一种采用智能反射面辅助的宽覆盖波束设计方法技术

本发明专利技术公开了一种采用智能反射面辅助的宽覆盖波束设计方法，用于增强无线广播信道的通信覆盖，所述方法包括：首先，根据系统所需的宽覆盖通信需求将目标角度范围分段，对每段角度范围确定目标波束方向图；再根据目标波束方向图，使用基于黎曼流形的共轭梯度法得到智能反射面的最优相移；最后，确定基站预编码向量，通过设置智能反射面的相移来调节反射波束的方向图，实现波束扫描功能与宽覆盖通信。本发明专利技术使用智能反射面实现无线广播信道的宽覆盖，设计的波束方向图具有波束宽、功率波动小、波束可扫描等特点，并且不需要用户的信道状态信息，为毫米波广播信道提供了可靠的宽覆盖通信。

【技术实现步骤摘要】
一种采用智能反射面辅助的宽覆盖波束设计方法
本专利技术涉及无线通信
，尤其是一种采用智能反射面辅助的宽覆盖波束设计方法。
技术介绍
毫米波频段具有丰富的频谱资源，但是无线信号在毫米波频段衰减大、易受遮挡，无线信道状态严重影响了通信服务质量。在传统无线通信系统中，无线信道不受使用者控制，成为限制通信系统性能的重要因素。新一代通信系统中，智能反射面技术可以重构无线信道，将不利的无线环境转化为有利条件，从而辅助无线通信系统，提高了无线通信的可靠性。智能反射面由大量反射单元组成，每个反射单元配置数字移相器，能够独立改变入射信号的相移。通过优化大量反射单元构成的相移矩阵，使用者可以人工配置收、发端之间的等效信道，提供可靠的通信服务。在毫米波通信中，收、发端之间的视距信道易受遮挡，通过架设智能反射面设备，可以额外建立智能反射面与收、发两端的视距信道，从而恢复高质量的通信服务，提高了通信鲁棒性。智能反射面具有剖面低、重量轻、成本低等优点，低剖面的智能反射面设备可以安置在建筑物外墙面上，这样反射面不仅可以与现有通信系统相兼容，还能够和谐融入生活环境。在广播信道的通信传输中，并非所有用户都处于活动状态，基站无法获取非活动用户的信道状态信息。为使通信服务能够覆盖所有潜在用户，信号的辐射方向图应具备宽波束特性。同时，为了在覆盖范围内提供稳定的服务质量，方向图在覆盖区域内的功率波动应尽可能小。因此，在不具备用户信道状态信息的情况下，需要设计平顶波束方向图，以实现广播信道的宽覆盖通信。在毫米波频段，广播信道易受遮挡、信号衰减的影响，基站与覆盖区域之间的视距信道被堵塞，通信质量差。这时，智能反射面技术可以提供额外的通信路径，通过反射基站发送的广播信号，反射面为覆盖区域提供等效的宽平顶波束方向图，以实现可靠的宽覆盖通信。由于智能反射面只能调节无线信号的相位，传统阵列方向图综合方法不能适用。在智能反射面相移的恒模约束下，需要研究有效的阵列方向图综合方法，优化基站预编码与智能反射面相移，以实现宽平顶波束方向图的设计。另一方面，当覆盖区域要求较宽、反射角度较大时，只通过调节阵列方向图的相位难以获得较低的平顶波动和旁瓣功率；同时，较宽的波束使功率在空间分散，覆盖区域的功率增益降低。因此，需要研究波束扫描方法，将目标覆盖区域分成多段，分别设计平顶方向图进行覆盖，通过分时隙调节智能反射面的相移，产生指向不同方向的平顶方向图，以覆盖整个目标角度范围。这样，较窄的平顶波束不仅更易综合设计，而且可以获得更高的功率增益，从而提高用户的接收信噪比，增强系统性能。
技术实现思路
