本发明专利技术公开一种基于平行因子分解的IRS辅助毫米波信道估计方法，涉及无线通信技术信道估计领域。本发明专利技术首先根据毫米波信道固有的稀疏特性对信道进行建模，接着利用块衰落信道的特点将信号矩阵构建成一个3维张量，并且利用平行因子分解算法对张量进行分解，然后利用CS理论将分解后的矩阵转化为稀疏信号的恢复问题，最后利用改进的双线性交替最小二乘算法对信道进行求解。本发明专利技术提出的信道估计算法可以提高无线信道的估计精度，综合权衡信道估计算法的性能和复杂度，本发明专利技术在IRS辅助的毫米波MISO无线通信系统中具有一定的应用价值。
【技术实现步骤摘要】
本专利技术涉及无线通信技术信道估计领域，具体是一种基于平行因子分解的irs辅助毫米波信道估计方法。
技术介绍
1、作为新一代移动通信的关键技术，智能反射表面(irs，intelligent reflectivesurface)以其低成本、低功耗和能提高无线传播环境性能的特性受到专家学者们的广泛关注。智能反射表面包括大量无源反射元件的平面阵列，每个无源反射元件都能控制入射信号的幅度和相位，通过调整和反射入射信号达到构建可控无线环境的作用。irs除了可以被动的反射入射信号，还可以通过调整其反射相移提高通信系统的无限通信容量，保证了通信的可靠性，也显著提高了通信网络的频谱效率和能量效率。这一领域的很多研究工作都集中在各种目标和约束的联合主动和被动波束形成、预编码设计上。然而这些工作所要求的性能增益很大程度上依赖于信道状态信息(csi，channel state information)的准确性。
2、csi的获取对于irs辅助的通信系统是非常具有挑战性的。一方面，irs没有射频链，不能对导频信号进行处理，另一方面，irs辅助的通信系统使传统的端到端的信道估计转变为级联信道估计问题，信道之间的耦合使得信道的估计更加困难。随着通信系统中发射端和接收端天线数目以及irs元件数的增加，接收信号的维度也会大大增加，从而导致解决信道估计问题的成本增加。
技术实现思路
1、针对上述存在的问题，本专利技术提出一种基于平行因子分解的irs辅助毫米波信道估计方法，以提高信道的估计性能。
<
p>2、本专利技术的技术方案是：一种基于平行因子分解的irs辅助毫米波信道估计方法，具体步骤为：3、step1：基于irs辅助毫米波miso系统下行链路的场景，建立信道模型；
4、step1.1：考虑irs辅助毫米波miso系统下行链路的场景，该系统基站配置了m根天线服务于l个单天线用户，irs是由n个反射元组成的均匀平面阵列，基站端发射的信号经过irs反射与用户通信。假设bs和ue之间的直接链路被阻隔，即不存在视距链路。
5、step1.2：采用传统的saleh-valenzuela几何信道模型进行建模以更好的体现毫米波信道的稀疏特性，从bs到irs的信道矩阵h1表示为：
6、
7、式中，l1表示bs-irs的路径数，αp表示p条路径上的信道复数增益，和分别表示irs处p条路径上的方位角和仰角，表示bs-irs路径irs处的角度响应矢量，表示bs处p条路径上的出发角，表示bs处的角度响应矢量；
8、从irs到用户的信道矩阵h2表示为：
9、
10、式中，h2∈cl×n，l2表示irs-ue的路径数，βq表示q条路径上的信道复数增益，和分别表示irs处q条路径上的方位角和仰角，表示irs-ue路径irs处的角度响应矢量。
11、step1.3：假射bs在t时刻发射导频符号s(t)，则到达用户的接收信号y(t)的模型表示为：
12、y(t)＝h2θ(t)h1s(t)+n(t)
13、其中，是irs的对角反射系数矩阵,θn∈[0,2π]和βn,t∈[0,1]分别表示irs第n个反射元的相位和幅度配置，n(t)为t时刻用户接收到的均值为0，方差为δk2的高斯噪声信号。
14、step2：结合张量分解，对信道模型进行二次建模；
15、step2.1：根据信号的训练过程接收信号的模型表示为：
16、y(k,t)＝h2diag[θ(t)]h1x(t)+n(k,t)
17、式中，y(k,t)表示第k个块第t个时隙时用户接收到的信号，n(k,t)表示高斯白噪声。
18、step2.2：将第k个块t个时隙的接收信号构成矩阵，接收信号的模型重写为：
