CN117177253B - 一种智能超表面追踪与覆盖增强的方法及装置 - Google Patents
一种智能超表面追踪与覆盖增强的方法及装置 Download PDFInfo
- Publication number
- CN117177253B CN117177253B CN202311431268.6A CN202311431268A CN117177253B CN 117177253 B CN117177253 B CN 117177253B CN 202311431268 A CN202311431268 A CN 202311431268A CN 117177253 B CN117177253 B CN 117177253B
- Authority
- CN
- China
- Prior art keywords
- intelligent
- intelligent super
- super
- train
- matrix
- 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 31
- 230000002708 enhancing effect Effects 0.000 title claims description 7
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 239000011159 matrix material Substances 0.000 claims description 54
- 239000013598 vector Substances 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000005538 encapsulation Methods 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 239000000523 sample Substances 0.000 claims description 3
- 239000000758 substrate Substances 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 19
- 238000010295 mobile communication Methods 0.000 abstract description 8
- 238000001228 spectrum Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000007493 shaping process Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 108091026890 Coding region Proteins 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种智能超表面追踪与覆盖增强的方法及装置。该方法包括如下步骤:根据智能超表面的位置和目标基站的位置,得到来波角度信息;通过位于高铁列车的探测天线连续发送定位探测信号;将智能超表面控制器与天线阵列进行连接,接收定位探测信号,分析高铁列车至智能超表面的角度信息;结合角度信息进行智能超表面相位码本计算,得到智能超表面相位码本并进行传输;逻辑电路根据智能超表面相位码本为每个智能超表面基本反射单元进行电压分配,实现各单元的反射性能调节。本发明基于基站‑智能超表面、智能超表面‑高铁列车之间的角度参数,实现最佳波束的实时切换,保障高铁移动通信场景下车地之间的高速有效通信。
Description
技术领域
本发明涉及一种智能超表面追踪与覆盖增强的方法,同时也涉及相应的装置,属于铁路专用通信技术领域。
背景技术
