一种智能反射面通信系统中信道估计和信道鉴别方法技术方案

本发明专利技术属于无线通信技术领域，尤其涉及一种智能反射面通信系统中信道估计和信道鉴别方法。包括：基站接收用户发送的信号、用户发送的信号经过第一智能发射元素反射出的信号、用户发送的信号经过第二智能反射元素反射出的信号以及高斯噪声信号的混合信号，利用混合信号符号点的性质进行信道估计和利用似然概率进行信道估计后的信道鉴别。本方法一方面无需先验信息，仅利用基站接收混合信号矩阵的符号点完成信道估计，在符号点的提取过程中提出一种利用特征函数完成从混合有噪信号中提取符号点的算子以克服噪声对信道估计的影响；另一方面本方法针对估计出信道存在乱序这一问题，提出一种基于似然概率的信道鉴别算法，保证了智能反射面通信系统中反射面元素所处信道鉴别正确。

【技术实现步骤摘要】
一种智能反射面通信系统中信道估计和信道鉴别方法
本专利技术属于无线通信
，尤其涉及一种智能反射面通信系统中信道估计和信道鉴别方法。
技术介绍
为了进一步提高通信系统的灵活性和质量，相关学者张瑞在文献Q.WuandR.Zhang,"IntelligentReflectingSurfaceEnhancedWirelessNetwork:JointActiveandPassiveBeamformingDesign,"2018IEEEGlobalCommunicationsConference(GLOBECOM),AbuDhabi,UnitedArabEmirates,2018,pp.1-6,doi:10.1109/GLOCOM.2018.8647620中首次提到智能反射面这个无源器件。智能反射面由多个智能反射元素组成，在实际的场景中，联合优化智能反射元素的反射相位和幅度以满足通信需求。优化的前提是知道智能反射元素所处信道状态信息，因此信道估计尤为重要。目前一些关于智能反射面下的信道估计方法，要求先验信息，比如基站和智能反射面提前约定相关通信协议本文档来自技高网...

【技术保护点】
1.一种智能反射面场景中的信道估计和信道鉴别方法，其特征在于该方法包括以下步骤：/n(1)设定通信系统中有一个基站，该基站有M个天线，一个用户，该用户有一个天线，以及一个具有两个智能反射元素的智能反射面，基站接收到的混合信号包括：用户发送的信号、用户发送的信号经过第一智能发射元素反射出的信号以及用户发送的信号经过第二智能反射元素反射出的信号，基站接收混合信号的过程包括以下步骤：/n(1-1)在用户发送信号的第t个时刻，基站接收到的混合信号为：/n

【技术特征摘要】
1.一种智能反射面场景中的信道估计和信道鉴别方法，其特征在于该方法包括以下步骤：
(1)设定通信系统中有一个基站，该基站有M个天线，一个用户，该用户有一个天线，以及一个具有两个智能反射元素的智能反射面，基站接收到的混合信号包括：用户发送的信号、用户发送的信号经过第一智能发射元素反射出的信号以及用户发送的信号经过第二智能反射元素反射出的信号，基站接收混合信号的过程包括以下步骤：
(1-1)在用户发送信号的第t个时刻，基站接收到的混合信号为：



其中，1≤t≤T，T为用户向基站发送数据信号的长度，d为用户到基站处的信道，g1和g2分别为用户到智能反射面的两个智能反射元素的信道，g1和h1和h2分别为两个智能反射元素到基站处的信道，h1和a为用户发送的数据信号，w为高斯噪声列向量，高斯噪声列向量中的每一个元素都服从高斯分布其中σ2代表高斯噪声的功率，φ1(t)和φ2(t)为两个智能反射元素在第t个时刻的反射相位，用户发送的数据信号传播到智能反射面时，两个智能反射元素根据Pr{φj(t)＝0}＝pj和Pr{φj(t)＝π}＝1-pj的概率改变信号的相位，同时将信号反射至基站，j＝1，2，Pr{·}表示概率；
(1-2)根据步骤(1-1)，用户发送的数据信号在第t个时刻经过两个智能反射元素反射出的信号b1(t)和b2(t)分别为：






(1-3)对步骤(1-1)基站接收的混合信号改写为如下矩阵形式：
y(t)＝[d,h1g1,h2g2][a(t),b1(t),b2(t)]T+w，
其中，上标T为矩阵转置；
(1-4)令Y＝[y(1),y(2),…,y(T)],C＝[d,h1g1,h2g2],S＝[a,b1,b2]T，则在所有时刻1≤t≤T，基站接收混合信号的矩阵表达式为：
Y＝CS+W，
其中，W为高斯噪声矩阵，上标T为矩阵转置，h1g1和h2g2分别表示用户经过第一智能反射元素到基站的级联信道和用户经过第二智能反射元素到基站的级联信道；
(2)对步骤(1)的混合信号进行单路信号的提取，包括以下步骤：
(2-1)采用信号分离方法，在步骤(1-4)的混合矩阵信号的两边乘上一个归一化的分离向量u：
uY＝uCS+uW；
(2-2)建立一个求解分离向量u的优化函数：



