CN112994765B - 智能反射面辅助毫米波通信系统的波束对准方法 - Google Patents

智能反射面辅助毫米波通信系统的波束对准方法 Download PDF

Info

Publication number
CN112994765B
CN112994765B CN202110239272.7A CN202110239272A CN112994765B CN 112994765 B CN112994765 B CN 112994765B CN 202110239272 A CN202110239272 A CN 202110239272A CN 112994765 B CN112994765 B CN 112994765B
Authority
CN
China
Prior art keywords
matrix
reflecting surface
base station
sparse coding
intelligent
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110239272.7A
Other languages
English (en)
Other versions
CN112994765A (zh
Inventor
方俊
王沛兰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202110239272.7A priority Critical patent/CN112994765B/zh
Publication of CN112994765A publication Critical patent/CN112994765A/zh
Application granted granted Critical
Publication of CN112994765B publication Critical patent/CN112994765B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/04013—Intelligent reflective surfaces
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Radio Transmission System (AREA)

Abstract

本发明属于毫米波无线通信技术领域，具体涉及一种智能反射面辅助毫米波通信系统的快速波束对准方法。通过将智能反射面相关的级联信道写成稀疏表示，提出了一种基于稀疏感知和无相位估计的快速波束对准方法，通过设计一系列稀疏感知矩阵，利用最大似然估计器恢复最优波束对。仿真实验表明，本发明提出的方法能以极低的导频训练开销达到与暴力搜索相近的性能，与现有的波束对准算法相比存在巨大的性能优势，并且在低信噪比下依然能维持较好的鲁棒性，体现了本发明的实际可行性。

