基于IRS辅助的MIMO系统混合预编码方法技术方案

本发明专利技术提出了一种基于IRS辅助的MIMO系统混合预编码方法，主要解决现有技术混合预编码功耗高、计算复杂度高的问题，其实现方案为：建立IRS辅助MIMO系统的混合预编码模型；构建该混合预编码模型的整体频谱效率R公式；建立深度神经网络DNN，离线训练不同信道环境下的反射矩阵数据集，在线部署阶段从数据集中选取频谱效率R最优的反射矩阵；根据优化后的反射矩阵，得到等效信道矩阵，计算该信道条件下最优的混合预编码。本发明专利技术基于PMA结构构建模拟预编码模块，比传统的移相器性能更好且功耗更低，并利用基于深度学习网络DNN求解IRS的反射矩阵，降低了计算复杂度，可用于低时延的实时通信系统。通信系统。通信系统。

【技术实现步骤摘要】
基于IRS辅助的MIMO系统混合预编码方法


[0001]本专利技术属于无线通信
，特别涉及一种混合预编码方法，可用于低时延的实时MIMO通信系统。

技术介绍

[0002]随着5G时代流量需求呈指数级增加，毫米波通信可提供高速率而备受青睐。虽然毫米波频段能带来更高的传输速率，但毫米波信号绕射和穿透能力较差，当障碍物阻挡信号传输时，可能发生中断，这一致命的问题严重影响了无线传输的可靠性，超密集网络UDN作为一种解决方案，可以提高无线传输的可靠性，但这种方案由于线性扩大了电路规模，且昂贵的射频链路及较高的网络能耗，使大规模MIMO系统的硬件成本难以忍受。此外，在该方案中由于要对无线网络中添加过多的有源组件，如小区基站、继电器、远程无线电磁头等，也会导致严重的干扰问题，因此，寻找低硬件成本和节能的技术对未来通信网络的可持续发展具有重要意义。
[0003]智能反射面IRS作为一种潜在的低成本节能通信解决方案而被学术界广泛关注。IRS由大量可重构的无源反射元件组成，每个反射元件在IRS控制器的控制下，可对入射信号的幅相进行调整，然后再将信号反本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于IRS辅助的MIMO系统混合预编码方法，其特征在于，包括如下：(1)构建IRS辅助MIMO混合预编码模型：(1a)建立由相位调制阵列PMA结构分别组成的模拟预编码模块F
RF
、模拟组合器W
RF
；(1b)选用现有的数字预编码模块F
BB
和射频链路，将其与模拟预编码模块F
RF
级联，并和发射天线一起组成的基站端；(1c)建立包括接收天线、模拟组合器W
RF
、射频链路、数字组合器W
BB
模块组成的用户端；(1d)基站端的信号经智能反射面IRS反射至用户端；(2)构建计算MIMO混合预编码模型的整体频谱效率R公式：(2a)基站端的N
s
路数据流S传至数字预编码模块F
BB
处理，通过射频链路到达模拟预编码模块F
RF
，经模拟预编码处理后，产生发射信号x＝F
RF
F
BB
S，通过天线发送给智能反射面IRS；(2b)IRS通过调节反射系数矩阵Θ，将基站产生的信号反射给用户；(2c)用户端的天线接收IRS的反射信号y：其中，G表示基站与IRS之间的信道矩阵，H
r
表示IRS与用户之间的信道矩阵，ρ表示接收功率，n表示噪声信号；(2d)将反射信号y送至模拟组合器W
RF
，进行模拟解预编码处理，经射频链路到达数字组合器W
BB
进行数字解预编码，恢复出数据流进行数字解预编码，恢复出数据流其中，是W
RF
的共轭转置矩阵，是W
RF
的共轭转置矩阵；(2e)根据香农公式与恢复的数据流得到MIMO混合预编码模型的频谱效率R计算公式：其中，σ2表示噪声的方差，等效信道H
eff
＝H
r
ΘG，混合预编码矩阵F＝F
RF
F
BB
，W＝W
RF
W
BB
，R
n
＝W
H
W；(3)构建深度神经网络DNN，求解频谱效率R中的IRS反射矩阵Θ：(3a)建立由输入层、Flatten层、5层全连接层、Lambda层、输出层依次连接构成的深度神经网络DNN；(3b)将信道组合信息H
c
＝H
r
G作为DNN网络输入；(3c)定义深度神经网络DNN的损失函数为：其中，ρ表示接收功率，N
s
表示同时发送的数据流数，N为训练样本的总数，∑为等效信道H
eff
奇异值分解后的对角矩阵，取∑的前N
s
行、前N
s
列组成子矩阵∑1；(3d)离线训练阶段，将生成的数据集{H
c
}输入至DNN网络，通过反向传播不断调整优化神经元的权重和偏差，直到...

【专利技术属性】
技术研发人员：黑永强，李翰卿，陆奕臣，李一盛，柳喆泉，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：