CN115022146A - 一种可重构智能表面辅助的通信与定位一体化全双工系统 - Google Patents

一种可重构智能表面辅助的通信与定位一体化全双工系统 Download PDF

Info

Publication number
CN115022146A
CN115022146A CN202210874867.4A CN202210874867A CN115022146A CN 115022146 A CN115022146 A CN 115022146A CN 202210874867 A CN202210874867 A CN 202210874867A CN 115022146 A CN115022146 A CN 115022146A
Authority
CN
China
Prior art keywords
base station
ris
phase
information
user
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.)
Granted
Application number
CN202210874867.4A
Other languages
English (en)
Other versions
CN115022146B (zh
Inventor
袁晓军
邵志超
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 CN202210874867.4A priority Critical patent/CN115022146B/zh
Publication of CN115022146A publication Critical patent/CN115022146A/zh
Application granted granted Critical
Publication of CN115022146B publication Critical patent/CN115022146B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/26—Systems using multi-frequency codes
    • H04L27/2601—Multicarrier modulation systems
    • H04L27/2626—Arrangements specific to the transmitter only
    • H04L27/2627—Modulators
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/26—Systems using multi-frequency codes
    • H04L27/2601—Multicarrier modulation systems
    • H04L27/2647—Arrangements specific to the receiver only
    • H04L27/2649—Demodulators
    • 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

Abstract

本发明属于信息与通信技术领域，涉及一种可重构智能表面辅助的通信与定位一体化全双工系统设计方法，其中基站以全双工模式与多个设备进行通信，并同时感知这些设备的位置信息。假设每个设备上都安装有一个智能表面以增强反射回波，同时每个设备上的数据信息又以反射调制的方式传递给基站。本发明旨在解决基站端设备位置信息与反射调制信息的联合估计与检测问题，通过构建基于网格的参数模型，将联合估计问题表述为压缩感知问题。本发明提出了一种新颖的消息传递算法来解决所考虑的问题，并提出了一种渐进近似方法来降低消息传递中涉及的计算复杂度。此外，本发明还提出了利用期望最大化算法调整网格参数，缓解实际情况中模型不匹配问题。

