CN114553643B - 双时间尺度协同感知的毫米波智能超表面信道估计方法 - Google Patents
双时间尺度协同感知的毫米波智能超表面信道估计方法 Download PDFInfo
- Publication number
- CN114553643B CN114553643B CN202210434116.0A CN202210434116A CN114553643B CN 114553643 B CN114553643 B CN 114553643B CN 202210434116 A CN202210434116 A CN 202210434116A CN 114553643 B CN114553643 B CN 114553643B
- Authority
- CN
- China
- Prior art keywords
- base station
- intelligent super
- channel
- station end
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 239000013598 vector Substances 0.000 claims abstract description 38
- 238000004891 communication Methods 0.000 claims abstract description 19
- 238000012549 training Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 26
- 238000013461 design Methods 0.000 claims description 15
- 230000005540 biological transmission Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 241000209094 Oryza Species 0.000 claims description 9
- 235000007164 Oryza sativa Nutrition 0.000 claims description 9
- 235000009566 rice Nutrition 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 8
- 239000000654 additive Substances 0.000 claims description 4
- 238000003491 array Methods 0.000 claims description 4
- 230000008447 perception Effects 0.000 claims description 4
- 238000007476 Maximum Likelihood Methods 0.000 claims description 3
- 235000015429 Mirabilis expansa Nutrition 0.000 claims description 3
- 244000294411 Mirabilis expansa Species 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000001427 coherent effect Effects 0.000 claims description 3
- 230000021615 conjugation Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 238000005562 fading Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 235000013536 miso Nutrition 0.000 claims description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 2
- 230000000996 additive effect Effects 0.000 claims description 2
- 230000004888 barrier function Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims 1