Description

智能反射面辅助毫米波通信系统的波束对准方法
技术领域
本发明属于无线通信技术领域，具体涉及一种智能反射面辅助毫米波通信系统的波束对准方法。
背景技术
智能反射面(Reflecting Intelligent Surface，RIS)辅助毫米波通信是Beyond5G和6G移动通信物理层的关键技术之一。通过控制智能反射面的反射系数以及基站端的混合预编码向量实现联合主被动波束成形，可以实现无线通信环境的智能控制，从而拓宽信号覆盖范围，有效抑制小区内多用户干扰，增加物理层安全通信性能。实现精准的联合主被动波束成形需要基站-智能反射面-用户的联合信道状态信息。另一方面，由于智能反射面的无源特性，传统的波束对准/信道估计方法不能直接应用于智能反射面辅助毫米波通信系统。目前基于LS/MMSE的方法没有考虑毫米波信道的稀疏特性，优点是计算复杂度低，但需要大量的测量值。基于压缩感知的方法需要已知接收信号的全信息，需要的测量值数目较少，但计算复杂度高。
发明内容
本发明的目的在于提出一种基于联合稀疏感知和无相位估计的快速波束对准方法，并将其应用到智能反射面辅助毫米波通信场景中。该方法涉及到稀疏感知矩阵的设计以及从无相位测量值中估计最优的波束对准方向两个方面。具体而言，通过设计一系列稀疏感知矩阵，分别实现在基站和智能反射面的多个窄波束扫描，利用用户接收到的多个无相位信号，进行最大似然估计，从而估计出智能反射面辅助毫米波通信系统的最优波束对准方向。
本发明的技术方案为：
面向智能反射面辅助毫米波通信系统的波束对准方法，系统中基站配置天线数为Nt,智能反射面单元数目为M，其特征在于，包括以下步骤：
S1、分别针对基站和智能反射面预设L个(近似)稀疏编码矩阵
Figure BDA0002961513280000011
和
Figure BDA0002961513280000012
其中V＝Nt/R和U＝M/Q，R和Q分别表示每一次波束扫描在基站和智能反射面端形成的窄波束数目；
S2、基站依据预设的稀疏编码矩阵发送信号，智能反射面依据预设的稀疏编码矩阵反射信号；
S3、用户基于预设的稀疏编码矩阵和接收信号矩阵进行最优的波束估计：
S301、基于预设的稀疏编码矩阵依次得到第l,l＝1,…,L轮接收的信号，对第l轮的接收信号矩阵
Figure BDA0002961513280000021
中的每个元素Yl(ul,vl),ul＝1,…,U,vl＝1,…,V进行能量检测，其中Nl表示第l轮对应的接收信号噪声。若元素Yl(ul,vl)能量值小于某一预设阈值∈，则将该元素标记为零节点(nullton)。依次统计l＝1,…,L轮的零节点数目，将零节点数目最少的接收信号矩阵对应的轮次标记为NM(No-multiton)轮次，并保存对应的接收信号矩阵集合
Figure BDA0002961513280000022
其中L′为NM轮次的数目；
S302、对于第l轮的每一个可能的波束标号对(i,j),i＝1,…,M,j＝1,…,Nt,定义波束覆盖矩阵
Figure BDA0002961513280000023
其中第(u,v)个元素定义为
Figure BDA0002961513280000024
其中
Figure BDA0002961513280000025
是稀疏编码矩阵Cl的第u列，
Figure BDA0002961513280000026
是稀疏编码矩阵Al的第v列，x(i)表示向量x的第i个元素。利用最大似然(Maximum Likelihood,ML)估计最优的波束标号对(i*,j*)：
Figure BDA0002961513280000027
其中，
Figure BDA0002961513280000028
其中vec(·)是向量化操作算子，°是Hadamard积，
Figure BDA0002961513280000029
表示矩阵Yl的共轭矩阵，
Figure BDA00029615132800000210
表示所有可能的波束标号对，其中
Figure BDA00029615132800000211
∈1为某一预设阈值。
S4、用户将估计得到最优的波束标号对(i*,j*)反馈给基站。
本发明的有益效果为：与目前已有的智能反射面辅助毫米波通信波束对准算法相比，能够以更少的测量值数目实现更高精度的波束对准性能，同时计算复杂度更低，并且在低信噪比情形下依然维持鲁棒性。本发明更具实际操作性。
附图说明
图1为智能反射面辅助毫米波通信系统框图；
图2为本发明对应波束训练协议示意图；
图3为本发明对应算法流程图；
图4为存在视距路径(LOS)情况下恢复成功率、联合波束成形增益比与测量值T，信噪比SNR的关系，其中(a)对应于成功率vs.测量值T，(b)对应于成功率vs.信噪比SNR，(c)对应于联合波束成形增益比vs.测量值T，(d)对应于联合波束成形增益比vs.信噪比SNR；
图5为仅存在非视距路径(NLOS)情况下恢复成功率、联合波束成形增益比与测量值T，信噪比SNR的关系，其中图(a)对应于成功率vs.测量值T，图(b)对应于成功率vs.信噪比SNR，图(c)对应于联合波束成形增益比vs.测量值T，图(d)对应于联合波束成形增益比vs.信噪比SNR。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面结合附图和仿真示例对本发明进行详细的描述，以证明本发明的实用性。
针对智能反射面辅助毫米波通信系统，本发明首先利用矩阵运算将基站-智能反射面-用户的联合信道写成稀疏表示，并进一步将该系统的波束对准问题建模成联合稀疏感知和无相位估计的问题。由于本发明不依靠接收信号的相位信息，对噪声有较高的鲁棒性，同时具有较低的采样复杂度和计算复杂度。
参见图1，本发明适用于基站端配备均匀阵列，智能反射面配备均匀反射单元的通信系统。为了简单起见，本具体实施方式中仅针对单用户端配备单根全向天线的情况。需要注意的是，本具体实施方式中，虽然仅以单用户为例，但可简单扩展至多用户系统。仅需基站周期性广播一个公共的码字，每个用户进行解码得到与之配对的信道信息，经过随机接入控制信道，每个用户可以将相应的波束标号对信息反馈给基站。同时，本发明可以拓展至用户配备多天线的情况，也适用于传统毫米波大规模MIMO通信系统。
图2描述了本发明中波束对准方法适用的波束训练协议，基站和智能反射面按照预设的稀疏编码矩阵发送和反射信号，最优波束对的估计在用户端完成，用户再将估计到的最优波束标号对反馈给基站，基站再进行波束对准方便进一步的信道估计或者数据传输。
图1中，基站配备Nt根天线，R表示发送端射频链路数目，其中R＜＜Nt，RF Chain表示射频链，A/D表示模数转换，
Figure BDA0002961513280000041
表示射频预编码矩阵，
Figure BDA0002961513280000042
