g=\lambda_c/n_{\mathrm{eff}}λg=λc/neff；dr,nd_{r,n}dr,n、d~r,n\widetilde d_{r,n}d r,n 分别为金属段和介质段的传播距离，χ1\chi_1χ1、χ2\chi_2χ2 为对应的衰减系数。于是

hr,kn=∑ℓ=1Lkγℓ,kΞ(pr,n,qℓ,k). \\mathbf h_{r,k}n =\sum{\ell=1}^{L_k}\gamma_{\ell,k} \Xi(\mathbf p_{r,n},\mathbf q_{\ell,k}). hr,kn=ℓ=1∑Lkγℓ,kΞ(pr,n,qℓ,k).

其中，LkL_kLk 是用户 kkk 的路径数，γℓ,k\gamma_{\ell,k}γℓ,k 是第 ℓ\ellℓ 条路径从辐射源至用户的信道增益。

PA 信道采用同一传播结构。这个模型中，移动 PA 不只是改变阵列流形，还同时改变 1/d1/d1/d 大尺度项、自由空间相位和导波相位。因此连续位置优化高度非凸，而且在 30 GHz30\,\mathrm{GHz}30GHz、λc=1 cm\lambda_c=1\,\mathrm{cm}λc=1cm 时，毫米级位置偏差已经足以造成明显相位失配。

3. 目标：统一的加权和速率，两个不同的非凸问题

令 A=T\mathbf A=\mathbf TA=T（离散）或 A=Q\mathbf A=\mathbf QA=Q（连续），ha,k\mathbf h_{a,k}ha,k 表示相应 PA 信道。用户 kkk 的 SINR 为

Γk=∣hr,kHGwk+ha,kHAwk∣2∑i≠k∣hr,kHGwi+ha,kHAwi∣2+σ2, \Gamma_k= \frac{\left|\mathbf h_{r,k}^H\mathbf G\mathbf w_k +\mathbf h_{a,k}^H\mathbf A\mathbf w_k\right|^2} {\sum_{i\neq k}\left|\mathbf h_{r,k}^H\mathbf G\mathbf w_i +\mathbf h_{a,k}^H\mathbf A\mathbf w_i\right|^2+\sigma^2}, Γk=∑i=k hr,kHGwi+ha,kHAwi 2+σ2 hr,kHGwk+ha,kHAwk 2,

加权和速率为

S=∑k=1Kαklog⁡2(1+Γk). S=\sum_{k=1}^{K}\alpha_k\log_2(1+\Gamma_k). S=k=1∑Kαklog2(1+Γk).

其中，αk≥0\alpha_k\geq 0αk≥0 为用户权重，σ2\sigma^2σ2 为噪声功率。

离散问题同时包含二进制选择、RLWA 复权重和数字预编码，是混合离散---连续优化：

(P1)max⁡T,G,W Sds.t. 选择基数、RLWA 幅度与总功率约束. \mathrm{(P1)}\quad \max_{\mathbf T,\mathbf G,\mathbf W}\ S_d \quad \text{s.t. 选择基数、RLWA 幅度与总功率约束}. (P1)T,G,Wmax Sds.t. 选择基数、RLWA 幅度与总功率约束.

连续问题直接优化 PA 坐标：

(P2)max⁡pp,G,W Scs.t.pp,n∈Cn,∥pp,n−pp,m∥2≥D,∣gmn∣2≤δ,∥Fr∥F2+∥Fp∥F2≤P0. \mathrm{(P2)}\quad \max_{\mathbf p_p,\mathbf G,\mathbf W}\ S_c\\ \text{s.t.}\quad \mathbf p_{p,n}\in\mathcal C_n,\\ \qquad\qquad\qquad \|\mathbf p_{p,n}-\mathbf p_{p,m}\|_2\geq D,\\ \quad\qquad|\\mathbf g_m_n|^2\leq\delta,\\ \quad\qquad\qquad\qquad\|\mathbf F_r\|_F^2+\|\mathbf F_p\|_F^2\leq P_0. (P2)pp,G,Wmax Scs.t.pp,n∈Cn,∥pp,n−pp,m∥2≥D,∣gmn∣2≤δ,∥Fr∥F2+∥Fp∥F2≤P0.