- 238000013139 quantization Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 5
- 230000009977 dual effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/0224—Channel estimation using sounding signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种双时间尺度协同感知的毫米波智能超表面信道估计方法。首先基于基站端与智能超表面的最大距离设计相应的感知信号,并确定最大盲区距离;再设计基站端的相应感知波束赋形矢量。其次,通过设计智能超表面的移相器相位,在基站端与智能超表面间进行大时间尺度协同感知,以获取两者之间的等效信道。最后,通过依次开启智能超表面单元,并在基站端接收用户发出的训练序列,获得小时间尺度下的用户与智能超表面间的信道状态信息。本发明通过协同感知获取的真实等效准静态信道,能够以比较低的导频开销准确估计出用户端与智能超表面的信道,以提升通信系统的性能。
Description
技术领域
本发明属于无线通信技术领域,具体涉及一种基于协同感知的双时间尺度智能超表面辅助混合构型毫米波通信系统的多用户信道估计方法。
背景技术
毫米波大规模多输入多输出(massive MIMO)是实现5G及6G网络容量要求的关键技术之一。然而,传统的全数字MIMO系统(即每个天线由独立的射频链驱动)面临着一些实际问题,例如,功耗、硬件复杂和系统成本。为了解决上述问题,混合架构(即大量的天线连接到少量的射频链)提出,以在系统性能和能源消耗之间取得平衡。然而,混合毫米波系统的能耗不能满足实际应用的要求,同时还要面对毫米波信道的固有特性,如高传播损耗和高阻塞概率。
为了提高毫米波系统的能效性和可靠性,研究人员提出了智能超表面(RIS)的相关概念,以低能耗和低硬件复杂度的全被动智能反射元件以增大覆盖区域,成为未来通信具有研究潜力的技术之一。具体来说,智能超表面是一个由大量无源反射元件组成的可编程元表面。通过调整设计超表面上的反射元件,可以动态地调制入射信号的相位和振幅,从而实现空间电磁波的智能调制,并通过无源波束形成智能地改变无线通信通道。一方面,超表面通过提供额外的无源波束成形增益,能够将能量集中在所需的位置,以提高小区边缘的覆盖率,对抗毫米波通道固有的衰减和穿透损耗特性。另一方面,通过耦合的级联信道(基站端-智能超表面-用户端),超表面可以为解决干扰提供额外的自由度,也是对抗阻塞的途径之一。
大规模MIMO混合模数架构与新兴的智能超表面技术相结合,可以建立成本更低,能效比更高,更加灵活的通信系统。相应的,智能超表面的相位设计及部署依赖于智能超表面两侧的信道信息。然而,由于智能超表面没有配置处理复杂信号能力的射频链路,智能超表面辅助下的模数混合架构的信道估计较传统信道估计面临更加严峻的挑战。
发明内容
本发明针对智能超表面辅助下的混合模数架构毫米波通信系统,提出了一种基于双时间尺度协同感知的毫米波智能超表面信道估计方法。所述方法将信道估计时间划分为大时间尺度和小时间尺度,分别估计基站端和智能超表面高维度等效准静态信道和用户端与智能超表面时变低维信道。本方法首先基于基站端与智能超表面的距离设计相应的感知信号,并确定最大盲区距离。基站端通过发射接收感知信号,获取基站端与智能超表面之间的最强传播路径,并据此设计基站端的相应感知波束赋形矢量。其次,通过设计智能超表面的移相器相位,在基站端与智能超表面间进行大时间尺度协同感知,以获取两者之间的等效信道。并通过利用基站端与智能超表面之间的视距角度,来克服其等效信道感知过程中的相位模糊问题。最后,通过依次开启智能超表面单元,并在基站端接收用户发出的训练序列,可获得小时间尺度下的用户与智能超表面间的信道状态信息。本实施例基于所述的双时间尺度信道估计方法,通过协同感知获取的真实等效准静态信道进而能够以比较低的导频开销准确估计出用户端与智能超表面的信道,以提升通信系统的性能。此外,本发明考虑了智能超表面离散相位控制方案与连续相位控制方案对信道估计性能的影响,仿真证明,本发明提出的方法在低比特量化离散相位控制方案下亦能获得较好的估计结果。
双时间尺度协同感知的毫米波智能超表面信道估计方法,包括以下步骤。
步骤1、场景假设和信道模型。
步骤2、根据基站端与感知智能超表面之间的距离,设计感知信号长度,并确定最大盲区距离,以在基站端获取与智能超表面间的最强视距达到角。