专利技术目的：针对上述技术的不足之处，本专利技术使用智能反射面辅助广播信道的通信，以低功率波动的宽覆盖波束为目标，考虑智能反射面相移的恒模约束，本专利技术为智能反射面辅助的广播信道提供了一种相移设计方法，适用于可调节的目标覆盖范围，并能以波束扫描方式提供宽覆盖通信。为实现上述技术目的，本专利技术提供以下技术方案：一种采用智能反射面辅助的宽覆盖波束设计方法，基站发送的信号经过智能反射面反射，形成宽波束以覆盖多个用户，首先，将系统所需覆盖的目标角度范围整体设计或分多段分别进行设计，设置平顶波束作为目标方向图，目标方向图指向并覆盖所需角度范围，提供等功率覆盖；再根据目标波束方向图，使用基于黎曼流形的共轭梯度法得到智能反射面的最优相移；最后，确定基站预编码向量，通过设置智能反射面的相移来调节反射波束的方向图，实现波束扫描功能与宽覆盖通信。具体步骤为：步骤1，在智能反射面辅助的大规模多天线毫米波系统中，将系统所需覆盖的目标角度范围整体设计或分多段分别进行设计，设置平顶波束作为目标方向图，目标方向图指向并覆盖所需角度范围，提供等功率覆盖；步骤2，根据目标方向图，设置代价函数，使用黎曼流形表示智能反射面相移的恒模约束，在黎曼流形上使用共轭梯度法得到智能反射面的最优相移；步骤3，基站设置预编码，根据步骤2得到的最优相移设置智能反射面的相移，实现广播信道的波束扫描和宽覆盖通信。进一步的，在所述步骤1中，对于目标角度范围φ∈[φmin,φmax]，设置目标方向图为f(φ-φc)，其中f(φ)为以下平顶波束：式中，fM是平顶功率，fS是旁瓣功率，ε是滚降因子。进一步的，在步骤2中，最优相移的求解方法，具体包括如下步骤：步骤2.1，设代价函数为：式中，是f(φ-φc)的离散采样，(·)T是转置，‖·‖2是2-范数，是智能反射面方向图的离散采样：式中，u是优化变量，eB是基站阵列单元的方向图，eS是智能反射面阵列单元的方向图，φs是基站和智能反射面之间视距信道的入射角，NB表示基站天线阵的维度，M表示智能反射面的阵列维度，diag(·)表示取括号内矩阵对角线元素组成向量，式中τ是过采样系数，v(φ)是智能反射面指向角度φ的归一化阵列响应向量，(·)H是共轭转置。步骤2.2，以u为优化变量，采用基于黎曼流形的共轭梯度法来最小化代价函数J，从而求出最优相移，具体步骤如下：步骤2.21，定义符号为代价函数J在向量u处的黎曼梯度；定义任意向量d向流形的正交投影为式中表示取实部，°表示Hadamard积，(·)*表示共轭；则黎曼梯度可表示为式中表示如下欧式空间梯度：式中Diag(·)表示以括号内向量为对角元素的对角阵。定义任意向量x的回归映射为步骤2.22，参数初始化：随机产生初始向量u0，初始方向为代价函数初始化为0，计数t＝0；步骤2.23，搜索更新步长αt＝qln，n是满足以下条件的最小非负整数：式中，q>0，l,γ∈(0,1)；步骤2.24，更新向量ut+1＝Ret(ut+αtdt)；步骤2.25，根据步骤2.21中公式计算步骤2.26，计算参数步骤2.27，更新方向更新计数t←t+1；重复步骤2.23-步骤2.27，直到收敛。得到最优向量u后，计算智能反射面的最优相移如下：式中，Θ的对角元素对应智能反射面的最优相移，ui是u的第i个元素，设a是基站和智能反射面之间视距信道在智能反射面端的归一化阵列响应向量，上式中ai是a的第i个元素。进一步的，在步骤3中，设置基站预编码w＝b，式中b是基站和智能反射面之间视距信道在基站端的归一化阵列响应向量，设置智能反射面的相移为最优相移，其反射波束覆盖目标角度范围。进一步的，当步骤1中目标角度范围采用分多段分别进行设计时，对每段角度范围确定目标波束方向图，每个目标角度分段按步骤2.1-步骤2.2分别设计最优相移，存储于智能反射面。将智能反射面的相移分时隙依次设置为每段目标角度范围对应的最优相移，智能反射面的反射波束依次覆盖每段角度范围，在宽覆盖范围内实现波束扫描。有益效果：与现有技术相比，本专利技术的技术方案具有以下有益技术效果：1、本专利技术方法给出了毫米波广播信道下的宽覆盖波束设计方法，对于被遮挡的广播信道，采用智能反射面辅助通信，重建被遮挡本文档来自技高网...