这里，δ\deltaδ 是单个 RLWA 系数的最大模平方，Cn\mathcal C_nCn 是第 nnn 个连续位置 PA 的可行位置集合，DDD 是 PA 最小间距，pp\mathbf p_ppp 汇集全部连续 PA 坐标。

两者拥有相同的通信目标，却不能共用同一种位置更新：P1 的核心是基数受限的组合选择，P2 的核心是带间距约束的连续非线性优化。两者都是非凸问题，算法求得的是依赖初始化的局部驻点型解，并不提供全局最优保证。

4. PT-JADB：用递增罚项处理离散 H-PASS

定义

F=FrFp,B=GT,F=BW. \mathbf F= \begin{bmatrix}\mathbf F_r\\\mathbf F_p\end{bmatrix}, \qquad \mathbf B= \begin{bmatrix}\mathbf G\\\mathbf T\end{bmatrix}, \qquad \mathbf F=\mathbf B\mathbf W. F=FrFp,B=GT,F=BW.

论文先利用满功率性质，把显式功率约束吸收到目标的归一化噪声项

σ2∥F∥F2P0 \frac{\sigma^2\|\mathbf F\|_F^2}{P_0} P0σ2∥F∥F2

中，求解后再按 P0P_0P0 缩放，而不是让功率预算从问题中消失。随后将加权和速率问题转为 WMMSE。若 uku_kuk、vkv_kvk 分别为用户 kkk 的接收均衡器和 MSE 权重，则核心罚函数为

L=∑k=1Kαk(vkek−log⁡vk)+ρ∥F−BW∥F2. \mathcal L= \sum_{k=1}^{K}\alpha_k\bigl(v_ke_k-\log v_k\bigr) +\rho\|\mathbf F-\mathbf B\mathbf W\|_F^2. L=k=1∑Kαk(vkek−logvk)+ρ∥F−BW∥F2.

PT-JADB 采用两层循环：

1. 内层交替更新 uku_kuk、vkv_kvk、F\mathbf FF、G\mathbf GG、T\mathbf TT 和 W\mathbf WW；
2. 外层按 ρ←βρ\rho\leftarrow\beta\rhoρ←βρ 增大罚参数，使 F\mathbf FF 逐步贴合可实现的混合波束成形结构。

其中 uku_kuk 和 vk=ek−1v_k=e_k^{-1}vk=ek−1 有闭式解；F\mathbf FF 通过线性方程更新，并可用 Woodbury 恒等式降低大维矩阵求解开销；G\mathbf GG 是逐元素复圆盘投影；T\mathbf TT 则在每条波导上选择损失下降最大的 NpN_pNp 个候选位置；最后用最小二乘更新 W\mathbf WW。

若内外层迭代数为 IinI_{\mathrm{in}}Iin 与 IoutI_{\mathrm{out}}Iout，论文给出的主导复杂度为

O ⁣(IoutIinNRF2(Nc+Nr)2K2). \mathcal O\!\left( I_{\mathrm{out}}I_{\mathrm{in}} N_{\mathrm{RF}}^2(N_c+N_r)^2K^2 \right). O(IoutIinNRF2(Nc+Nr)2K2).

这也解释了为什么 NcN_cNc 很大时，离散位置分辨率虽然提高，求解代价也会明显上升。

5. AM-JPOB：连续位置、模拟权重与数字预编码交替优化

连续情形保留 WMMSE 等价变换，但不再引入离散选择罚项。一次 AM-JPOB 迭代依次完成：

1. 闭式更新 uku_kuk 与 vkv_kvk；
2. 固定波束成形器，用带边界和最小间距约束的 SQP 更新 PA 坐标；
3. 固定位置和数字预编码，求解 RLWA 复权重的凸 QCQP；
4. 固定位置和模拟权重，求解数字预编码的凸 QCQP。

复现实现中，位置子问题采用带解析梯度的 SLSQP；RLWA 子问题采用投影 FISTA；数字 QCQP 通过拉格朗日乘子二分求解。连续架构由对应离散架构的可行解初始化，因此 CP-PASS 与 CH-PASS 的初始点通常已经高于从普通随机点起步的方案。

论文给出的 AM-JPOB 主导复杂度为

O ⁣IrNRF3(IiNr3+IiK3+ISNp3), \mathcal O\!\left I_rN_{\\mathrm{RF}}\^3 \\left(I_iN_r\^3+I_iK\^3+I_SN_p\^3\\right) \\right, OIrNRF3(IiNr3+IiK3+ISNp3),