表示基站预编码向量。基站通过智能控制器控制智能反射面的反射系数，智能反射面配备M＝My×Mz个反射单元，其t时刻对应的反射系数矩阵为
Figure BDA0002961513280000043
其中φm(t)∈[0,2π]表示第m个反射单元的相移，ξm(t)∈[0,1]表示第m个单元的反射效率。
本具体实施方式中，基站-智能反射面信道采用如下的几何信道模型：
Figure BDA0002961513280000044
其中P表示路径数目，
Figure BDA00029615132800000414
表示视距(line-of-sight,LOS)路径的复增益，
Figure BDA00029615132800000415
表示第p条非视距(none-line-of-sight，NLOS)路径的复增益，
Figure BDA0002961513280000045
表示相应的到达方位角(俯仰角)(Angle of Arrival，AoA)，
Figure BDA0002961513280000046
表示相应的离开角(Angle of Departure，AoD)，ar和at表示归一化的接收端(发送端)的阵列响应矢量。为了简便，定义
Figure BDA0002961513280000047
基站采用均匀线性阵列，其阵列响应矢量为
Figure BDA0002961513280000048
智能反射面采用均匀矩形阵列，其阵列响应矢量为
Figure BDA0002961513280000049
采用稀疏表示为
Figure BDA00029615132800000410
其中DN(N为参数)定义为
Figure BDA00029615132800000411
Figure BDA00029615132800000412
为含P个非零元的稀疏矩阵，DR定义为
Figure BDA00029615132800000413
类似的，智能反射面到用户的信道可表示为
Figure BDA0002961513280000051
写成稀疏表示为
hr＝DRα
其中
Figure BDA0002961513280000052
为含有P′个非零元的稀疏向量。
用户端在t时刻接收信号模型为
Figure BDA0002961513280000053
其中
Figure BDA0002961513280000054
为接收信号噪声，
Figure BDA0002961513280000055
为级联(等价)信道。可以证明，级联信道H可以写成如下稀疏表示
Figure BDA0002961513280000056
其中
Figure BDA0002961513280000057
由矩阵
Figure BDA0002961513280000058
的前M列构成，
Figure BDA0002961513280000059
是一个酉矩阵，并且
Figure BDA00029615132800000510
·为transposed Khatri-Rao积，
Figure BDA00029615132800000511
是至多含有PP′个非零元的稀疏矩阵，具体地
Figure BDA00029615132800000512
其中
Figure BDA00029615132800000513
矩阵Pi是置换矩阵。
考虑到接收端易受到载频偏移(Carrier Frequency Offset,CFO)的影响，仅利用接收信号的幅值信息$y(t)$，
Figure BDA00029615132800000514
为了降低波束对准的采样复杂度，本发明采用多轮搜索的方式，每一轮次包含多个时隙，对于每一时隙，基站和智能反射面均形成多个窄波束，通过设计每一轮次对应的稀疏编码矩阵，使得每一轮次基站和智能反射面形成的窄波束对可以覆盖整个角域空间。
具体地，对于第l轮，时隙(u-1)V+v,u＝1,…,U,v＝1,…,V,其中U和V为预设值，假设发送信号均为s(t)＝1,对应的智能反射面被动波束成形向量vl(u-1)V+v)和基站混合预编码向量
Figure BDA0002961513280000061
分别表示成
Figure BDA0002961513280000062
Figure BDA0002961513280000063
其中
Figure BDA0002961513280000064
为含有Q＝M/U个非零元的稀疏编码向量，其非零元值均为β，且满足
Figure BDA0002961513280000065
同时对于任意u1≠u2，满足
Figure BDA0002961513280000066
Figure BDA0002961513280000067
为含有R＝Nt/V个非零元的稀疏编码向量，其非零元值均为α，且满足
Figure BDA0002961513280000068
其中
Figure BDA0002961513280000069
为发送信号能量，同时满足
Figure BDA00029615132800000610
实际中，本发明不严格要求稀疏编码向量满足严格稀疏性和不同编码向量的正交性的条件，近似满足即可。
该接收信号幅值可以写成
Figure BDA00029615132800000611
其中n((u-1)V+v)为相应的接收信号噪声。
令
Figure BDA00029615132800000612
Figure BDA00029615132800000613
将U×V个测量值堆叠成矩阵形式可得
Figure BDA00029615132800000614
其中Yl(u,v)＝yl((u-1)V+v)，Nl((u-1)V+v)＝nl((u-1)V+v)。
经过总共L个轮次扫描，可以得到L个测量值矩阵
Figure BDA0002961513280000071
用户端利用接收的测量值和已知的稀疏编码矩阵
Figure BDA0002961513280000072
和
Figure BDA0002961513280000073
进行最优波束的估计，如图3所示，具体步骤如下
S1、分别针对基站和智能反射面预设L个(近似)稀疏编码矩阵
Figure BDA0002961513280000074
和
Figure BDA0002961513280000075
其中V＝Nt/R和U＝M/Q，R和Q分别表示每一次波束扫描在基站和智能反射面端形成的窄波束数目；
S2、基站依据预设的稀疏编码矩阵发送信号，智能反射面依据预设的稀疏编码矩阵反射信号；
S3、用户基于预设的稀疏编码矩阵和接收信号矩阵进行最优的波束估计：
S301、基于预设的稀疏编码矩阵依次得到第l,l＝1,…,L轮接收的信号，对第l轮的接收信号矩阵
Figure BDA0002961513280000076
