智能反射面辅助无线定位系统及其反射波束成形设计方法技术方案

智能反射面辅助无线定位系统及其反射波束成形设计方法，本发明专利技术属于无线定位技术领域。智能反射面辅助无线定位系统，其特征在于，包括：系统模型、信道模型和接收信号模型。反射波束成形设计方法中采用交替优化：第一步，初始化智能反射面的反射波束成形；第二步，估计位置参数并更新；第三步，根据当前迭代轮次所估计的参数优化智能反射面的反射波束成形；第四步，判断是否收敛，如果不收敛则跳转到第二步，如果收敛则输出位置信息和反射波束成形设计。智能反射面辅助无线定位系统可以在视距链路被阻塞的情况下提供高精度(分米级甚至厘米级)的位置信息。

【技术实现步骤摘要】
智能反射面辅助无线定位系统及其反射波束成形设计方法
本专利技术属于无线定位

技术介绍
Bourdoux等人在2020年6月发布的6G定位与传感白皮书[BourdouxA,BarretoAN,vanLiempdB,etal.6GWhitePaperonLocalizationandSensing[J].ArXivpreprint:2006.01779,2020.]中指出，未来的6G系统不仅可以提供超高速、低时延的通信，而且由于其新的使能技术的应用，还可以实现高精度(分米级甚至厘米级)的无线定位。当前的研究已经表明，大型天线阵列技术和毫米波技术可以有效的提升无线定位的精度。例如：Jeong等人在文献[JeongS,SimeoneO,HaimovichA,etal.BeamformingDesignforJointLocalizationandDataTransmissioninDistributedAntennaSystem[J].IEEETransactionsonVehicularTechnology,2015,64(1):62-76.]中提出了一种发射波束成形设计方法，可以提高分布式天线系统的定位精度。Shahmansoori等人在文献[ShahmansooriA,GarciaGE,DestinoG,etal.PositionandOrientationEstimationThroughMillimeter-WaveMIMOin5GSystems[J].IEEETransactionsonWirelessCommunications,2018,17(3):1822-1835.]中研究了毫米波情况下大规模MIMO系统中移动端位置和方向的估计问题。Wang、Wu和Shen则在文献[WangY,WuY,ShenY.JointSpatiotemporalMultipathMitigationinLarge-ScaleArrayLocalization[J].IEEETransactionsonSignalProcessing,2019,67(3):783-797.]中证明了大规模MIMO定位采用非正交波形的情况下具有渐近空间正交性。Zhou等人则重点研究了利用主动波束成形来减少定位误差的方法，并且提出了一种连续的定位和波束成形方案[ZhouB,LiuA,LauV.SuccessiveLocalizationandBeamformingin5GmmWaveMIMOCommunicationSystems[J].IEEETransactionsonSignalProcessing,2019,67(6):1620-1635.]。但是，现有的技术方案存在如下问题：1.定位的精度达不到分米级甚至厘米级的要求，需要进一步提高无线定位的精度。2.在视距链路被阻塞的情况下，无法进行有效的定位。
技术实现思路
鉴于现有技术存在的问题和不足，本专利技术提供一种(被动)反射波束成形设计方法，其在利用大型天线阵列技术和毫米波技术的基础上引入了智能反射面来提高无线定位的精度且降低位置估计的克拉美·罗下界。本专利技术技术方案：一种三维的智能反射面辅助无线定位系统，包括：系统模型、信道模型和接收信号模型；所述系统模型包括基站端、移动端和智能反射面；基站端和移动端所配备的天线个数分别为Nt和Nr，而智能反射面则由N个反射单元组成；基站端和移动端的位置分别被记为p＝[px,py,0]T和q＝[qx,qy,0]T，第i个反射单元的位置被记为在视距链路被阻塞的情况下，该无线定位系统中存在着N条反射路径；第i条路径的发射仰角和方位角分别记为θi和φi，接收仰角和方位角分别记为和其中，θi和φi的值依据事先安装的基站和智能反射面的位置进行计算获得，而和的值则根据接收到的信号进行估计；所述信道模型其Nr×Nt信道矩阵表示为：其中，Λt和Λr分别表示基站端和移动端的阵列响应矩阵，对角阵H表示N条路径的传播增益矩阵，对角阵Φ表示智能反射面对信号的操作；响应矩阵Λt和Λr由发射角和接收角决定，由下式给出：Λt＝[at(θ1,φ1),…,at(θN,φN)]其中，列向量at(θi,φi)和分别为：参数k＝2πd/λ，其中d表示发射或接收天线之间的间距，λ表示发送信号的波长；对角阵其中表示按元素求幂操作，向量表示智能反射面的N个反射单元的相移；对角阵H＝diag[h]，其中向量h＝[h1,h2,…,hN]T表示N条路径的传播增益，并且向量中的元素是独立同分布的；所述接收信号模型，其基站端发送的信号表示为其中L表示发送信号所消耗时隙的数量，矩阵中第l个向量x(l)表示在第l个时隙所发送的信号；对其进行向量化操作得到移动端的接收信号为：其中，向量n表示加性高斯白噪声，其元素是独立同分布的，均服从复高斯分布基站端在第l个时隙的发送功率为一种反射波束成形设计，特征是，步骤1，通过优化反射波束成形来最小化位置估计的克拉美·罗下界，优化问题表示为：采用梯度下降法来获得局部最优解；目标函数是一个以向量为变量的实值标量函数，其梯度表示为：其中，目标函数对的偏导数由下式给出：其中，参数Nu和De分别表示目标函数的分子与分母，费雪信息矩阵的各个元素对变量的偏导数为：附图说明图1.智能反射面辅助无线定位系统示意图图2.基于交替优化算法的反射波束成形设计流程图图3.基于梯度下降算法的反射波束成形优化流程图图4.本专利技术提出的算法的收敛性能和优化结果具体实施方式本专利技术解决了以下几个问题(即技术方案原理)：1、通过引入智能反射面来提高无线定位的精度；2、通过引入智能反射面使得在视距链路被阻塞的情况下定位成为可能；3、通过引入智能反射面来提升无线定位系统的能量效率；4、通过优化反射波束成形来降低位置估计的克拉美·罗下界。方法过程如下：首先，建立三维的智能反射面辅助无线定位系统模型，包括：系统模型、信道模型和接收信号模型。·系统模型本专利技术所考虑的智能反射面辅助无线定位系统如图1所示。该系统包括了基站端、移动端和智能反射面。基站端和移动端所配备的天线个数分别为Nt和Nr，而智能反射面则由N个反射单元组成。基站端和移动端的位置分别被记为p＝[px,py,0]T和q＝[qx,qy,0]T，第i个反射单元的位置被记为在视距链路被阻塞的情况下，该无线定位系统中存在着N条反射路径。第i条路径的发射仰角和方位角分别记为θi和φi，接收仰角和方位角分别记为和其中，θi和φi的值可以依据事先安装的基站和智能反射面的位置进行计算获得，而和的值则是未知的，需要我们根据接收到的信号进行估计。·信道模型根据上述系统模型，Nr×Nt信本文档来自技高网...