其中 IrI_rIr 是交替迭代数，IiI_iIi 是凸子问题的内点迭代量级，ISI_SIS 是 SQP 迭代数。

6. Python 复现设置与统计协议

统一场景设为：fc=30 GHzf_c=30\,\mathrm{GHz}fc=30GHz，λc=0.01 m\lambda_c=0.01\,\mathrm mλc=0.01m；服务区为 x∈0,30 mx\in0,30\,\mathrm mx∈0,30m、y∈−5,5 my\in-5,5\,\mathrm my∈−5,5m；NRF=K=4N_{\mathrm{RF}}=K=4NRF=K=4，四条波导位于 z=3 mz=3\,\mathrm mz=3m，横坐标为 {3.75,11.25,18.75,26.25} m\{3.75,11.25,18.75,26.25\}\,\mathrm m{3.75,11.25,18.75,26.25}m。每个用户包含 111 条 LoS 与 555 条 NLoS 路径，LoS 单路径平均功率为每条 NLoS 的 100100100 倍，噪声功率为 −80 dBm-80\,\mathrm{dBm}−80dBm。RLWA 间距为 λc/2\lambda_c/2λc/2，相邻 PA 的最小间距为 0.04 m0.04\,\mathrm m0.04m。

本次正式结果使用根种子 20260827，均值曲线采用 161616 个共同信道 realization，Fig. 5(b) 的经验 CDF 采用 128128128 个 realization；保存均值、标准差、标准误与 Student-ttt 的 95%95\%95% 置信区间。所有求解任务的失败、不可行和达到迭代上限计数均为 000，原始样本、统计量、指纹和实验构造的内部完整性检查均通过。

所有曲线均由信道 realization 和联合优化输出直接统计，绘图只读取正式 .npz 数据。针对论文未唯一给出的误差分布及归一化横轴到物理扰动的映射，项目引入无量纲扫描坐标 ν\nuν，并预先固定为仅沿 yyy 方向的零均值高斯误差：

σy=0.1λcν,Var⁡(Δy)=0.01νλc2. \sigma_y=0.1\lambda_c\sqrt{\nu}, \qquad \operatorname{Var}(\Delta y)=0.01\nu\lambda_c^2. σy=0.1λcν ,Var(Δy)=0.01νλc2.

且 Fig. 8 与 Fig. 9 共用这一模型。机制、排序和趋势用于结果解读，不被编码成筛选实验数据的通过/失败门禁。

数值流程还固定了两项实现选择：PT-JADB 的每次全数字辅助波束更新后投影到满功率，罚函数迭代结束后再固定硬件结构执行数字 WMMSE 精修。这两项处理用于消除尺度退化并改善最终数字波束，但会影响非凸问题的局部迭代路径，因此文中的曲线应理解为本文 Python 实现的正式结果，而不是对 Algorithm 1 每一步的机械照搬。

把论文汇总指标与本次正式结果并列，可以更准确地理解"完整复现"的边界：

机制指标	论文报告	本次结果
Nc=40N_c=40Nc=40 时，离散---连续差距缩减	69.76%69.76\%69.76%	53.16%53.16\%53.16%
Nr=48N_r=48Nr=48 时，CH-PASS 相对 CP-PASS 的增益	33.75%33.75\%33.75%	24.62%24.62\%24.62%
Fig. 9 误差设置、Nr=48N_r=48Nr=48 时，位置误差损失缩减	90.33%90.33\%90.33%	86.82%86.82\%86.82%

论文该项使用 ϵ2=5λc2\epsilon^2=5\lambda_c^2ϵ2=5λc2；本次结果使用 ν=5\nu=5ν=5，按预注册映射对应 σy2=0.05λc2\sigma_y^2=0.05\lambda_c^2σy2=0.05λc2。三项指标的方向与机制一致，但绝对比例并不被强行拟合；差异可能来自未唯一指定参数的显式建模选择、有限 Monte Carlo 样本和非凸优化的局部解。

7. 仿真图逐项解读

Fig. 3：功率区间改变主导机制

低功率区由传播损耗主导。P0=−10 dBmP_0=-10\,\mathrm{dBm}P0=−10dBm 时，CP-PASS 为 5.20 bps/Hz5.20\,\mathrm{bps/Hz}5.20bps/Hz，高于 CH-PASS 的 4.52 bps/Hz4.52\,\mathrm{bps/Hz}4.52bps/Hz，说明把全部辐射单元用于连续位置重构更有利于建立短路径。高功率区则由阵列自由度和干扰抑制主导；P0=20 dBmP_0=20\,\mathrm{dBm}P0=20dBm 时，CH-PASS 与 R-PASS 分别达到 35.0635.0635.06 和 34.12 bps/Hz34.12\,\mathrm{bps/Hz}34.12bps/Hz，反超仅含 PA 的架构。这里出现的是机制切换，而不是某一种硬件在所有 SNR 下恒优。

