CN116319182A

CN116319182A - Irs辅助毫米波的信道估计方法、设备及存储介质

Info

Publication number: CN116319182A
Application number: CN202310091471.7A
Authority: CN
Inventors: 张川; 陈沨瑜; 尤优; 黄永明; 尤肖虎
Original assignee: Network Communication and Security Zijinshan Laboratory
Current assignee: Network Communication and Security Zijinshan Laboratory
Priority date: 2023-01-20
Filing date: 2023-01-20
Publication date: 2023-06-23

Abstract

本申请实施例提供一种IRS辅助毫米波的信道估计的方法、设备及存储介质，所述方法包括：确定前序迭代初始值；获取当前迭代中第一索引值以及前序迭代中已确定的第二索引值；确定第二索引值所在不同列的个数是否小于第一信道总路径数；若小于，则基于第一索引值和第二索引值所指示的位置，确定是否保留第一索引值；否则，则基于第一索引值属于第二索引值对应的不同列或行中，确定是否更新第一索引值；基于选择感知矩阵中第一索引值对应的列构成的矩阵，确定目标信道矩阵中非零元素。本申请提供的改进的正交匹配追踪算法在不增加算法复杂度的情况下，有效降低了信道稀疏性减弱带来的影响，提升了高精度字典下信道估计的准确性。

Description

IRS辅助毫米波的信道估计方法、设备及存储介质

技术领域

本申请涉及通信网络技术领域，尤其涉及一种IRS辅助毫米波的信道估计方法、设备及存储介质。

背景技术

随着对第六代移动通信系统(sixth Generation，6G)的研究探索。毫米波(millimeter wave，mmWave)技术已然实现了网络容量增加和设备的普遍无线连接目标。智能反射表面(Intelligent Reflecting Surface，IRS)技术，由于其可通过改变反射单元的发射系数，使得发射信号以期望的方向传播至目标接收机，实现主动控制无线传播环境，具有更低的硬件复杂度与能量开销，促使IRS辅助毫米波的通信技术成为一种很有前途的技术。

而目前通过IRS辅助毫米波实现信道估计采用的正交匹配追踪(OrthogonalMatching Pursuit，OMP)算法，如果采用维数比更大的高精度字典时，存在由于基站侧天线数量有限，每个信号波束有一定的宽度，那么一个信号波束可能需要由多个虚拟角度来表示，称此现象为冗余表示(Redundant Representation，RP)。这种现象使得信道矩阵的稀疏性降低，从而使得压缩感知类算法性能恶化。因此，在使用高精度字典的情况下，如何降低稀疏性减弱带来的影响，并且设计相关方法以优化性能也成为业界亟待解决的技术问题。

发明内容

针对现有技术存在的问题，本申请实施例提供一种IRS辅助毫米波的信道估计方法、设备及存储介质。

第一方面，本申请实施例提供一种IRS辅助毫米波的信道估计方法，包括：

基于正交匹配追踪OMP算法，确定第一次迭代时，目标信道矩阵中非零元素的初始值；

在后续迭代过程中，获取当前迭代次数中，用于确定目标信道矩阵中非零元素的索引值，作为第一索引值，以及在前序迭代次数中，已确定的用于确定所述目标信道矩阵中非零元素对应的索引值，作为第二索引值；

确定第一总数是否小于第一总路径数，所述第一总数为所述第二索引值所在的不同列的个数，所述第一总路径数为基站和智能反射表面IRS之间信道的总路径数；

若所述第一总数小于所述第一总路径数，则基于所述第一索引值和第二索引值所指示的位置，确定是否保留所述第一索引值；

若所述第一总数大于或等于所述第一总路径数，且小于第二总路径数，则基于所述第一索引值和所述第二索引值所指示的位置，确定保留所述第一索引值，或者基于最大相关性原则，更新所述第一索引值，并保留更新后的所述第一索引值；所述第二总路径数为IRS和终端之间信道的总路径数与第一总路径数的乘积；

基于所有迭代次数中，从感知矩阵中选择的所述第一索引值对应的列构成的矩阵，确定所述目标信道矩阵中非零元素；

所述感知矩阵基于高精度字典，以及接收信号和级联信道矩阵之间的关系式确定。

可选地，所述在后续迭代过程中，获取当前迭代次数中，用于确定目标信道矩阵中非零元素的索引值，作为第一索引值，包括：

基于感知矩阵和残差矩阵，确定第一向量；

对所述第一向量中各元素的模值进行排序，确定排序后的所述第一向量；

从排序后的所述第一向量中选择最大值的元素对应的索引值，作为第一索引值；

所述残差矩阵的初始值为所述接收信号，并基于所述接收信号和当前迭代次数中获取的所述第一索引值进行更新。

可选地，若所述第一总数小于所述第一总路径数，则基于所述第一索引值和第二索引值所指示的位置，确定是否保留所述第一索引值，包括：

若确定所述第一索引值和第二索引值满足第一预设条件，则保留所述第一索引值；

若确定所述第一索引值和第二索引值不满足第一预设条件，则选择所述第一向量中次大值的元素对应的索引值，直至所述次大值元素对应的索引值和第二索引值满足第一预设条件，用满足所述第一预设条件的次大值元素的索引值更新所述第一索引值；

所述第一预设条件为所述第一索引值和所述第二索引值所指示的列不在相邻列或所指示的行不在相邻行。

可选地，若所述第一总数大于或等于所述第一总路径数，且小于第二总路径数，则基于所述第一索引值和所述第二索引值所指示的位置，确定保留所述第一索引值，或者基于最大相关性原则，更新所述第一索引值，并保留更新后的所述第一索引值，包括：

