发明内容
为解决上述现有技术中所存在的问题,本发明提供一种可重构智能超表面辅助的波到达方向估计方法,该方法估计精确度高,且收敛速度快、计算复杂度低、鲁棒性好、抗噪性能优异。
为实现上述技术目的,本发明提供了如下技术方案:一种可重构智能超表面辅助的波到达方向估计方法,包括:
通过可重构智能超表面构建反射信号及干扰信号;
基于反射信号及干扰信号,构建接收信号;
计算通过可重构智能超表面构建的信号及接收信号的误差信号,基于误差信号构建重构代价函数,其中所述重构代价函数包括二阶误差正弦函数和范数稀疏约束;
通过增广拉格朗日乘数法及交替方向乘子法对重构代价函数进行迭代更新计算,得到最终重构信号;
对最终重构信号进行处理,得到波到达方向角度以实现波达到方向估计。
可选的,所述反射信号及干扰信号的构建过程包括:
通过可重构智能超表面对来自目标的发送信号及来自基站的干扰信号进行反射,并调整反射的信号幅度相位,使反射的信号聚焦到同一路径,得到反射信号及干扰信号。
可选的,所述接收信号r为:
其中,
为可重构智能超表面的测量矩阵,/>
为可重构智能超表面的导向控制矩阵,/>
为可重构智能超表面的导向控制矢量,/>
为目标信号到可重构智能超表面的到达方向,/>
干扰信号到可重构智能超表面的到达方向,/>
为系统噪声,/>
为反射信号,
为干扰信号。
可选的,系统噪声为高斯噪声或非高斯噪声,其中所述非高斯噪声包括脉冲噪声。
可选的,重构代价函数的构建过程包括:
基于误差信号构建二阶误差正弦函数的代价函数,采用范数稀疏约束最小化方法对所述二阶误差正弦函数的代价函数进行约束,得到重构代价函数。
其中,
为通过可重构智能超表面构建的信号,/>
为常数。
可选的,所述重构代价函数为:
其中,
为期望,/>
为稀疏度控制正则化参数,/>
为重构信号,/>
为范数正则化约束,/>
为常数。
可选的,结合范数正则化约束相关理论,所述重构代价函数等价为:
为与/>
维数相同的任意信号,/>
为待优化变量,/>
为可重构智能超表面的单元数目,/>
为以/>
为矩阵的第一行构建的托普利兹矩阵,/>
为迹,/>
为/>
的共轭转置,/>
为矩阵半正定,/>
为范数最小化约束矩阵。
可选的,对重构代价函数进行迭代更新计算的过程包括:
将所述重构代价函数转换为增广拉格朗日函数,基于所述增广拉格朗日函数构建
时刻迭代更新方程:/>
其中,
为第/>
次迭代的参数值/>
表示第/>
次迭代的重构信号,
表示第/>
次迭代的干扰信号,/>
表示第/>
次迭代的与/>
维数相同的任意信号,/>
待优化变量,/>
表示第/>
次迭代的可重构智能超表面构建的信号,/>
表示第/>
次迭代的范数最小化约束矩阵,/>
表示第/>
次迭代的对范数最小化约束矩阵约束的拉格朗日乘子,/>
表示第/>
次迭代的对可重构智能超表面构建的信号约束的拉格朗日乘子,/>
表示第/>
次迭代的范数最小化约束矩阵,/>
表示第/>
次迭代的对范数最小化约束矩阵约束的拉格朗日乘子;
对所述迭代更新方程进行迭代更新计算,得到最终重构信号。
可选的,所述波到达方向角度的获得过程包括:
通过多重信号分类算法对最终重构信号进行处理,得到空间谱谱峰位置。
本发明具有如下技术效果:
本发明公开了一种可重构智能超表面辅助的波到达方向估计方法,根据天线接收到的实际信号和可重构智能超表面辅助系统构建的接收信号之差构建二阶误差正弦函数,以抑制非高斯噪声和脉冲噪声等对系统的干扰;为提高对稀疏信号的重构,采用范数稀疏约束最小化对目标信号进行稀疏重构,构建二阶误差正弦函数和范数稀疏约束的代价函数,将代价函数转化为增广拉格朗日函数形式,通过增广拉格朗日乘数法和交替方向乘子法对各个参数进行迭代更新,得到重构信号,利用多信号分类技术估计重构信号空间谱,获取谱峰位置,最终实现波到达方向估计。引入可重构智能超表面对反射信号的幅度和相位进行控制,将其聚焦到一条路径上,提高波达方向估计的精度,降低计算复杂度,利用二阶误差正弦函数可以减小大异常值误差的干扰,抑制脉冲噪声的影响,降低复杂噪声干扰对估计结果的干扰,提高复杂噪声环境下的波达方向估计精度,利用范数稀疏约束最小化可以克服网格对估计精度的限制,提高估计精度和估计效率。由此可见,本发明提出的一种可重构智能超表面辅助的波到达方向估计方法,为提高无源感知系统的波到达方向估计精度、收敛速度、抗噪性能提供了一种解决方案,且计算复杂度低。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供了一种可重构智能超表面辅助的波到达方向估计方法,通过可重构智能超表面构建反射信号及干扰信号;基于反射信号及干扰信号,构建接收信号;计算所述可重构智能超表面构建的信号(包含反射信号和干扰信号)及接收信号的误差信号,基于误差信号构建重构代价函数,其中所述重构代价函数包括二阶误差正弦函数和范数稀疏约束;通过增广拉格朗日乘数法及交替方向乘子法对重构代价函数进行迭代更新计算,得到最终重构信号;对最终重构信号进行处理,得到波到达方向角度以实现波达到方向估计。
如图1为实施实例的应用场景示意图,包含:基站(BS)、目标(Targets)、可重构智能超表面(RIS)和接收传感器(Sensor);
基站用于发射无线通信信号,波达方向估计的目标信号为无线接入点--目标--可重构智能超表面路径上的信号,干扰信号为基站与可重构智能超表面直接路径上的信号;
目标反射来自基站的信号到可重构智能超表面;
可重构智能超表面用于对来自目标的反射信号和干扰信号进行反射,调整其幅度相位,使之聚焦到一条路径上,实现基于可重构智能超表面的目标反射信号和干扰信号构建,同时对反射信号进行增强,提高可重构智能超表面到接收传感器的信号功率,消除接收传感器接收到的来自其他路径信号的干扰;
接收传感器用于接收来自可重构智能超表面的反射信号。
图2所示,一种可重构智能超表面辅助的波到达方向估计方法的方案流程,包括如下步骤:
S1.基于可重构智能超表面的反射信号和干扰信号构建,即通过可重构智能超表面构建反射信号和干扰信号;
具体的,利用可重构智能超表面对来自目标的信号和干扰信号进行反射,调整其幅度相位,使之聚焦到一条路径上,实现基于可重构智能超表面的反射信号和干扰信号构建,降低计算的复杂度。
S2.依据实际工作系统,构建接收信号矩阵,即通过反射信号及干扰信号,构建接收信号;
具体的,获得接收信号
,其中,/>
是可重构智能超表面的测量矩阵,
M为可重构智能超表面的单元数目,在
N个不同时隙下改变可重构智能超表面单元的幅度和相位,/>
是目标通过可重构智能超表面反射的信号,/>
是干扰信号,/>
和/>
为可重构智能超表面的导向控制矩阵,/>
是目标信号到可重构智能超表面的到达方向,/>
是干扰信号到可重构智能超表面的到达方向,可重构智能超表面的导向控制矩阵/>
,导向控制矢量
是系统噪声;
在所述可重构智能超表面辅助的波到达方向估计中,经过可重构智能超表面反射的来自目标的信号
是目标数,系统噪声/>
可以是高斯噪声或者非高斯噪声(包含脉冲噪声)。
S3.将天线接收信号与经可重构智能超表面构建的信号(包含反射信号和干扰信号)的误差作为误差信号,构建重构代价函数即二阶误差正弦函数和范数稀疏约束的代价函数,实现对目标稀疏特性的信号重建,即计算所述的信号及接收信号的误差信号,基于误差信号构建重构代价函数,其中所述代价函数包括二阶误差正弦函数和范数稀疏约束,需要说明的是范数稀疏约束包括原子范数、1范数、0范数和混合范数;
具体的,令
为通过可重构智能超表面构建的信号即来自目标的反射信号和来自基站的干扰信号经过可重构智能超表面构建的信号之和,所述二阶误差正弦函数代价函数/>
,其中/>
表示误差不能大于/>
,且/>
为常数;
为了重构目标信号稀疏特性,采用范数稀疏约束最小化方法对二阶误差正弦函数代价函数施加约束,构建二阶误差正弦函数和范数稀疏约束的代价函数,实现对目标稀疏特性的信号重建。利用范数稀疏约束和波达方向估计的最小化优化方法,原子范数旨在重构目标信号稀疏特性,范数稀疏约束表示为
,其中/>
表示重构信号;构建的二阶误差正弦函数和范数稀疏约束代价函数为:
为了对本发明的技术进行更具体的阐述,采用原子范数对范数稀疏约束进行操作,根据原子范数的定义和性质,重构代价函数等价为:
其中
是稀疏度控制正则化参数,/>
为与/>
原子维数相同的任意信号,/>
为一个待优化变量,/>
为可重构智能超表面的单元数目,/>
为以/>
为矩阵的第一行构建的托普利兹矩阵,/>
为迹,/>
为/>
的共轭转置,/>
为矩阵半正定。获得增广拉格朗日函数为/>
,其中/>
为对原子范数最小化约束矩阵约束的拉格朗日乘子,对原子范数最小化约束矩阵/>
进行约束,/>
为对可重构智能超表面构建的信号约束的拉格朗日乘子,对可重构智能超表面构建的信号/>
进行约束,/>
为一个与/>
维度相同的矩阵,/>
为一个与/>
大小相同的向量。
S4.利用增广拉格朗日乘数法和交替方向乘子法得出迭代更新方程,获得最终重构信号,即通过增广拉格朗日乘数法及交替方向乘子法对重构代价函数进行迭代更新计算,得到最终重构信号;
具体的,获得重构信号各个参数的迭代更新方程为
其中
表示第/>
次迭代的参数值,/>
表示第/>
次迭代的重构信号,/>
表示第/>
次迭代的干扰信号,/>
表示第/>
次迭代的与/>
原子维数相同的任意信号,/>
待优化变量,/>
表示第/>
次迭代的可重构智能超表面构建的信号,/>
表示第/>
次迭代的原子范数最小化约束矩阵,/>
表示第/>
次迭代的对原子范数最小化约束矩阵约束的拉格朗日乘子,/>
表示第/>
次迭代的对可重构智能超表面构建的信号约束的拉格朗日乘子,/>
表示第/>
次迭代的原子范数最小化约束矩阵,/>
表示第/>
次迭代的对原子范数最小化约束矩阵约束的拉格朗日乘子。最终可以得到重构信号/>
;
S5.基于得到的最终重构信号,由多信号分类技术获得空间谱谱峰位置,完成波到达方向估计,即对最终重构信号进行处理,得到空间谱谱峰位置,基于空间谱谱峰位置,得到波达到方向估计结果;具体的,对所述得到的重构信号,由多重信号分类算法获得空间谱谱峰位置,间谱谱峰位置即波到达方向结果,完成波到达方向估计。
图3为一种可重构智能超表面辅助的波到达方向估计方法的估计结果,其中,1)FFT方法:FFT为快速傅里叶变换估计空间谱;2)L2 and ANM方法:ANM为原子范数最小化,利用L2范数和原子范数构建代价函数实现波达方向估计;3)SDP方法:SDP为半正定编程方法,实现波达方向估计(DOA)。RMSE是均方根偏差,SNR为信噪比。从图3中可以看出,本发明的方法具有最小的估计误差,且与SDP方法相比,具有更低的计算复杂度。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。