高速铁路去蜂窝大规模MIMO系统的智能超表面相移方法技术方案

本发明专利技术涉及一种高速铁路去蜂窝大规模MIMO系统的智能超表面相移方法，包括以下步骤：构建RIS赋能的高速铁路去蜂窝大规模MIMO网络；计算每个接入点AP到车载移动中继MR的等效信道以及车载移动中继MR处的信噪比和系统的可达速率；当相移矩阵固定时，采用最大比传输方法获得使车载移动中继MR可达速率最大化的最优波束赋形向量；并基于PPO的RIS相移设计方案，在PPO算法模型中包含有两个神经网络：Actor网络和Critic网络，且PPO算法是通过构造Actor网络的损失函数来提高决策能力。本发明专利技术可以更低的运行时间实现高效的可达速率，实现高速铁路环境的实时决策，为高速铁路移动通信的发展提供强有力的支撑。通信的发展提供强有力的支撑。通信的发展提供强有力的支撑。

【技术实现步骤摘要】
高速铁路去蜂窝大规模MIMO系统的智能超表面相移方法


[0001]本专利技术涉及一种无线移动通信方法，具体地说是一种高速铁路去蜂窝大规模MIMO系统的智能超表面相移方法。

技术介绍

[0002]随着智能铁路的发展，对高速铁路网络的数据传输速率也就提出了更高的要求。然而，高速铁路网络的频繁切换现象严重制约着数据传输速率性能。在此背景下，去蜂窝大规模多输入多输出(MIMO)技术构建了以用户为中心的传输设计，使多个随机分布的接入点(AP)能够在没有小区边界的情况下联合地服务于网络中的所有用户。因此，将去蜂窝大规模MIMO应用到高速铁路场景中，可以规避网络频繁切换的问题，增加高速铁路的网络覆盖，并提高数据传输速率。
[0003]而智能超表面(RIS)由于具备调控无线电信号传播的能力，因此受到了工业界和学术界的广泛关注。RIS是由许多低成本的无源元件所组成，通过调整每个元件的幅度和/或相位，塑造无线传播环境，从而能够提高无线信号的传输质量。
[0004]去蜂窝大规模MIMO和智能超表面(RIS)是两种提高高速铁路网络数据传输速率的技术。借鉴去蜂窝大规模MIMO和RIS的优势，一些学者将去蜂窝大规模MIMO与RIS集成到无线网络中。但这种集成工作目前还都只能应用在静态或低速的场合中。此外，当前大多RIS相移设计方法依赖于假设的数学模型，但在真实的高速铁路场景中，无线电散射的快速变化，将导致真实场景与假设数学模型的严重失配，使得性能下降，并且其计算复杂度高，难以在真实的高速铁路环境中部署。因此，如何将RIS技术应用于高速铁路去蜂窝大规模MIMO，仍是一个未能加以有效解决的难题。