中的每个元素Yl(ul,vl),ul＝1,…,U,vl＝1,…,V进行能量检测，其中Nl表示第l轮对应的接收信号噪声。若元素Yl(ul,vl)能量值小于某一预设阈值∈，则将该元素标记为零节点(nullton)。依次统计l＝1,…,L轮的零节点数目，将零节点数目最少的接收信号矩阵对应的轮次标记为NM(No-multiton)轮次，并保存对应的接收信号矩阵集合
Figure BDA0002961513280000077
其中L′为NM轮次的数目；
S302、对于第l轮的每一个可能的波束标号对(i,j),i＝1,…,M,j＝1,…,Nt,定义波束覆盖矩阵
Figure BDA0002961513280000078
其中第(u,v)个元素定义为
Figure BDA0002961513280000079
其中
Figure BDA00029615132800000710
是稀疏编码矩阵Cl的第u列，
Figure BDA00029615132800000711
是稀疏编码矩阵Al的第v列，x(i)表示向量x的第i个元素。利用最大似然(Maximum Likelihood,ML)估计最优的波束标号对(i*,j*)：
Figure BDA00029615132800000712
其中，
Figure BDA00029615132800000713
其中vec(·)是向量化操作算子，
Figure BDA00029615132800000716
是Hadamard积，
Figure BDA00029615132800000714
表示矩阵Yl的共轭矩阵，
Figure BDA00029615132800000715
表示所有可能的波束标号对，其中
Figure BDA0002961513280000081
∈1为某一预设阈值。
S4、用户将估计得到最优的波束标号对(i*,j*)反馈给基站。
经过上述操作，取估计得到的最优波束标号对应的阵列响应矢量即完成了最优波束对的估计。
实施例
本实施例中，采用稀疏编码矩阵
Figure BDA0002961513280000082
和近似稀疏编码矩阵
Figure BDA0002961513280000083
首先对于稀疏编码矩阵Al，随机选取其中非零元的位置，使得每列有$R$个非零元，每行仅含一个非零元，其非零元值为
Figure BDA0002961513280000084
对于稀疏编码矩阵Cl，要使编码向量近似满足稀疏性，同时保持恒定的反射效率，可以按如下步骤构造：
构造稀疏编码矩阵
Figure BDA0002961513280000085
U＝M/Q，随机选取其中非零元的位置，使得每列有Q个非零元，每行仅含一个非零元，按照矩阵
Figure BDA0002961513280000086
第u,u＝1,…,U列中非零元的位置从矩阵中
Figure BDA0002961513280000087
中选择Q列
Figure BDA0002961513280000088
则
Figure BDA0002961513280000089
Figure BDA00029615132800000810
其中v(i)表示向量v的第i个元素。该优化问题可以通过现有的低复杂度流形算法快速求解。
从而
Figure BDA00029615132800000811
本实施例中，基站采用均匀线性阵列，天线数目Nt＝128，射频链个数R＝8个，智能反射面采用均匀矩形阵列M＝My×Mz＝16×16＝256，Q＝16，信号发送能量为p＝1，信噪比
Figure BDA00029615132800000812
基站-智能反射面信道对应路径数P＝2，智能反射面-用户端对应路径数P′＝2。衡量指标有两种，第一个为成功率(Success rate)，定义为正确恢复出最优波束对的频率；第二个为联合波束成形比γbf，用来表征采用波束对准得到的增益与最优波束成形的差距，定义为
Figure BDA0002961513280000091
其中
Figure BDA0002961513280000092
(i*,j*)表示不同算法估计得到的最优波束标号对，vopt和fopt是最大化接收信号能量得到的最优解。
在性能分析中，本发明与相关波束对准方法进行比较，以进一步验证本发明的优势。对比算法分别是暴力搜索(Exhaustive Search)的方法以及和传统的波束对准方法2维的Agile-Link，其中暴力搜索方法需要MNt＝32768个测量值，能提供最优的性能；设置Agile-Link的参数使得其所需测量值于本发明的相等，以确保比较是公平的。
首先，验证本发明在存在视距路径(LOS)情况下的性能，基站-智能反射面信道G和智能反射面-用户信道hr信道的莱斯因子均设为13.2dB。图4-a和图4-b描述了成功率，联合波束成形比与测量值T＝UVL的关系，信噪比SNR＝-20dB。从图中可以看出，本发明相比于Agile-Link存在巨大的性能优势，仅需T＝1792个测量值恢复成功率达到90％以上，同时联合波束成形比达到与暴力搜索相近的性能。注意到暴力搜索需要MNt＝32768个测量值，本发明的方法极大地降低了采样复杂度。图4-c和图4-d固定测量值T＝1024，探究衡量指标与信噪比的关系，从图中可以看出本发明在不同信噪比下都能保持与对比算法Agile-Link的巨大优势，并且在低信噪比SNR＝-35dB的情形下依然能保证70％以上的恢复成功率，体现了本发明在对于噪声的鲁棒性。
其次，验证本发明对于仅存在非视距路径(NLOS)情况下的性能，基站-智能反射面信道G的莱斯因子为13.2dB，智能反射面-用户信道的莱斯因子为0dB。图5-a和图5-b描述了成功率，联合波束成形比与测量值T＝UVL＝16×16×4的关系，信噪比设定为SNR＝-20dB。从图中可以看出，相对于LOS情况而言，本发明的方法在NLOS情形下存在微小的损失，在测量值T＝1792时，恢复成功率近80％，同时联合波束成形比达到与暴力搜索相近的性能。图5-c和图5-d展示了相关指标与信噪比的关系，其中测量值T＝UVL＝16×16×4。从图中可以看出，本发明在低信噪比SNR＝-30dB下依然能达到近60％的成功率，而对比Agile-Link算法成功率不足10％，同时波束成形比也能接近暴力搜索的性能，体现了本发明在实际应用的可行性。
通过仿真发现，本发明提出的方法相比于现有的方法成功率更高，并且仅需暴力搜索5％的测量值即可达到与之相近的性能。
综上所诉，本发明研究了智能反射面辅助毫米波通信系统下的波束对准问题，通过将智能反射面相关的级联信道写成稀疏表示，提出了一种基于稀疏感知和无相位估计的快速波束对准方法，通过设计一系列稀疏感知矩阵，利用最大似然估计器恢复最优波束对。仿真实验表明，本发明提出的方法能以极低的导频训练开销达到与暴力搜索相近的性能，与现有的波束对准算法相比存在巨大的性能优势，并且在低信噪比下依然能维持较好的鲁棒性，体现了本发明的实际可行性。