在高铁移动通信场景中会存在遮挡物,阻碍基站与高铁列车之间的无线信号交互,进而严重影响高铁的车地通信质量。在现有的无线通信系统中,无法从根本上克服遮挡现象,需要通过增强发射功率、修改发射机位置、改善接收机算法等方式改善通信质量。
超表面是一种由亚波长尺度单元(典型值为1/10~1/3个波长)按特定空间排布形成的人工电磁结构,具有轻质量、低剖面、易集成、易共形等特点。2014年,崔铁军教授首次提出了数字编码与可编程超表面的概念,将超表面单元的反射和透射响应的不同状态用二进制数值0/1来表示,并将预先设计的二进制编码序列输入至超表面控制器,实现对整个超表面阵列电磁特性的编程,进而实现特定的电磁功能。数字编码与可编程超表面的提出为超表面设计提供了全新的思路,并且可以与数字信号处理器件相结合,形成更为先进的智能超表面。
智能超表面(Reconfigurable Intelligence Surface,简写为RIS)由大规模单元阵列和阵列控制模块构成。其中,大规模单元器件阵列是在平面底板上周期排列的大量可调器件单元,实现对波束及信号有效调控。每个单元上都具有可变的器件结构,例如,单元上的光电二极管开关的状态决定了智能超表面单元对入射信号的不同响应模式。阵列控制模块可以控制每个器件单元的工作状态,从而动态或半静态地控制每个单元对无线信号的响应模式。不同状态智能超表面单元的无线响应信号互相叠加,从而形成特定的波束传播特征。控制模块相当于整个智能超表面的“大脑”,根据无线通信系统的需求来确定无线信号响应波束,对电磁波进行主动的智能调控。智能超表面突破了传统电磁波传播环境不可控的特性,使得原来静态的通信环境变得“智能”、“可控”,成为了电磁世界和信息世界的有效接口。
在申请号为202210826458.7的中国专利申请中,公开了一种基于反射面辅助的高速列车通信覆盖概率增强方法及系统。该方法包括如下步骤:初始化可重构智能表面的高速列车通信场景模型参数;基于高速列车通信场景模型参数,计算在第t个时间时隙的基站-列车移动中继、基站-可重构智能表面、可重构智能表面-列车移动中继链路及系统等效信道的信道模型;基于等效信道的信道模型,计算在第t个时间时隙的系统信噪比;基于系统信噪比,计算在第t个时间时隙,可重构智能表面反射振源的最佳相位;基于可重构智能表面反射振源的最佳相位,计算在第t个时间时隙的覆盖概率。但是,该方法更多关注在等效无线信道方面,通过判别智能超表面辅助通信的信噪比阈值指标,进行智能超表面反射振源的相位切换,从而实现覆盖概率的提升,适用范围受到限制。
发明内容
本发明所要解决的首要技术问题在于提供一种智能超表面追踪与覆盖增强的方法。
本发明所要解决的另一技术问题在于提供一种智能超表面追踪与覆盖增强的装置。
为实现上述技术目的,本发明采用以下的技术方案:
根据本发明实施例的第一方面,提供一种智能超表面追踪与覆盖增强的方法,包括如下步骤:
S1:根据智能超表面的位置和目标基站的位置,计算来波角度信息;
其中,θ为方位角,为俯仰角,以智能超表面的几何中心为原点建立笛卡尔坐标系,θBS-RIS为基站到智能超表面的几何中心的方位角,/>为基站到智能超表面的几何中心的俯仰角;
S2:通过位于高铁列车的探测天线连续发送定位探测信号;
S3:将智能超表面控制器与天线阵列进行连接,接收定位探测信号,计算分析高铁列车至智能超表面的角度信息:
其中,θTrain-Array为高铁列车探测天线到智能超表面控制器天线阵列的方位角,为高铁列车探测天线到智能超表面控制器天线阵列的俯仰角;
S4:结合角度信息进行智能超表面相位码本计算,得到智能超表面相位码本并进行传输;
S5:获取智能超表面相位码本后,通过逻辑电路为每个智能超表面基本反射单元进行电压分配,实现各单元的反射性能调节。
其中较优地,所述步骤S1中θBS-RIS的计算方法为:
的计算方法为:
其中,xBS为基站到智能超表面的几何中心的笛卡尔坐标x轴增量,yBS为基站到智能超表面的几何中心的笛卡尔坐标系y轴增量,zBS为基站到智能超表面的几何中心的笛卡尔坐标系z轴增量。
其中较优地,将θTrain-Array和等效于高铁列车天线到智能超表面的几何中心的方位角θTrain-RIS与俯仰角/>