Fig. 4：候选位置数本质上是相位分辨率

当 NcN_cNc 从 202020 增至 250250250，DP-PASS 从 14.1514.1514.15 提升到 21.22 bps/Hz21.22\,\mathrm{bps/Hz}21.22bps/Hz；DH-PASS 仅从 20.0920.0920.09 提升到 22.40 bps/Hz22.40\,\mathrm{bps/Hz}22.40bps/Hz，并更早进入饱和。RLWA、连续 PA 和固定阵列曲线保持水平，验证扫描变量没有污染无关架构。更重要的是，RLWA 已经提供连续复权重后，离散位置的相位量化不再是唯一可用自由度，DH/CH 间的差距因而显著小于 DP/CP。

Fig. 5：混合架构把遮挡风险分散到两类辐射分支

当遮挡概率从 10%10\%10% 增至 50%50\%50%，R-PASS 从 19.7019.7019.70 降至 11.27 bps/Hz11.27\,\mathrm{bps/Hz}11.27bps/Hz，CM-MIMO 也降至 11.25 bps/Hz11.25\,\mathrm{bps/Hz}11.25bps/Hz；DP-PASS 与 CP-PASS 不依赖 RLWA，分别稳定在 20.2820.2820.28 和 23.21 bps/Hz23.21\,\mathrm{bps/Hz}23.21bps/Hz。CH-PASS 在 50%50\%50% 遮挡下仍有 21.77 bps/Hz21.77\,\mathrm{bps/Hz}21.77bps/Hz。右侧经验 CDF 中，CH/CP 曲线整体右移，而 R-PASS 与 CM-MIMO 在低速率区累积概率明显更高。H-PASS 的收益不是让 RLWA 不被遮挡，而是让 PA 路径承担结构性冗余。

Fig. 6--7：大规模部署优先增加 RLWA，PA 保留少量位置自由度

当 NrN_rNr 从 888 增至 484848，CH-PASS 从 23.0723.0723.07 增至 28.92 bps/Hz28.92\,\mathrm{bps/Hz}28.92bps/Hz，DH-PASS 从 21.8621.8621.86 增至 28.43 bps/Hz28.43\,\mathrm{bps/Hz}28.43bps/Hz；不含 RLWA 的 DP/CP 曲线保持不变。这是论文"以电子可扩展阵列提供大规模增益"的直接证据。

反向扫描 NpN_pNp 时，DP/CP 对新增 PA 更敏感，而 DH/CH 的边际增益更缓：已有 RLWA 提供幅相自由度后，继续增加需要机械配置的 PA 不再是最有效的扩展方式。硬件设计上的自然结论是"大量 RLWA + 少量 PA"，而不是把两类单元做成机械对半分。

Fig. 8--9：位置误差的本质是相位失配，RLWA 可在线补偿

误差扫描坐标从 10−110^{-1}10−1 增至 10110^1101 时，CP-PASS 的含误差曲线从 21.1821.1821.18 降至 3.90 bps/Hz3.90\,\mathrm{bps/Hz}3.90bps/Hz；CH-PASS 若不重新设计波束成形器，从 21.3021.3021.30 降至 7.17 bps/Hz7.17\,\mathrm{bps/Hz}7.17bps/Hz；加入自适应 RLWA 波束成形后，末端仍保持 16.88 bps/Hz16.88\,\mathrm{bps/Hz}16.88bps/Hz。这里的自适应曲线假设实际偏移位置已知，固定发生偏移后的 PA，仅重新优化 RLWA 与数字波束成形；它体现的是有误差信息条件下的补偿自由度，而不是无需误差信息的天然免疫。

在复现扫描坐标 ν=5\nu=5ν=5（即 σy2=0.05λc2\sigma_y^2=0.05\lambda_c^2σy2=0.05λc2）下，NrN_rNr 从 888 增至 484848 时，自适应 CH-PASS 从 17.3517.3517.35 增至 26.54 bps/Hz26.54\,\mathrm{bps/Hz}26.54bps/Hz；其与无误差 CH-PASS 的差距由 5.725.725.72 缩小到 2.38 bps/Hz2.38\,\mathrm{bps/Hz}2.38bps/Hz。这说明在已知实际偏移并重新优化 G\mathbf GG、W\mathbf WW 的条件下，补偿能力随可控 RLWA 维数增长，而不是一个固定偏置项。

Fig. 10--11：收敛性与优化增益

R-PASS 与两条连续位置曲线较早进入平台；DP-PASS 与 DH-PASS 的外层罚参数需要更长时间压低硬件分解残差。161616 个正式 realization 的真实停止迭代分布在 414141 至 114114114 之间，图中平台段由各 trial 终值延拓用于对齐平均轨迹，并未伪造额外优化迭代。

