CN114285702B - 一种用于毫米波irs协作系统的稀疏级联信道估计方法 - Google Patents

Abstract

本发明涉及一种用于毫米波IRS协作系统的稀疏级联信道估计方法，属于通信技术领域。该方法将角度域稀疏级联信道的结构稀疏特性融入到经典OMP算法中，首先利用所有时刻各用户的导频数据联合估计完全共有行支撑集，然后在共有行支撑集估计基础上获得各时刻下各个用户的列支撑集，最后采用LS算法估计相应的稀疏级联信道矩阵。本发明降低了导频开销，提高了估计精度。

Description

一种用于毫米波IRS协作系统的稀疏级联信道估计方法

技术领域

本发明属于通信技术领域，涉及一种用于毫米波IRS协作系统的稀疏级联信道估计方法。

背景技术

在未来无线通信网络中，毫米波频段能够有效弥补和解决微波频段频谱资源稀缺的问题，使得通信传输速率达到Gbps量级。然而，毫米波信号具有路径损耗大、大气衰减和雨衰严重、绕射能力差、穿透能力差等传播特性以及毫米波器件性能受限特性，难以实现室外广域覆盖。此外，毫米波信号绕射能力差，更容易受障碍物影响。由于其中断敏感性与视距(Line-of-Sight,LoS)遮挡问题，导致已经建立好的通信链路变得不可用，而不像微波频段表现为小尺度衰落。为解决毫米波网络LoS遮挡问题，可以在毫米波网络中采用低成本智能反射表面天线(Intelligent Reflecting Surface,IRS)设备建立额外的辅助链路，以保证网络的稳健性。基于IRS辅助的协作传输方式以其可重构信道传播环境与低成本的优势近几年开始受到广泛关注。

IRS是由大量低成本无源反射天线单元组成的平面，每个发射天线单元都能够独立地改变入射信号的相位或幅度，从而形成精细的反射波束实现发射机和接收机之间的无线传播信道可重构。针对毫米波IRS协作通信系统信道估计问题，主要的挑战在于IRS设备的所有天线单元是无源的，不能够执行接收和处理任何信号。另一方面，IRS设备通常存在成百上千个单元。因此，所需估计的信道矩阵维度较大，使得传统信道估计方法所需的导频开销急剧增加。

目前，大多数IRS信道估计主要集中于估计系统级联信道。例如，基于开关机制的IRS系统级联信道估计方法，其基本思想是将整个估计过程划分为N(N为IRS设备天线数目)个阶段。在第n个阶段，IRS设备其中一个天线单元被打开，其余天线单元保持关闭状态，用于估计级联信道矩阵中对应的一个列向量。显然，这种信道估计方案所需导频开销与IRS设备天线单元数相关，导频开销巨大。

因此，亟需一种新的能够降低导频开销的IRS系统级联信道估计的方法。

发明内容

有鉴于此，本发明的目的在于提供一种用于毫米波IRS协作系统的稀疏级联信道估计方法，利用角度域级联信道在时间域和用户域上的结构稀疏特性，对经典的正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法进行改进从而降低导频开销并提高了估计精度。并基于递归思想进行设计，使得其适用于实时应用。

为达到上述目的，本发明提供如下技术方案：

一种用于毫米波IRS协作系统的稀疏级联信道估计方法，将角度域稀疏级联信道的结构稀疏特性融入到经典OMP算法中，首先利用所有时刻各用户的导频数据联合估计完全共有行支撑集，然后在共有行支撑集估计基础上获得各时刻下各个用户的列支撑集，最后采用LS算法估计相应的稀疏级联信道矩阵；该方法具体包括以下步骤：

S1：在信道估计阶段，系统采用正交导频传输策略，即在所有用户分时发送导频信号；

S2：在线更新完全共有行支撑集；

S3：估计各用户的列支撑集；

S4：估计级联信道矩阵。

进一步，步骤S1具体包括：每个用户UE分别选择一个子时刻传输Q个导频符号，基站BS利用所有时刻和所有用户的接收导频符号Y_k，t，k=1，…，K，t=1，…，T进行估计；首先将系统模型变换为标准的压缩感知信号模型为：

