一种用户定位方法技术

本发明专利技术涉及一种用户定位方法，属于无线通信技术领域，特别涉及利用人工神经网络对用户位置定位及预测的方法。针对基于模板匹配分类的传统神经网络定位算法定位精度低的问题，本发明专利技术利用神经网络的非线性映射性将用户与STAR

【技术实现步骤摘要】
一种用户定位方法


[0001]本专利技术属于无线通信
，涉及一种用户定位方法。

技术介绍

[0002]随着数字电子技术及电磁超材料的发展，可重构智能表面(Reconfigurable Intelligent Surfaces,RIS)，被设计实现。经过理论推导以及实验证明，其可用以提高能源效率、频谱效率、定位精度。RIS可以是无源的，故可用作智能反射器，以缓解阻塞和阴影效应，扩大通信覆盖范围，构建新的级联信道以解决直连路径被阻塞的问题。最近，又出现了一种新型的RIS，被称为同时透射和反射的可重构智能表面(Simultaneous Transmitting and Reflecting Reconfigurable Intelligent Surface,STAR
‑
RIS)，它可以被认为是一个很有前途的连接其两侧用户通信的桥梁。与传统的RIS不同，STAR
‑
RIS可以同时实现两种不同的功能，例如反射和透射。即STAR
‑
RIS系统两侧的用户，在互不干扰的情况下，如使用相互正交的载波进行信号传输的情况下可以被同时服务。此外，这两种功能还可以通过不同的方式实现，如能量分割、时间切换和模式切换。
[0003]目前，传统的定位算法主要包括基于GPS/北斗的定位算法、基于接收信号强度的模板匹配定位算法、基于接收信号到达时间(Time ofArrival，ToA)的定位算法。它们的缺陷表现在：(1)当用户被建筑物遮挡即视距信道被阻碍或接收信号较弱的情况而无法定位的问题；(2)无法精确定位用户直接位置，相似区域用户无法区分的问题；(3)基于基接收信号到达时间需要借助三个基站，然后分别通过信号的到达时间计算出基站离设备的距离，再利用几何知识算出设备的位置，故而存在成本较高且对视距信道的依赖高的问题；(4)现存的算法没有根据接收的时隙信号进行用户轨迹预测。