步骤3、设计智能超表面的移相器相位,在基站端与智能超表面间进行大时间尺度协同感知,获取两者之间的等效信道。通过利用基站端与智能超表面之间的视距角度,来克服其等效信道感知过程中的相位模糊问题。
步骤4、通过依次开启智能超表面单元在基站端接收用户发出的训练序列,获得小时间尺度的与用户与智能超表面间的信道状态信息。
进一步的,步骤1具体方法如下。
智能超表面辅助下的毫米波通信系统场景描述如下:考虑一个智能超表面辅助的模数混合架构多用户毫米波MISO系统,其中基站端配备个天线和射频链,系统在具有个反射元件的智能超表面的协助下,对个单天线用户传输数据流。假设毫米波通信信道是在一个相干时隙内的慢衰落莱斯信道。
当假设基站端与用户端的视距链路被障碍物所阻挡时,毫米波通信系统在智能超表面协助下的通信信道模型由两部分构成:基站端与智能超表面之间的上行准静态高维信道矩阵,以及智能超表面与用户端下行低维信道矩阵,表示如下。
进一步的,步骤2具体方法如下。
在大时间尺度上通过协同感知对基站端与智能超表面之间的准静态信道进行信道估计。首先,确定信道带宽的情况下,基于基站端与智能超表面之间的距离设计相应感知信号长度及波形并确定基站端感知的最大盲区距离(基站端感知智能超表面的最大盲区距离与符号个数成正比)。考虑到毫米波信道的高传输损耗,智能超表面的部署偏向基站侧。
其中,为基站端发送的导频信号,为第个反射元件的开启时智能超表面与基站端信道所对应的上行信道。,是服从均值为0,方差为的加性高斯白噪声;式(3)中参数上标“”表示共轭。因此,总共个观测方向中产生最大值的波束方向角度,为可能的智能超表面在基站端的最强到达角度,即。
进一步的,步骤3具体方法如下。
通过下行链路,基站端向智能超表面发送导频,通过上行链路智能超表面反射回基站端。导频信号经过智能超表面反射到基站端的传输模型表达如下。
根据式(7),通过设计RIS的相位确保基站端获得最大的接收信号,即。
根据式(7)可得。
通过参考锚定点上传参考信号方式来解决最强角度估计过程中的模糊问题。具体操作为在智能超表面某已知方位设定一参考锚定点,参考锚定点在智能超表面信道的最强到达角度信息已知,参考用户通过上行链路发射感知信号,此时,基站端接收信号可表示为。
基于步骤1及2中测出的基站端与智能超表面之间的视距角度,消除角度估计中的相位模糊问题,重构视距信道。
式(15)中的视距信道仅包含视距角度参数,不包含散射路径的角度参数。为进一步获取更多的信道信息,在基站端与智能超表面之间进行大时间尺度的协同感知,从而获取两者之间的等效准静态信道(包含散射路径及视距路径)。其中,等效准静态信道定义为基站端的模拟波束形成矢量以及智能超表面与基站端之间信道的耦合。
进一步的,步骤4具体方法如下。
基于步骤3估计出的等效准静态信道,通过依序开启智能超表面上的反射元件,基站端接收用户发出的训练序列表示如下。
基于式(20),依序遍历整个智能超表面上的反射元件,得到智能超表面与用户端之间低维度信道矩阵。
本发明有益效果如下。
本发明基于所述的双时间尺度信道估计方法,通过协同感知获取的真实等效准静态信道,进而能够以比较低的导频开销准确估计出用户端与智能超表面的信道,以提升通信系统的性能。
附图说明
图1为本发明实施例信道估计方法时序图。
图2 为本发明实施例用户端与智能超表面之间时变信道估计实施流程图。
图3 为本发明实施例基于协同感知双时间尺度下的信道估计算法示意图。
图4为本发明实施例用户端与智能超表面之间估计信道的均方误差(MSE)随信噪比的变化关系示意图。
图6为本发明实施例因内部系统硬件误差和外部环境噪声造成等效准静态存在误差,信道估计的MSE随信噪比的变化关系示意图。
图7为本发明实施例智能超表面相位量化处理下,总数据传输速率随信噪比的变化关系示意图。
具体实施方式
下面结合附图对本发明的具体实施方法进一步说明。
如图2所示,双时间尺度协同感知的毫米波智能超表面信道估计方法,步骤如下。
步骤1. 假设基站端与用户端的直接链路被障碍物阻挡,一个智能超表面辅助的毫米波多用户MISO系统,其中基站端配备个天线和射频链,系统在具有个反射元件的智能超表面的协助下,对个单天线用户传输数据流。毫米波信道是在一个相干时隙内慢衰落莱斯信道。由于基站端与智能超表面固定放置及用户端具有移动性,因此,基站端与智能超表面之间的信道特性是高维但准静态,智能超表面与用户端的信道特性是时变但低维。采用双时间尺度以减少导频训练开销,所述双时间尺度划分大时间尺度和小时间尺度,分别估计准静态高维信道和低维时变信道。图1给出智能超表面信道估计时隙图。
其中,分别是基站端的视距到达角(AoA)及RIS上的视距出发角(AoD),是基站端与RIS之间的散射路径数,是路径损耗,且服从均值为0,方差为1的高斯分布,和分别表示为第条散射路径上的AoA和AoD。式(2)中参数上标“”表示共轭转置。