若所述第一索引值和所述第二索引值满足第二预设条件，则保留所述第一索引值；

若所述第一索引值和所述第二索引值不满足第二预设条件，则基于所述第一索引值确定所述目标信道矩阵的非零元素矩阵化后的行索引，作为第一行索引；基于所述第一行索引和第二索引值，构建索引向量；确定所述索引向量对应在第一向量中的一个或多个目标元素；基于所述目标元素中最大值的元素对应的列索引，更新所述第一索引值并保留；

所述第二预设条件为所述第一索引值和所述第二索引值所指示的列在同一列或所指示的行在同一行。

可选地，所述基于所有迭代次数中，从感知矩阵中选择的所述第一索引值对应的列构成的矩阵，确定所述目标信道矩阵中非零元素，包括：

每次迭代次数中，从感知矩阵中选择的所述第一索引值对应的列，保存至中间矩阵；

基于所述中间矩阵和接收信号对应的最小二乘法结果，确定所述目标信道矩阵中当前待确定的非零元素的值，并更新前序迭代次数中已确定的非零元素的值。

可选地，所述感知矩阵基于高精度字典，以及接收信号和级联信道矩阵之间的关系式确定，包括：

基于高精度字典，确定级联信道矩阵对应的稀疏化表示，作为目标稀疏矩阵；

基于所述目标稀疏矩阵，以及所述接收信号和级联信道矩阵之间的关系式，确定感知矩阵；

所述级联信道矩阵基于第一信道矩阵和第二信道矩阵确定，所述第一信道矩阵为基站和IRS之间的信道对应的信道矩阵，所述第二信道矩阵为IRS和终端之间的信道对应的信道矩阵。

可选地，所述第一信道矩阵和所述第二信道矩阵基于Saleh-Valenzuela信道模型建立。

第二方面，本申请实施例还提供一种IRS辅助毫米波的信道估计装置，包括：

初始化模块，用于基于OMP算法，确定第一次迭代时，目标信道矩阵中非零元素的初始值；

获取模块，用于在后续迭代过程中，获取当前迭代次数中，用于确定目标信道矩阵中非零元素的索引值，作为第一索引值，以及在前序迭代次数中，已确定的用于确定所述目标信道矩阵中非零元素对应的索引值，作为第二索引值；

第一确定模块，用于确定第一总数是否小于第一总路径数，所述第一总数为所述第二索引值所在的不同列的个数，所述第一总路径数为基站和IRS之间信道的总路径数；

第二确定模块，用于若所述第一总数小于所述第一总路径数，则基于所述第一索引值和第二索引值所指示的位置，确定是否保留所述第一索引值；

第三确定模块，用于若所述第一总数大于或等于所述第一总路径数，且小于第二总路径数，则基于所述第一索引值和所述第二索引值所指示的位置，确定保留所述第一索引值，或者基于最大相关性原则，更新所述第一索引值，并保留更新后的所述第一索引值；所述第二总路径数为IRS和终端之间信道的总路径数，与第一总路径数的乘积；

输出模块，用于基于所有迭代次数中，从感知矩阵中选择的所述第一索引值对应的列构成的矩阵，确定所述目标信道矩阵中非零元素；

第三方面，本申请实施例还提供一种电子设备，包括存储器，收发机，处理器；

存储器，用于存储计算机程序；收发机，用于在所述处理器的控制下收发数据；处理器，用于读取所述存储器中的计算机程序并实现如上所述第一方面所述的IRS辅助毫米波的信道估计方法。

第四方面，本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上所述第一方面所述的IRS辅助毫米波的信道估计方法。

第五方面，本申请实施例还提供一种处理器可读存储介质，所述处理器可读存储介质存储有计算机程序，所述计算机程序用于使处理器执行如上所述第一方面所述的IRS辅助毫米波的信道估计方法。

第六方面，本申请实施例还提供一种通信设备可读存储介质，所述通信设备可读存储介质存储有计算机程序，所述计算机程序用于使通信设备执行如上所述第一方面所述的IRS辅助毫米波的信道估计方法。

第七方面，本申请实施例还提供一种芯片产品可读存储介质，所述芯片产品可读存储介质存储有计算机程序，所述计算机程序用于使芯片产品执行如上所述第一方面所述的IRS辅助毫米波的信道估计方法。

第八方面，本申请实施例还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上所述第一方面所述的IRS辅助毫米波的信道估计方法。

本申请实施例提供的IRS辅助毫米波的信道估计方法、设备及存储介质，通过在迭代确定目标信道矩阵中各元素的过程中，采用改进的正交匹配追踪算法，结合稀疏化表示后的感知矩阵，确定所述信道矩阵中各元素，完成信道估计。所述改进的正交匹配追踪算法通过对现有的正交匹配追踪算法进行优化，在不增加算法复杂度的情况下，有效降低了信道稀疏性减弱带来的影响，提升了高精度字典下信道估计的准确性。

附图说明

为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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。