技术实现思路

[0004]本专利技术提供一种用户定位方法，用以解决当基站到用户的视距信道受阻导致无法精确定位，以及无法使用单一神经网络同时估计和预测双侧用户定位的问题。
[0005]本专利技术通过以下技术方案予以实现。
[0006]一种用户定位方法，使用神经网络估计用户相对于同时发射和反射的可重构智能表面的绝对位置，并根据前序时隙的信道状态矩阵预测出用户后续的运动轨迹，包括如下步骤：
[0007]S1：首先将STAR
‑
RIS引入MISO的通信系统，悬挂于yoz平面，其中心点坐标为p
S
＝(x
S
，y
S
，z
S
)，STAR
‑
RIS的透射矩阵为Φ
t
，反射矩阵为Φ
r
，均为对角阵，其中STAR
‑
RIS的第n(n∈N)个单元可表示为
[0008]STAR
‑
RIS的能量分裂参数为ε
t
与ε
r
，分别代表用于透射和反射的能量系数，且满足ε
t2
+ε
r2
＝1，STAR
‑
RIS与透射侧用户信道为h
t，2
，与反射侧用户信道为h
r，2
，基站与STAR
‑
RIS的信道为H1，基站到透射侧用户构成的透射侧级联信道可表示为反射
侧用户级联信道为
[0009]系统使用正交频分复用完成信号编码调制，信道占用K个子载波。
[0010]基站配备N
r
根天线，透射侧用户和反射侧用户配备单天线，透射侧用户的位置为p
t
＝(x
t
，y
t
，z
t
)，反射侧用户的位置为p
r
＝(x
r
，y
r
，z
r
)。
[0011]网络的标签为l
′
＝(R，φ，θ，t，r)，其中R为STAR
‑
RIS的参考位置(STAR
‑
RIS中心点p
S
)到用户的欧式距离，φ为用户到p
S
的俯仰角，θ为与x轴夹角的用户到p
S
的方位角，t和r不同时为1，当t＝1，r＝0指代用户位于STAR
‑
RIS的透射侧，反之当t＝0，r＝1指代用户位于STAR
‑
RIS的反射侧，其中R，φ，θ满足下式：
[0012](x
S
‑
x
r
，y
S
‑
y
r
，z
S
‑
z
r
)＝(Rcosφcosθ，Rcosφsinθ，Rsinφ)
[0013](x
S
‑
x
t
，y
S
‑
y
t
，z
S
‑
z
t
)＝(
‑
Rcosφcosθ，Rcosφsinθ，Rsinφ)
[0014]用户移动时，对每个用户连续采集T个时隙的信道状态信息矩阵数据，每个时隙为其中c为光速，v为用户移动速度，f
c
为载波频率，故数据集中每个用户信道状态矩阵维度为T
×
N
r
×
K，按时隙进行竖向拼接；
[0015]上述矩阵T个时隙的N
sample
个信道状态信息矩阵H
t
、H
r
以及标签l
′
共同构成数据集和其中N
sample
为数据集中总样本数；
[0016]进一步的，透射侧用户与反射侧用户互不干扰，在基站端完成上行链路的信道状态矩阵和的采集作为训练网络的数据集，并按照7∶1∶2划分为训练集，校验集以及测试集，标签与数据集中的信道状态矩阵相对应。
[0017]S2：数据集中每个信道状态信息矩阵中，发射天线m(m∈N
r
)在时隙t(t∈T)在K个子载波上幅值向量为将其通过完成向量的归一化，得到归一化后的信道幅值此时
[0018]随后使用每个信道矢量元素的原始幅度角将信道矢量转换为复值信道矢量，对每个发射天线m和子载波k均完成归一化操作，并拼接为归一化后的维度为T
×
N
r
×
K的信道状态信息矩阵H
csi
；
[0019]进一步的，原始向量的幅度角将该信道矢量转换为复值信道状态矩阵H
csi
，经过所述的归一化处理后，信道状态矩阵更具统计分布，且保留了原始的相位角度信息。
[0020]S3：预训练信道特征提取网络CsiNet，构建一个具有多层卷积运算层，每个卷积运算层包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户定位方法，其特征在于，使用神经网络估计用户相对于同时发射和反射的可重构智能表面的绝对位置，并根据前序时隙的信道状态矩阵预测出用户后续的运动轨迹，包括如下步骤：S1：首先将STAR
‑
RIS引入多输入单输出的通信系统，悬挂于yoz平面，其中心点坐标为p
S
＝(x
S
，y
S
，z
S
)，STAR
‑
RIS的透射矩阵为Φ
t
，反射矩阵为Φ
r
，均为对角阵，其中STAR
‑
RIS的第n(n∈N)个单元可表示为STAR
‑
RIS的能量分裂参数为ε
t
与ε
r
，分别代表用于透射和反射的能量系数，且满足ε
t2
+ε
r2
＝1，STAR
‑
RIS与透射侧用户之间的信道为h
t，2
，与反射侧用户之间的信道为h
r，2
，基站与STAR
‑
RIS之间的信道为H1，基站到透射侧用户构成的透射侧级联信道可表示为反射侧用户级联信道为反射侧用户级联信道为系统使用正交频分复用完成信号编码调制，信道占用K个子载波；基站配备N
r
根天线，透射侧用户和反射侧用户配备单天线，透射侧用户的位置为p
t
＝(x
t
，y
t
，z
t
)，反射侧用户的位置为p
r
＝(x
r
，y
r
，z
r
)；网络的标签为l
′
＝(R，φ，θ，t，r)，其中R为STAR
‑
RIS的参考位置(STAR
‑
RIS中心点p
S
)到用户的欧式距离，φ为用户到p
S
的俯仰角，θ为与x轴夹角的用户到p
S
的方位角，t和r不同时为1，当t＝1，r＝0指代用户位于STAR
‑
RIS的透射侧，反之当t＝0，r＝1指代用户位于STAR
‑
RIS的反射侧，其中R，φ，θ满足下式：(x
S
‑
x
r
，y
S
‑
y
r
，z
S
‑
z
r
)＝(Rcosφcosθ，Rcosφsinθ，Rsinφ)(x
S
‑
x
t
，y
S
‑
y
t
，z
S
‑
z
t
)＝(
‑
Rcosφcosθ，Rcosφsinθ，Rsinφ)用户移动时，对每个用户连续采集T个时隙的信道状态信息矩阵数据，每个时隙为其中c为光速，v为用户移动速度，f
c
为载波频率，故数据集中每个用户信道状态矩阵维度为T
×
N
r
×
K，按时隙进行竖向拼接；上述矩阵T个时隙的N
sample
个信道状态信息矩阵H
t
、H
r
以及标签l
′
共同构成数据集和其中N
sample
为数据集中总样本数；S2：数据集中每个信道状态信息矩阵中，发射天线m(m∈N
r
)在时隙t(t∈T)在K个子载波上幅值向量为将其通过完成向量的归一化，得到归一化后的信道幅值此时随后使用每个信道矢量元素的原始幅度角将信道矢量转换为复值信道矢量，对每个发射天线m和子载波k均完成归一化操作，并拼接为归一化后的维度为T
×
N
r
×
K的信道状态信息矩阵H
csi
；S3：预训练信道特征提取网络CsiNet，构建一个具有多层卷积运算层，每个卷积运算层包括卷积层、批归一化层、激活函数、池化层，以及3层全连接层和激活层结构的神经网络；该网络通过提取信道状态矩阵中的空间位置信息，完成H
csi
至l＝(R，φ，θ)的非线性映射，其中l为l
′
的前三项，CsiNet网络的输出为网络的训练目标为使CsiNet的输出不断拟合标签l；
S4：训练整体网络CsiNet
‑
Former，其中预测网络为Former，整个网络的标签值为l
′
；S5：计算用户绝对位置，根据中的t
′
和r
′
参数设定估计得到的R
′
，其中若t
′
>r
′
则为
‑
R
′
，反之为R
′
，进一步得到估计出的p
t
′
＝(x
t
′
，y
t
′
，z
t
′
)和p
r
′
＝(x
r
′
，y
r
′
，z
r
′
)如下式所示：[x
r
′
，y
r
′
，z
r
′
]＝[x
S
‑
R
′
cosφ
′
cosθ
′
，y
S
‑
R
′
cosφ
′
sinθ
′
，z
S
‑
R
′
sinφ
′
][x
t
′
，y
t
′
，z
t
′
]＝[x
S
+R
′
cosφ
′
cosθ
′
，y
S
‑
Rcosφ
′
sinθ

【专利技术属性】
技术研发人员：王卫江，李剑铮，蒋荣堃，薛丞博，王贵愚，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：