【技术保护点】
1.一种智能反射面辅助无线定位系统，其特征在于，包括：系统模型、信道模型和接收信号模型；/n所述系统模型包括基站端、移动端和智能反射面；基站端和移动端所配备的天线个数分别为N

【技术特征摘要】
1.一种智能反射面辅助无线定位系统，其特征在于，包括：系统模型、信道模型和接收信号模型；
所述系统模型包括基站端、移动端和智能反射面；基站端和移动端所配备的天线个数分别为Nt和Nr，而智能反射面则由N个反射单元组成；基站端和移动端的位置分别被记为p＝[px,py,0]T和q＝[qx,qy,0]T，第i个反射单元的位置被记为在视距链路被阻塞的情况下，该无线定位系统中存在着N条反射路径；第i条路径的发射仰角和方位角分别记为θi和φi，接收仰角和方位角分别记为和其中，θi和φi的值依据事先安装的基站和智能反射面的位置进行计算获得，而和的值则根据接收到的信号进行估计；
所述信道模型其Nr×Nt信道矩阵表示为：



其中，Λt和Λr分别表示基站端和移动端的阵列响应矩阵，对角阵H表示N条路径的传播增益矩阵，对角阵Φ表示智能反射面对信号的操作；响应矩阵Λt和Λr由发射角和接收角决定，由下式给出：
Λt＝[at(θ1,φ1),…,at(θN,φN)]



其中，列向量at(θi,φi)和分别为：






参数k＝2πd/λ，其中d表示发射或接收天线之间的间距，λ表示发送信号的波长；对角阵其中表示按元素求幂操作，向量表示智能反射面的N个反射单元的相移；对角阵H＝diag[h]，其中向量h＝[h1,h2,…,hN]T表示N条路径的传播增益，并且向量中的元素是独立同分布的；
所述接收信号模型，其基站端发送的信号表示为其中L表示发送信号所消耗时隙的数量，矩阵中第l个向量x(l)表示在第l个时隙所发送的信号；对其进行向量化操作得到移动端的接收信号为：
<...

【专利技术属性】
技术研发人员：刘儿兀，刘轶铭，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海;31