其中，K表示用户数量，T表示基站BS接收数据的时隙数目；为等效观测矩阵，/>为感知矩阵，/>为角度域稀疏级联信道矩阵，/>为等效噪声矩阵；U₁和U₂分别为基站BS和IRS字典酉矩阵；矩阵Θ＝[θ₁，…，θ_Q]表征IRS发射矩阵，θ_Q为IRS针对第Q个导频符号设置的反射矢量；N_k，t＝[n_k，1，t，…，n_k，Q，t]为噪声矩阵，n_k,Q,t为等效噪声矢量。

进一步，步骤S2中，在线更新完全共有行支撑集Ω_r，具体包括：首先，使用当前时刻基站BS接收的各用户等效观测矩阵和上个时刻的行能量矢量p_t-1，更新当前时刻t的行能量矢量p_t，并存储下来；

其中，N_b为基站BS部署天线数目，[·]_n表示矢量的第n个元素，表示矩阵或矢量的Frobenius范数的平方，(：,·)表示选取矩阵的对应列操作；

然后，选取p_t中前L_G个较大元素值对应的索引作为完全共有行支撑集Ω_r的更新结果

进一步，步骤S3中，估计各用户的列支撑集具体包括：对于各个用户的各非零元素行执行L_k，t次迭代：首先取观测矩阵的第l₁个非零列/>然后初始化残差/>初始化对应列支撑集/>内迭代次数l₂=1；在第l₂次循环中执行步骤S31～S32进行稀疏重构；

S31：计算上次迭代得到的残差与感知矩阵/>的相关值，得到最大相关系数的对应的索引值并加入到支撑集中，即

其中，N_r为天线数目；

S32：更新残差使用LS算法进行信号逼近并更新残差；

其中，表示更新后的/> 表示稀疏矩阵/>的第l₁个非零列，/>表示矩阵的广义逆。

进一步，步骤S4中，估计级联信道矩阵H_k，t，具体包括：基于LS算法，估计角度域稀疏级联信道矩阵为：

然后根据估计出的角度域稀疏级联信道矩阵得到当前时刻各用户对应的级联信道矩阵，即：/>

本发明的有益效果在于：

1)与传统基于开关机制的级联信道估计方法相比，本发明提出的递归在线双时间尺度稀疏级联信道估计方法基于压缩感知(Compressed Sensing,CS)理论的OMP算法进行设计，其导频开销大大降低。

2)与经典的OMP算法相比，本发明提出的递归在线双时间尺度稀疏级联信道估计方法进一步考虑了级联信道在时间域和用户域上的结构稀疏特性，从而提升了估计精度。并且，基于递归思想进行改进，使得其适用于实时应用。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：

图1为本发明所考虑的毫米波IRS协作系统示意图；

图2为角度域稀疏级联信道矩阵在时间域和用户域的结构稀疏特性示意图；

图3为本发明提出的递归在线双时间尺度稀疏级联信道估计方法与经典OMP算法估计性能随导频开销变化的对比图；

图4为本发明提出的递归在线双时间尺度稀疏级联信道估计方法与经典OMP算法估计性能随信噪比变化的对比图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

请参阅图1～图4，为了方便理解，首先对本发明所考虑的毫米波IRS协作系统进行简要介绍：

如图1所示，考虑毫米波IRS协作通信系统上行链路。K个单天线用户UE通过智能放射表面天线IRS的辅助与基站BS进行通信。基站BS部署天线数目为N_b的均匀分布直线阵列，IRS为均匀平面阵列，天线数目为N_r＝N_r，x×N_r，y。为简化，假设各用户UE和基站BS之间由于建筑物遮挡不存在直接链路。