其中较优地,所述步骤S4中,实现智能超表面到高铁列车的实时调控和追踪的算法,包括如下子步骤:
S41:通过与智能超表面连接的天线阵列,在空口条件下进行定位探测信号的角度获取与估计;
S42:基于步骤S3得到的角度信息和/>为智能超表面生成相位状态的码本矩阵Φmatrix;
S43:基于步骤S42生成的码本矩阵Φmatrix,根据传输协议格式要求封装成帧,生成智能超表面相位码本;
S44:基于步骤S43生成的智能超表面相位码本以及高铁列车当前的位置信息,查表选择合适的控制码本将其传输至智能超表面,使智能超表面反射调整至期望角度。
其中较优地,所述步骤S41中,所述角度获取与估计包括如下子步骤:
天线阵列接收到的阵列信号表示为:
x(t)=A(θ)s(t)+n(t)
其中,A(θ)为阵列的导向矩阵,s(t)为信号向量,n(t)为噪声向量;
阵列信号的协方差矩阵表示为:
R=E{x(t)xH(t)}=AE{s(t)sH(t)}AH+E{n(t)nH(t)}
=ARSAH+σ2I
其中,RS为信号x(t)的协方差矩阵,x(t)为接收到的信号,xH(t)为接收信号的共轭转置,RS为信号x(t)的协方差矩阵,σ2为噪声功率,I为单位矩阵;
对R进行特征值分解得到:
其中,U=[u1,u2,...,uM],Σ=diag(λ1,λ2,...,λM),ui是λi对应的特征向量;
在理想条件下有以下关系:
λ1≥λ2≥...≥λD≥λD+1=...=λM=σ2
根据特征值大小将其划分为两部分,前D个大于σ2的特征值与信号相关,对应的特征向量[u1,u2,...,uD]构成信号子空间,记为US,剩下的M-D个小特征值对应的特征向量[uD+1,uD+2,...,uM]则构成噪声子空间,记为UN;
由于λi为Rx的第i个特征值,ui是λi对应的特征向量,则有:
Rxui=λiui
设λi=σ2是Rx的最小特征值,有:
Rxui=σ2ui,i=[D+1,D+2,...,M]
将Rx=ARSAH+σ2I代入可得:
(ARSAH+σ2I)ui=σ2ui
ARSAHui=0
因AHA是D*D维的满秩矩阵,(AHA)-1存在;(RS)-1同样存在,上式两侧同时乘以RS -1(AHA)-1AH,有:
RS -1(AHA)-1AHARSAHui=0
AHui=0,i=[D+1,D+2,...,M]
所以阵列导向矩阵A与噪声子空间UN正交,根据正交性质构造空间角度谱P:
上式中分母是信号向量a(θ)和噪声矩阵UN的内积,通过对θ进行遍历得到空间角度谱,然后通过峰值搜索得到目标的角度估计值。
其中较优地,在对接收到的信号进行处理时,用多快拍的有限数据进行平均得到离散信号,根据得到的离散信号等效协方差矩阵:
其中,i为当前处理的快拍序号,N为快拍总数量;
假定俯仰角恒定,可以得到相应的方位角θTrain-array。
其中较优地,所述步骤S42中,Φmatrix是维度为M×N的矩阵,N代表行数、M代表列数;
其中,F(·)为用于计算智能超表面的相位状态的码本矩阵的电磁计算公式。
其中较优地,所述电压分配的规则为:总电压为V,码本总数为M,当前取值为N,则该反射单元电压值为
根据本发明实施例的第二方面,提供一种智能超表面追踪与覆盖增强的装置,包括智能超表面、智能超表面控制器、天线阵列、探测天线、高铁列车天线;
所述智能超表面包括:列控模块、逻辑电路、基板、反射器件单元阵列;
所述智能超表面控制器包括:角度估计模块、智能超表面相位码本生成模块、智能超表面相位码本封装模块、智能超表面相位码本传输模块;
其中,角度估计模块与所述天线阵列连接;智能超表面相位码本传输模块与所述智能超表面的列控模块连接。
其中较优地,所述智能超表面控制器为独立装置或集成于所述智能超表面。
与现有技术相比较,本发明通过追踪和高铁列车定位的方法,实现高铁移动通信场景下智能超表面辅助通信的覆盖增强与性能提升。具体地说,基于基站-智能超表面、智能超表面-高铁列车之间的角度参数,可以实现智能超表面相位码本的刷新,完成智能超表面辅助通信的覆盖增强,保障高铁移动通信场景下车地之间的有效通信。