图1是相关技术中波束和虚拟角度对应关系的示意图；

图2是本申请实施例提供的IRS辅助毫米波的信道估计方法的流程示意图；

图3是IRS辅助毫米波信道估计技术的基本原理示意图；

图4是本申请实施例提供的IRS辅助毫米波的信道估计方法实现示例的示意图；

图5是本申请实施例提供的不同导频数目下对应的性能评估量对比示意图；

图6是本申请实施例提供的不同精度字典下对应的性能评估量对比示意图；

图7是本申请实施例提供的一种IRS辅助毫米波的信道估计装置的结构示意图；

图8是本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

为了便于更加清晰地理解本申请各实施例，首先对一些相关的背景知识进行如下介绍。

目前通过IRS辅助毫米波实现信道估计，所采用的正交匹配追踪(OrthogonalMatching Pursuit，OMP)算法是基于压缩感知原理的算法。可能采用维数与天线数成1:1的字典矩阵，或采用维数比更大的高精度字典对信道进行稀疏化表示，当采用维数比更大的高精度字典时，存在由于基站侧天线数量有限，每个信号波束有一定的宽度，那么一个信号波束可能需要由多个虚拟角度来表示，称此现象为冗余表示(Redundant Representation，RP)。这种现象使得信道矩阵的稀疏性降低，从而使得压缩感知类算法性能恶化。因此，有必要在使用高精度字典的情况下，研究降低稀疏性减弱带来的影响，并且设计相关方法以优化性能。图1是相关技术中波束和虚拟角度对应关系的示意图，如图1所示，n表示基站侧天线数，以圆心和圆边界点为两顶点的椭圆形表示接收信号波束。图1中(a)表示基站侧天线数n＝16时，每个天线的波束与虚拟角度对应关系的示意图，图1中(b)表示基站侧天线数n＝32时，每个天线的波束与虚拟角度对应关系示意图。从图1可以看出，在天线间距不变时，当天线数目越多，波束宽度越窄。因此若在采用高精度字典的同时还要保证稀疏表示的一一对应，则需要增加天线数目，而在实际应用中大量的增加天线数目，会带来较大的硬件费用开销，通常认为是不可行的。但若天线数目较小，波束宽度较宽，则一个波束可能覆盖高精度字典中的多个对应虚拟角度，使得一个信号波束需要由多个虚拟角度来表示，这会降低信道矩阵稀疏性，从而影响压缩感知类算法的性能。

当采用高精度字典进行信道稀疏化表示时，冗余表示RP现象使得基站和IRS之间的信道对应的增益矩阵，以及IRS和终端(User Equipment，UE)之间的信道对应的增益矩阵存在额外非零元素，且这些额外非零元素分布在原非零元素周围。

因此，本申请提出的信道估计的方法，利用改进的正交匹配追踪算法，将原始的正交匹配追踪OMP算法中仅依赖感知矩阵和接收信号矩阵之间最大相关性，恢复得到信道矩阵的方式，改良为初次迭代基于两矩阵之间最大相关性确定的信道矩阵的初始值，后续迭代过程中，确保本次迭代选出的元素不在前次迭代选择元素的相邻列且在迭代次数大于或等于基站的天线个数的情况下，保证迭代选择出的元素和之前迭代选择出的元素位于同一列，从而得到最终信道矩阵的各非零元素，即用于表征信道估计结果的级联信道矩阵。

图2是本申请实施例提供的IRS辅助毫米波的信道估计方法的流程示意图；如图2所示，该方法包括：

步骤201、基于正交匹配追踪OMP算法，确定第一次迭代时，目标信道矩阵中非零元素的初始值；

步骤202、在后续迭代过程中，获取当前迭代次数中，用于确定目标信道矩阵中非零元素的索引值，作为第一索引值，以及在前序迭代次数中，已确定的用于确定所述目标信道矩阵中非零元素对应的索引值，作为第二索引值；

步骤203、确定第一总数是否小于第一总路径数，所述第一总数为所述第二索引值所在的不同列的个数，所述第一总路径数为基站和IRS之间信道的总路径数；

步骤204、若所述第一总数小于所述第一总路径数，则基于所述第一索引值和第二索引值所指示的位置，确定是否保留所述第一索引值；

步骤205、若所述第一总数大于或等于所述第一总路径数，且小于第二总路径数，则基于所述第一索引值和所述第二索引值所指示的位置，确定保留所述第一索引值，或者基于最大相关性原则，更新所述第一索引值，并保留更新后的所述第一索引值；所述第二总路径数为IRS和终端之间信道的总路径数与第一总路径数的乘积；

步骤206、基于所有迭代次数中，从感知矩阵中选择的所述第一索引值对应的列构成的矩阵，确定所述目标信道矩阵中非零元素；

具体地，图3是IRS辅助毫米波信道估计技术的基本原理示意图，如图3所示，基站和终端之间存在障碍物，那么基站发送的信号，可以是导频信号或者其他的下行信号，通过IRS反射之后，传输至终端，得到终端的接收信号。

本申请利用高精度字典，用于将信道矩阵从空间域转换至虚拟角度域，高精度字典对应的维度可根据待确定信道矩阵对应的维度而确定。高精度字典通过不同的离散虚拟角度进行表示。基站的多个天线和IRS多个反射单元之间存在多个第一路径，这些第一路径构成第一信道，通过第一信道矩阵H_t的形式表示第一信道的特征；IRS的多个反射单元和终端之间存在多个的第二路径，这些第二路径构成第二信道，通过第二信道矩阵h_r的形式表示第二信道的特征；第一信道和第二信道级联，构成级联信道。这里的级联信道中所有信道的特征同样可通过级联信道矩阵H的形式表示。利用高精度字典，将上述级联信道矩阵从空间域转换至虚拟角度域，即得到级联信道矩阵对应的稀疏化表示结果。

基站发送的导频信号，通过基站和IRS之间的第一信道，经过IRS反射后，通过IRS和终端之间的第二信道，传输至终端。这样，终端的接收信号和基站发送的导频信号、级联信道之间存在对应的关系，可称为第一关系，将该第一关系通过表达式的形式表示，比如可简单表示为：

其中，y_p表示p时隙内接收信号，H表示级联信道矩阵，s表示导频信号，n表示噪声信号，w^T表示基站的波束成形向量，θ^T表示IRS的反射系数向量，通常导频信号s＝1。