与传统中继协作通信系统不同的是，IRS设备不具备信号处理能力，并且不会产生额外的噪声。因此，数据传输只有一个阶段，基站BS接收信号可以直接表示为：

其中，s_k为第k个用户发送的信号；为第k个用户UE到IRS的毫米波上行信道(UE-RS信道)；/>为IRS到基站BS的毫米波上行信道(IRS-BS信道)；为基站BS处的加性高斯白噪声，/>矢量/>表示IRS的波束成形矢量(反射矢量)，其中θ_n为第n个IRS单元的反射系数，可以进一步写为/>且β_n∈[0，1]以及φ_n∈[0，2π]分别表示对应IRS单元发射系数的幅度和相位。

此外，利用diag(θ)h_k＝diag(h_k)θ，k＝1，…，K，上式还可以写为

其中，定义为第k个用户UE对应的级联信道。从上式可以看出，在设计基站BS接收机和IRS协作波束成形等算法时，没有必要像传统中继协作系统一样同时估计出两端信道(h_k和G)以实现系统性能最优，直接估计级联信道H_k，k＝1，…，K即可满足要求。本发明主要针对级联信道设计估计算法。

接下来，阐述级联信道在时间域和用户域上的结构稀疏特性。

在上述系统中，基站BS部署ULA阵列，IRS为UPA阵列，则毫米波UE-IRS上行信道和毫米波IRS-BS信道/>可以分别表示为：

其中，L_k为信道h_k的路径径数，为对应径的信道增益，参数/>和/>分别表征相应信道路径到达IRS的水平角和俯仰角。L_G为信道G的路径径数，/>为对应径的信道增益，参数和/>分别表征相应信道路径离开IRS的水平角和俯仰角，参数/>为相应信道路径到达基站BS的角度。矢量a_IRS(θ，ψ)和a_BS(θ)分别为IRS和基站BS的阵列导向矢量，可以写为：

其中，为矩阵Kronecker乘积操作；参数/>d为天线间距，一般选择为载波半波长，d=λ/2。

毫米波MIMO信道具有稀疏特性，因此信道路径数目(L_G和L_k)远小于天线阵列维度。对于级联信道由两级稀疏信道组成，同样具有稀疏特性，将其转换到角度域可以表示为：

其中，表征角度域稀疏级联信道，/>和/>分别为基站BS和IRS的字典酉矩阵。

此外，基站BS和IRS的位置相对固定，而用户UEs处于移动状态。因此，IRS协作信道存在双时间尺度特性，即BS-IRS信道G变化较慢，UE-IRS信道h_k，k＝1，…，K变化较快。我们令BS-IRS信道G在T个内不发生变化，各个时刻下的UE-IRS信道表征为h_k，t，k＝1，…，K，t＝1，…，T。则对应的各时刻下的级联信道可以写为H_k，t＝Gdiag(h_k，t)，k＝1，…，K，t＝1，…，T。为了进一步探索级联信道在各用户和各时刻上的结构稀疏特性，将角度域稀疏级联信道进一步写为

其中，k＝1，…，K，t＝1，…，T。中间参数/> 和/>分别为：

在理想无格点情况下，和/>都分别只有一个非零元素值。每个完整的反射链路(l₁，l₂)将为角度域稀疏级联信道矩阵/>提供一个非零元素值，该元素值的行列位置分别由/>和/>决定，即非零元素值的行位置由IRS-BS信道G中各路径到达BS的角度参数/>决定，非零元素值的列位置由IRS-BS信道G和UE-IRS信道h_k，t中有关IRS到达角和离开角的参数/>共同决定。稀疏角度域级联信道矩阵/>中存在L_G个非零行，在每个非零行里共包含有L_k，t个非零列，/>中的非零元素值数目为L_GL_k，t。此外，更为重要的是，角度域稀疏级联信道矩阵/>在用户域和时间域存在结构稀疏特性。由于IRS-BS信道G的慢变特性，不同用户以及不同时刻下得到的角度域稀疏级联信道矩阵/>中的非零元素具有相同行位置。通过探索该结构稀疏特性设计稀疏信道估计算法以进一步提高估计性能。

