基于维度重构的智能可重构表面级联信道估计方法及系统技术方案

基于维度重构的智能可重构表面级联信道估计方法及方法，包括以下步骤：构建包含三条通信链路的三点协同的智能可重构表面通信模型；在三点协同的智能可重构表面通信模型上引入辅助配置矩阵；针对单一链路进行初步信道训练，得到维度重构的级联信道模型；通过维度重构的级联信道模型对三条链路进行初步估计，将辅助收发方中的信号发送至基站，基站对已估计的信道状态信息矩阵进行解耦并估计出各分段反射信道的矩阵。本发明专利技术可以良好地应用在超大规模智能可重构表面级联信道的信道估计中，可以补偿智能可重构表面规模增大带来的信道估计精度的损失。计精度的损失。计精度的损失。

【技术实现步骤摘要】
基于维度重构的智能可重构表面级联信道估计方法及系统


[0001]本专利技术属于智能可重构表面级联信道估计
，特别涉及基于维度重构的智能可重构表面级联信道估计方法及系统。

技术介绍

[0002]地震泥石流等灾害使得受灾区域的基站被破坏进而使得无线通信中断，现有的解决方法主要集中于在重要的场所提前布置备用基站，然而受灾时大量的受灾人群分散在各处，这样提前布置的基站只能覆盖很少的受灾人群。为了进一步扩大受灾时无线通信的覆盖范围，基于无人机的应急通信系统在近些年被逐渐重视。
[0003]随着新一代无线通信技术的不断发展，智能可重构表面引起了大家的广泛关注。它价格低廉，容易部署并且能量消耗小，搭载于无人机可以有效地通过反射信道将需要灾区内需要传递的信息发送至外界的基站。考虑灾区到外界基站的距离较大且智能可重构表面的通信系统存在乘法衰减的路径损耗问题，无人机搭载超大规模智能可重构表面在灾难通信中更为实际。
[0004]可靠的智能可重构表面反射波束的形成需要依靠准确的信道状态信息估计。在智能可重构表面级联信道的信道状态信息估计中，最主要的难点在与这样级联的信道状态信息相互耦合并且估计时需要大量的参数，级联信道状态信息的获取主要可以分为两种，其一是隐式信道状态信息采集，又被称为波束训练，它旨在允许通信的两侧在码本中预定义的多个方向波束中寻找最优的一个；其二是显式信道状态信息采集，又被称为信道估计，它旨在通过收发方都已提前获知的导频信号对信道进行训练并得到信道的全部状态信息，包括相位、幅度和方向信息。
[0005]在波束训练中，现有技术假设已经确定了智能可重构表面和基站之间的最优路径，基于MIMO中传统的波束训练方法，将智能可重构表面分成多个子阵列，完成了基站与用户之间的波束对齐。传统的分层多分辨率波束搜索方法被应用于智能可重构表面。基站、智能可重构表面和用户各获得一个多层波束形成码本进行联合空间扫描，以获得RIS级联通道的最佳定向波束。现有技术主要致力于降低搜索的复杂性和训练开销。在信道估计中，应用了传统的最小二乘法并取得了一定的成果、利用了深度强化学习输出连续波束形成矩阵在BS和RIS的相移；以及设计了搭载有少量主动元的智能可重构表面并利用神经网络对级联信道进行估计；还有致力于通过帕拉法克张量分解的方法进行信道估计。
[0006]现有技术的缺陷和不足：
[0007]引用文献中的方法均只适用于小规模的智能可重构表面；
[0008]超大规模的智能可重构表面导致瑞利距离增加使得编码码本的设计需要加入近场信道模型相关的理论，但是上述文献中的方法均是基于远场理论的；
[0009]现阶段的信道估计方法都主要集中于16
×
16及以下规模的智能可重构表面。虽然对较大规模的64
×
64智能可重构表面进行了研究，但是其估计精度也随着智能可重构表面规模的增大而出现了明显的下降；
[0010]现有技术提到的主动元智能可重构表面有着较大的能耗，同时也需要离线阶段大量的训练，有着大量的时间开销。