Claims (1)

1.智能反射面辅助毫米波通信系统的波束对准方法，毫米波通信系统中基站配置天线数为Nt，智能反射面单元数目为M，其特征在于，包括以下步骤：
S1、分别针对基站和智能反射面预设L个稀疏编码矩阵
Figure FDA0002961513270000011
和
Figure FDA0002961513270000012
其中V＝Nt/R和U＝M/Q，R和Q分别表示每一次波束扫描在基站和智能反射面形成的窄波束数目；
S2、基站依据预设的稀疏编码矩阵发送信号，智能反射面依据预设的稀疏编码矩阵反射信号；
S3、用户基于预设的稀疏编码矩阵和接收信号矩阵进行最优的波束估计：
S301、基于预设的稀疏编码矩阵依次得到第l,l＝1,…,L轮接收的信号，对第l轮的接收信号矩阵
Figure FDA0002961513270000013
中的每个元素Yl(ul,vl),ul＝1,…,U,vl＝1,…,V进行能量检测，其中Nl表示第l轮对应的接收信号噪声；若元素Yl(ul,vl)能量值小于预设阈值∈，则将该元素标记为零节点，依次统计l＝1,…,L轮的零节点数目，将零节点数目最少的接收信号矩阵对应的轮次标记为NM轮次，并保存对应的接收信号矩阵集合
Figure FDA0002961513270000014
其中L′为NM轮次的数目；
S302、对于第l轮的每一个可能的波束标号对(i,j),i＝1,…,M,j＝1,…,Nt,定义波束覆盖矩阵
Figure FDA0002961513270000015
第(u,v)个元素定义为
Figure FDA0002961513270000016
其中
Figure FDA0002961513270000017
是稀疏编码矩阵Cl的第u列，
Figure FDA0002961513270000018
是稀疏编码矩阵Al的第v列，x(i)表示向量x的第i个元素，利用最大似然估计最优的波束标号对(i*,j*)：
Figure FDA0002961513270000019
其中，
Figure FDA00029615132700000110
vec(·)是向量化操作算子，
Figure FDA00029615132700000111
是Hadamard积，
Figure FDA00029615132700000112
表示矩阵Yl的共轭矩阵，
Figure FDA00029615132700000113
表示所有可能的波束标号对，其中
Figure FDA00029615132700000114
∈1为预设阈值；
S4、用户将估计得到最优的波束标号对(i*,j*)反馈给基站。
CN202110239272.7A 2021-03-04 2021-03-04 智能反射面辅助毫米波通信系统的波束对准方法 Active CN112994765B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110239272.7A CN112994765B (zh) 2021-03-04 2021-03-04 智能反射面辅助毫米波通信系统的波束对准方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110239272.7A CN112994765B (zh) 2021-03-04 2021-03-04 智能反射面辅助毫米波通信系统的波束对准方法