级联信道矩阵由第一信道矩阵和第二信道矩阵确定，具体可用表示为：

即级联信道矩阵可表示为第二信道矩阵h_r进行共轭转置，再进行对角化操作后，和第一信道矩阵H_t相乘。

其中，H表示级联信道矩阵，diag(h_r ^H)表示将第二信道矩阵h_r先进行共轭转置操作后，再进行对角化操作的结果，h_r表示IRS和终端之间的第二信道矩阵，H_t表示基站和IRS之间的第一信道矩阵，diag()表示对角化操作，⊙表示矩阵行间Kronecker克罗内克积。

利用高精度字典，将信道矩阵稀疏化表示，实现信道矩阵从空间域到虚拟角度域的转化，提高信道矩阵的稀疏性，具体地，信道矩阵的稀疏化表示为：

h_r＝D_NΓ

其中，

H_t表示基站和IRS之间的第一信道矩阵对应的第一稀疏化表示结果，h_r表示IRS和终端之间的第二信道矩阵对应的第二稀疏化表示结果，D_N和D_M表示用于稀疏表示的高精度字典，/>

表示D_N为N行G_N列的矩阵，

表示D_M为M行G_M列的矩阵，Σ表示基站和IRS之间的第一信道的稀疏增益矩阵，

表示Σ为G_N行G_M列的矩阵，Γ表示IRS和终端之间的第二信道的稀疏增益矩阵，

表示Γ为G_N行1列的列向量，/>

表示D_M的转置矩阵，(·)^H表示共轭转置操作。

结合上述第一信道矩阵对应的稀疏化表示结果，以及第二信道矩阵对应的稀疏化表示结果，对应的级联信道矩阵对应的稀疏化表示结果的表达式为：

其中，

表示矩阵行间Kronecker克罗内克积，/>

表示Kronecker克罗内克积，D_u表示矩阵D的前G_N列构成的矩阵，/>

表示D为

行N列的矩阵，/>

表示将/>

和D_N的矩阵行间Kronecker克罗内克积定义为矩阵D，

表示将Γ^*和Σ的Kronecker克罗内克积定义为矩阵Λ，Λ是Λ的降维合并矩阵，即Λ的每一行都是Λ中行子集的叠加，/>

其中S_i表示D中与D_u的第i列相同的列的索引集。

对应的接收信号，采用高精度字典进行稀疏化，可表示为：

进行数学变换和化简后，得到：

这里的y_p表示任意时隙p内终端的接收信号对应的稀疏化表示结果，可通过右侧等式进行表示，对应的在T个时隙，终端的接收信号可表示为y＝[y₁,…,y_T]；那么接收信号矩阵可以表示为：y＝Ax+N；

其中，A表示感知矩阵，

表示感知矩阵A的具体定义，w_p是在第p时隙基站BS处的波束成形向量，θ_p＝[θ_p,1,…,θ_p,2]^T是在第p时隙IRS处的反射向量，p∈{1,T}。/>

表示定义x为矩阵Λ的矢量化结果，

表示定义N为T个时隙内的所有噪声信号。则信道估计问题就转换成了稀疏信号恢复问题，可以用经典的压缩感知算法如OMP(orthogonal matching pursuit，正交匹配追踪)、稀疏贝叶斯学习(sparse Bayesianlearning,SBL)等求解。

而现有的OMP算法，由于采用高精度字典时，一个信号波束在角度域上覆盖了高精度字典上的多个值，也即一个信号波束需要由多个虚拟角度来表示，称此现象为冗余表示(redundant representation，RP)。这使得信道矩阵的稀疏性较降低，从而使得压缩感知类方法性能恶化。

在分析额外非零元素在信道矩阵上的结构基础上，发现当OMP算法不采用高精度字典进行信道稀疏化表示时，BS-IRS信道的L_t条路径使得Σ中有L_t个非零元素，且这些非零元素分布在不同的行和列中。同样地，Γ的L_r个非零元素分布在不同行中。在Kronecker运算后，

的非零列数目并未发生变化，且Λ到Λ的转换也并未涉及列变化，因此，Λ中的非零列数目为L_t。其次，当使用高精度字典进行信道稀疏化表示时，冗余表示RP现象使得Σ和Γ存在额外非零元素，且这些额外非零元素分布在原非零元素周围，经过Kronecker运算后最终导致额外非零元素分布在Λ的相邻列中。因此，需要减少非零元素分布在Λ的相邻列中的情况。

在进行信道估计的过程中，本申请对OMP算法进行了改进，提出一种改进的正交匹配追踪算法,也称为HrOMP算法，可避免现有OMP算法导致的冗余表示RP现象。

具体地，基于上述感知矩阵以及接收信号，迭代输出目标信道矩阵中目标非零元素。

在第一次迭代时，对目标信道矩阵初始化，对应的方法和正交匹配追踪OMP算法中第一次迭代过程相同，确定目标信道矩阵中非零元素的初始值；

在后续迭代过程，获取当前迭代次数中用于确定目标信道矩阵中元素的索引值，作为第一索引值，以及前序迭代次数中，已确定的用于确定目标信道矩阵中元素的索引值，作为第二索引值。确定前序迭代次数中选择的索引值，确定的元素矩阵化后所在列的个数小于基站和IRS之间信道的总路径数的情况下，说明当前迭代次数中，选择的元素还没能覆盖基站和IRS之间所有路径的特征，因此还需要继续确定用于表征基站和IRS之间其他路径特征的信道矩阵中的元素。

比较当前迭代次数中选择的第一索引值和前序迭代次数中选择的第二索引值所指示的位置，这里的所指示的位置可能是第一索引值和第二索引值指示的行不在相邻行，或者第一索引值和第二索引值指示的列不在相邻列，其中针对不在相邻行的情况，主要针对的是上行路径，针对不在相邻列的情况，主要针对的是下行路径。下面主要以所指示位置为不在相邻列为例进行说明。若为相邻列，则说明当前迭代次数中选择的索引值可能会出现RP现象带来的额外非零元素造成的影响，为了避免这种情况，需要更新当前迭代次数中，所选择的索引值，具体可以按照递增的形式，或者递减的形式等，当然还可以其他基于感知矩阵确定的特定方式。若不是相邻列，则可以根据该第一索引值进一步确定目标信道矩阵的非零元素。

当然，也可能存在前序迭代次数中选择的索引值，确定的元素矩阵化后所在列的个数大于或等于基站和IRS之间信道的总路径数的情况，更准确的说是当前迭代次数中选择的索引值，确定的元素矩阵化后所在列的个数等于基站和IRS之间信道的总路径数时，若当前迭代次数中，确定的第一索引值对应的非零元素和前序迭代次数中选择的非零元素所指示的位置，这里的所指示的位置可以是第一索引值和第二索引值所指示的列在同一列，或第一索引值和第二索引值所指示的行在同一行，且在第一总数小于第一总路径数时，判断第一索引值和第二索引值所指示的位置是否为不在相邻行的情况下，第一总数大于或等于所述第一总路径数时，判断第一索引值和第二索引值所指示的位置是否为同一行；在第一总数小于第一总路径数时，判断第一索引值和第二索引值所指示的位置是否为不在相邻列的情况下，第一总数大于或等于所述第一总路径数时，判断第一索引值和第二索引值所指示的位置是否为同一列。

下面主要以第而预设条件为在同一行为例进行说明。第一索引值对应的非零元素和前序迭代次数中选择的非零元素不在相同列的情况下，同样为了降低RP现象带来的负面影响，需要更新该第一索引值对应的列索引值。具体按照最大相关性原则选择的元素进行列索引的矫正，保持其行索引不变，列索引依据相关性大小纠正为前序迭代次数中已选择的若干列中的其中一个。

针对第一索引值和第二索引值所指示的位置是否为不在相邻行的情况，可以类比第一索引值和第二索引值所指示的位置为不在相邻列的情况实现。

将每次迭代次数中，确定的满足第一预设条件和第二预设条件的第一索引值对应的列的元素，保存至矩阵中，基于该矩阵，进一步的确定目标信道矩阵中的非零元素。

本申请提出的HrOMP算法，在第一次迭代的选择过程与OMP算法一致，但在得到此次迭代恢复出的向量化元素索引S后，计算出其在矩阵Λ中的列索引S_col。由于RP现象的存在，使得额外的非零元素存在于原非零元素的周围，因此，在后续的迭代中，生成与已选择的元素在相同列、相邻列的元素索引，计算公式如下：

identical(j)＝[(j-1)G_N+1:jG_N]

其中，neighbor(j)表示Λ中第j列的相邻列(即第j-1列和第j+1列)的元素向量化后的索引，identical(j)表示Λ中第j列的元素向量化后的索引。

在每一次迭代中，当前序迭代已选择的元素所在列数小于L_t时，不再像现有的OMP算法中只依赖于感知矩阵和接收矩阵的相关性，按照最大相关性原则选择，而是跳过前序恢复的元素的相邻列，直到选到与前序恢复出的元素不在其相邻列的元素。当已选择的元素所在列数等于L_t时，对按照最大相关性原则选择的元素进行列索引的矫正，保持其行索引不变，列索引依据相关性大小纠正为已选择的L_t列中的其中一个。

比如，第一次迭代选中的元素位于第N3列，N3列相邻的列包括N2列和N4列，当前迭代过程中选中的元素位于N4列，不选择此元素作为本次迭代的结果，而是往下寻找具有次大相关性的元素，直到选到不在其相邻列的元素。

本申请实施例提供的信道估计的方法，通过在迭代确定目标信道矩阵中各元素的过程中，采用改进的正交匹配追踪算法，结合稀疏化表示后的感知矩阵，确定所述信道矩阵中各元素，完成信道估计。所述改进的正交匹配追踪算法通过对现有的正交匹配追踪算法进行优化，在不增加算法复杂度的情况下，有效降低了信道稀疏性减弱带来的影响，提升了高精度字典下信道估计的准确性。

可选地，所述在当前迭代次数中，获取用于确定目标信道矩阵中非零元素的索引值，作为第一索引值，包括：

基于感知矩阵和残差矩阵，确定第一向量；

具体地，基于高精度字典确定了感知矩阵A，和残差矩阵r，确定第一向量，具体可表示为：A^Hr。该第一向量表征感知矩阵和残差矩阵之间的相关性，相关性越大，对应在该第一向量中元素的值越大，那么第一向量的元素的值按照大小排序，相当于确定了感知矩阵和残差矩阵之间的相关性的大小排序，第一向量的初始值为A^Hy。

对第一向量中各元素的模值进行排序，即对第一向量中各元素求模，采用sort()函数进行排序，将各元素按照值的大小排序后，得到排序后的所述第一向量。上述从排序后的所述第一向量中选择最大值的元素作为用于确定目标信道矩阵的非零元素的索引值，即第一索引值。进而基于该第一索引值和第二索引值所指示的位置是否满足第一预设条件或满足第二预设条件的情况下，确定直接根据该第一索引值确定目标信道矩阵中非零元素，或者需要更新该第一索引后，再确定目标信道矩阵中的非零元素，确保选择的元素不在相邻列，减弱RP现象带来的负面影响。

具体地，在前序迭代次数中确定的非零元素所在不同列的个数小于基站和IRS之间的总路径数的情况下，需要进一步按照下述方法，确定目标信道矩阵中的非零元素。针对所述第一索引值和所述第二索引值所指示的列不在相邻列的情况：