技术实现思路

[0005]本专利技术的目的就是提供一种高速铁路去蜂窝大规模MIMO系统的智能超表面相移方法，以能够在较低的运行时间内获得更高的可达速率，从而有助于在动态的高速铁路网络中进行实时决策。
[0006]本专利技术的目的是这样实现的：
[0007]一种高速铁路去蜂窝大规模MIMO系统的智能超表面相移方法，包括以下步骤：
[0008]S1、构建RIS赋能的高速铁路去蜂窝大规模MIMO网络；所述网络包括：部署在铁路轨道沿线的L个配备N根天线的接入点AP，部署在每趟运行列车顶部的单天线的车载移动中继MR，以及在每个车载移动中继MR旁部署的一个具有M个元素的智能超表面相移RIS。
[0009]S2、从每个接入点AP到车载移动中继MR的等效信道为：
[0010][0011]其中，代表第l个接入点AP与车载移动中继MR之间的信道，代表RIS与车载移动中继MR之间的信道，代表第l个接入点AP与RIS之间的信道。
[0012]S3、RIS的相移矩阵Φ为：其中，θ
m
∈[0,2π)表示第m个元素的相移。
[0013]S4、车载移动中继MR接收到的信号为：
[0014][0015]其中，表示噪声，x表示发送到车载移动中继MR的信号，并且满足E{|x|2}＝1，w
l
表示车载移动中继MR与第l个接入点AP的波束赋形向量，并且满足||w
l
||2≤P
l,max
；这里，P
l,max
表示第l个接入点AP的最大传输功率。
[0016]S5、车载移动中继MR处的信噪比为：
[0017][0018]S6、系统的可达速率为：
[0019]R
a
＝log2(1+γ)
[0020]S7、当相移矩阵Φ固定时，采用最大比传输方法获得使车载移动中继MR可达速率最大化的最优波束赋形向量为：
[0021][0022]S8、将可达速率最大化的优化目的转化为：
[0023][0024]s.t.|θ
m
|＝1,m＝1,
…
,M
[0025]S9、基于PPO的RIS相移设计，包括以下子步骤：
[0026]S9
‑
1基于PPO的RIS相移设计方案的组成部分包括：
[0027]状态空间：当前RIS赋能的高速铁路去蜂窝大规模MIMO通信系统状态s
t
为：
[0028][0029]其中，γ
(t
‑
1)
表示上一时间t
‑
1的信噪比。
[0030]动作空间：智能体根据观察到的状态选择调整RIS相移的动作；定义的动作空间a
t
为：
[0031][0032]其中，表示t时刻的RIS相移。
[0033]奖励函数：以求取系统的最大化可达速率，奖励函数r
t
定义为：
[0034][0035]其中，表示t时刻RIS赋能高速铁路去蜂窝大规模MIMO系统的可达速率。
[0036]S9
‑
2在PPO算法模型中包含有两个神经网络：Actor网络和Critic网络，并且，PPO算法是通过构造Actor网络的损失函数J(θ
A
)来提高决策能力：
[0037][0038]其中，表示Actor网络更新前的参数，代表参数更新幅度，为优势函数，其表示为：
[0039][0040]其中，γ∈[0,1)表示折扣因子，表示Critic网络更新前的参数。
[0041]S9
‑
3 Actor网络的损失函数J(θ
A
)由以下函数取得：
[0042][0043]其中，ρ
t
(θ
A
)代表参数更新幅度，clip函数负责将ρ
t
(θ
A
)限制于置信区间(1
‑
ε,1+ε)内。
[0044]S9
‑
4在PPO算法模型中，θ
A
通过下式更新：
[0045][0046]其中，α
A
表示学习速率，为在第b次转换序列中实现的J
CLIP
(θ
A
)。
[0047]θ
C
通过下式更新：
[0048][0049]其中，α
B
代表学习速率，并且V
tar
(s
b
)表示为：
[0050][0051]针对高速铁路网络的高度动态性，本专利技术提出了一种RIS赋能的高速铁路去蜂窝大规模MIMO网络架构，制定了RIS相移优化策略；通过基于深度强化学习(DRL)的方案，即基于近端策略优化(PPO)的RIS相移设计方案，实现了高效的RIS相移控制，从而实现了最大化的可达速率。
[0052]本专利技术通过构建RIS赋能的高速铁路去蜂窝大规模MIMO网络，计算每个接入点AP到车载移动中继MR的等效信道以及车载移动中继MR处的信噪比和系统的可达速率；当相移矩阵Φ固定时，采用最大比传输方法获得使车载移动中继MR可达速率最大化的最优波束赋形向量；并基于PPO的RIS相移设计方案，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高速铁路去蜂窝大规模MIMO系统的智能超表面相移方法，其特征是，包括以下步骤：S1、构建RIS赋能的高速铁路去蜂窝大规模MIMO网络；所述网络包括：部署在铁路轨道沿线的L个配备N根天线的接入点AP，部署在每趟运行列车顶部的单天线的车载移动中继MR，以及在每个车载移动中继MR旁部署的一个具有M个元素的智能超表面相移RIS；S2、从每个接入点AP到车载移动中继MR的等效信道为：其中，代表第l个接入点AP与车载移动中继MR之间的信道，代表RIS与车载移动中继MR之间的信道，代表第l个接入点AP与RIS之间的信道；S3、RIS的相移矩阵Φ为：其中，θ
m
∈[0,2π)表示第m个元素的相移；S4、车载移动中继MR接收到的信号为：其中，表示噪声，x表示发送到车载移动中继MR的信号，并且满足E{|x|2}＝1，w
l
表示车载移动中继MR与第l个接入点AP的波束赋形向量，并且满足||w
l
||2≤P
l,max
；这里，P
l,max
表示第l个接入点AP的最大传输功率；S5、车载移动中继MR处的信噪比为：S6、系统的可达速率为：R
a
＝log2(1+γ)S7、当相移矩阵Φ固定时，采用最大比传输方法获得使车载移动中继MR可达速率最大化的最优波束赋形向量为：S8、将可达速率最大化的优化目的转化为：s.t.|θ
m
|＝1,m＝1,
…
,MS9、基于PPO的RIS相移设计，包括以下子步骤：S9
‑
1基于PPO的RIS相移设计方案的组成部分包括：状态空间：当前RIS赋能的高速铁路去蜂窝大规模MIMO通信系统状态s
t
为：其中，γ<...

【专利技术属性】
技术研发人员：徐建鹏，徐奥烁，梁晓林，王蔚戎，刘帅奇，
申请(专利权)人：河北大学，
类型：发明
国别省市：