Publications (2)

Publication Number Publication Date
CN112994765A CN112994765A (zh) 2021-06-18
CN112994765B true CN112994765B (zh) 2022-02-08

Family

ID=76352662

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110239272.7A Active CN112994765B (zh) 2021-03-04 2021-03-04 智能反射面辅助毫米波通信系统的波束对准方法

Country Status (1)

Country Link
CN (1) CN112994765B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113595608B (zh) * 2021-06-23 2022-04-12 清华大学 基于视觉感知的毫米波/太赫兹通信方法、装置和系统
CN113890580B (zh) * 2021-09-17 2022-08-12 浙江大学 面向非对称毫米波大规模mimo的多用户上下行波束对准方法
CN113890798B (zh) * 2021-10-18 2022-12-27 清华大学 Ris级联信道多用户联合的结构化稀疏估计方法及装置
CN113950085A (zh) * 2021-11-19 2022-01-18 上海电机学院 一种智能反射面辅助毫米波通信的安全设计方法
CN114338301B (zh) * 2021-12-13 2023-10-31 上海电机学院 一种基于压缩感知的ris辅助毫米波系统的信道估计方法
CN114269018A (zh) * 2021-12-17 2022-04-01 中国电信股份有限公司 毫米波通信系统波束配置方法、装置、设备和存储介质
CN114449535A (zh) * 2021-12-21 2022-05-06 上海物骐微电子有限公司 信号传输方法、装置、系统、设备和存储介质
CN114338302B (zh) * 2021-12-22 2024-02-09 中国南方电网有限责任公司超高压输电公司 一种基于毫米波联合结构的智能反射面两级信道估计方法
WO2023137717A1 (en) * 2022-01-21 2023-07-27 Huawei Technologies Co., Ltd. Systems and methods for beam spot alignment on reconfigurable intelligent surface in communication systems
WO2023150973A1 (en) * 2022-02-10 2023-08-17 Huawei Technologies Co.,Ltd. Systems and methods for robust beamforming using a reconfigurable intelligent surface in communication systems
CN114866126B (zh) * 2022-03-25 2023-06-23 北京邮电大学 智能反射面辅助毫米波系统的低开销信道估计方法
EP4344076A1 (en) 2022-09-23 2024-03-27 Nokia Solutions and Networks Oy Grid of beam -type design and implementation of a re-configurable intelligent surface