确定当前迭代次数中确定的第一索引值和前序迭代次数中确定的第二索引值不在相邻列的情况下，说明当前选择的角度导向矢量并非是由RP现象引起的那一部分多余的多个角度导向矢量，将该第一索引值保留。

确定当前迭代次数中确定的第一索引值和前序迭代次数中确定的第二索引值在相邻列的情况下，说明当前选择的角度导向矢量可能是由RP现象引起的那一部分多余的多个角度导向矢量，则需要从第一向量中选择次大值的元素，确定该次大值对应的索引值，直至该次大值对应的索引值和前序迭代次数中选择的第二索引值满足不在相邻列的情况下，将该次大值对应的索引值，更新为第一索引值，并保留。用于后续根据该第一索引值确定目标信道矩阵中的非零元素。

针对所述第一索引值和所述第二索引值所指示的行不在相邻行的情况，可类比上述指示不在相邻列的情况实现。

具体地，在前序迭代次数中确定的非零元素所在不同列的个数大于或等于基站和IRS之间的总路径数的情况下，即前序迭代中选择的元素已经可以表征基站和IRS之间的每个路径的特征，为了减弱RP现象带来的负面影响，则后续选择用于目标信道矩阵中非零元素的第一索引值，需要确保这些元素和前序迭代次数中已确定元素所在的列属于相同列。也就是需要判断当前迭代次数中选择的第一索引值和前序迭代次数中选择的第二索引值是否在相同列，比如前序迭代次数中选择的第二索引值对应的列包括列A1，列A3，列A5，而当前迭代次数中选择的第一索引值对应的列为列A4，那么需要将该第一索引值，进行更新。具体的更新方法，基于所述第一索引值确定所述目标信道矩阵的非零元素矩阵化后的行索引，作为第一行索引；基于所述第一行索引和第二索引值，构建索引向量；确定所述索引向量对应在第一向量中的一个或多个目标元素；基于所述目标元素中最大值的元素对应的列索引，更新所述第一索引值并保留。图4是本申请实施例提供的IRS辅助毫米波的信道估计方法实现示例的示意图，如图4所示，第一列、第五列和第十列分别用斜条纹、竖条纹和点状填充，表示前序迭代次数中确定的第二索引值对应的列，当前迭代次数中确定的第一索引值确定的非零元素矩阵化后为p，p不在第一列、第五列和第十列，即不在前序迭代次数中选择的列中，那么基于p所在的行，分别和第一列、第五列和第十列相交，得到三个元素，即元素A、元素B和元素C，根据元素A，元素B，元素C的索引对应到A^Hr中相应位置的元素模值大小表示为d_a,d_b,d_c，该值越大，表示相关性越大。假设d_c＝max{d_a,d_b,d_c}，选择具有相对最大值的模值d_c对应的索引值即元素C，作为当前迭代次数中确定的第一索引值。

以上是所述第二预设条件为所述第一索引值和所述第二索引值所指示的列在同一列的情况进行的说明，而所述第二预设条件为所述第一索引值和所述第二索引值所指示的行在同一行的情况可以类比实现。

具体地，通过上述迭代次数中，确定的多个第一索引值，从感知矩阵中选择这些第一索引值对应的列，保存至中间矩阵Ω；

基于中间矩阵和接收信号对应的最小二乘法结果，确定目标信道矩阵中当前待确定的非零元素的值，并更新前序迭代次数中已确定的非零元素的值。具体用公式可表示为

其中，/>

表示求伪逆计算，y表示接收信号，/>

表示目标信道矩阵向量化后的非零元素的估计值。

上述方法中残差矩阵r基于接收信号和当前迭代次数中获取的所述第一索引值进行更新，具体地，根据当前迭代次数获取的所述第一索引值，可以确定中间矩阵Ω，进一步的根据中间矩阵和接收矩阵，确定该第一索引值对应的非零元素的估计值

再根据公式

更新残差矩阵，其中，r表示残差矩阵，y表示接收信号，/>

表示目标信道矩阵向量化后的估计值。

具体地，基站的多个天线通常可表示为均匀线性阵列(Uniform Linear Array，ULA)，IRS对应的反射单元按N_x行N_y列进行排列，可表示为均匀平面阵列(Uniform PlanerArray，UPA)，所有的反射单元个数N＝N_x×N_y。这样基站的多个天线中任一个和IRS的所有反射单元中任一个之间均可构成一个路径，基站和IRS之间的所有路径构成第一信道；IRS的每个反射单元和终端之间可构成一个路径，IRS和终端之间的所有路径构成第二信道。

要体现第一信道对应的空间域特征，以及第二信道对应的空间域特征，即确定第一信道矩阵和第二信道矩阵，可基于基站和IRS之间的第一信道，以及IRS和终端之间的第二信道，采用Saleh-Valenzuela信道模型，分别建立对应的第一信道矩阵，和第二信道矩阵，具体可表示为：

其中，H_t表示基站和IRS之间的信道矩阵，即第一信道矩阵；h_r表IRS和终端之间的信道矩阵，即第二信道矩阵；M表示基站天线个数，N表示IRS的反射单元个数，L_t表示基站和IRS之间路径总数，l₁表示基站和IRS之间路径中的任一个，

表示l₁路径增益；L_r表示IRS和终端之间路径总数，l₂表示IRS和终端之间路径中的任一个，/>

表示l₂路径增益。v_UPA()表示UPA导向矢量，v_ULA()表示ULA导向矢量；/>

表示在路径l₁上IRS的物理角度对应的空间角度；/>

表示在路径l₁上基站天线的物理角度对应的空间角度；/>

表示在路径l₂上IRS的物理角度对应的空间角度。

均匀线性阵列ULA导向矢量和均匀平面阵列UPA导向矢量可表示为：

其中，

φ_physical表示基站天线的物理角度，θ_physical，γ_physical表示IRS的物理角度。m＝[0,…,M-1]，n_x＝[0,…,N_x-1]，n_y＝[0,…,N_y-1]；/>

表示Kronecker克罗内克积运算，(·)^T表示转置操作，d表示基站相邻天线的间距，λ表示信号传输的载波波长；φ表示基站天线的物理角度对应的空间角度，θ，γ分别表示IRS端的物理角度θ_physical对应的空间角度，IRS端的物理角度γ_physical对应的空间角度。

下面以具体例子来说明本申请实施例提供的信道估计的方法。

基站端采用M＝16根天线，采用元素个数为N＝64(N_x＝8,N_y＝8)的IRS，用户端为单天线单用户；字典矩阵精度和天线数的比例定义为r＝G_M/M＝G_Nx/N_x＝G_Ny/N_y。通过仿真软件，通过Rician信道模型，建立一个由视距路径和许多非视距路径组成的Rician信道，其中Rician因子设置为13.2dB。视距路径指发射端与接收端直接传播，非视距路径指收发两端存在障碍物，信号通过反射等方式到达接收端。

采用归一化均方误差(Normalized Mean Squared Error，NMSE)，确定性能评估量为：

其中，/>

表示取期望操作，/>

表示x的Frobenius范数，x表示本申请提出的HrOMP算法输出的稀疏增益矩阵，即Λ向量化后的估计值，x表示稀疏增益矩阵，即Λ向量化后的真实值，即/>

Frobenius范数，也称F范数，一种矩阵范数。即矩阵中每项元素的平方和的开方值。

设A是m*n的矩阵，其F范数定义为：

仿真结果显示：

(1)不同导频数目下对应的性能评估量对比，如图5所示。

图5给出了基站和IRS之间的路径数、IRS和终端之间的路径数分别配置为L_t＝2、L_r＝8，在三种不同的信噪比SNR＝0dB、SNR＝5dB、SNR＝10dB的情况下，信道估计归一化均方误差NMSE性能对比示意图。其中，横轴T表示导频数目，纵轴表示信道估计结果对应的NMSE值。

虚线有三角形表示样本点的曲线，表示采用OMP算法，信噪比SNR＝0dB时，信道估计结果对应的NMSE值随着SNR值变换的曲线。实线有三角形表示样本点的曲线，表示采用本申请提供的改进的HrOMP算法，信噪比SNR＝0dB时，信道估计结果对应的NMSE值随着SNR值变换的曲线。

虚线有正方形表示样本点的曲线，表示采用OMP算法，信噪比SNR＝5dB时，信道估计结果对应的NMSE值随着SNR值变换的曲线。实线有正方形表示样本点的曲线，表示采用本申请提供的改进的HrOMP算法，信噪比SNR＝5dB时，信道估计结果对应的NMSE值随着SNR值变换的曲线。

虚线有圆形表示样本点的曲线，表示采用OMP算法，信噪比SNR＝10dB时，信道估计结果对应的NMSE值随着SNR值变换的曲线。实线有圆形表示样本点的曲线，表示采用本申请提供的改进的HrOMP算法，信噪比SNR＝10dB时，信道估计结果对应的NMSE值随着SNR值变换的曲线。

从仿真结果可以看出，在SNR＝0dB的配置下，当达到NMSE＝0dB性能时，HrOMP算法相比于OMP算法所需要的导频数降低了约40％。在SNR＝5dB配置下，HrOMP算法需要约90个导频以达到NMSE＝-2dB的性能，而OMP算法需要约115个导频开销。同样地，在SNR＝10dB的配置下，HrOMP算法所需要的导频开销也少于OMP。

(2)不同精度字典下对应的性能评估量对比，如图6所示。

图6给出了HrOMP算法和OMP算法在不同精度字典下的信道估计准确性能的对比结果。基站和IRS之间的路径数、IRS和终端之间的路径数分别配置为L_t＝2，L_r＝8；横轴表示信噪比SNR，纵轴表示信道估计结果对应的NMSE值。

虚线有三角形表示样本点的曲线，表示采用OMP算法，采用r＝1的高精度字典时，信道估计结果对应的NMSE值随着SNR值变换的曲线。实线有三角形表示样本点的曲线，表示采用本申请提供的改进的HrOMP算法，采用r＝1的高精度字典时，信道估计结果对应的NMSE值随着SNR值变换的曲线。

虚线有正方形表示样本点的曲线，表示采用OMP算法，采用r＝2的高精度字典时，信道估计结果对应的NMSE值随着SNR值变换的曲线。实线有正方形表示样本点的曲线，表示采用本申请提供的改进的HrOMP算法，采用r＝2的高精度字典时，信道估计结果对应的NMSE值随着SNR值变换的曲线。

虚线有圆形表示样本点的曲线，表示采用OMP算法，采用r＝4的高精度字典时，信道估计结果对应的NMSE值随着SNR值变换的曲线。实线有圆形表示样本点的曲线，表示采用本申请提供的改进的HrOMP算法，采用r＝4的高精度字典时，信道估计结果对应的NMSE值随着SNR值变换的曲线。

从仿真结果可以看出，随着字典精度的提升(即r增大)，两个信道估计的方法的性能均有所提升，这进一步说明了采用高精度字典的必要性。除此之外，本发明的HrOMP算法在各精度字典下均优于传统的OMP算法，在低信噪比下，性能提升尤为明显。

图7是本申请实施例提供的一种IRS辅助毫米波的信道估计装置的结构示意图，如图7所示，该装置包括初始化模块701、获取模块702、第一确定模块703、第二确定模块704、第三确定模块705和第四确定模块706，其中：

初始化模块701，用于基于正交匹配追踪OMP算法，确定第一次迭代时，目标信道矩阵中非零元素的初始值；

获取模块702，用于在后续迭代过程中，获取当前迭代次数中，用于确定目标信道矩阵中非零元素的索引值，作为第一索引值，以及在前序迭代次数中，已确定的用于确定所述目标信道矩阵中非零元素对应的索引值，作为第二索引值；

第一确定模块703，用于确定第一总数是否小于第一总路径数，所述第一总数为所述第二索引值所在的不同列的个数，所述第一总路径数为基站和IRS之间信道的总路径数；

第二确定模块704，用于若所述第一总数小于所述第一总路径数，则基于所述第一索引值和第二索引值所指示的位置，确定是否保留所述第一索引值；

第三确定模块705，用于若所述第一总数大于或等于所述第一总路径数，且小于第二总路径数，则基于所述第一索引值和所述第二索引值所指示的位置，确定保留所述第一索引值，或者基于最大相关性原则，更新所述第一索引值，并保留更新后的所述第一索引值；所述第二总路径数为IRS和终端之间信道的总路径数，与第一总路径数的乘积；

第四确定模块706，用于基于所有迭代次数中，从感知矩阵中选择的所述第一索引值对应的列构成的矩阵，确定所述目标信道矩阵中非零元素；

具体地，本申请实施例提供的上述信道估计的装置，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。

图8是本申请实施例提供的一种电子设备的结构示意图；如图8所示，该电子设备，包括存储器820，收发机810和处理器800；其中，处理器800与存储器820也可以物理上分开布置。

存储器820，用于存储计算机程序；收发机810，用于在处理器800的控制下收发数据。

具体地，收发机810用于在处理器800的控制下接收和发送数据。

其中，在图8中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器800代表的一个或多个处理器和存储器820代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本申请不再对其进行进一步描述。总线接口提供接口。收发机810可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元，这些传输介质包括无线信道、有线信道、光缆等传输介质。

处理器800负责管理总线架构和通常的处理，存储器820可以存储处理器800在执行操作时所使用的数据。

处理器800可以是中央处理器(Central Processing Unit，CPU)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或复杂可编程逻辑器件(Complex Programmable LogicDevice，CPLD)，处理器也可以采用多核架构。

处理器800通过调用存储器820存储的计算机程序，用于按照获得的可执行指令执行本申请实施例提供的任一所述方法，例如：

确定第一总数是否小于第一总路径数，所述第一总数为所述第二索引值所在的不同列的个数，所述第一总路径数为基站和IRS之间信道的总路径数；

在此需要说明的是，本申请实施例提供的上述电子设备，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。

另一方面，本申请实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各实施例所提供的IRS辅助毫米波的信道估计方法。

另一方面，本申请实施例还提供一种处理器可读存储介质，所述处理器可读存储介质存储有计算机程序，所述计算机程序用于使所述处理器执行上述各实施例提供的IRS辅助毫米波的信道估计方法。

所述处理器可读存储介质可以是处理器能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims

1.一种智能反射表面IRS辅助毫米波的信道估计方法，其特征在于，包括：

2.根据权利要求1所述的IRS辅助毫米波的信道估计方法，其特征在于，所述在后续迭代过程中，获取当前迭代次数中，用于确定目标信道矩阵中非零元素的索引值，作为第一索引值，包括：

基于感知矩阵和残差矩阵，确定第一向量；

3.根据权利要求2所述的IRS辅助毫米波的信道估计方法，其特征在于，若所述第一总数小于所述第一总路径数，则基于所述第一索引值和第二索引值所指示的位置，确定是否保留所述第一索引值，包括：

4.根据权利要求2所述的IRS辅助毫米波的信道估计方法，其特征在于，若所述第一总数大于或等于所述第一总路径数，且小于第二总路径数，则基于所述第一索引值和所述第二索引值所指示的位置，确定保留所述第一索引值，或者基于最大相关性原则，更新所述第一索引值，并保留更新后的所述第一索引值，包括：

若所述第一索引值和所述第二索引值不满足第二预设条件，则基于所述第一索引值确定所述目标信道矩阵的非零元素矩阵化后的行索引，作为第一行索引；基于所述第一行索引和第二索引值，构建索引向量；确定所述索引向量对应在所述第一向量中的一个或多个目标元素；基于所述目标元素中最大值的元素对应的列索引，更新所述第一索引值并保留；

5.根据权利要求1所述的IRS辅助毫米波的信道估计方法，其特征在于，所述基于所有迭代次数中，从感知矩阵中选择的所述第一索引值对应的列构成的矩阵，确定所述目标信道矩阵中非零元素，包括：

6.根据权利要求1所述的IRS辅助毫米波的信道估计方法，其特征在于，所述感知矩阵基于高精度字典，以及接收信号和级联信道矩阵之间的关系式确定，包括：

7.根据权利要求6所述的IRS辅助毫米波的信道估计方法，其特征在于，所述第一信道矩阵和所述第二信道矩阵基于Saleh-Valenzuela信道模型建立。

8.一种IRS辅助毫米波的信道估计装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括存储器，收发机，处理器；

存储器，用于存储计算机程序；收发机，用于在所述处理器的控制下收发数据；处理器，用于读取所述存储器中的计算机程序并执行权利要求1至7任一项所述的IRS辅助毫米波的信道估计方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于使计算机执行权利要求1至7任一项所述的信道估计的方法。