Description

一种可重构智能表面辅助的通信与定位一体化全双工系统
领域
本发明属于信息与通信技术领域，涉及一种可重构智能表面辅助的通信与定位一体化全双工系统设计方法。
背景技术
目前，智能反射面(RIS)已被公认为具有发展前景的下一代无线通信技术。每个RIS由软件控制的大量超原子组成，每个超原子可以独立地对入射电磁波施加所需的相移，通过调整RIS上所有超原子的相移，可以将入射电磁波向期望的方向进行反射，从而显着提高通信质量。在无线通信中，RIS具有许多潜在的应用。例如，在RIS辅助的蜂窝网络中，RIS被部署在基站(BS)和用户之间，通过额外建立的非视距链路提升系统性能。其他应用包括数能一体化无线通信网络、无人机辅助网络和物联网等。
此外，RIS作为一个大型被动散射阵列，通常具有显著的环境感知能力，促进了大量针对RIS辅助的通感一体化(ISAC)系统研究，其中，ISAC系统的主要目标是在与用户进行可靠通信的同时使用相同的频谱来感知和定位用户，实现通信和感知功能的共存。文献Z.-M.Jiang, M.Rihan,P.Zhang,L.Huang,Q.Deng,J.Zhang,and E.M.Mohamed,“Intelligentreflecting surface aided dual-function radar and communication system,”IEEESyst.J.,Feb.2021中，作者将一个RIS同时用于感知和通信，目标是在通信信干噪比不变条件下最大化雷达信干噪比。文献R.S.P.Sankar,B.Deepak,and S.P.Chepuri,“Jointcommunication and radar sensing with reconfigurable intelligent surfaces,”arXiv:2105.01966,Sept.2021中，作者提出了一种自适应RIS，在基站和用户由于遮挡不存在直接路径时该RIS可以自适应地分为两部分，分别服务于通信和定位。
发明内容
受上述现有技术的启发，本发明设计一套具有感知功能的RIS辅助的通信系统，该系统的主要优点是基于当前通信系统的网络架构，在接收端通过添加额外的感知信息处理手段引入感知功能，避免了大规模传感器网络的额外部署，具有较高的实用价值。具体来说，本发明提出了一种新的RIS辅助ISAC场景，其中BS不仅与多个设备(如车辆)进行全双工通信，而且还同时感知这些设备的位置。假设每个设备上都装有一个RIS以增强反射波能量，同时每个设备将要发送的信息以反射调制的方式传送到BS。
本发明提出一个新型的RIS辅助多输入多输出(MIMO)正交频分复用(OFDM)全双工ISAC系统，旨在实现基站端设备位置信息与被动调制信息的联合估计与检测。
如图1所示，考虑一个可重构智能表面辅助的通信与定位一体化全双工系统，其特征在于，基站发射端利用波束成形技术发射多条波束到指定区域，区域内每个移动用户装置有接收机和无源RIS：接收机用来接收基站端在此区域内发送的广播信号，此为下行通信；RIS 用来对入射波进行反射调制(即将用户产生的新信息调制到入射波上)，并将调制后的信号波反射回基站接收端，此为上行通信。最终，基站端通过回波信号，对移动用户的位置信息以及反射调制信息进行估计与检测。具体的是：
设定基站有Nt个发送天线和Nr个接收天线，服务区域内包含K个用户，且每个用户表面设置有L＝Nx×Ny个无源反射器件组成的RIS，基站发送的OFDM信号为
Figure BDA0003761947320000021
用户端RIS在入射波的基础上进行反射调制并将调制后的波束反射回基站端，基站接收到的第m个OFDM回波符号
Figure BDA0003761947320000022
为：
Figure BDA0003761947320000023
其中，βk和τk分别为基站与第k个用户之间的路径系数和时延，包括去向和回向；wm(t) 为接收噪声；
Figure BDA0003761947320000024
和
Figure BDA0003761947320000025
分别为基站与第k个用户之间的下行和上行信道矩阵，在角度域表示为：
Figure BDA0003761947320000026
Figure BDA0003761947320000027
其中，
Figure BDA0003761947320000028
和
Figure BDA0003761947320000029
分别为基站端发送导向矢量、基站端接收导向矢量以及RIS端导向矢量，
Figure BDA00037619473200000210
为基站端出射角，
Figure BDA00037619473200000211
为基站端入射角，(φi,k,γi,k)为RIS端入射角，(φr,k,γr,k)为RIS端出射角；第k个RIS在第m个OFDM符号的相移矩阵为
Figure BDA00037619473200000212
diag{g}表示对角矢量为g的对角阵，其中第(i,j)个反射单元相移为θk,m,i,j∈[0,2π)，根据广义斯涅尔定理，θk,m,i,j可写为
Figure BDA0003761947320000031
其中，
Figure BDA0003761947320000032
为所有反射单元的参考相位，可被RIS控制并传送数据信息，具体调制方式参见S1；qx,k和qy,k分别为x轴和y轴的相位梯度，表示为
Figure BDA0003761947320000033
定义RIS以原路返回的方式反射入射波，即φr,k＝-φi,k，γr,k＝γi,k。令αk,m＝βkaRIS(φr,k,γr,k)HΛk,maRIS(φi,k,γi,k)，简化得
Figure BDA0003761947320000034
ym(t)可写为：
Figure BDA0003761947320000035
其中，
Figure BDA0003761947320000036
经过傅里叶变换后，接收信号在第n个子载波上的信号为：
Figure BDA0003761947320000037
本发明采用基站端用户位置信息(τk、
Figure BDA0003761947320000038
)与反射调制相位
Figure BDA0003761947320000039
的联合估计与检测方法包括以下步骤：
S1、将角度域[θmin,θmax]和时延域[τmin,τmax]分别均匀细分为Q和U个栅格，表示为
θ＝[θ1,…,θQ]T,θq∈[θmin,θmax]
τ＝[τ1,…,τU]T,τu∈[τmin,τmax]
代入ym[n]中得到
Figure BDA00037619473200000310
其中：
Figure BDA0003761947320000041
Figure BDA0003761947320000042
Figure BDA0003761947320000043
Figure BDA0003761947320000044
为一个稀疏向量且非零元素为αk,m，考虑连续M个OFDM符号以及N个子载波，得到
Y＝[Z1ζ1,…,ZMζM]+W,
其中，
Figure BDA0003761947320000045
假设路径系数βk不变，则
Figure BDA0003761947320000046
反射面处数据信息采用差分相移键控的方式进行调制，即
Figure BDA0003761947320000047
其中，Sk,m∈{S1,…,SV}为数据信息调制后的相位，{S1,…,SV}为所有可能的调制相位，Sref为固定参考相位使
Figure BDA0003761947320000048
由Y得到的概率模型由如下联合概率密度函数给出：
Figure BDA0003761947320000049
其中：
Figure BDA00037619473200000410
Figure BDA00037619473200000411
p(ζ|υ,χ)＝δ(ζ-diag(υ)χ)
Figure BDA0003761947320000051
Figure BDA0003761947320000052
δ(·)为狄拉克函数，ρ为稀疏度，p(βk)近似为均值为
Figure BDA0003761947320000053
方差为vβ的复高斯概率模型， Sl为所有V个可能相位中第l个相位且每个相位的概率为
Figure BDA0003761947320000054
基于p(ζ|Y)得出联合概率密度函数对应的因子图；
S2、对于任意OFDM符号m和行i，采用GAMP算法得到消息
Figure BDA0003761947320000055
并计算消息
Figure BDA0003761947320000056
S3、对于任意OFDM符号m和行i，计算消息
Figure BDA0003761947320000057
S4、为了简化对于
Figure BDA0003761947320000058
的计算，本发明提出渐进式近似算法，即将相邻两个高斯混合模型的乘积近似为一个高斯混合模型，并将该近似高斯混合模型与下一个高斯混合模型相乘并近似，直至所有高斯混合模型相乘。S3最终简化可得
Figure BDA0003761947320000059
其中，
Figure BDA00037619473200000510
ξ′l、
Figure BDA00037619473200000511
和
Figure BDA00037619473200000512
分别为概率、权重、均值和方差。
S5、对于任意OFDM符号m和行i，计算消息
Figure BDA0003761947320000061
S6、对于任意OFDM符号m和行i，更新节点ζi,m处的消息为
Figure BDA0003761947320000062
其中，
Figure BDA0003761947320000063
和
Figure BDA0003761947320000064
分别为概率、权重、均值和方差，由上式可求得ζm的后验均值
Figure BDA0003761947320000065
和方差
Figure BDA0003761947320000066
S7、若超过最大迭代轮次Nmax则结束，否则转S2。
S8、在实际场景中，用户角度位置
Figure BDA0003761947320000067
和时延
Figure BDA0003761947320000068
的取值是连续的，即使角度域和时延域划分很密集，θreal和τreal还是有很大可能落在两个相邻栅格之间，出现模型失配的问题。本发明采用机器学习中期望最大化(EM)算法，在不增加栅格点数的基础上对每个栅格点参数进行迭代更新，生成更接近实际参数的字典集。令ω＝{θ,τ}，则优化目标为
Figure BDA0003761947320000069
其中，ω(l)＝{θ(l),τ(l)}为第l个EM迭代过程中估计的ω。将S6代入并化简得
Figure BDA00037619473200000610
考虑使用梯度下降算法逐步得到ω值使
Figure BDA00037619473200000611
最大，即
Figure BDA00037619473200000612
其中，ε为步进值。
S9、若超过最大迭代轮次N′max则结束，否则转S2。
S10、估计得到基站端用户位置信息
Figure BDA0003761947320000071
与反射调制相位
Figure BDA0003761947320000072
后，计算相位差
Figure BDA0003761947320000073
即
Figure BDA0003761947320000074
对
Figure BDA0003761947320000075
进行差分解调即可恢复出数据信息。
本发明的有益效果为，首先，通信系统在频率和时间上是全双工的：一方面，BS发送的信息可以被设备处装置的传统接收机接收并解调，另一方面，在同一时/频隙，设备处要发送的信息可通过RIS以反射调制的方式传递给BS；其次，设备端在整个通信过程中不会发出任何电磁信号，属于“绿色通信”。
附图说明
图1：系统模型。
图2：广义斯涅尔定理示意图。
图3：消息传递因子图。
图4：在栅系统仿真结果图。
图5：离栅系统栅格参数更新仿真结果图。
图6：离栅系统仿真结果图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
在该具体实施方法中，路径系数βk计算为
Figure BDA0003761947320000076
其中，
Figure BDA0003761947320000077
发射机增益Gt＝100，接收机增益Gr＝100，RIS增益G＝1。具体方法的参数设置如下表所示：
表1主要仿真参数
Figure BDA0003761947320000081
根据以上参数设置，该仿真的具体步骤如下：
S1、将角度域[θmin,θmax]和时延域[τmin,τmax]分别均匀细分为Q和U个栅格，表示为
θ＝[θ1,…,θQ]T,θq∈[θmin,θmax]
τ＝[τ1,...,τU]T,τu∈[τmin,τmax]
代入ym[n]中得到
Figure BDA0003761947320000082
考虑连续M个OFDM符号以及N个子载波，得到
Y＝[Z1ζ1,...,ZMζM]+W,
其中，
Figure BDA0003761947320000091
利用差分相移键控的方式对反射面处数据信息进行调制。
S2、推导联合概率密度函数：
Figure BDA0003761947320000092
并画出该联合概率密度函数对应的因子图。
S3、对于任意OFDM符号m和行i，采用GAMP算法得到消息
Figure BDA0003761947320000093
并计算消息
Figure BDA0003761947320000094
S4、对于任意OFDM符号m和行i，计算消息
Figure BDA0003761947320000095
S5、利用渐进式近似算法，S3最终简化可得
Figure BDA0003761947320000096
其中，
Figure BDA0003761947320000097
ξ′l、
Figure BDA0003761947320000098
和
Figure BDA0003761947320000099
分别为概率、权重、均值和方差。
S6、对于任意OFDM符号m和行i，计算消息
Figure BDA00037619473200000910
S7、对于任意OFDM符号m和行i，更新节点ζi,m处的消息为
Figure BDA0003761947320000101
其中，
Figure BDA0003761947320000102
和
Figure BDA0003761947320000103
分别为概率、权重、均值和方差，由上式求得ζm的后验均值
Figure BDA0003761947320000104
和方差
Figure BDA0003761947320000105
S8、若超过最大迭代轮次Nmax则结束，否则转S3。
S9、使用梯度下降算法逐步更新θ和τ使
Figure BDA0003761947320000106
最大，即
Figure BDA0003761947320000107
Figure BDA0003761947320000108
其中，ε为步进值。
S9、若超过最大迭代轮次N′max则结束，否则转S3。
S10、对估计相位进行差分解调恢复出数据信息。
部分仿真结果如图4、5和6所示。图4展示了在栅系统(即
Figure BDA0003761947320000109
τk取值均正好在栅格点上)中利用BG-GAMP、OMP、Turbo-CS和SBL算法恢复式(7)中的ζ及差分相移键控解调后用户端发送信息的误码率(BER)，可以看到所提算法优于现有算法，在高信噪比(SNR) 条件下性能趋近于贝叶斯克拉美罗界(BCRB)。图5展示了离栅系统(即
Figure BDA00037619473200001010
τk均不在栅格点上)中EM学习算法的性能，可以看到随着学习迭代次数的增加待估参数的估计性能也逐步变好并趋于稳定。图6展示了离栅系统中几种算法的性能，可以看到EM算法非常有效地降低了待估计变量的归一化均方误差(NMSE)，提高了数据信息解调的精准度。

Claims (1)

1.一种可重构智能表面辅助的通信与定位一体化全双工系统，其特征在于，系统包括基站和移动用户，基站发射端利用波束成形技术发射多条波束到指定区域，区域内每个移动用户装置有接收机和无源RIS：接收机用来接收基站端发送的广播信号，此为下行通信；RIS用来对入射波进行反射调制，将用户产生的新信息调制到入射波上，并将调制后的信号波反射回基站接收端，此为上行通信；最终，基站端通过回波信号，对移动用户的位置信息以及反射调制信息进行估计与检测；具体的是：
设定基站有Nt个发送天线和Nr个接收天线，服务区域内包含K个用户，且每个用户表面设置有L＝Nx×Ny个无源反射器件组成的RIS，基站发送的OFDM信号为
Figure FDA0003761947310000011
用户端RIS在入射波的基础上进行反射调制并将调制后的波束反射回基站端，基站接收到的第m个OFDM回波符号
Figure FDA0003761947310000012
为：
Figure FDA0003761947310000013
其中，βk和τk分别为基站与第k个用户之间的路径系数和时延，包括去向和回向；wm(t)为接收噪声；
Figure FDA0003761947310000014
和
Figure FDA0003761947310000015
分别为基站与第k个用户之间的下行和上行信道矩阵，在角度域表示为：
Figure FDA0003761947310000016
Figure FDA0003761947310000017
其中，
Figure FDA0003761947310000018
和
Figure FDA0003761947310000019
分别为基站端发送导向矢量、基站端接收导向矢量以及RIS端导向矢量，
Figure FDA00037619473100000110
为基站端出射角，
Figure FDA00037619473100000111
为基站端入射角，(φi,k,γi,k)为RIS端入射角，(φr,k,γr,k)为RIS端出射角；第k个RIS在第m个OFDM符号的相移矩阵为
Figure FDA00037619473100000112
diag{g}表示对角矢量为g的对角阵，其中第(i,j)个反射单元相移为θk,m,i,j∈[0,2π)，根据广义斯涅尔定理，θk,m,i,j为
Figure FDA00037619473100000113
其中，
Figure FDA00037619473100000114
为所有反射单元的参考相位，被RIS控制并传送数据信息，qx,k和qy,k分别为x轴和y轴的相位梯度，表示为
Figure FDA0003761947310000021
定义RIS以原路返回的方式反射入射波，即φr,k＝-φi,k，γr,k＝γi,k；令αk,m＝βkaRIS(φr,k,γr,k)HΛk,maRIS(φi,k,γi,k)，简化得
Figure FDA0003761947310000022
将ym(t)写为：
Figure FDA0003761947310000023
其中，
Figure FDA0003761947310000024
经过傅里叶变换后，接收信号在第n个子载波上的信号为：
Figure FDA0003761947310000025
基站端用户位置信息
Figure FDA0003761947310000026
与反射调制相位
Figure FDA0003761947310000027
的联合估计与检测方法为：
S1、将角度域[θmin,θmax]和时延域[τmin,τmax]分别均匀细分为Q和U个栅格，表示为
θ＝[θ1,...,θQ]T,θq∈[θmin,θmax]
τ＝[τ1,…,τU]T,τu∈[τmin,τmax]
代入ym[n]中得到
Figure FDA0003761947310000028
其中：
Figure FDA0003761947310000029
Figure FDA00037619473100000210
Figure FDA00037619473100000211
Figure FDA00037619473100000212
为一个稀疏向量且非零元素为αk,m，考虑连续M个OFDM符号以及N个子载波，得到
Y＝[Z1ζ1,...,ZMζM]+W,
其中，
Figure FDA0003761947310000031
定义路径系数βk不变，则
Figure FDA0003761947310000032
反射面处数据信息采用差分相移键控的方式进行调制，即
Figure FDA0003761947310000033
其中，Sk,m∈{S1,...,SV}为数据信息调制后的相位，{S1,...,SV}为所有可能的调制相位，Sref为固定参考相位使
Figure FDA0003761947310000034
由Y得到的概率模型由如下联合概率密度函数给出：
Figure FDA0003761947310000035
其中：
Figure FDA0003761947310000036
Figure FDA0003761947310000037
p(ζ|υ,χ)＝δ(ζ-diag(υ)χ)
Figure FDA0003761947310000038
Figure FDA0003761947310000039
δ(·)为狄拉克函数，ρ为稀疏度，p(βk)近似为均值为
Figure FDA00037619473100000310
方差为vβ的复高斯概率模型，Sl为所有V个可能相位中第l个相位且每个相位的概率为
Figure FDA00037619473100000311
基于p(ζ|Y)得出联合概率密度函数对应的因子图；
S2、对于任意OFDM符号m和行i，采用GAMP算法得到消息
Figure FDA00037619473100000312
并计算消息
Figure FDA0003761947310000041
S3、对于任意OFDM符号m和行i，计算消息
Figure FDA0003761947310000042
S4、采用渐进式近似算法，即将相邻两个高斯混合模型的乘积近似为一个高斯混合模型，并将该近似高斯混合模型与下一个高斯混合模型相乘并近似，直至所有高斯混合模型相乘，从而将S3简化为：
Figure FDA0003761947310000043
其中，
Figure FDA0003761947310000044
ξ′l、
Figure FDA0003761947310000045
和
Figure FDA0003761947310000046
分别为概率、权重、均值和方差；
S5、对于任意OFDM符号m和行i，计算消息
Figure FDA0003761947310000047
S6、对于任意OFDM符号m和行i，更新节点ζi,m处的消息为
Figure FDA0003761947310000048
其中，
Figure FDA0003761947310000049
和
Figure FDA00037619473100000410
分别为概率、权重、均值和方差，得到ζm的后验均值
Figure FDA00037619473100000411
和方差
Figure FDA00037619473100000412
S7、若超过最大迭代轮次Nmax则结束，否则转S2；
S8、采用机器学习中期望最大化算法，在不增加栅格点数的基础上对每个栅格点参数进行迭代更新，令ω＝{θ,τ}，建立优化目标为
Figure FDA00037619473100000413
其中，ω(l)＝{θ(l),τ(l)}为第l个EM迭代过程中估计的ω，将S6中公式代入并化简得
Figure FDA0003761947310000051
使用梯度下降算法逐步得到ω值使
Figure FDA0003761947310000052
最大，即
Figure FDA0003761947310000053
其中，ε为步进值；
S9、若超过最大迭代轮次N′max则结束，否则转S2；
S10、估计得到基站端用户位置信息
Figure FDA0003761947310000054
与反射调制相位
Figure FDA0003761947310000055
后，计算相位差
Figure FDA0003761947310000056
即
Figure FDA0003761947310000057
对
Figure FDA0003761947310000058
进行差分解调即可恢复出数据信息。
CN202210874867.4A 2022-07-25 2022-07-25 一种可重构智能表面辅助的通信与定位一体化全双工系统 Active CN115022146B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210874867.4A CN115022146B (zh) 2022-07-25 2022-07-25 一种可重构智能表面辅助的通信与定位一体化全双工系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210874867.4A CN115022146B (zh) 2022-07-25 2022-07-25 一种可重构智能表面辅助的通信与定位一体化全双工系统

Publications (2)

Publication Number Publication Date
CN115022146A true CN115022146A (zh) 2022-09-06
CN115022146B CN115022146B (zh) 2023-05-26

Family

ID=83082279

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210874867.4A Active CN115022146B (zh) 2022-07-25 2022-07-25 一种可重构智能表面辅助的通信与定位一体化全双工系统

Country Status (1)

Country Link
CN (1) CN115022146B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117319938A (zh) * 2023-09-07 2023-12-29 深圳大学 一种基于智能反射面辅助的毫米波位置跟踪系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112565121A (zh) * 2020-12-07 2021-03-26 电子科技大学 用于智能反射面辅助的大规模mimo系统的半盲信道估计方法
CN112910807A (zh) * 2021-02-04 2021-06-04 华中科技大学 一种基于空间随机采样的智能超表面信道估计方法及系统
US20210384958A1 (en) * 2020-06-05 2021-12-09 Commissariat à l'énergie atomique et aux énergies alternatives Method for optimizing user equipment wireless localization using reconfigurable intelligent surfaces, related device and computer program
WO2022049112A1 (en) * 2020-09-01 2022-03-10 Vestel Elektronik Sanayi ve Ticaret A. S. Channel estimation for configurable surfaces
CN114286439A (zh) * 2021-12-06 2022-04-05 电子科技大学 一种基于多智能反射面的移动设备定位与追踪方法
WO2022133444A1 (en) * 2020-12-17 2022-06-23 Qualcomm Incorporated Reconfigurable intelligent surface aided positioning

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210384958A1 (en) * 2020-06-05 2021-12-09 Commissariat à l'énergie atomique et aux énergies alternatives Method for optimizing user equipment wireless localization using reconfigurable intelligent surfaces, related device and computer program
WO2022049112A1 (en) * 2020-09-01 2022-03-10 Vestel Elektronik Sanayi ve Ticaret A. S. Channel estimation for configurable surfaces
CN112565121A (zh) * 2020-12-07 2021-03-26 电子科技大学 用于智能反射面辅助的大规模mimo系统的半盲信道估计方法
WO2022133444A1 (en) * 2020-12-17 2022-06-23 Qualcomm Incorporated Reconfigurable intelligent surface aided positioning
CN112910807A (zh) * 2021-02-04 2021-06-04 华中科技大学 一种基于空间随机采样的智能超表面信道估计方法及系统
CN114286439A (zh) * 2021-12-06 2022-04-05 电子科技大学 一种基于多智能反射面的移动设备定位与追踪方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
A. ALBANESE, F. DEVOTI, V. SCIANCALEPORE, ET AL: "\"MARISA: A Self-configuring Metasurfaces Absorption and Reflection Solution Towards 6G\"", 《IEEE INFOCOM 2022 - IEEE CONFERENCE ON COMPUTER COMMUNICATIONS》 *
MIRZA, JAWAD, AND BAKHTIAR ALI.: "\"Channel estimation method and phase shift design for reconfigurable intelligent surface assisted MIMO networks\"", 《IEEE TRANSACTIONS ON COGNITIVE COMMUNICATIONS AND NETWORKING 7.2 (2021)》 *
RUAN, CHENGYAO, ET AL.: "\"Approximate message passing for channel estimation in reconfigurable intelligent surface aided MIMO multiuser systems\"", 《IEEE TRANSACTIONS ON COMMUNICATIONS 70.8 (2022)》 *
SHAO Z, YUAN X, ZHANG W, ET AL.: ""Joint Localization and Information Transfer for RIS Aided Full-Duplex Systems"", 《GLOBECOM 2022-2022 IEEE GLOBAL COMMUNICATIONS CONFERENCE. IEEE, 2022》 *
W. YAN, X. YUAN，ET AL.: "\"Passive Beamforming and Information Transfer Design for Reconfigurable Intelligent Surfaces Aided Multiuser MIMO Systems\"", 《IN IEEE JOURNAL ON SELECTED AREAS IN COMMUNICATIONS》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117319938A (zh) * 2023-09-07 2023-12-29 深圳大学 一种基于智能反射面辅助的毫米波位置跟踪系统

Also Published As

Publication number Publication date
CN115022146B (zh) 2023-05-26

Similar Documents

Publication Publication Date Title
CN111313951B (zh) 基于非理想csi的irs辅助安全通信无线传输方法
CN113285897B (zh) 车联网环境下ris系统中基于定位信息辅助的信道估计方法及系统
CN113225276B (zh) 一种面向智能反射面辅助通信系统的半盲信道估计方法
CN113225275B (zh) 基于定位信息辅助的信道估计方法及系统
Liao et al. Terahertz ultra-massive MIMO-based aeronautical communications in space-air-ground integrated networks
US8040278B2 (en) Adaptive antenna beamforming
CN111131096B (zh) 基于可编程超表面的无线中继系统及其一种信道估计方法
CN114286439B (zh) 一种基于多智能反射面的移动设备定位与追踪方法
US20210013934A1 (en) Method and system for multiple input, multiple output communications in millimeter wave networks
CN113973305A (zh) 搭载于无人机上的智能反射面位置和波束联合优化方法
CN101176274A (zh) 使用部分信道信息实现协作分集的方法和装置
CN114070365B (zh) 一种智能反射表面辅助的低射频复杂度多用户mimo上行频谱效率优化方法
CN111917508A (zh) 基于多天线抗干扰通信模型及动态空间谱抗干扰方法
CN115022146A (zh) 一种可重构智能表面辅助的通信与定位一体化全双工系统
CN114900400B (zh) 一种基于智能反射面辅助物联网的联合稀疏信道估计方法
CN116388830A (zh) 基于智能反射面的通信定位一体化系统及方法
CN114501497A (zh) 一种基于信噪泄漏比的多智能反射面与多用户的匹配方法
CN113824478A (zh) 离散透镜天线阵列辅助的宽带毫米波多用户大规模mimo上行频谱效率优化方法
CN112888059A (zh) 一种智能反射面辅助通信的快速数据传输协议
CN116056118A (zh) 基于主被动混合智能超表面的无线通信传输方法及系统
CN115694602A (zh) 一种毫米波全双工无人机通信系统的联合优化方法
CN110928328B (zh) 一种波束倾斜效应下无人机系统时变信道跟踪方法
CN115037406A (zh) 基于梯度下降法的干扰协方差矩阵估计方法
Tavana et al. Amplitude-based sequential optimization of energy harvesting with reconfigurable intelligent surfaces
CN114499650A (zh) 面向无人机通信的多用户下行链路无线传输方法、无人机及装置

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