智能超表面上的反射元素系数矩阵可表示为。
步骤2. 根据基站端与感知智能超表面之间的距离,设计感知信号长度,并确定最大盲区距离,以在基站端获取与智能超表面间的最强视距达到角。
首先,确定信道带宽的情况下,基于基站端与智能超表面之间的距离设计相应感知信号长度及波形并确定基站端感知的最大盲区距离(基站端感知智能超表面的最大盲区距离与符号个数成正比)。考虑到毫米波信道的高传输损耗,智能超表面的部署偏向基站侧。
其中,为基站端发送的导频信号,为第个反射元件的开启时智能超表面与基站端信道所对应的上行信道。是服从均值为0,方差为的加性高斯白噪声;式(12)中参数上标“”表示共轭。因此,总共个观测方向中产生最大值的波束方向角度,为可能的智能超表面在基站端的最强到达角度,即。
步骤3. 设计智能超表面的移相器相位,在基站端与智能超表面间进行大时间尺度协同感知,获取两者之间的等效信道。通过利用基站端与智能超表面之间的视距角度,来克服其等效信道感知过程中的相位模糊问题。
通过下行链路,基站端向智能超表面发送导频,通过上行链路智能超表面反射回基站端。导频信号经过智能超表面反射到基站端的传输模型表达如下。
根据式(16),通过设计RIS的相位确保基站端获得最大的接收信号,即。
根据式(16)可得。
通过参考锚定点上传参考信号方式来解决最强角度估计过程中的模糊问题。具体操作为在智能超表面某已知方位设定一参考锚定点,参考锚定点在智能超表面信道的最强到达角度信息已知,参考用户通过上行链路发射感知信号,此时,基站端接收信号可表示为。
基于步骤1及2中测出的基站端与智能超表面之间的视距角度,消除角度估计中的相位模糊问题,重构视距信道。
式(24)中的视距信道仅包含视距角度参数,不包含散射路径的角度参数。为进一步获取更多的信道信息,在基站端与智能超表面之间进行大时间尺度的协同感知,从而获取两者之间的等效准静态信道(包含散射路径及视距路径)。其中,等效准静态信道定义为基站端的模拟波束形成矢量以及智能超表面与基站端之间信道的耦合。
步骤4.通过依次开启智能超表面单元在基站端接收用户发出的训练序列,获得小时间尺度的与用户与智能超表面间的信道状态信息。
基于步骤3估计出的等效准静态信道,通过依序开启智能超表面上的反射元件,基站端接收用户发出的训练序列表示如下。
基于式(29),依序遍历整个智能超表面上的反射元件,得到智能超表面与用户端之间低维度信道矩阵。
此时每个用户的数据传输速率可以表示为。
则系统可达到的总数据传输速率为。
首先,考虑步骤3,智能超表面的相位量化对后续的用户与智能超表面之间信道估计造成的影响,表示如下。
图3所示基于协同感知双时间尺度下的信道估计算法示意图。
实施例。
仿真中基站端的配备有为16根的半波长天线间隔的均匀线阵,8个单天线用户,智能超表面配备有64个无源反射元件。在实例中发送导频信道时隙为8,信噪比SNR以5dB为间隔,范围从-10dB取到20dB。其他参数的设置如下:莱斯因子设置为5,基站端与智能超表面的散射路径数为12,智能超表面与单个用户的散射路径数为6。
图4所示,不同信噪比下,用户端到智能超表面信道的均方误差(MSE)随信噪比的变化关系。
图5所示,考虑智能超表面的相位量化对后续的时变信道估计造成的影响。如图所示,仿真证明,低信噪比场景下,因为系统噪声起主导作用,所以智能超表面离散相位控制方案造成的信道估计的影响甚微。另外, 2bit离散相位控制在高信噪比下,信道估计的最小均方误差也可以达到,5bit离散相位控制的估计信道质量能够接近理想相位控制方案的估计信道质量。
图6所示,考虑等效准静态信道因硬件误差/环境噪声对信道估计的影响,根据图所示,红线和蓝线分别代表等效准静态信道无误差和存在误差时,对后续时变信道估计的影响。误差参数是随式(26)中估计等效准静态信道是所引入的系统噪声,其的方差随系统噪声的信噪比变化而变化。仿真证明,等效准静态信道误差对时变信道估计的MSE存在影响,但并不改变后续信道估计的趋势。可以认为等效准静态信道的估计误差为后续信道估计的额外加性噪声。
图7所示,智能超表面的相位量化比特不同,总数据传输速率随信噪比的变化关系。本仿真考虑了量化误差对信道估计的影响,进而考虑量化误差对后续的数据传输速率的影响。低信噪比场景下,智能超表面的相位量化造成的速率损失十分微小,因为此时是由系统噪声其主导作用。另外,智能超表面采用3-bit相位量获得的可达速率已经非常接近理想连续相位,这说明在智能超表面辅助下的通信系统中,离散相位控制方案能够获得接近连续相位控制方案的速率性能。