附图说明
图1A为本发明实施例提供的一种智能超表面追踪与覆盖增强的装置的示意图;
图1B为本发明实施例中,智能超表面的分解结构示意图;
图2为本发明实施例提供的一种智能超表面追踪与覆盖增强的方法的流程图;
图3为本发明实施例提供的一种智能超表面追踪与覆盖增强的方法的应用场景示意图;
图4为本发明实施例中,构造空间角度谱的示意图;
图5为本发明实施例中,智能超表面的反射原理示意图。
具体实施方式
下面结合附图和具体实施例对本发明的技术内容进行详细具体的说明。
首先需要说明的是,本发明可以适用于各种移动物体与信号发生器之间的高速移动通信场景,其中移动物体包括但不限于:火车、汽车、船舶、飞机等。在后文介绍的不同实施例中,仅以高铁列车为例进行具体说明。
第一实施例
如图1A所示,本发明第一实施例提供一种智能超表面追踪与覆盖增强的装置,包括:智能超表面、智能超表面控制器、天线阵列、探测天线、高铁列车天线。
如图1B所示,在本发明的一个实施例中,智能超表面可以包括:列控模块、逻辑电路、基板、反射器件单元阵列。智能超表面控制器可以包括:角度估计模块、智能超表面相位码本生成模块、智能超表面相位码本封装模块、智能超表面相位码本传输模块。其中,角度估计模块与天线阵列连接;智能超表面相位码本传输模块与智能超表面的列控模块连接。
需要说明的是,本发明所述的智能超表面控制器为独立装置或集成于智能超表面,具体情况根据实际场景而定,本发明对此不予限制。
第二实施例
如图2所示,本发明第二实施例提供一种智能超表面追踪与覆盖增强的方法,至少包括如下步骤:
S1:如图3所示,根据智能超表面的位置和目标基站的位置,计算得到基站到智能超表面的几何中心的方位角和俯仰角的角度信息
。
其中,θBS-RIS的计算方法为:
的计算方法为:
其中,θ为方位角,为俯仰角,以智能超表面的几何中心为原点建立笛卡尔坐标系,θBS-RIS为基站到智能超表面的几何中心的方位角,/>为基站到智能超表面的几何中心的俯仰角,xBS为基站到智能超表面的几何中心的笛卡尔坐标x轴增量,yBS为基站到智能超表面的几何中心的笛卡尔坐标系y轴增量,zBS为基站到智能超表面的几何中心的笛卡尔坐标系z轴增量。
S2:通过位于高铁列车的探测天线连续发送定位探测信号。
探测天线的作用在于辅助智能超表面控制器进行角度估计。
其中,θTrain-Array为高铁列车探测天线到智能超表面控制器天线阵列的方位角,为高铁列车探测天线到智能超表面控制器天线阵列的俯仰角。
S3:将智能超表面控制器与天线阵列进行连接,接收定位探测信号,计算分析高铁列车至智能超表面的角度信息:
由于智能超表面与高铁列车之间距离较远,探测天线与高铁列车天线间距较小,并且天线阵列与智能超表面的几何中心接近,所以认为θTrain-Array和等同于高铁列车天线到智能超表面的几何中心的方位角θTrain-RIS与俯仰角/>即
S4:结合角度信息进行智能超表面相位码本计算,得到智能超表面相位码本并进行传输。
如图3所示,实现智能超表面到高铁列车的实时调控和追踪的算法,包括如下子步骤:
S41:角度估计模块通过与智能超表面连接的天线阵列,在空口条件下进行定位探测信号的角度获取与估计。
其中,角度获取与估计算法,具体如下:
天线阵列接收到的阵列信号表示为:
x(t)=A(θ)s(t)+n(t)
其中,A(θ)为阵列的导向矩阵,s(t)为信号向量,n(t)为噪声向量。
阵列信号的协方差矩阵表示为:
R=E{x(t)xH(t)}=AE{s(t)sH(t)}AH+E{n(t)nH(t)}=ARSAH+σ2I
其中,RS为信号x(t)的协方差矩阵,x(t)为接收到的信号,xH(t)为接收信号的共轭转置,RS为信号x(t)的协方差矩阵,σ2为噪声功率,I为单位矩阵。
在对接收到的信号进行实际处理时,由于采集的天线阵列信号是有限长度,需要用多快拍的有限数据进行平均以靠近相关矩阵,得到离散信号,根据得到的离散信号等效协方差矩阵:
其中,i为当前处理的快拍序号,N为快拍总数量。
