CN114268524B - 智能反射面辅助通信系统信道估计方法 - Google Patents

Abstract

本发明是一种智能反射面辅助通信系统信道估计方法，该方法首先在基站处计算RIS‑用户信道相关矩阵，进而确定RIS‑用户信道的特征空间，根据特征方向优化基站接收预编码和RIS反射矩阵。当某时刻选取的特征方向是RIS‑用户信道的瞬时主特征方向时，RIS反射矩阵能有效将上行信号汇聚到基站处，基站接收信号功率高；否则，基站接收信号功率低。在RIS‑用户信道特征空间维度不大于导频长度的条件下，遍历所有特征方向，通过比较基站接收信号功率，可以确定RIS‑用户信道的瞬时主特征方向。本方法考虑实际信道的相关特性，更能反映RIS‑用户信道信道的特性；本方法基于统计CSI估计RIS‑用户信道，与传统信道估计方法相比信道估计的开销更小。

Description

智能反射面辅助通信系统信道估计方法

技术领域

本发明属于无线通信中的信道估计技术领域，具体为一种基于信道相关性的智能反射面辅助无线通信系统信道估计方法。

背景技术

智能反射面(Reconfigurable intelligent surface，RIS)技术由于其低功耗和低硬件复杂度的特点，获得了来自学术界和工业界的广泛关注，并且被认为是未来移动通信系统的一项关键技术。具体来讲，RIS由大量低成本无源反射元构成，每个反射元都可以独立反射信号。若基站与用户之间的通信由于恶劣的通信环境而被阻断，可以部署RIS来提供额外的可控的信道，协助基站与用户间的通信。RIS实现前述功能的前提是根据信道状态信(Channel state information，CSI)合理进行RIS反射矩阵设计。而智能反射面无法直接估计CSI，信道估计只能在基站或用户处进行。

在实际通信系统中，RIS通常部署在高处，环境散射体分布在用户周围且距离RIS较远，对于配备大量均匀排布、间隔小于半波长的反射单元的RIS来说，RIS-用户信道具有相关性，大部分信道能量位于有限维度的信道特征空间中。在RIS-用户信道相关性极强时，信道特征空间维度低，信道分量以极高概率集中在统计主特征方向，此时可利用RIS-用户信道的统计CSI，在下行传输过程中根据RIS-用户信道统计主特征方向进行RIS反射矩阵设计。而当RIS-用户信道的强相关性条件不满足时，信道分量集中在统计主特征方向以外的特征方向的可能性增加，若仍根据统计主特征方向进行RIS反射矩阵设计，可能导致RIS反射矩阵与实际RIS-用户信道失配，使得经RIS反射的信号无法有效汇聚到用户处，造成通信系统性能损失。这就要求基站获取瞬时CSI，而现有的RIS-用户信道估计方法所需导频长度与RIS反射单元数量成正比，需耗费大量通信资源。本发明针对RIS-用户信道强相关性条件不满足的场景，提供一种RIS辅助无线通信系统特征空间信道估计方法，以较低的导频开销，仅找出RIS-用户信道的瞬时主特征方向，而非准确的估计瞬时信道。

发明内容

技术问题：本发明的目的是提供一种智能反射面辅助通信系统信道估计方法，本方法考虑实际信道的相关特性，更能反映RIS-用户信道信道的特性；本方法基于统计CSI估计RIS-用户信道，与传统信道估计方法相比信道估计的开销更小。

技术方案：该方法首先在基站处计算RIS-用户信道相关矩阵，进而确定RIS-用户信道的特征空间，根据特征方向优化基站接收预编码和RIS反射矩阵。当某时刻选取的特征方向是RIS-用户信道的瞬时主特征方向时，RIS反射矩阵能有效将上行信号汇聚到基站处，基站接收信号功率高；否则，基站接收信号功率低。在RIS-用户信道特征空间维度不大于导频长度的条件下，遍历所有特征方向，通过比较基站接收信号功率，可以确定RIS-用户信道的瞬时主特征方向。

本发明的技术方案包括如下步骤：

具有M根天线的基站与单天线用户之间的通信由于恶劣的通信环境而被阻断，具有N个反射单元的RIS被部署用来提供额外的可控的信道，协助基站与用户间的通信。在信道估计阶段，基站在时刻t的接收信号为

其中，P为用户发射功率，T为导频长度，w为归一化基站接收预编码。对角阵Φ_t＝diag[exp(jθ_t,1),exp(jθ_t,2),…,exp(jθ_t,N)]为在时刻t的RIS反射矩阵，参数θ_t,n∈[0,2π)表示RIS第_n个反射单元在时刻t的相移，n∈[1,2,…,N]。s_t为时刻t用户发送的导频，满足 和/>分别为基站与RIS以及RIS与用户之间的信道，为时刻t基站接收机处的加性高斯白噪声，σ²表示噪声功率，可通过常规的信道估计得到。(·)^H，|·|，j和diag[·]分别表示共轭转置，求模，虚数单位和构造对角矩阵。本发明提出对/>进行估计的方法。

第一步，计算RIS-用户信道的相关矩阵。

基站依据比如文献“EmilJakob Hoydis and Luca Sanguinetti(2017),“Massive MIMO Networks:Spectral,Energy,and Hardware Efficiency”,Foundationsand Trends in Signal Processing:Vol.11,No.3-4,pp 154–655.DOI:10.1561/2000000093.”中7.3.2节所描述三维局部散射模型，计算RIS-用户信道的相关矩阵。其中，/>描述RIS侧信道离开角的分布，由用户位置及散射体分布决定。u_n和u_m分别表示RIS第n个和第m个反射元相对于参考反射元的位置矢量，由RIS拓扑结构决定。[·]_mn表示矩阵的第(m,n)个元素。

第二步，确定RIS-用户信道h的特征空间。

根据RIS-用户信道相关矩阵，可确定RIS-用户信道的特征空间。对相关矩阵R做谱分解(Spectral decomposition，SD)

R＝DΛD^H, (13)

其中，为矩阵R做谱分解所得的酉矩阵，Λ＝diag[λ₁,λ₂,…,λ_N]为R的特征值组成的对角矩阵，λ₁,λ₂,…,λ_N为降序排列的矩阵R特征值。

RIS-用户信道的特征空间为

span{[D]₁,[D]₂,…,[D]_X}, (14)

其中，[D]₁,[D]₂,…,[D]_X为RIS-用户信道的特征方向。[D]₁为信道相关矩阵最大特征值对应的特征方向，称其为统计主特征方向。为信道特征空间维度，满足

span{·}，[·]_i和分别表示矢量张成的子空间，取矩阵的第i列和正整数集合。n∈[1,2,…,N]是信道相关矩阵特征值的索引，N为RIS反射元的个数。

公式(4)表明RIS-用户信道大部分能量位于有限维度的信道特征空间，因此RIS-用户信道可近似表示为

其中，η_x＝h^H[D]_x，为RIS-用户信道h在特征方向[D]_x上的投影，表示RIS-用户信道落在特征方向[D]_x上分量的大小。x∈[1,2,…,X]是特征方向的索引。X是信道特征空间维度。

定义RIS-用户信道分量最集中的特征方向为瞬时主特征方向

其中d为备选瞬时特征方向，从特征方向组成的集合中选取。一般可认为无线通信信道服从块衰落模型，在同一相干时间块内信道近似保持不变，在不同相干时间块之间信道互相独立。不同相干时间块之间信道统计主特征方向不变，而瞬时主特征方向会发生变化。

当信道特征空间维度X≤3时，RIS-用户信道相关性强，信道分量以极高概率集中在统计主特征方向，即h≈η₁[D]₁,此时可利用RIS-用户信道的统计CSI，在下行传输过程中根据统计主特征方向进行RIS反射矩阵设计。而当信道特征空间维度X＞3时，RIS-用户信道强相关性条件不满足，信道分量集中在统计主特征方向以外的特征方向的可能性增加，若仍根据统计主特征方向进行RIS反射矩阵设计，可能导致RIS反射矩阵与实际RIS-用户信道失配，使得经RIS反射的信号无法有效汇聚到用户处，造成通信系统性能损失。

第三步，特征空间信道估计

如第二步所述，RIS-用户信道可以近似为特征方向的线性组合。在时刻t以最大化基站接收信号y_t的功率为目标，根据特征方向[D]_t优化基站接收预编码w和时刻t的RIS反射矩阵Φ_t，该优化问题可表述为

其中，|·|和||·||₂分别表示求模和求二范数。

上述问题的解应满足

w＝[U]₁ (19)

和

其中，与/>分别为矩阵H_r奇异值分解所得的左酉矩阵与右酉矩阵，

为奇异值组成的矩阵，δ₁,δ₂,…,δ_M为降序排列的矩阵H_r奇异值。arg(·)表示取幅角。

定义

e＝[|y₁|²,|y₂|²,…,|y_X|²]^T, (22)

其中，(·)^T表示转置。为了降低导频开销，本专利所提信道估计方法不对瞬时RIS-用户信道进行准确的估计，仅找出RIS-用户信道的瞬时主特征方向。e的元素表示对应时刻基站接收信号的功率，接收信号功率最高的时刻对应的特征方向即为RIS-用户信道的瞬时主特征方向，即

d_m＝[D]_max(e), (23)

其中，max(·)返回矢量最大元素对应的索引。

有益效果:本发明中基于信道相关性的RIS辅助通信系统信道估计方法，具有以下技术效果：

本方法考虑实际信道的相关特性，更能反映RIS-用户信道信道的特性；

本方法基于统计CSI估计RIS-用户信道，与传统信道估计方法相比信道估计的开销更小。

附图说明

图1是本发明智能反射面辅助无线通信系统示意图；

图2是本发明基于信道相关性的RIS辅助通信系统信道估计方法流程图。

具体实施方式

参见图1-图2，本发明基于信道相关性的RIS辅助通信系统RIS-用户信道估计方法具体实施步骤如下：

如图1所示，具有M＝16根天线的基站与单天线用户之间的通信由于恶劣的通信环境而被阻断，具有N＝400个反射单元的RIS被部署用来提供额外的可控的信道。在信道估计阶段，基站在时刻t的接收信号为

其中，P为用户发射功率，T为导频长度，w为归一化基站接收预编码。对角阵Φ_t＝diag[exp(jθ_t,1),exp(jθ_t,2),…,exp(jθ_t,N)]为在时刻t的RIS反射矩阵，参数θ_t,n∈[0,2π)表示RIS第_n个反射单元在时刻t的相移，n∈[1,2,…,N]。s_t为时刻t用户发送的导频，满足 和/>分别为基站与RIS以及RIS与用户之间的信道，为时刻t基站接收机处的加性高斯白噪声，σ²表示噪声功率，可通过常规的信道估计得到。(·)^H，|·|，j和diag[·]分别表示共轭转置，求模，虚数单位和构造对角矩阵。本发明提出对/>进行估计的方法。

第一步，计算RIS-用户信道的相关矩阵。

基站依据比如文献“EmilJakob Hoydis and Luca Sanguinetti(2017),“Massive MIMO Networks:Spectral,Energy,and Hardware Efficiency”,Foundationsand Trends in Signal Processing:Vol.11,No.3-4,pp 154–655.DOI:10.1561/2000000093.”中7.3.2节所描述三维局部散射模型，计算RIS-用户信道的相关矩阵。其中，/>描述RIS侧信道离开角的分布，由用户位置及散射体分布决定。u_n和u_m分别表示RIS第n个和第m个反射元相对于参考反射元的位置矢量，由RIS拓扑结构决定。[·]_mn表示矩阵的第(m,n)个元素。

第二步，确定RIS-用户信道h的特征空间。

根据RIS-用户信道相关矩阵，可确定RIS-用户信道的特征空间。对相关矩阵R做谱分解(Spectral decomposition，SD)

R＝DΛD^H, (2)

其中，为矩阵R做谱分解所得的酉矩阵，Λ＝diag[λ₁,λ₂,…,λ_N]为R的特征值组成的对角矩阵，λ₁,λ₂,…,λ_N为降序排列的矩阵R特征值。

RIS-用户信道的特征空间为

span{[D]₁,[D]₂,…,[D]_X}, (3)其中，[D]₁,[D]₂,…,[D]_X为RIS-用户信道的特征方向。[D]₁为信道相关矩阵最大特征值对应的特征方向，称其为统计主特征方向。X＝6为信道特征空间维度，满足

span{·}，[·]_i和分别表示矢量张成的子空间，取矩阵的第i列和正整数集合。n∈[1,2,…,N]是信道相关矩阵特征值的索引，N为RIS反射元的个数。

公式(4)表明RIS-用户信道大部分能量位于有限维度的信道特征空间，因此RIS-用户信道可近似表示为

其中，η_x＝h^H[D]_x，为RIS-用户信道h在特征方向[D]_x上的投影，表示RIS-用户信道落在特征方向[D]_x上分量的大小。x∈[1,2,…,X]是特征方向的索引。X是信道特征空间维度。

定义RIS-用户信道分量最集中的特征方向为瞬时主特征方向

其中d为备选瞬时特征方向，从特征方向组成的集合中选取。一般可认为无线通信信道服从块衰落模型，在同一相干时间块内信道近似保持不变，在不同相干时间块之间信道互相独立。不同相干时间块之间信道统计主特征方向不变，而信道瞬时主特征方向会发生变化。

当信道特征空间维度X≤3时，RIS-用户信道相关性强，信道分量以极高概率集中在统计主特征方向，即h≈η₁[D]₁,此时可利用RIS-用户信道的统计CSI，在下行传输过程中根据统计主特征方向进行RIS反射矩阵设计。而当信道特征空间维度X＞3时，RIS-用户信道强相关性条件不满足，信道分量集中在统计主特征方向以外的特征方向的可能性增加，若仍根据统计CSI进行RIS反射矩阵设计，可能导致RIS反射矩阵与实际RIS-用户信道失配，使得经RIS反射的信号无法有效汇聚到用户处，造成通信系统性能损失。

第三步，特征空间信道估计

如第二步所述，RIS-用户信道可以近似为特征方向的线性组合。在时刻t以最大化基站接收信号yt的功率为目标，根据特征方向[D]_t优化基站接收预编码w和时刻t的RIS反射矩阵Φ_t，该优化问题可表述为

其中，|·|和||·||₂分别表示求模和求二范数。

上述问题的解应满足

w＝[U]₁ (8)

和

其中，与/>分别为矩阵H_r奇异值分解所得的左酉矩阵与右酉矩阵，

为奇异值组成的矩阵，δ₁,δ₂,…,δ_M为降序排列的矩阵H_r奇异值。arg(·)表示取幅角。

定义

e＝[|y₁|²,|y₂|²,…,|y_X|²]^T, (11)

其中，(·)^T表示转置。为了降低导频开销，本专利所提信道估计方法不对瞬时RIS-用户信道进行准确的估计，仅找出RIS-用户信道的瞬时主特征方向。_e的元素表示对应时刻基站接收信号的功率，接收信号功率最高的时刻对应的特征方向即为RIS-用户信道的瞬时主特征方向，即

d_m＝[D]_max(e), (12)

其中，max(·)返回矢量最大元素对应的索引。

本发明针对RIS-用户信道强相关性条件不满足的场景，提供一种基于信道相关性的RIS辅助无线通信系统RIS-用户信道估计方法。

该方法首先在基站处计算RIS-用户信道相关矩阵，进而确定RIS-用户信道的特征空间,根据特征方向优化基站接收预编码和RIS反射矩阵。当某时刻选取的特征方向是RIS-用户信道的瞬时主特征方向时，RIS反射矩阵能有效将上行信号汇聚到基站处，基站接收信号功率高；否则，基站接收信号功率低。在RIS-用户信道特征空间维度不大于导频长度的条件下，遍历所有特征方向，通过比较基站接收信号功率，可以确定RIS-用户信道的瞬时主特征方向。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (2)

1.一种智能反射面辅助通信系统信道估计方法，其特征在于，该信道估计方法具体包括如下步骤：

第一步，计算RIS-用户信道的相关矩阵，

基站依据三维局部散射模型，计算RIS-用户信道的相关矩阵，

其中，/>描述RIS侧信道离开角的分布，由用户位置及散射体分布决定，u_n和u_m分别表示RIS第n个和第m个反射元相对于参考反射元的位置矢量，由RIS拓扑结构决定，[·]_mn表示矩阵的第(m,n)个元素；

第二步，确定RIS-用户信道h的特征空间，

根据RIS-用户信道相关矩阵，确定RIS-用户信道的特征空间，对相关矩阵R做谱分解

R＝DΛD^H, (1)

其中，为矩阵R做谱分解所得的酉矩阵，Λ＝diag[λ₁,λ₂,...,λ_N]为R的特征值组成的对角矩阵，λ₁,λ₂,...,λ_N为降序排列的矩阵R特征值；

RIS-用户信道的特征空间为

span{[D]₁,[D]₂,...,[D]_X}, (2)

其中，[D]₁,[D]₂,...,[D]_X为RIS-用户信道的特征方向；[D]₁为信道相关矩阵最大特征值对应的特征方向，称其为统计主特征方向；为信道特征空间维度，满足

span{·}，[·]_i和分别表示矢量张成的子空间，取矩阵的第i列和正整数集合；n∈[1,2,…,N]是信道相关矩阵特征值的索引，N为RIS反射元的个数；

公式(4)表明RIS-用户信道能量位于有限维度的信道特征空间，因此RIS-用户信道可近似表示为

其中，η_x＝h^H[D]_x，为RIS-用户信道h在特征方向[D]_x上的投影，表示RIS-用户信道落在特征方向[D]_x上分量的大小；x∈[1,2,…,X]是特征方向的索引；X是信道特征空间维度，

定义RIS-用户信道分量最集中的特征方向为瞬时主特征方向

其中d为备选瞬时特征方向，从特征方向组成的集合中选取；无线通信信道服从块衰落模型，在同一相干时间块内信道近似保持不变，在不同相干时间块之间信道互相独立；不同相干时间块之间信道统计主特征方向不变，而瞬时主特征方向会发生变化；

第三步，特征空间信道估计

如第二步所述，RIS-用户信道近似为特征方向的线性组合，在时刻t以最大化基站接收信号y_t的功率为目标，根据特征方向[D]_t优化基站接收预编码w和时刻t的RIS反射矩阵Φ_t，时刻t最大化基站接收信号y_t的功率的优化问题表述为

其中，|·|和||·||₂分别表示求模和求二范数，s.t.是subjectto的省写，表示优化问题的约束条件，约束条件是约束相关变量的；θ_t,n∈[0,2π)表示RIS第n个反射单元在时刻t的相移，n∈[1,2,...,N]，N是RIS反射单元的个数；

上述问题的解应满足

w＝[U]₁ (7)

和

其中，与/>分别为矩阵H_r奇异值分解所得的左酉矩阵与右酉矩阵，[U]₁为左酉矩阵U的第一列，[D]_ti,i＝1,2,...,N为特征方向[D]_t的第i行，[V]_1i,i＝1,2,...,N为右酉矩阵V的第1列的第i行，

为奇异值组成的矩阵，δ₁,δ₂,...,δ_M为降序排列的矩阵H_r奇异值；arg(·)表示取幅角；

定义

e＝[|y₁|²,|y₂|²,…,|y_X|²]^T, (10)

其中，(·)^T表示转置，为了降低导频开销，所提信道估计方法不对瞬时RIS-用户信道进行准确的估计，仅找出RIS-用户信道的瞬时主特征方向，e的元素表示对应时刻基站接收信号的功率，接收信号功率最高的时刻对应的特征方向即为RIS-用户信道的瞬时主特征方向，即

d_m＝[D]_max(e), (11)

其中，max(·)返回矢量最大元素对应的索引。

2.根据权利要求1所述的一种智能反射面辅助通信系统信道估计方法，其特征在于，当信道特征空间维度X≤3时，RIS-用户信道相关性强，信道分量以极高概率集中在统计主特征方向，即h≈η₁[D]₁,此时利用RIS-用户信道的统计CSI，在下行传输过程中根据统计主特征方向进行RIS反射矩阵设计；而当信道特征空间维度X＞3时，RIS-用户信道强相关性条件不满足，信道分量集中在统计主特征方向以外的特征方向的可能性增加，若仍根据统计主特征方向进行RIS反射矩阵设计，会导致RIS反射矩阵与实际RIS-用户信道失配，使得经RIS反射的信号无法有效汇聚到用户处，造成通信系统性能损失。