本发明提出的递归在线双时间尺度稀疏级联信道估计方法具体内容如下：

(1)在信道估计阶段，系统采用正交导频传输策略，即在所有用户分时发送导频信号。令每个用户UE分别选择一个子时刻传输Q个导频符号，在时刻t，基站BS接收到第k个用户UE的第q个导频符号可以表示为

y_k，q，t＝Gdiag(θ_q)h_k，ts_k，q+n_k，q，t＝H_k，tθ_qs_k，q+n_k，q，t

其中，s_k，q为第k个用户UE发送的第q个导频符号，θ_q为IRS针对第q个导频符号设置的反射矢量。需要注意的是，不同的导频符号需要设置不同的IRS反射矢量。将基站BS接收到第k个用户UE的Q个导频符号写为矩阵形式，即并假设每个导频符号为s_k，q＝1，可以得到：

Y_k，t＝H_k，tΘ+N_k，t

其中，矩阵表征IRS发射矩阵，/>为噪声矩阵。进一步地，可以得到：

令为等效观测矩阵，/>为感知矩阵，为等效噪声矩阵，则上式可以写为标准的压缩感知信号模型

(2)考虑级联信道在时间域和用户域上的结构稀疏特性，在经典OMP算法基础上提出双时间尺度递归在线稀疏级联信道估计方法。假设基站BS已经获得T个时刻的各用户的导频数据Y_k，t，k＝1，…，K，t＝1，…，T用于估计级联信道H_k，t，k＝1，…，K，t＝1，…，T。令为t时刻第k个用户的稀疏级联信道/>非零元素值行集合，则有：

其中，Ω_r被称之为完全共有行支撑集。在所提方法中，首先利用所有时刻各用户的导频数据联合估计完全共有行支撑集Ω_r，然后在共有行支撑集Ω_r估计基础上获得各时刻下各个用户的列支撑集，最后采用LS算法估计相应的稀疏级联信道矩阵。接下来，我们详细讲述所提方法的三个步骤。

(3)在步骤(1)，估计完全共有行支撑集Ω_r。角度域稀疏级联信道矩阵的非零行位置对应接收测量矩阵/>的高能量列。得益于角度域稀疏级联信道在时间域和用户域的结构稀疏特性，所有时刻各用户对应的接收测量矩阵/>可以用来估计完全共有行支撑集Ω_r，从而抵抗噪声的影响。具体而言，定义矢量/>用于存储所有接收测量矩阵的各列总和能量值，该矢量中的各个元素值计算如下

然后，选取p中前L_G个较大元素值对应的索引作为完全共有行支撑集的估计结果。为了使算法能够在线实时应用，可以基于递归思想对矢量p进行在线递归更新。在时刻t，矢量p的更新公式为：

(4)步骤(2)，估计各时刻下各个用户的列支撑集。由于不同时刻下各用户的角度域稀疏级联信道矩阵的非零元素处于不同列位置，因此不同时刻下各用户的/>各非零元素行上的列支撑集/>都需要单独估计。对于非零元素行l₁，存在L_k，t个列索引值需要被估计。类似经典OMP算法，对每个非零元素行，进行L_k，t迭代。每次迭代，计算残差/>与感知矩阵/>的相关值，得到最相关行的索引加入到列支撑集中

其中，初始化残差 表示观测矩阵/>的第l₁个非零列，/>然后，使用LS方法进行信号逼近并更新残差。

其中，表示稀疏矩阵/>的第l₁个非零列。对不同时刻下的每个用户都执行上述操作，从而估计出各自对应的列支撑集/>并得到角度域稀疏级联信道初始估计结果/>需要注意的是，在实时应用中，我们只需要估计当前时刻下各用户的列支撑集以及/>即可。