因为R为正定埃尔米特(Hermite)矩阵,由矩阵的性质可知,R的M个特征向量是线性独立的。对R进行特征值分解得到:
其中,U=[u1,u2,...,uM],Σ=diag(λ1,λ2,...,λM),ui是λi对应的特征向量。在理想条件下有以下关系:
λ1≥λ2≥...≥λD≥λD+1=...=λM=σ2
根据特征值大小将其划分为两部分,前D个大于σ2的特征值与信号相关,对应的特征向量[u1,u2,...,uD]构成信号子空间,记为US,剩下的M-D个小特征值对应的特征向量[uD+1,uD+2,...,uM]则构成噪声子空间,记为UN。
由于λi为Rx的第i个特征值,ui是λi对应的特征向量,则有:
Rxui=λiui
设λi=σ2是Rx的最小特征值,有:
Rxui=σ2ui,i=[D+1,D+2,...,M]
将Rx=ARSAH+σ2I代入可得:
(ARSAH+σ2I)ui=σ2ui
ARSAHui=0
因AHA是D*D维的满秩矩阵,(AHA)-1存在;(RS)-1同样存在,上式两侧同时乘以RS -1(AHA)-1AH,有:
RS -1(AHA)-1AHARSAHui=0
AHui=0,i=[D+1,D+2,...,M]
上式表明,噪声特征值所对应的特征向量(称为噪声特征向量)ui,与矩阵A的列向量正交,而A的各列是与信号源的方向相对应的,即阵列导向矩阵A与噪声子空间UN正交。
如图4所示,根据以上正交性质,可构造空间角度谱P:
上式中,分母是信号向量a(θ)和噪声矩阵UN的内积,当a(θ)和UN的各列正交时,该分母为零,但由于噪声的存在,它实际上为一最小值,因此P存在尖峰值。
通过对θ进行遍历,根据上式得到空间角度谱,然后通过峰值搜索得到目标的角度估计值。
在实际的高铁移动通信场景中,由于高铁列车沿轨道运行,其行驶轨迹确定且无剧烈高度变化,故俯仰角恒定。结合上述角度获取与估计算法,可以得到相应的方位角θTrain-array。
因为方位角θTrain-array是基于空间角度谱P进行遍历、峰值搜索而得到的,并且θTrain-array的计算过程中不涉及与速度相关的信息,所以本发明同样适用于低速、中高速下的无线通信系统。
S42:基于步骤S3得到的角度信息和/>为智能超表面生成相位状态的码本矩阵Φmatrix。
其中,Φmatrix是维度为M×N的矩阵,N代表行数、M代表列数;
其中,F(·)为相关电磁计算公式,用于计算智能超表面的相位状态的码本矩阵。
S43:基于步骤S42生成的码本矩阵Φmatrix,根据传输协议格式要求封装成帧,生成智能超表面相位码本。
需要说明的是,每个码本矩阵需要单独封装,将控制各个角度的码本矩阵封装完成后,进行记录、标号、存储成表的形式,以备后续查表快速调用,省去智能超表面相位码本生成的时间。
S44:基于步骤S43生成的智能超表面相位码本以及高铁列车当前的位置信息,上位机查表选择合适的控制码本将其传输至智能超表面,使智能超表面反射调整至期望角度。
智能超表面的单元状态可以由逻辑电路(例如FPGA等)控制,因此上位机对智能超表面的控制实际为上位机与逻辑电路之间的通信。
S5:如图5所示,获取智能超表面赋形码本后,列控模块为反射器件单元阵列中的每个反射器件单元进行电压分配,实现各单元的反射性能调节,完成对出射的赋形与智能反射。
其中,电压分配的规则为:总电压为V,码本总数为M,当前取值为N,则该反射单元电压值为
在本发明的一个实施例中,列控模块中可以嵌入深度神经网络模型,所以列控模块能够快速输出结果,使得其能够做到实时调控。
需要说明的是,上述多个实施例只是举例,各个实施例的技术方案之间可以进行组合,均在本发明的保护范围内。
与现有技术相比较,本发明通过追踪和高铁列车定位的方法,实现高铁移动通信场景下智能超表面辅助通信的覆盖增强与性能提升。具体地说,基于基站-智能超表面、智能超表面-高铁列车之间的角度参数,可以实现智能超表面相位码本的刷新,完成智能超表面辅助通信的覆盖增强,保障高铁移动通信场景下车地之间的有效通信。