在全部发射功率点上，PT-JADB 和 AM-JPOB 的均值曲线分别高于对应基线。AM-JPOB 的配对差值 95%95\%95% 置信区间在所有功率点均为正；PT-JADB 在 15 dBm15\,\mathrm{dBm}15dBm 处的区间下界接近零，因此更稳妥的表述是"均值稳定领先"，而不是宣称每个功率点都达到显著差异。

8. Paper-to-Code Mapping

论文模块	Python 文件	作用
系统参数与扫描网格	configs/experiment.json、src/hpass/config.py	固定载频、阵列规模、随机种子、Fig. 3--11 横轴与求解器阈值
几何与信道模型	src/hpass/geometry.py、src/hpass/channel.py	构造波导/PA/RLWA 布局，实现导波损耗、空间相位、多径信道及位置导数
速率与 WMMSE	src/hpass/metrics.py、src/hpass/wmmse.py	计算 SINR/和速率、MMSE 接收器与数字预编码更新
P1 / PT-JADB	src/hpass/pt_jadb.py	两层罚函数迭代、RLWA 复圆盘投影、每波导 Top-NpN_pNp 离散选择
P2 / AM-JPOB	src/hpass/am_jpob.py、src/hpass/solvers.py	连续位置 SLSQP、模拟 QCQP 的投影 FISTA、数字 QCQP 的乘子二分
基线与逐图实验	src/hpass/baselines.py、src/hpass/architectures.py、src/hpass/experiments.py	六种架构、公平初始化、Fig. 3--11 的 Monte Carlo 内核
运行、完整性与绘图	scripts/run_experiments.py、src/hpass/integrity.py、scripts/check_results.py、scripts/plot_figures.py	并行实验、断点与指纹、内部数据检查、300 dpi PNG/矢量 PDF 输出

9. 如何运行 Python 复现

项目建议使用 Python 3.12。Windows PowerShell 下，在项目根目录执行：

py -3.12 -m venv .venv
.\.venv\Scripts\python.exe -m pip install --upgrade pip
.\.venv\Scripts\python.exe -m pip install -r requirements.txt

先运行数学、梯度、约束、数据契约与断点恢复测试：

$env:PYTHONPATH = "src"
.\.venv\Scripts\python.exe -m unittest discover -s tests -q

代码包已包含正式结果。若只需验收数据并重新出图，无需重跑非凸优化：

.\.venv\Scripts\python.exe scripts\check_results.py
.\.venv\Scripts\python.exe scripts\plot_figures.py

若要从随机场景开始完整重算，应在同一次命令中请求全部实验；Fig. 10 会由 Fig. 3 自动生成，无需单列：

.\.venv\Scripts\python.exe scripts\run_experiments.py --figures 3 4 5 6 7 8 9 11
.\.venv\Scripts\python.exe scripts\check_results.py
.\.venv\Scripts\python.exe scripts\plot_figures.py

正式配置默认 161616 个均值 realization、128128128 个 CDF realization 和 444 个 worker。非凸 Monte Carlo 的耗时依赖 CPU；本次正式记录约为 47.647.647.6 分钟，其他环境可能更久。运行被中断后可直接重启同一命令，程序会校验配置、代码和数值运行时指纹后复用有效断点。

按需调整参数时，直接修改 configs/experiment.json 中的系统、算法或实验字段，并用上面的单条完整实验命令重算。结果数据保存在 data/results/，PNG/PDF 图保存在 figures/；不要手工拼接不同配置指纹的结果。

10. 结论

H-PASS 的设计逻辑可以压缩为一句话：让 PA 负责"把辐射位置移到更有利的传播区域"，让 RLWA 负责"在既定位置上快速塑造复权重"。前者解决大尺度路径损耗与遮挡，后者解决离散相位、阵列扩展、多用户干扰和位置误差。PT-JADB 与 AM-JPOB 分别把离散选择和连续位置这两类非凸性纳入可计算的交替优化框架，仿真则清楚展示了主导机制随功率、遮挡、阵列规模和定位误差而切换。

如果你希望直接运行全部实验，或进一步修改阵列规模、候选位置密度、误差强度与 Monte Carlo 次数，可以关注、私信作者【无线通信科研笔记】获取完整 Python 复现项目。项目包含正式结果、配置、测试、断点续跑、统计验收与高清绘图流程，既可开箱运行，也便于继续开展参数扫描和算法改造。