综上仿真结果,本方法基于所述的双时间尺度信道估计方法,通过协同感知获取的真实等效准静态信道,进而能够以比较低的导频开销准确估计出用户端与智能超表面的信道,以提升通信系统的性能。此外,本发明还考虑了智能超表面离散相位控制方案与连续相位控制方案对信道估计性能的影响。仿真证明,本发明提出的方法在低比特量化离散相位控制方案下亦能获得较好的估计结果。
Claims (3)
1.双时间尺度协同感知的毫米波智能超表面信道估计方法,其特征在于,包括以下步骤:
步骤1、场景假设和信道模型;
步骤2、根据基站端与感知智能超表面之间的距离,设计感知信号长度,并确定最大盲区距离,以在基站端获取与智能超表面间的最强视距达到角;
步骤3、设计智能超表面的移相器相位,在基站端与智能超表面间进行大时间尺度协同感知,获取两者之间的等效信道;通过利用基站端与智能超表面之间的视距角度,来克服其等效信道感知过程中的相位模糊问题;
步骤4、通过依次开启智能超表面单元在基站端接收用户发出的训练序列,获得小时间尺度的用户与智能超表面间的信道状态信息;
步骤3具体方法如下:
通过下行链路,基站端向智能超表面发送导频,通过上行链路智能超表面反射回基站端;导频信号经过智能超表面反射到基站端的传输模型表达如下:
根据式(7),通过设计RIS的相位确保基站端获得最大的接收信号,即:
s.t.|θi Hθi|=1,i=1,2,…,J
其中,θi用于对智能超表面上的移相器设计,获取基站端在智能超表面端的最强视距出发角度AoD具体细节步骤如下:
根据式(7)可得:
通过参考锚定点上传参考信号方式来解决最强角度估计过程中的模糊问题;具体操作为在智能超表面某已知方位设定一参考锚定点,参考锚定点在智能超表面信道的最强到达角度信息已知,参考用户通过上行链路发射感知信号此时,基站端接收信号可表示为:
基于步骤1及2中测出的基站端与智能超表面之间的视距角度,消除角度估计中的相位模糊问题,重构视距信道:
公式(15)中的视距信道仅包含视距角度参数,不包含散射路径的角度参数;为进一步获取更多的信道信息,在基站端与智能超表面之间进行大时间尺度的协同感知,从而获取两者之间的等效准静态信道;其中,等效准静态信道定义为基站端的模拟波束形成矢量以及智能超表面与基站端之间信道的耦合;
通过依序开启智能超表面的反射元件,基站端不断接收自身所发射的感知信号以建立等效准静态信道的感知矩阵;上述过程中,开启智能超表面上第n个反射元件时,基站端的接收信号如下:
步骤4具体方法如下:
基于步骤3估计出的等效准静态信道,通过依序开启智能超表面上的反射元件,基站端接收用户发出的训练序列表示如下:
通过以下操作,得到小时间尺度上的用户与智能超表面第n个反射元件的信道状态信息,即:
基于式(20),依序遍历整个智能超表面上的反射元件,得到智能超表面与用户端之间低维度信道矩阵:
2.根据权利要求1所述的双时间尺度协同感知的毫米波智能超表面信道估计方法,其特征在于,步骤1具体方法如下:
智能超表面辅助下的毫米波通信系统场景描述如下:考虑一个智能超表面辅助的模数混合架构多用户毫米波MISO系统,其中基站端配备M个天线和NRF(M>NRF)射频链,系统在具有N个反射元件的智能超表面的协助下,对K个单天线用户传输数据流;假设毫米波通信信道是在一个相干时隙内的慢衰落莱斯信道;
当假设基站端与用户端的视距链路被障碍物所阻挡时,毫米波通信系统在智能超表面协助下的通信信道模型由两部分构成:基站端与智能超表面之间的上行准静态高维信道矩阵 以及智能超表面与用户端下行低维信道矩阵 表示如下:
3.根据权利要求2所述的双时间尺度协同感知的毫米波智能超表面信道估计方法,其特征在于,步骤2具体方法如下:
在大时间尺度上通过协同感知对基站端与智能超表面之间的准静态信道进行信道估计;首先,确定信道带宽的情况下,基于基站端与智能超表面之间的距离设计相应感知信号长度及波形并确定基站端感知的最大盲区距离;考虑到毫米波信道的高传输损耗,智能超表面的部署偏向基站侧;
由于智能超表面采用的是均匀线性天线阵列,开启智能超表面的任一反射元件,并设计为θn=1,n∈1,…,N,则基站端波束在第i个可能的到达角度接收的经第n个智能超表面上的反射元件反射的信号形式可表示如下:
其中,si为基站端发送的导频信号,为第n个反射元件的开启时智能超表面与基站端信道所对应的上行信道;是服从均值为0,方差为σ2的加性高斯白噪声;公式(3)中参数上标“*”表示共轭;因此,总共J个观测方向中产生最大值的波束方向角度,为可能的智能超表面在基站端的最强到达角度,即:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210434116.0A CN114553643B (zh) | 2022-04-24 | 2022-04-24 | 双时间尺度协同感知的毫米波智能超表面信道估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210434116.0A CN114553643B (zh) | 2022-04-24 | 2022-04-24 | 双时间尺度协同感知的毫米波智能超表面信道估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114553643A CN114553643A (zh) | 2022-05-27 |
CN114553643B true CN114553643B (zh) | 2022-08-02 |
Family
ID=81667178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210434116.0A Active CN114553643B (zh) | 2022-04-24 | 2022-04-24 | 双时间尺度协同感知的毫米波智能超表面信道估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114553643B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109005133A (zh) * | 2018-07-12 | 2018-12-14 | 南京邮电大学 | 双稀疏多径信道模型及基于此模型的信道估计方法 |
CN114301508A (zh) * | 2021-11-18 | 2022-04-08 | 北京邮电大学 | 基于过时csi的可重构智能表面辅助mimo传输中的双时间尺度优化方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106850010B (zh) * | 2015-11-30 | 2021-02-09 | 上海诺基亚贝尔股份有限公司 | 基于混合波束赋形的信道反馈方法及装置 |
US10367677B2 (en) * | 2016-05-13 | 2019-07-30 | Telefonaktiebolaget Lm Ericsson (Publ) | Network architecture, methods, and devices for a wireless communications network |
US11961140B2 (en) * | 2019-08-13 | 2024-04-16 | Chicago Mercantile Exchange Inc. | Randomization of orders at matching in electronic trading systems |
CN113972939B (zh) * | 2021-09-09 | 2022-07-12 | 浙江大学 | 基于双时间尺度和深度学习的天线系统预编码方法和装置 |
CN114095318B (zh) * | 2021-10-28 | 2024-02-13 | 杭州电子科技大学 | 智能超表面辅助的混合构型毫米波通信系统信道估计方法 |
CN113746520B (zh) * | 2021-11-08 | 2022-02-15 | 东南大学 | 基于波束索引地图的智能反射面通信波束选择方法 |
CN114285443B (zh) * | 2021-12-28 | 2024-02-02 | 东南大学 | 动态超表面天线辅助的近场宽带上行mimo传输方法 |
CN114285702B (zh) * | 2022-01-04 | 2024-02-27 | 重庆航天火箭电子技术有限公司 | 一种用于毫米波irs协作系统的稀疏级联信道估计方法 |
-
2022
- 2022-04-24 CN CN202210434116.0A patent/CN114553643B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109005133A (zh) * | 2018-07-12 | 2018-12-14 | 南京邮电大学 | 双稀疏多径信道模型及基于此模型的信道估计方法 |