技术实现思路

[0011]本专利技术的目的在于提供基于维度重构的智能可重构表面级联信道估计方法及系统，以解决上述问题。
[0012]为实现上述目的，本专利技术采用以下技术方案：
[0013]第一方面，本专利技术提供基于维度重构的智能可重构表面级联信道估计方法，包括以下步骤：
[0014]构建包含三条通信链路的三点协同的智能可重构表面通信模型；
[0015]在三点协同的智能可重构表面通信模型上引入辅助配置矩阵，简化智能可重构表面的配置过程；
[0016]针对单一链路进行初步信道训练，得到维度重构的级联信道模型；
[0017]通过维度重构的级联信道模型对三条链路进行初步估计，将辅助收发方中的信号发送至基站，基站对已估计的信道状态信息矩阵进行解耦并估计出各分段反射信道的矩阵。
[0018]可选的，三条通信链路包括链路一：用户—智能可重构表面—基站；链路二：辅助收发方—智能可重构表面—基站；链路三：用户—智能可重构表面—辅助收发方；三条链路的信道模型依次为：Y1＝HΦ
l
GX1+Z1，Y2＝HΦ
l
J
T
X2+Z2，Y3＝JΦ
l
GX3+Z3，其中矩阵Z为噪声，Y和X分别为接收信号和发送信号，Φ为智能可重构表面的相位配置矩阵，是对角矩阵；相关的矩阵维度为：其中的N
t
为发送方用户天线数，N
r
为接收方基站天线数，N
a
为辅助收发方天线数，N
s
×
N
s
为智能可重构表面的阵列数，P为导频信号的时隙数；该模型中辅助收发方主要起到接收链路3的导频信号并进行初步信道估计的作用，同时在链路二中作为发射装置为便于基站对该链路进行信道估计，辅助方会将估计得到的信道状态信息发送至基站。
[0019]可选的，引入了辅助配置矩阵Ψ
a
和Ψ
b
，其中Ψ
a
为前置辅助矩阵，Ψ
b
为后置辅助矩阵；引入辅助矩阵后智能可重构表面的总配置矩阵为Ψ
b
Φ
l
Ψ
a
。
[0020]可选的，针对单一链路的初步信道训练方法：对该模型信道的初步训练包括多导频信号的发送，智能可重构表面的配置变换以及基站侧的信道状态信息的初步获取；
[0021]发送的导频信号需要经过多个不同配置的智能可重构表面并在基站得到一系列的接收信号；原始接收信号整合为维度重构的接收信号矩阵，该矩阵经分解后得到维度重构的级联信道模型：
[0022][0023]其中N是发射的导频信号X的数量，[Ψ0,Ψ1,
…
,Ψ
N
‑1]和[Ψ0,Ψ1,
…
,Ψ
M
‑1]分别为前置和后置辅助矩阵，H
config
＝([(HΨ0)
T
,(HΨ1)
T
,
…
,(HΨ
M
‑1)
T
])
T
称为维度重构的H信道，G
config
＝[Ψ0G,Ψ1G,
…
,Ψ
N
‑1G]称为维度重构的G信道；在估计中信道矩阵和维度重构的信道矩阵被拆分为幅度矩阵，为A
∝
，相位矩阵记为A
p
和方向矩阵记为A
d
，即对于信道矩阵记为A作如下拆分：
[0024](1)发射方——智能可重构表面：A＝A
∝
A
p
A
d
；(2)智能可重构表面——接收方：A＝A
d
A
p
A
∝
，考通过最优化方法将方向矩阵进行相位校准使得相位和方向信息被一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于维度重构的智能可重构表面级联信道估计方法，其特征在于，包括以下步骤：构建包含三条通信链路的三点协同的智能可重构表面通信模型；在三点协同的智能可重构表面通信模型上引入辅助配置矩阵，简化智能可重构表面的配置过程；针对单一链路进行初步信道训练，得到维度重构的级联信道模型；通过维度重构的级联信道模型对三条链路进行初步估计，将辅助收发方中的信号发送至基站，基站对已估计的信道状态信息矩阵进行解耦并估计出各分段反射信道的矩阵。2.根据权利要求1所述的基于维度重构的智能可重构表面级联信道估计方法，其特征在于，三条通信链路包括链路一：用户—智能可重构表面—基站；链路二：辅助收发方—智能可重构表面—基站；链路三：用户—智能可重构表面—辅助收发方；三条链路的信道模型依次为：Y1＝HΦ
l
GX1+Z1，Y2＝HΦ
l
J
T
X2+Z2，Y3＝JΦ
l
GX3+Z3，其中矩阵Z为噪声，Y和X分别为接收信号和发送信号，Φ为智能可重构表面的相位配置矩阵，是对角矩阵；相关的矩阵维度为：其中的N
t
为发送方用户天线数，N
r
为接收方基站天线数，N
a
为辅助收发方天线数，N
s
×
N
s
为智能可重构表面的阵列数，P为导频信号的时隙数；该模型中辅助收发方主要起到接收链路3的导频信号并进行初步信道估计的作用，同时在链路二中作为发射装置为便于基站对该链路进行信道估计，辅助方会将估计得到的信道状态信息发送至基站。3.根据权利要求1所述的基于维度重构的智能可重构表面级联信道估计方法，其特征在于，引入了辅助配置矩阵Ψ
a
和Ψ
b
，其中Ψ
a
为前置辅助矩阵，Ψ
b
为后置辅助矩阵；引入辅助矩阵后智能可重构表面的总配置矩阵为Ψ
b
Φ
l
Ψ
a
。4.根据权利要求1所述的基于维度重构的智能可重构表面级联信道估计方法，其特征在于，针对单一链路的初步信道训练方法：对该模型信道的初步训练包括多导频信号的发送，智能可重构表面的配置变换以及基站侧的信道状态信息的初步获取；发送的导频信号需要经过多个不同配置的智能可重构表面并在基站得到一系列的接收信号；原始接收信号整合为维度重构的接收信号矩阵，该矩阵经分解后得到维度重构的级联信道模型：其中N是发射的导频信号X的数量，[Ψ0,Ψ1,
…
,Ψ
N
‑1]和[Ψ0,Ψ1,
…
,Ψ
M
‑1]分别为前置
和后置辅助矩阵，H
config
＝([(HΨ0)
T
,(HΨ1)
T
,
…
,(HΨ
M
‑1)
T
])
T
称为维度重构的H信道，G
config
＝[Ψ0G,Ψ1G,
…
,Ψ
N
‑1G]称为维度重构的G信道；在估计中信道矩阵和维度重构的信道矩阵被拆分为幅度矩阵，为A
∝
，相位矩阵记为A
p
和方向矩阵记为A
d
，即对于信道矩阵记为A作如下拆分：(1)发射方——智能可重构表面：A＝A
∝
A
p
A
d
；(2)智能可重构表面——接收方：A＝A
d
A
p
A
∝
，考通过最优化方法将方向矩阵进行相位校准使得相位和方向信息被一同估计得到；初步训练最终得到的信道状态信息估计矩阵为对信道H和G的维度重构方向矩阵h
c...

【专利技术属性】
技术研发人员：徐东阳，边柯嘉，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：