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110138422A (zh) * 2019-04-16 2019-08-16 电子科技大学 基于稀疏编码和无相位解码的毫米波通信快速波束对准方法
CN110278017A (zh) * 2019-06-27 2019-09-24 广东工业大学 一种基于智能反射面的多天线无线能量传输系统与方法
CN111245492A (zh) * 2020-01-10 2020-06-05 北京邮电大学 基于接收功率排序的联合波束训练和智能反射面选择方法
CN111698010A (zh) * 2020-06-11 2020-09-22 电子科技大学 一种基于智能反射曲面辅助通信的资源分配方法
KR102192234B1 (ko) * 2019-10-28 2020-12-17 성균관대학교 산학협력단 지능형 반사 평면을 포함하는 무선 통신 시스템의 통신 방법 및 이를 위한 장치

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111181615B (zh) * 2019-11-29 2022-08-12 广东工业大学 一种基于智能反射面的多小区无线通信方法
CN111162823B (zh) * 2019-12-25 2021-04-27 浙江工业大学 双向mimo通信系统中预编码矩阵和相移矩阵优化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110138422A (zh) * 2019-04-16 2019-08-16 电子科技大学 基于稀疏编码和无相位解码的毫米波通信快速波束对准方法
CN110278017A (zh) * 2019-06-27 2019-09-24 广东工业大学 一种基于智能反射面的多天线无线能量传输系统与方法
KR102192234B1 (ko) * 2019-10-28 2020-12-17 성균관대학교 산학협력단 지능형 반사 평면을 포함하는 무선 통신 시스템의 통신 방법 및 이를 위한 장치
CN111245492A (zh) * 2020-01-10 2020-06-05 北京邮电大学 基于接收功率排序的联合波束训练和智能反射面选择方法
CN111698010A (zh) * 2020-06-11 2020-09-22 电子科技大学 一种基于智能反射曲面辅助通信的资源分配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Chenglu Jia ; Junqiang Cheng.High-Resolution Channel Estimation for Intelligent Reflecting Surface-Assisted MmWave Communications.《2020 IEEE 31st Annual International Symposium on Personal, Indoor and Mobile Radio Communications》.2020, *
刘期烈 ; 杨建红.面向安全通信的智能反射面网络能效优化算法.《电讯技术》.2020, *

Also Published As

Publication number Publication date
CN112994765A (zh) 2021-06-18

Similar Documents

Publication Publication Date Title
CN112994765B (zh) 智能反射面辅助毫米波通信系统的波束对准方法
JP5710803B2 (ja) Ｍｉｍｏシステム内のフィードバックをもつ多重解像度ビーム形成
CN107566305B (zh) 一种低复杂度的毫米波系统信道估计方法
CN110519189A (zh) 高度移动场景下基于压缩感知的毫米波信道估计方法
CN103560985A (zh) 一种空时相关信道大尺度mimo传输方法
CN110138438B (zh) 一种用于提高卫星通信频谱效率的调制方法
CN110138422A (zh) 基于稀疏编码和无相位解码的毫米波通信快速波束对准方法
CN109120316A (zh) 一种基于最大化最小相位差值的混合波束成形方法
CN113411107A (zh) 一种基于波束束的毫米波大规模mimo系统宽带信道估计方法
Alexandropoulos et al. Uplink beam management for millimeter wave cellular MIMO systems with hybrid beamforming
CN114567525B (zh) 一种信道估计方法及装置
Ghermezcheshmeh et al. Parametric channel estimation for LoS dominated holographic massive MIMO systems
CN113489519B (zh) 一种面向非对称大规模mimo系统的无线通信传输方法
Singh et al. Fast beam training for RIS-assisted uplink communication
US20240089152A1 (en) Angular domain channel estimation method based on matrix reconstruction for symmetrical nonuniform array
CN101494488B (zh) 一种通过极化天线传输数据的方法及装置
CN110719127B (zh) 一种具有恒模约束的毫米波mimo系统波束成形方法
Leshem et al. The interference channel revisited: Aligning interference by adjusting antenna separation
Kim et al. Channel estimation via oblique matching pursuit for FDD massive MIMO downlink
Shaham et al. Raf: Robust adaptive multi-feedback channel estimation for millimeter wave mimo systems
Srivastava et al. MSBL-based simultaneous sparse channel estimation in SC wideband mmWave hybrid MIMO systems
Kaleva et al. Short range 3D MIMO mmwave channel reconstruction via geometry-aided AoA estimation
Zhang et al. Joint estimation and detection for MIMO-STBC system based on deep neural network
Xiao et al. Reconfigurable intelligent surface-aided indoor communication with neural beam alignment
Chen et al. Robust beam management scheme based on simple 2-D DOA estimation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant