CN116031650A - 智能反射面的相位调控方法、装置、电子设备及存储介质 - Google Patents
智能反射面的相位调控方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116031650A CN116031650A CN202310029781.6A CN202310029781A CN116031650A CN 116031650 A CN116031650 A CN 116031650A CN 202310029781 A CN202310029781 A CN 202310029781A CN 116031650 A CN116031650 A CN 116031650A
- Authority
- CN
- China
- Prior art keywords
- reflecting surface
- target
- matrix
- signal
- noise ratio
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- Aerials With Secondary Devices (AREA)
Abstract
本发明公开了一种智能反射面的相位调控方法、装置、电子设备及存储介质,本发明基于用户与RIS的方位角和俯仰角,以及RIS与基站的方位角和俯仰角等物理参数来进行几何建模,构建出了可求解最优相控矩阵的接收信噪比模型,因此,本发明在相位调控过程中,只需要进行角度定位,而无需进行信道估计,如此,不仅降低了计算复杂度低,提高了相位调控时效,且由于在相位调控时充分考虑了方位角和俯仰角等物理参数,所以,可实现了水平波瓣宽度、垂直波瓣宽度的三维、立体化调控,其性能相比于传统技术得到了大幅提高,由此,能够适用于多种不同的使用场景,适用于大规模应用与推广。
Description
技术领域
本发明属于智能反射面的相位调控技术领域,具体涉及一种智能反射面的相位调控方法、装置、电子设备及存储介质。
背景技术
智能反射面是由大量亚波长尺寸的天线单元规则排布而成的电磁单元表面,其结构类似于Massive MIMO(一种天线振子),其通过设计各个单元的相移可以实现任意方向的波束聚焦功能,与传统天线不同的是,RIS(智能反射面)通常是无源的,这就意味着该类天线可以克服由于数量增加而带来的成本和功耗增大的问题,因此,RIS能在降低成本的同时提升MIMO的空间分集增益,且其聚焦波束的灵活性更强,所以,其在波束扫描、极化切换、波束赋形等方面有着极大的应用潜力。
RIS可以在宽度和高度两个维度上实现空域的覆盖,因此,相比于传统天线的波束赋形技术,RIS可以实现在后台控制端对天线相位权重的自适应调整;目前,已有的基于RIS辅助的用户通信系统的相移优化方法包括以信道容量最大化为目标的优化模型;但是,现有的相位调控方法存在以下不足:(1)以信道容量最大化为目标的优化模型,在求解信道容量表达式时需要已知信道表达式,然而,信道估计的导频开销大,不仅提高了整个系统的硬件成本,且计算复杂度较高,使得整个系统的相位调控响应速度较慢,时效性较低;同时,现有技术忽视了RIS作为一种多天线技术在空域上带来的增益和自由度,没有充分考虑方位角、俯仰角等物理参数,从而导致其波束赋形的性能较低,无法适用于诸如近场宽波束、远场定向窄波束等不同的使用场景;因此,提供一种成本低、时效快且性能强的智能反射面的相位调控方法,已成为一个亟待解决的问题。
发明内容
本发明的目的是提供一种智能反射面的相位调控方法、装置、电子设备及存储介质,用以解决现有相位调控方法所存在的成本高、时效低以及性能较差的问题。
为了实现上述目的,本发明采用以下技术方案:
第一方面,提供了一种智能反射面的相位调控方法,应用于基于智能反射面辅助的通信系统,其中,所述通信系统包括目标智能反射面以及若干基站,且所述方法包括:
获取目标用户的位置角度信息,其中,所述位置角度信息包括所述目标用户相对于目标智能反射面的方位角和俯仰角,以及所述目标智能反射面与各个基站之间的方位角和俯仰角;
利用所述位置角度信息,构建所述目标用户的接收信噪比模型,其中,所述接收信噪比模型用于表征所述目标用户所处位置处接收信号的信噪比与相控对角矩阵之间的变化关系,且所述相控对角矩阵是根据所述目标智能反射面的相控矩阵的对角线元素得到的;
根据所述接收信噪比模型,计算得出最优相控对角矩阵,以便基于所述最优相控对角矩阵,确定出所述目标智能反射面的最优相控矩阵,其中,所述最优相控对角矩阵是所述接收信噪比模型在接收信号的信噪比最大时所对应的相控对角矩阵;
将所述最优相控矩阵发送至所述目标智能反射面,以使所述目标智能反射面在接收到所述最优相控矩阵后,基于所述最优相控矩阵,调整各个相控阵阵元的相位参数,以在将所有相控阵阵元的相位参数调整完毕后,完成对目标智能反射面的相位调控。
基于上述公开的内容,本发明所提供的相位调控方法,利用目标用户在通信系统中与目标智能反射面的方位角和俯仰角,以及目标智能反射面与各个基站的方位角和俯仰角,来构建目标用户位置处接收信号的接收信噪比模型,其中,该模型主要用于表征接收信号的信噪比与相控对角矩阵之间的变化关系,而在RIS相位调控过程中,该相控对角矩阵则是根据目标智能反射面的相控矩阵的对角线元素得到的;因此,本发明相当于将相位调控问题,转换为最大信噪比的求解问题,即求解出模型在最大信噪比时对应的相控对角矩阵,而得到了最大信噪比对应的相控对角矩阵,就相当于求解出了目标智能反射面的最优相控矩阵;最后,则可将最优相控矩阵发送至目标智能反射面,以使目标智能反射面基于该最优相控矩阵,来进行内部各个相控阵阵元相位的调整,具体的,则是根据最优相控矩阵,来调整相控阵阵元中二极管的通断,以基于二极管的开关,来实现相控阵阵元相位的调整。
通过上述设计,本发明基于用户与RIS的方位角和俯仰角,以及RIS与基站的方位角和俯仰角等物理参数来进行几何建模,构建出了可求解最优相控矩阵的接收信噪比模型,因此,本发明在相位调控过程中,只需要进行角度定位,而无需进行信道估计,如此,不仅降低了计算复杂度低,提高了相位调控时效,且由于在相位调控时充分考虑了方位角和俯仰角等物理参数,所以,可实现水平波瓣宽度、垂直波瓣宽度的三维、立体化调控,其性能相比于传统技术得到了大幅提高,由此,能够适用于多种不同的使用场景,适用于大规模应用与推广。
在一个可能的设计中,利用所述位置角度信息,构建所述目标用户的接收信噪比模型,包括:
利用所述位置角度信息中的目标用户相对于目标智能反射面的方位角和俯仰角,构建出所述目标用户与所述目标智能反射面之间的第一信道模型,以及利用所述位置角度信息中的所述目标智能反射面与各个基站之间的方位角和俯仰角,构建出所述目标智能反射面与所有基站之间的第二信道模型;
基于所述第一信道模型和所述第二信道模型,构建得到所述目标用户的接收信噪比模型。
在一个可能的设计中,采用如下公式(1),构建得到第一信道模型,以及采用如下公式(2),构建得到第二信道模型;
上述式(1)中,hr表示所述第一信道模型,a()表示阵列导向矢量,表示所述目标用户相对于所述目标智能反射面的方位角,表示所述目标用户相对于所述目标智能反射面的俯仰角,(·)H表示共轭转置,T表示转置运算;
在一个可能的设计中,基于所述第一信道模型和所述第二信道模型,构建得到所述目标用户的接收信噪比模型,包括:
获取发送信号以及所述目标智能反射面的反射系数矩阵,其中,所述发送信号是发送基站向所述目标用户发送的信号,且所述发送基站为若干基站中的任一基站;
基于所述发送信号、所述反射系数矩阵、所述第一信道模型以及所述第二信道模型,构建出所述目标用户的第一信噪比模型;
对所述目标用户相对于目标智能反射面的方位角和俯仰角进行角度化处理,得到所述目标用户相对于目标智能反射面的角度界限,其中,所述角度界限包括所述目标用户相对于所述目标智能反射面的方位角界限以及俯仰角界限;
对所述角度界限进行离散化处理,得到所述目标用户的角度导向矢量矩阵;
基于所述角度导向矢量矩阵、所述反射系数矩阵、所述第二信道模型以及所述发送信号,构建出所述目标用户的第二信噪比模型;
利用所述第一信噪比模型和所述第二信噪比模型,构建得到目标用户的接收信噪比模型。
在一个可能的设计中,基于所述发送信号、所述反射系数矩阵、所述第一信道模型以及所述第二信道模型,构建出所述目标用户的第一信噪比模型,包括:
利用所述发送信号、所述反射系数矩阵、所述第一信道模型以及所述第二信道模型,并按照如下公式(3),构建出所述第一信噪比模型;
上述式(3)中,SNRi1表示第一信噪比模型,σ表示噪声功率,是根据所述第一信道模型得到的,且所述第一信道模型为a()表示阵列导向矢量,表示所述目标用户相对于所述目标智能反射面的方位角,表示所述目标用户相对于所述目标智能反射面的俯仰角,(·)H表示共轭转置,T表示转置运算,Θ表示反射系数矩阵,H表示第二信道模型,s表示发送信号,p表示发送信号的能量,θ表示相控对角矩阵,且
相应的,基于所述角度导向矢量矩阵、所述反射系数矩阵、所述第二信道模型以及所述发送信号,构建出所述目标用户的第二信噪比模型,则包括:
利用所述角度导向矢量矩阵、所述反射系数矩阵、所述第二信道模型以及所述发送信号,并按照如下公式(4),构建出所述第二信噪比模型;
上述式(4)中,SNRi2表示第二信噪比模型,Ai表示角度导向矢量矩阵,其中, 表示所述目标用户相对于所述目标智能反射面的方位角下界限,表示所述目标用户相对于所述目标智能反射面的俯仰角下界限,表示所述目标用户相对于所述目标智能反射面的方位角上界限,表示所述目标用户相对于所述目标智能反射面的俯仰角上界限,且
在一个可能的设计中,利用所述第一信噪比模型和所述第二信噪比模型,构建得到目标用户的接收信噪比模型,包括:
按照如下公式(5),构建得到目标用户的接收信噪比模型;
上述式(5)中,maxθλiθHRiθ or λiθHQiθ表示接收信噪比模型,λi表示目标用户的权重系数,s.t.表示接收信噪比模型的约束条件,θj表示所述目标智能反射面中第j个相控阵阵元的反射系数,M表示相控阵阵元的总个数。
在一个可能的设计中,根据所述接收信噪比模型,计算得出最优相控对角矩阵,包括:
采用基于块坐标梯度下降的流行优化算法,对所述接收信噪比模型进行迭代求解,并在迭代结束时,得到所述最优相控对角矩阵;
相应的,基于所述最优相控对角矩阵,确定出所述目标智能反射面的最优相控矩阵,包括:
提取出所述最优相控对角矩阵中的对角线元素,并按照所述目标智能反射面中相控阵阵元的维度,将所述对角线元素排列成矩阵,以将排列得到的矩阵作为最优相控矩阵。
第二方面,提供了一种智能反射面的相位调控装置,应用于基于智能反射面辅助的通信系统,其中,所述通信系统包括目标智能反射面以及若干基站,且所述装置包括:
数据获取单元,用于获取目标用户的位置角度信息,其中,所述位置角度信息包括所述目标用户相对于目标智能反射面的方位角和俯仰角,以及所述目标智能反射面与各个基站之间的方位角和俯仰角;
模型构建单元,用于利用所述位置角度信息,构建所述目标用户的接收信噪比模型,其中,所述接收信噪比模型用于表征所述目标用户所处位置处接收信号的信噪比与相控对角矩阵之间的变化关系,且所述相控对角矩阵是根据目标智能反射面的相控矩阵的对角线元素得到的;
最优相控矩阵计算单元,用于根据所述接收信噪比模型,计算得出最优相控对角矩阵,以便基于所述最优相控对角矩阵,确定出所述目标智能反射面的最优相控矩阵,其中,所述最优相控对角矩阵是所述接收信噪比模型在接收信号的信噪比最大时所对应的相控对角矩阵;
相位调控单元,用于将所述最优相控矩阵发送至所述目标智能反射面,以使所述目标智能反射面在接收到所述最优相控矩阵后,基于所述最优相控矩阵,调整各个相控阵阵元的相位参数,以在将所有相控阵阵元的相位参数调整完毕后,完成对目标智能反射面的相位调控。
第三方面,提供了另一种智能反射面的相位调控装置,以装置为电子设备为例,包括依次通信相连的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如第一方面或第一方面中任意一种可能设计的所述智能反射面的相位调控方法。
第四方面,提供了一种存储介质,存储介质上存储有指令,当所述指令在计算机上运行时,执行如第一方面或第一方面中任意一种可能设计的所述智能反射面的相位调控方法。
第五方面,提供了一种包含指令的计算机程序产品,当指令在计算机上运行时,使计算机执行如第一方面或第一方面中任意一种可能设计的所述智能反射面的相位调控方法。
有益效果:
(1)本发明基于用户与RIS的方位角和俯仰角,以及RIS与基站的方位角和俯仰角等物理参数来进行几何建模,构建出了可求解最优相控矩阵的接收信噪比模型,因此,本发明在相位调控过程中,只需要进行角度定位,而无需进行信道估计,如此,不仅降低了计算复杂度低,提高了相位调控时效,且由于在相位调控时充分考虑了方位角和俯仰角等物理参数,所以,可实现水平波瓣宽度、垂直波瓣宽度的三维、立体化调控,其性能相比于传统技术得到了大幅提高,由此,能够适用于多种不同的使用场景,适用于大规模应用与推广。
(2)本发明采用基于块坐标梯度下降的流行优化算法来求解接收信噪比模型,该方法相比于其它非凸问题求解方法具有更快的求解速度;因此,可进一步的提高优化求解效率,从而进一步的加快相位调控的时效性,如此,可为智能反射面的自适应波束成形提供有效技术支持。
附图说明
图1为本发明实施例提供的智能反射面的相位调控方法的步骤流程示意图;
图2为本发明实施例提供的近场场景下多个宽波束系统的示意图;
图3为本发明实施例提供的图2场景下的仿真示意图;
图4为本发明实施例提供的远场场景下多用户多波束系统的示意图;
图5为本发明实施例提供的图4场景下的仿真结果示意图;
图6为本发明实施例提供的垂直场景下的信号覆盖示意图;
图7为本发明实例提供的图6场景下的仿真结果示意图;
图8为本发明实施例提供的水平场景下的信号覆盖示意图;
图9为本发明实施例提供的图8场景下的仿真结果示意图;
图10为本发明实施例提供的智能反射面的相位调控装置的结构示意图;
图11为本发明实施例提供的电子设备的结构示意图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将结合附图和实施例或现有技术的描述对本发明作简单地介绍,显而易见地,下面关于附图结构的描述仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在此需要说明的是,对于这些实施例方式的说明用于帮助理解本发明,但并不构成对本发明的限定。
应当理解,尽管本文可能使用术语第一、第二等等来描述各种单元,但是这些单元不应当受到这些术语的限制。这些术语仅用于区分一个单元和另一个单元。例如可以将第一单元称作第二单元,并且类似地可以将第二单元称作第一单元,同时不脱离本发明的示例实施例的范围。
应当理解,对于本文中可能出现的术语“和/或”,其仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,单独存在B,同时存在A和B三种情况;对于本文中可能出现的术语“/和”,其是描述另一种关联对象关系,表示可以存在两种关系,例如,A/和B,可以表示:单独存在A,单独存在A和B两种情况;另外,对于本文中可能出现的字符“/”,一般表示前后关联对象是一种“或”关系。
实施例:
参见图1所示,本实施例所提供的智能反射面的相位调控方法,应用于基于智能反射面辅助的通信系统,其中,所述通信系统包括目标智能反射面以及若干基站,即目标用户在进行通信时,由基站进行信号的发送,并将信号传输至目标智能反射面进行相位调控(也就是波束赋形),并最终由目标智能反射面将波束赋形后的信号反射至目标用户;本实施例所提供的相位调控方法,通过利用用户与RIS之间、RIS与基站之间的方位角和俯仰角来构建出用于计算RIS反射面的最优相控矩阵的计算模型,并基于最优相控矩阵来进行RIS反射面的相位调控;如此,在进行相控调控时,只需进行角度定位,而无需进行信道估计,不仅降低了计算复杂度,提高了相位调控时效,且由于将方位角和俯仰角等物理参数引入相位调控过程中,因此,相比于传统技术,本方法实现波束赋形的性能更好,能够适用于多种使用场景;在本实施例中,举例该方法可以但不限于在基站侧运行,可以理解的,前述执行主体并不构成对本申请实施例的限定,相应的,本方法的运行步骤可以但不限于如下述步骤S1~S4所示。
S1.获取目标用户的位置角度信息,其中,所述位置角度信息包括所述目标用户相对于目标智能反射面的方位角和俯仰角,以及所述目标智能反射面与各个基站之间的方位角和俯仰角;具体应用时,本实施例在进行相位调控之初,先获取目标用户在通信系统中所处的角度位置,该角度位置会影响目标用户的信号接收,同时,目标智能反射面与基站之间的位置关系,也会影响信号的反射,从而最终影响目标用户接收信号的信噪比,因此,本实施例将目标用户与目标智能反射面,以及目标智能反射面与各个基站之间的方位角和俯仰角,来作为影响目标用户对应接收信号的信噪比的性能指标,并基于此,来构建出用于计算目标智能反射面的最优相控矩阵的计算模型,以便基于最优相控矩阵,来实现目标智能反射面的相位调控;更进一步的,举例基于前述角度位置信息来构建模型的具体过程可以但不限于如下述步骤S2所示。
S2.利用所述位置角度信息,构建所述目标用户的接收信噪比模型,其中,所述接收信噪比模型用于表征所述目标用户所处位置处接收信号的信噪比与相控对角矩阵之间的变化关系,且所述相控对角矩阵是根据所述目标智能反射面的相控矩阵的对角线元素得到的;在具体实施时,本实施例相当于构建出了接收信号的信噪比与相控对角矩阵之间的变化模型,而该相控对角矩阵内的元素实质为目标智能反射面的相控矩阵中的对角线元素;如此,要得到目标智能反射面的最优相控矩阵,相当于要得出最优相控对角矩阵,基于此,本实施例相当于将相位调控问题转换为模型最优解的问题,即计算出接收信噪比模型最大信噪比所对应的相控对角矩阵,即可得出最优相控矩阵;在本实施例中,首先阐述接收信噪比模型的具体构建过程,然后再阐述模型求解过程,其中,模型的构建过程可以但不限于如下述步骤S21和步骤S22所示。
S21.利用所述位置角度信息中的目标用户相对于目标智能反射面的方位角和俯仰角,构建出所述目标用户与所述目标智能反射面之间的第一信道模型,以及利用所述位置角度信息中的所述目标智能反射面与各个基站之间的方位角和俯仰角,构建出所述目标智能反射面与所有基站之间的第二信道模型;具体应用时,可以但不限于采用如下公式(1)来构建第一信道模型,以及采用如下公式(2),来构建第二信道模型。
上述式(1)中,hr表示所述第一信道模型,a()表示阵列导向矢量,表示所述目标用户相对于所述目标智能反射面的方位角,表示所述目标用户相对于所述目标智能反射面的俯仰角,(·)H表示共轭转置,T表示转置运算。
如此,基于前述式(1)和式(2),构建出目标用户与目标智能反射面之间的第一信道模型,以及目标智能反射面与所有基站之间的第二信道模型后,即可基于两信道模型,来进行接收信噪比模型的构建,如下述步骤S22所示。
S22.基于所述第一信道模型和所述第二信道模型,构建得到所述目标用户的接收信噪比模型;在本实施例中,主要是先构建出目标用户在固定方位角和俯仰角下的信噪比模型,以及目标用户在宽波束下(也就是一定范围的方位角和俯仰角)的信噪比模型,然后,基于前述目标用户在两不同角度位置下的信噪比模型,来构建出接收信噪比模型;可选的,前述两不同信噪比模型的构建过程可以但不限于如下述步骤S22a~S22f所示。
S22a.获取发送信号以及所述目标智能反射面的反射系数矩阵,其中,所述发送信号是发送基站向所述目标用户发送的信号,且所述发送基站为若干基站中的任一基站;具体应用时,目标智能反射面的反射系数矩阵实质为一对角矩阵,其对角线上的元素表示目标智能反射面中每个相控阵阵元的反射系数,其中,反射系数矩阵可以但不限于为:
在得到发送信号和目标智能反射面的反射系数矩阵后,即可进行信噪比模型的构建,如下述步骤S22b~S22f所示。
S22b.基于所述发送信号、所述反射系数矩阵、所述第一信道模型以及所述第二信道模型,构建出所述目标用户的第一信噪比模型;具体应用时,可以但不限于按照如下公式(3),构建出所述第一信噪比模型。
上述式(3)中,SNRi1表示第一信噪比模型,σ表示噪声功率,是根据所述第一信道模型得到的,且所述第一信道模型为a()表示阵列导向矢量,表示所述目标用户相对于所述目标智能反射面的方位角,表示所述目标用户相对于所述目标智能反射面的俯仰角,(·)H表示共轭转置,T表示转置运算,Θ表示反射系数矩阵,H表示第二信道模型,s表示发送信号,p表示发送信号的能量,θ表示相控对角矩阵,且θ=[θ1,...,θM]T,也就是目标智能反射面的相控矩阵的对角线元素构成的矩阵。
其中,前述式(3)的化简过程为:
而在得到第一信噪比模型后,即可进行目标用户在宽波束下的信噪比模型的构建,如下述步骤S22c~S22e所示。
S22c.对所述目标用户相对于目标智能反射面的方位角和俯仰角进行角度化处理,得到所述目标用户相对于目标智能反射面的角度界限,其中,所述角度界限包括所述目标用户相对于所述目标智能反射面的方位角界限以及俯仰角界限;具体应用时,角度化处理相当于是为目标用户相对于目标智能反射面的方位角和俯仰角设置一上下界限,从而组成方位角的角度界限,以及俯仰角的角度界限;而在得到前述方位角和俯仰角的角度界限后,则可进行角度的离散化处理,以得到目标用户的角度导向矢量矩阵,如下述步骤S22d所示。
S22d.对所述角度界限进行离散化处理,得到所述目标用户的角度导向矢量矩阵;具体应用时,可以但不限于以1度为量化间距进行离散化,从而构建出目标用户的角度导向矢量矩阵,其中,举例角度导向矢量矩阵为: 表示所述目标用户相对于所述目标智能反射面的方位角下界限,表示所述目标用户相对于所述目标智能反射面的俯仰角下界限,表示所述目标用户相对于所述目标智能反射面的方位角上界限,表示所述目标用户相对于所述目标智能反射面的俯仰角上界限。
在得到目标用户的角度导向矢量矩阵后,即可结合前述反射系数矩阵、第二信道模型以及发送信号,来构建出目标用户在宽波束下的信噪比模型,如下述步骤S22e所示。
S22e.基于所述角度导向矢量矩阵、所述反射系数矩阵、所述第二信道模型以及所述发送信号,构建出所述目标用户的第二信噪比模型;具体应用时,可以但不限于采用如下公式(4),来构建出所述第二信噪比模型。
上述式(4)中,SNRi2表示第二信噪比模型,Ai表示角度导向矢量矩阵。
其中,上述式(4)的化简过程为:
如此,在构建得到第一信噪比模型和第二信噪比模型后,即可利用前述两信噪比模型,来构建出接收信噪比模型,如下述步骤S22f所示。
S22f.利用所述第一信噪比模型和所述第二信噪比模型,构建得到目标用户的接收信噪比模型;具体应用时,要使目标用户所处位置处接收信号的信噪比最大,相当于就是要求出前述第一信噪比模型或第二信噪比模型中的最大信噪比,因此,即可以最大化目标用户处的信噪比为目标,来建立接收信噪比模型,其中,接收信噪比模型可以但不限于如下述公式(5)所示。
上述式(5)中,maxθλiθHRiθ or λiθHQiθ表示接收信噪比模型,其表示的就是求取第一信噪比模型或第二信噪比模型中最大信噪比时,所对应的相控对角矩阵,λi表示目标用户的权重系数,s.t.表示接收信噪比模型的约束条件,θj表示所述目标智能反射面中第j个相控阵阵元的反射系数,M表示相控阵阵元的总个数。
如此,即可通过求取前述公式(5)的最优解,来得到最优相控对角矩阵,从而基于最优相控对角矩阵来反推得到目标智能反射面的最优相控矩阵,以基于最优相控矩阵,来进行目标智能反射面中各个阵元的相位调控;具体的,最优相控矩阵的求解过程可以但不限于如下述步骤S3所示。
S3.根据所述接收信噪比模型,计算得出最优相控对角矩阵,以便基于所述最优相控对角矩阵,确定出所述目标智能反射面的最优相控矩阵,其中,所述最优相控对角矩阵是所述接收信噪比模型在接收信号的信噪比最大时所对应的相控对角矩阵;在具体应用时,可以但不限于采用基于块坐标梯度下降的流行优化算法,对所述接收信噪比模型进行迭代求解,并在迭代结束时,得到所述最优相控对角矩阵;可选的,具体的迭代过程为:
(1)将欧式空间中的恒模约束转化为黎曼复数圆环流形结构,将欧式梯度转化为流形中的黎曼梯度,并以该黎曼梯度作为优化算法的下降方向。
(2)根据Armijo线搜准则确定下降步长,采用共轭最速下降方法,求解子前述公式(5)在复圆环流形上的最优解(即求解θ)。
(3)更新最优解,将步骤(2)中的解作为下一个子问题的初始点。
(4)重复步骤(1)-(3),直至两次迭代过程所得到的最优解的差低于预设阈值时,结束迭代过程,此时,则可将最后一次得到的最优解,作为最优相控对角矩阵。
如此,采用前述流向优化算法进行模型求解,经实验结果表明,在计算机仿真环境下所需时间约为2s,因此,相比于其它非凸问题求解方法具有更快的求解速度,极大提高了优化求解效率,可为智能反射面的自适应波束成形提供了有效技术支持。
而在得到最优相控对角矩阵后,则可反推得到目标智能反射面的最优相控矩阵;具体的,在前述就已说明,相控对角矩阵中的元素为目标智能反射面的相控矩阵中的对角线元素,因此,在得到最优相控对角矩阵后,可提取出所述最优相控对角矩阵中的对角线元素,并按照所述目标智能反射面中相控阵阵元的维度,将所述对角线元素排列成矩阵(具体的,是按列优先将其排布成矩阵),如此,即可得到最优相控矩阵;在本实施例中,相当于是将最优相控对角矩阵中的对角线元素组成一列向量,然后对其对角化处理,则可得到最优相控矩阵。
而在得到最优相控矩阵后,则可将该最优相控矩阵阐述至目标智能反射面,从而使目标智能反射面基于该最优相控矩阵,来进行阵元相位的调控,如下述步骤S4所示。
S4.将所述最优相控矩阵发送至所述目标智能反射面,以使所述目标智能反射面在接收到所述最优相控矩阵后,基于所述最优相控矩阵,调整各个相控阵阵元的相位参数,以在将所有相控阵阵元的相位参数调整完毕后,完成对目标智能反射面的相位调控;在具体应用时,由于目标智能反射面中的相控阵阵元通常由PIN二极管等器件构成,只能实现有限比特相移,因此我们需要将最优相控矩阵进行量化,即可利用量化的值,来进行相控阵阵元的相位调控;如,将最优相控矩阵中数值位于0到π之间的元素量化成0,将剩下范围内的元素量化成1,从而得到一个仅含有0和1的矩阵,而0和1分别对应PIN二极管通、断两种状态,如此,即可根据前述量化得到的矩阵,来控制每个元素对应的相控阵阵元的二极管的通断(如第一行第一列元素为1,那么目标智能反射面中第一行第一列的阵元的二极管则为导通状态),由此,即可完成目标智能反射面中各个相控阵阵元相位的调整。
由此通过前述步骤S1~S4所详细描述的智能反射面的相位调控方法,本发明利用用户与RIS之间、RIS与基站之间的方位角和俯仰角来构建出用于计算RIS反射面的最优相控矩阵的计算模型,并基于最优相控矩阵来进行RIS反射面的相位调控;如此,在进行相控调控时,只需进行角度定位,而无需进行信道估计,不仅降低了计算复杂度,提高了相位调控时效,且由于将方位角和俯仰角等物理参数引入相位调控过程中,因此,相比于传统技术,本方法实现波束赋形的性能更好,能够适用于诸如近场宽波束、远场定向窄波束、高层楼宇场景下的垂直覆盖、街道场景下的水平覆盖等多种使用场景。
在一个可能的设计中,如图2~图9所示,本实施例第二方面提供实施例第一方面所述的相位调控方法,在不同使用场景下的仿真过程,如下述所示:
在室内等近场处使用该方法设计较宽波束,保证用户即使在小范围移动也能实时保持接入,其使用示意图可参见图2所示;同时,图3给出了图2所示场景中三个用户的仿真示意图,在图3中,设置基站所在方位为[30,0],三个用户的方位角及俯仰角分别为[20°,-40°]、[-40°,30°]、[60°,55°],波束宽度为5°。(其中,方位角定义为:与RIS板面法线之间的夹角;俯仰角定义为与水平面(以地面为基准)之间的夹角),且仿真示意图参见图3所示。
其次,在远场场景下,使用该方法设计多个不同方向的窄波束,可以提高远场目标处信号增益,克服远场路损衰落,增强通信质量;如图4所示;同时,图5给出了图4所示场景的仿真示意图,其中,仿真参数设置的三个用户的水平角及方位角分别为[20°,-40°]、[-40°,30°]、[60°,55°],而仿真结果可参见图5所示。
更进一步的,在高层楼宇、山坡等目标垂直聚集的场景下,使用该方法,调节下倾角的配置,增大垂直波瓣宽度,从而提升垂直覆盖范围,如图6所示;同时,图7给出了图6所示场景的仿真示意图,实验表明,高层楼宇方位角为0°,通过配置水平角的范围为[10°,60°],实现垂直范围内信号覆盖。
最后,在城市建筑群等水平多目标聚集的场景下,使用该方法,调节方位角配置,增大水平波瓣宽度,可以设计水平方向大范围、宽范围的波束,实现特定区域内的信号覆盖,使用场景如图8所示;同时,图9给出了图8所示场景的仿真示意图,实验表明,楼层群的水平角为10°,通过配置方位角的范围为[-10°,40°],实现水平范围内信号覆盖。
由此,经过实验表明,本发明实现了水平波瓣宽度、垂直波瓣宽度的三维、立体化调控,可适用于多种使用场景。
如图10所示,本实施例第三方面提供了一种实现实施例第一方面中所述的智能反射面的相位调控方法的硬件装置,包括:
数据获取单元,用于获取目标用户的位置角度信息,其中,所述位置角度信息包括所述目标用户相对于目标智能反射面的方位角和俯仰角,以及所述目标智能反射面与各个基站之间的方位角和俯仰角。
模型构建单元,用于利用所述位置角度信息,构建所述目标用户的接收信噪比模型,其中,所述接收信噪比模型用于表征所述目标用户所处位置处接收信号的信噪比与相控对角矩阵之间的变化关系,且所述相控对角矩阵是根据目标智能反射面的相控矩阵的对角线元素得到的。
最优相控矩阵计算单元,用于根据所述接收信噪比模型,计算得出最优相控对角矩阵,以便基于所述最优相控对角矩阵,确定出所述目标智能反射面的最优相控矩阵,其中,所述最优相控对角矩阵是所述接收信噪比模型在接收信号的信噪比最大时所对应的相控对角矩阵。
相位调控单元,用于将所述最优相控矩阵发送至所述目标智能反射面,以使所述目标智能反射面在接收到所述最优相控矩阵后,基于所述最优相控矩阵,调整各个相控阵阵元的相位参数,以在将所有相控阵阵元的相位参数调整完毕后,完成对目标智能反射面的相位调控。
本实施例提供的装置的工作过程、工作细节和技术效果,可以参见实施例第一方面,于此不再赘述。
如图11所示,本实施例第四方面提供了另一种智能反射面的相位调控装置,以装置为电子设备为例,包括:依次通信相连的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如实施例第一方面所述的智能反射面的相位调控方法。
具体举例的,所述存储器可以但不限于包括随机存取存储器(random accessmemory,RAM)、只读存储器(Read Only Memory,ROM)、闪存(Flash Memory)、先进先出存储器(First Input First Output,FIFO)和/或先进后出存储器(First In Last Out,FILO)等等;具体地,处理器可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现,同时,处理器也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。
在一些实施例中,处理器可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制,例如,所述处理器可以不限于采用型号为STM32F105系列的微处理器、精简指令集计算机(reduced instruction setcomputer,RISC)微处理器、X86等架构处理器或集成嵌入式神经网络处理器(neural-network processing units,NPU)的处理器;所述收发器可以但不限于为无线保真(WIFI)无线收发器、蓝牙无线收发器、通用分组无线服务技术(General Packet Radio Service,GPRS)无线收发器、紫蜂协议(基于IEEE802.15.4标准的低功耗局域网协议,ZigBee)无线收发器、3G收发器、4G收发器和/或5G收发器等。此外,所述装置还可以但不限于包括有电源模块、显示屏和其它必要的部件。
本实施例提供的电子设备的工作过程、工作细节和技术效果,可以参见实施例第一方面,于此不再赘述。
本实施例第五方面提供了一种存储包含有实施例第一方面所述的智能反射面的相位调控方法的指令的存储介质,即所述存储介质上存储有指令,当所述指令在计算机上运行时,执行如第一方面所述的智能反射面的相位调控方法。
其中,所述存储介质是指存储数据的载体,可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(Memory Stick)等,所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
本实施例提供的存储介质的工作过程、工作细节和技术效果,可以参见实施例第一方面,于此不再赘述。
本实施例第六方面提供了一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行如实施例第一方面所述的智能反射面的相位调控方法,其中,所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种智能反射面的相位调控方法,其特征在于,应用于基于智能反射面辅助的通信系统,其中,所述通信系统包括目标智能反射面以及若干基站,且所述方法包括:
获取目标用户的位置角度信息,其中,所述位置角度信息包括所述目标用户相对于目标智能反射面的方位角和俯仰角,以及所述目标智能反射面与各个基站之间的方位角和俯仰角;
利用所述位置角度信息,构建所述目标用户的接收信噪比模型,其中,所述接收信噪比模型用于表征所述目标用户所处位置处接收信号的信噪比与相控对角矩阵之间的变化关系,且所述相控对角矩阵是根据所述目标智能反射面的相控矩阵的对角线元素得到的;
根据所述接收信噪比模型,计算得出最优相控对角矩阵,以便基于所述最优相控对角矩阵,确定出所述目标智能反射面的最优相控矩阵,其中,所述最优相控对角矩阵是所述接收信噪比模型在接收信号的信噪比最大时所对应的相控对角矩阵;
将所述最优相控矩阵发送至所述目标智能反射面,以使所述目标智能反射面在接收到所述最优相控矩阵后,基于所述最优相控矩阵,调整各个相控阵阵元的相位参数,以在将所有相控阵阵元的相位参数调整完毕后,完成对目标智能反射面的相位调控。
2.根据权利要求1所述的方法,其特征在于,利用所述位置角度信息,构建所述目标用户的接收信噪比模型,包括:
利用所述位置角度信息中的目标用户相对于目标智能反射面的方位角和俯仰角,构建出所述目标用户与所述目标智能反射面之间的第一信道模型,以及利用所述位置角度信息中的所述目标智能反射面与各个基站之间的方位角和俯仰角,构建出所述目标智能反射面与所有基站之间的第二信道模型;
基于所述第一信道模型和所述第二信道模型,构建得到所述目标用户的接收信噪比模型。
4.根据权利要求2所述的方法,其特征在于,基于所述第一信道模型和所述第二信道模型,构建得到所述目标用户的接收信噪比模型,包括:
获取发送信号以及所述目标智能反射面的反射系数矩阵,其中,所述发送信号是发送基站向所述目标用户发送的信号,且所述发送基站为若干基站中的任一基站;
基于所述发送信号、所述反射系数矩阵、所述第一信道模型以及所述第二信道模型,构建出所述目标用户的第一信噪比模型;
对所述目标用户相对于目标智能反射面的方位角和俯仰角进行角度化处理,得到所述目标用户相对于目标智能反射面的角度界限,其中,所述角度界限包括所述目标用户相对于所述目标智能反射面的方位角界限以及俯仰角界限;
对所述角度界限进行离散化处理,得到所述目标用户的角度导向矢量矩阵;
基于所述角度导向矢量矩阵、所述反射系数矩阵、所述第二信道模型以及所述发送信号,构建出所述目标用户的第二信噪比模型;
利用所述第一信噪比模型和所述第二信噪比模型,构建得到目标用户的接收信噪比模型。
5.根据权利要求4所述的方法,其特征在于,基于所述发送信号、所述反射系数矩阵、所述第一信道模型以及所述第二信道模型,构建出所述目标用户的第一信噪比模型,包括:
利用所述发送信号、所述反射系数矩阵、所述第一信道模型以及所述第二信道模型,并按照如下公式(3),构建出所述第一信噪比模型;
上述式(3)中,SNRi1表示第一信噪比模型,σ表示噪声功率,aH(θi Arrφi Arr)是根据所述第一信道模型得到的,且所述第一信道模型为hr=[aH(θi Arrφi Arr)]T,a()表示阵列导向矢量,θi Arr表示所述目标用户相对于所述目标智能反射面的方位角,φi Arr表示所述目标用户相对于所述目标智能反射面的俯仰角,(·)H表示共轭转置,T表示转置运算,Θ表示反射系数矩阵,H表示第二信道模型,s表示发送信号,p表示发送信号的能量,θ表示相控对角矩阵,且
Ri=a(θi Arr,φi Arr)aH(θi Arr,φi Arr)·(HHH)T;
相应的,基于所述角度导向矢量矩阵、所述反射系数矩阵、所述第二信道模型以及所述发送信号,构建出所述目标用户的第二信噪比模型,则包括:
利用所述角度导向矢量矩阵、所述反射系数矩阵、所述第二信道模型以及所述发送信号,并按照如下公式(4),构建出所述第二信噪比模型;
7.根据权利要求1所述的方法,其特征在于,根据所述接收信噪比模型,计算得出最优相控对角矩阵,包括:
采用基于块坐标梯度下降的流行优化算法,对所述接收信噪比模型进行迭代求解,并在迭代结束时,得到所述最优相控对角矩阵;
相应的,基于所述最优相控对角矩阵,确定出所述目标智能反射面的最优相控矩阵,包括:
提取出所述最优相控对角矩阵中的对角线元素,并按照所述目标智能反射面中相控阵阵元的维度,将所述对角线元素排列成矩阵,以将排列得到的矩阵作为最优相控矩阵。
8.一种智能反射面的相位调控装置,其特征在于,应用于基于智能反射面辅助的通信系统,其中,所述通信系统包括目标智能反射面以及若干基站,且所述装置包括:
数据获取单元,用于获取目标用户的位置角度信息,其中,所述位置角度信息包括所述目标用户相对于目标智能反射面的方位角和俯仰角,以及所述目标智能反射面与各个基站之间的方位角和俯仰角;
模型构建单元,用于利用所述位置角度信息,构建所述目标用户的接收信噪比模型,其中,所述接收信噪比模型用于表征所述目标用户所处位置处接收信号的信噪比与相控对角矩阵之间的变化关系,且所述相控对角矩阵是根据目标智能反射面的相控矩阵的对角线元素得到的;
最优相控矩阵计算单元,用于根据所述接收信噪比模型,计算得出最优相控对角矩阵,以便基于所述最优相控对角矩阵,确定出所述目标智能反射面的最优相控矩阵,其中,所述最优相控对角矩阵是所述接收信噪比模型在接收信号的信噪比最大时所对应的相控对角矩阵;
相位调控单元,用于将所述最优相控矩阵发送至所述目标智能反射面,以使所述目标智能反射面在接收到所述最优相控矩阵后,基于所述最优相控矩阵,调整各个相控阵阵元的相位参数,以在将所有相控阵阵元的相位参数调整完毕后,完成对目标智能反射面的相位调控。
9.一种电子设备,其特征在于,包括:依次通信相连的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如权利要求1~7任意一项所述的智能反射面的相位调控方法。
10.一种存储介质,其特征在于,所述存储介质上存储有指令,当所述指令在计算机上运行时,执行如权利要求1~7任意一项所述的智能反射面的相位调控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310029781.6A CN116031650A (zh) | 2023-01-09 | 2023-01-09 | 智能反射面的相位调控方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310029781.6A CN116031650A (zh) | 2023-01-09 | 2023-01-09 | 智能反射面的相位调控方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116031650A true CN116031650A (zh) | 2023-04-28 |
Family
ID=86080918
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310029781.6A Pending CN116031650A (zh) | 2023-01-09 | 2023-01-09 | 智能反射面的相位调控方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116031650A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117200846A (zh) * | 2023-09-15 | 2023-12-08 | 兰州交通大学 | 一种基于列车位置和ris的毫米波波束成形方法及系统 |
-
2023
- 2023-01-09 CN CN202310029781.6A patent/CN116031650A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117200846A (zh) * | 2023-09-15 | 2023-12-08 | 兰州交通大学 | 一种基于列车位置和ris的毫米波波束成形方法及系统 |
CN117200846B (zh) * | 2023-09-15 | 2024-04-05 | 兰州交通大学 | 一种基于列车位置和ris的毫米波波束成形方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102164374B (zh) | 波束搜索处理方法、装置和系统 | |
CN111954190B (zh) | 基于智能反射面的d2d通信吞吐量最大化的方法及装置 | |
CN113259836B (zh) | 一种irs辅助无人机通信网络联合优化方法 | |
CN106031068A (zh) | 一种基于波束成形的通信方法及装置 | |
Balamurugan et al. | DOA tracking for seamless connectivity in beamformed IoT-based drones | |
CN113489521A (zh) | 反射面辅助无小区大规模mimo网络智能联合波束赋形方法 | |
CN110083175B (zh) | 无人机编队网络协同调度方法及装置 | |
CN116031650A (zh) | 智能反射面的相位调控方法、装置、电子设备及存储介质 | |
CN114124263A (zh) | 基于大规模智能反射单元的无人机信道模型建立方法 | |
CN116436512A (zh) | 一种ris辅助通信的多目标优化方法、系统及设备 | |
CN114666815B (zh) | 一种基于全向智能超表面的通信系统设计方法 | |
CN116600314A (zh) | 一种高铁毫米波通信系统的通信控制方法及系统 | |
CN114339775A (zh) | 基于优化的ddpg的ris辅助非授权频谱共存方法 | |
CN110233649A (zh) | 一种基于毫米波mimo系统的动态子阵列设计方法 | |
CN102064864A (zh) | 三维传播环境中的极化多天线信道模型的构建方法 | |
Kao et al. | AI-aided 3-D beamforming for millimeter wave communications | |
CN103138818A (zh) | 一种mimo极化信道的去极化模型处理方法及其系统 | |
Hongyao et al. | Beam tracking method based on reconfigurable intelligent surface for obstructed communication | |
CN107402371A (zh) | 一种智能天线阵 | |
CN114285443B (zh) | 动态超表面天线辅助的近场宽带上行mimo传输方法 | |
CN114844538B (zh) | 一种基于宽学习的毫米波mimo用户增量协作波束选择方法 | |
CN114499615B (zh) | 一种太赫兹通信系统中近远场统一的发射波束成形方法 | |
Zhu et al. | Satellite-assisted edge computing management based on deep reinforcement learning in industrial internet of things | |
Hashida et al. | IRS-aided communications without channel state information relying on deep reinforcement learning | |
Peng et al. | Joint power allocation algorithm for UAV-borne simultaneous transmitting and reflecting reconfigurable intelligent surface-assisted non-orthogonal multiple access system |
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 |