CN114301508A (zh) * | 2021-11-18 | 2022-04-08 | 北京邮电大学 | 基于过时csi的可重构智能表面辅助mimo传输中的双时间尺度优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114553643A (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112564758B (zh) | 一种采用分布式智能反射面辅助的宽带无线传输方法 | |
WO2023044982A1 (zh) | 一种卫星大规模mimo通信感知一体化的发送方法 | |
US9537587B2 (en) | Efficient large-scale multiple input multiple output communications | |
Alkhateeb et al. | Channel estimation and hybrid precoding for millimeter wave cellular systems | |
US8040278B2 (en) | Adaptive antenna beamforming | |
CN113179232B (zh) | 一种基于深度学习的无源智能反射表面的信道估计方法 | |
CN114095318B (zh) | 智能超表面辅助的混合构型毫米波通信系统信道估计方法 | |
CN114285702B (zh) | 一种用于毫米波irs协作系统的稀疏级联信道估计方法 | |
CN114726687A (zh) | 一种智能反射面辅助毫米波大规模mimo系统的信道估计方法 | |
Wu et al. | Reconfigurable hybrid beamforming for dual-polarized mmWave MIMO channels: Stochastic channel modeling and architectural adaptation methods | |
CN105490763B (zh) | 一种端到端的宽带移动mimo传播信道模型及建模方法 | |
Zhang et al. | RIS-aided 6G communication system with accurate traceable user mobility | |
Yu et al. | Hybrid beamforming in mmwave massive MIMO for IoV with dual-functional radar communication | |
CN117295084A (zh) | 双智能反射面辅助的毫米波miso系统中基于交替优化的联合优化方案设计 | |
CN1665161A (zh) | 智能天线下行链路波束形成方法 | |
Wang et al. | CAP-Net: A deep learning-based angle prediction approach for ISAC-enabled RIS-assisted V2I communications | |
CN114553643B (zh) | 双时间尺度协同感知的毫米波智能超表面信道估计方法 | |
Eisenbeis et al. | Hybrid beamforming analysis based on MIMO channel measurements at 28 GHz | |
CN115276878A (zh) | 基于逆迭代和流形优化的智能反射面安全速率确定方法及装置 | |
Mura et al. | Enhanced channel estimation in mm-wave MIMO systems leveraging integrated communication and sensing | |
CN114759959A (zh) | 一种抑制波束间干扰的相控阵波束成形方法 | |
CN109245803B (zh) | 一种快速信道估计与混合预编码方法及系统 | |
Euchner et al. | Geometry-Based Phase and Time Synchronization for Multi-Antenna Channel Measurements | |
CN111082843A (zh) | 一种针对智能多天线波束赋形实现单载波均衡的方法 | |
CN114978821B (zh) | 面向6g智能反射表面辅助通信系统的协同信道估计方法 |
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 |