满足||u||2＝1，
其中，为优化求解出的分离向量，为从输入混合信号中提取符号点的算子，为求解输入信号凸点周长的计算符号，采用牛顿梯度下降算法，求解上述优化函数，得到分离向量u，进而得到第一路提取信号
(3)利用混合信号的几何性质及降噪算子对步骤(2)的提取信号进行信道估计，包括以下步骤：
(3-1)用表示与步骤(2)提取信号s相对应的信道，按照接收信号矩阵的每一行估计信道向量中对应的元素，定义[·]m表示输入矩阵或者向量的第m行，m＝1,…,M，对步骤(1)中基站接收的混合信号矩阵Y＝CS+W进行改写如下：
[Y]m＝[R]m+[c]ms，
其中，M表示基站天线的个数，R为从全部混合信号矩阵减去本步骤所估信道c与步骤(2)提取信号s的乘积；
(3-2)利用步骤(2-2)的降噪算子建立一个估计信道的优化函数，对步骤(2-2)的第一路提取信号s进行信道估计：



其中，为第一路提取信号s所对应信道中第m个估计出的信道元素，c′为第一路提取信号s所对应信道中第m个待估计信道元素，为第一路提取信号s所对应信道中第m个待估计信道元素可能出现的集合；
(3-3)根据步骤(3-1)中改写后的基站接收混合信号矩阵，得到混合信号矩阵第m行的符号点表达式为：



其中，[Y]m为混合信号的矩阵的第m行，为s的符号点，为[R]m的符号点，[R]m从全部混合信号矩阵减去本步骤所估信道c与步骤(2)提取信号s的乘积的第m行；
(3-4)从中所有任意选择两个不同的符号点相减(y-y′)，得到一个差值集合，该差值集合中包括信道中第m个元素与步骤(2)提取信号s符号点差值的乘积，即[c]m(z-z′)，进而得到[c]m的所有可能出现的信道元素的集合如下：



(3-5)遍历步骤(3-4)中所有可能出现的信道元素的集合使得步骤(3-2)中优化函数凸点周长最短，此时与中对应信道元素即为完成的第m行信道元素的估计
(3-6)遍历步骤(3-1)的混合信号矩阵的所有行，即m从1到M，估计得到所有行的信道元素，将所有信道元素按照列向量形式排列，得到估计出的信道向量c；
(3-7)从步骤(3-1)的混合信号矩阵减去步骤(3-6)估计的信道向量c乘以步骤(2-2)中提取的信号s；
(4)重复步骤(2)和(3)，直到提取出三路信号和估计出三路信道，此时完成所有的信号提取和所有的信道估计；
(5)利用似然概率算法，对步骤(4)的已完成的提取信号进行身份鉴别，进而完成已估计信道的信道鉴别，具体包括以下步骤：
(5-1)设定用户发送的数据信号从二进制相移键控符号(-1，1)中随机选择，即设定基站知道两个智能反射元素对用户数据信号的相位保持概率，记第一智能反射元素的相位保持概率为p1，第一智能反射元素的相位反转概率为1-p1，第二智能反射元素的相位保持概率为p2，第二智能反射元素的相位反转概率为1-p2，得到两个智能反射元素的反射状态为：
(5-2)设定估计出的三路信号x，y和z分别对应步骤(1-3)中的用户发送的信号a、用户发送的信号经过第一智能发射元素反射出的信号b1以及用户发送的信号经过第二智能反射元素反射出的信号b2，则在信号序列x中，信号符号为1的总个数为在信号序列y和z中的信号符号与x中信号符号为1相对应的个数分别为和在信号序列y和z中的信号符号与x中信号符号为-1相对应的个数分别为和
(5-3)在信号序列y和z中的信号符号同时与x中信号符号为1相对应的个数为同时为-1的个数为将以上两项个数相加，得到在序列y和z中的对应位置相同的概率，即：



将1-p1-p2+2p1p2记为P1，进而得到在序列y和z中，对应位置不相同的概率为1-P1；
(5-4)根据概率论的有序排列理论，三路信号一共出现六组排列顺序，不同排序对应的似然概率为：


















(5-5)将上述步骤(5-4)的似然概率进行对数函数转化，分别为：

【专利技术属性】
技术研发人员：郑晓峰，曹若菡，陆月明，高晖，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京;11