【技术保护点】
1.一种采用智能反射面辅助的宽覆盖波束设计方法，其特征在于，具体包括如下步骤：/n步骤1，在智能反射面辅助的大规模多天线毫米波系统中，将系统所需覆盖的目标角度范围整体设计或分多段分别进行设计，设置平顶波束作为目标方向图，目标方向图指向并覆盖所需角度范围，提供等功率覆盖；/n步骤2，根据目标方向图，设置代价函数，使用黎曼流形表示智能反射面相移的恒模约束，在黎曼流形上使用共轭梯度法得到智能反射面的最优相移；/n步骤3，基站设置预编码，根据步骤2得到的最优相移设置智能反射面的相移，实现广播信道的波束扫描和宽覆盖通信。/n

【技术特征摘要】
1.一种采用智能反射面辅助的宽覆盖波束设计方法，其特征在于，具体包括如下步骤：
步骤1，在智能反射面辅助的大规模多天线毫米波系统中，将系统所需覆盖的目标角度范围整体设计或分多段分别进行设计，设置平顶波束作为目标方向图，目标方向图指向并覆盖所需角度范围，提供等功率覆盖；
步骤2，根据目标方向图，设置代价函数，使用黎曼流形表示智能反射面相移的恒模约束，在黎曼流形上使用共轭梯度法得到智能反射面的最优相移；
步骤3，基站设置预编码，根据步骤2得到的最优相移设置智能反射面的相移，实现广播信道的波束扫描和宽覆盖通信。


2.根据权利要求1所述的采用智能反射面辅助的宽覆盖波束设计方法，其特征在于：在步骤1中，对于目标角度范围φ∈[φmin,φmax]，设置目标方向图为f(φ-φc)，其中f(φ)为以下平顶波束：



式中，fM是平顶功率，fS是旁瓣功率，ε是滚降因子。


3.根据权利要求1或2所述的采用智能反射面辅助的宽覆盖波束设计方法，其特征在于：在步骤2中，最优相移的求解方法，具体包括如下步骤：
步骤2.1，设代价函数为：



式中，是f(φ-φc)的离散采样，(·)T是转置，‖·‖2是2-范数，是智能反射面方向图的离散采样：



式中，u是优化变量，eB是基站阵列单元的方向图，eS是智能反射面阵列单元的方向图，φs是基站和智能反射面之间视距信道的入射角，NB表示基站天线阵的维度，M表示智能反射面的阵列维度，diag(·)表示取括号内矩阵对角线元素组成向量，式中τ是过采样系数，v(φ)是智能反射面指向角度φ的归一化阵列响应向量，(·)H是共轭转置。
步骤2.2，以u为优化变量，采用基于黎曼流形的共轭梯度法来最小化代价函数J，从而求出最优相移，具体步骤如下：
步骤2.2.1，定义符号为代价函数J在向量u处的黎曼梯度；定义任意向量d向流形的正交投影为式中...

【专利技术属性】
技术研发人员：许威，何沐昕，赵春明，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32