19、y(k)＝h2dk(θ)zt+n(k)
20、其中z＝h1t，dk(θ)＝diag[θ(t)]表示以irs的相移矩阵θ的主对角线的第k行作为对角元素的对角矩阵。
21、step2.3：根据parafac分解的条件，y(k)为三维张量的第k个矩阵切片，则三维张量的第(l,k,m)项为：
22、
23、step3：在张量模型的基础上，计算parafac分解的目标函数，采用交替的方式，将张量展开，再采用双线性交替最小二乘算法得到初始解；
24、step3.1：假设毫米波信道的路径数l是已知的先验信息，确定parafac分解的目标函数为：
25、
26、step3.2：根据张量分解理论式，将张量展开为：
27、
28、
29、
30、yα、yβ和yγ可以看作是khatri-rao乘积和单个矩阵的乘积。
31、step3.3：根据上述展开形式，采用双线性交替最小二乘算法得到初始解为：
32、
33、
34、step4：考虑稀疏信道的特性，使用cs(压缩感知)技术将信道估计问题转化为稀疏信道矩阵恢复问题；
35、step4.1:考虑稀疏信道的特性，使用cs技术将信道估计问题公式化为稀疏信道矩阵恢复问题：
36、
37、式中，||h2||0为h2的l0范数，等同于h2非零向量的数量，ε是与噪声统计相关的误差参数；
38、step4.2：使用对数和函数作为||h2||0的松弛，优化问题重新表述为：
39、
40、其中hn为h2的第n个分量，v＞0为一个很小的正参数，以确保log函数中的参数为正。
41、step5：引入惩罚因子，将上述稀疏信道矩阵恢复问题重新表述为无约束优化问题为：
42、step5.1：引入惩罚因子λ1，将优化问题重新表述为以下无约束优化问题：
43、
44、其中λ＞0，为控制数据拟合和解的稀疏性之间权衡的正则化参数。
45、step6：使用适当的代理函数简化为迭代求解最小化代理函数，最后通过最小二乘算法求解出信道的最优解；
46、step6.1:选择可微凸函数作为代理函数：
47、
48、其中
49、step6.2:将凸代理函数代入无约束优化问题，目标函数为：
50、
51、step6.3:简化求解目标函数为迭代求解最小化代理函数：
52、
53、其中，为一个对角矩阵，由给出。
54、step6.4:采用最小二乘算法求解出最优解：
55、
56、step6.5:同理，的最优解为：
57、
58、其中，p(i)为对角矩阵，由给出，gn为h2的第n个分量。
59、本专利技术的有益效果是：
60、本专利技术基于平行因子分解的对irs辅助毫本文档来自技高网
...
【技术保护点】
1.一种基于平行因子分解的IRS辅助毫米波信道估计方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于平行因子分解的IRS辅助毫米波信道估计方法，其特征在于，所述Step1具体为：
3.根据权利要求1所述的基于平行因子分解的IRS辅助毫米波信道估计方法，其特征在于，所述Step2具体为：
4.根据权利要求1所述的基于平行因子分解的IRS辅助毫米波信道估计方法，其特征在于，所述Step3具体为：
5.根据权利要求1所述的基于平行因子分解的IRS辅助毫米波信道估计方法，其特征在于，所述Step4具体为：
6.根据权利要求1所述的基于平行因子分解的IRS辅助毫米波信道估计方法，其特征在于，所述Step5具体为：
7.根据权利要求1所述的基于平行因子分解的IRS辅助毫米波信道估计方法，其特征在于，所述Step6具体为：
【技术特征摘要】
1.一种基于平行因子分解的irs辅助毫米波信道估计方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于平行因子分解的irs辅助毫米波信道估计方法，其特征在于，所述step1具体为：
3.根据权利要求1所述的基于平行因子分解的irs辅助毫米波信道估计方法，其特征在于，所述step2具体为：
4.根据权利要求1所述的基于平行因子分解的irs辅助毫米波信道估计...
【专利技术属性】
技术研发人员：杨青青，李学文，彭艺，李辉，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。