(5)在步骤(3)，估计稀疏级联信道矩阵。根据步骤(1)和步骤(2)得到的完全共有行支撑集和各自的列支撑集/>采用LS算法估计各自的稀疏级联信道矩阵，即

其中，l₁＝l，…，L_G，k＝1，…，K，t＝1，…，T。最后，根据估计出的角度域稀疏级联信道矩阵可以得到对应的级联信道矩阵/>为：/>

从图2～图4可以看出，本发明提出的递归在线双时间尺度稀疏级联信道估计方法，可应用实际毫米波IRS协作通信系统。利用角度域级联信道在时间域和用户域上的结构稀疏特性，对经典OMP算法进行改进从而降低了导频开销并提高了估计精度。并基于递归思想进行设计，使得其适用于实时应用。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (2)

1.一种用于毫米波IRS协作系统的稀疏级联信道估计方法，其特征在于，将角度域稀疏级联信道的结构稀疏特性融入到经典OMP算法中，首先利用所有时刻各用户的导频数据联合估计完全共有行支撑集，然后在共有行支撑集估计基础上获得各时刻下各个用户的列支撑集，最后采用LS算法估计相应的稀疏级联信道矩阵；该方法具体包括以下步骤：

S1：在信道估计阶段，系统采用正交导频传输策略，即在所有用户分时发送导频信号；

具体地，每个用户UE分别选择一个子时刻传输Q个导频符号，基站BS利用所有时刻和所有用户的接收导频符号Y_k，t，k＝1，…，K，t＝1，…，T进行估计；首先将系统模型变换为标准的压缩感知信号模型为：

其中，K表示用户数量，T表示基站BS接收数据的时隙数目；为等效观测矩阵，/>为感知矩阵，/>为角度域稀疏级联信道矩阵，/>为等效噪声矩阵；U₁和U₂分别为基站BS和IRS字典酉矩阵；矩阵Θ＝[θ₁，…，θ_Q]表征IRS发射矩阵，θ_Q为IRS针对第Q个导频符号设置的反射矢量；N_k，t＝[n_k，1，t，…n_k，Q，t]为噪声矩阵，n_k,Q,t为等效噪声矢量；

S2：在线更新完全共有行支撑集Ω_r，具体包括：

首先，使用当前时刻基站BS接收的各用户等效观测矩阵和上个时刻的行能量矢量p_t-1，更新当前时刻t的行能量矢量p_t，并存储下来；

其中，N_b为基站BS部署天线数目，[·]_n表示矢量的第n个元素，表示矩阵或矢量的Frobenius范数的平方，(：,·)表示选取矩阵的对应列操作；

然后，选取p_t中前L_G个较大元素值对应的索引作为完全共有行支撑集Ω_r的更新结果L_G表示信道G的路径径数，其中G表示IRS到基站BS的毫米波上行信道；

S3：估计各用户的列支撑集具体包括：

对于各个用户的各非零元素行执行L_k，t次迭代：首先取观测矩阵的第l₁个非零列然后初始化残差/>初始化对应列支撑集/>内迭代次数l₂＝1；在第l₂次循环中执行步骤S31～S32进行稀疏重构；

S31：计算上次迭代得到的残差与感知矩阵/>的相关值，得到最大相关系数的对应的索引值并加入到支撑集中，即

其中，N_r为天线数目；

S32：更新残差使用LS算法进行信号逼近并更新残差；

其中，表示更新后的/> 表示稀疏矩阵/>的第l₁个非零列，/>表示矩阵/>的广义逆；

l₁表示角度域稀疏级联信道矩阵中非零元素行的序数，l₁＝1,…,L_G；l₂表示内迭代次数，l₂＝1,…,L_k,t，L_k,t表示矩阵/>中各非零元素行的列索引值的数量；

S4：估计级联信道矩阵。

2.根据权利要求1所述的稀疏级联信道估计方法，其特征在于，步骤S4中，估计级联信道矩阵H_k，t，具体包括：基于LS算法，估计角度域稀疏级联信道矩阵为：

然后根据估计出的角度域稀疏级联信道矩阵得到当前时刻各用户对应的级联信道矩阵，即：/>