上面对本发明提供的智能超表面追踪与覆盖增强的方法及装置进行了详细的说明。对本领域的一般技术人员而言,在不背离本发明实质内容的前提下对它所做的任何显而易见的改动,都将构成对本发明专利权的侵犯,将承担相应的法律责任。
Claims (9)
1.一种智能超表面追踪与覆盖增强的方法,其特征在于包括如下步骤:
S1:根据智能超表面的位置和目标基站的位置,计算来波角度信息
;
其中,θ为方位角,为俯仰角,以智能超表面的几何中心为原点建立笛卡尔坐标系,θBS-RIS为基站到智能超表面的几何中心的方位角,/>为基站到智能超表面的几何中心的俯仰角;
S2:通过位于高铁列车的探测天线连续发送定位探测信号;
S3:接收定位探测信号,计算分析高铁列车至智能超表面的角度信息:
其中,θTrain-Array为高铁列车探测天线到智能超表面控制器天线阵列的方位角,为高铁列车探测天线到智能超表面控制器天线阵列的俯仰角;
S4:结合角度信息进行智能超表面相位码本计算,得到智能超表面相位码本并进行传输;
S5:获取智能超表面相位码本后,通过逻辑电路为每个智能超表面基本反射单元进行电压分配,实现各单元的反射性能调节;
其中,所述步骤S4中,实现智能超表面到高铁列车的实时调控和追踪的算法,包括如下子步骤:
S41:通过与智能超表面连接的天线阵列,在空口条件下进行定位探测信号的角度获取与估计;
S42:基于步骤S3得到的角度信息和/>为智能超表面生成相位状态的码本矩阵Φmatrix;
其中,θTrain-RIS为高铁列车天线到智能超表面的几何中心的方位角;为高铁列车天线到智能超表面的几何中心的俯仰角;
S43:基于步骤S42生成的码本矩阵Φmatrix,根据传输协议格式要求封装成帧,生成智能超表面相位码本;
S44:基于步骤S43生成的智能超表面相位码本以及高铁列车当前的位置信息,查表选择合适的控制码本将其传输至智能超表面,使智能超表面反射调整至期望角度。
2.如权利要求1所述的方法,其特征在于所述步骤S1中,
θBS-RIS的计算方法为:
的计算方法为:
其中,xBS为基站到智能超表面的几何中心的笛卡尔坐标x轴增量,yBS为基站到智能超表面的几何中心的笛卡尔坐标系y轴增量,zBS为基站到智能超表面的几何中心的笛卡尔坐标系z轴增量。
3.如权利要求1所述的方法,其特征在于所述步骤S3中,将θTrain-Array和等效于高铁列车天线到智能超表面的几何中心的方位角θTrain-RIS与俯仰角/>
4.如权利要求1所述的方法,其特征在于所述步骤S41中,天线阵列接收到的阵列信号表示为:
x(t)=A(θ)s(t)+n(t)
其中,A(θ)为阵列导向矩阵,s(t)为信号向量,n(t)为噪声向量;
阵列信号的协方差矩阵表示为:
R=E{x(t)xH(t)}=AE{s(t)sH(t)}AH+E{n(t)nH(t)}
=ARSAH+σ2I
其中,RS为信号x(t)的协方差矩阵,x(t)为接收到的信号,xH(t)为接收信号的共轭转置,RS为信号x(t)的协方差矩阵,σ2为噪声功率,I为单位矩阵;A为阵列导向矩阵,AH为阵列导向矩阵的共轭转置矩阵。
5.如权利要求4所述的方法,其特征在于用多快拍的有限数据进行平均得到离散信号,根据得到的离散信号等效所述协方差矩阵。
6.如权利要求1所述的方法,其特征在于所述步骤S42中,所述码本矩阵Φmatrix是维度为M×N的矩阵,N代表行数、M代表列数;
其中,F(·)为用于计算智能超表面的相位状态的码本矩阵的电磁计算公式。
7.如权利要求1所述的方法,其特征在于所述步骤S5中,所述电压分配的规则为:总电压为V,码本总数为M,当前取值为N,则该反射单元电压值为
8.一种智能超表面追踪与覆盖增强的装置,用于实现权利要求1~7中任意一项所述的方法,其特征在于包括智能超表面、智能超表面控制器、天线阵列、探测天线、高铁列车天线;
所述智能超表面包括:列控模块、逻辑电路、基板、反射器件单元阵列;
所述智能超表面控制器包括:角度估计模块、智能超表面相位码本生成模块、智能超表面相位码本封装模块、智能超表面相位码本传输模块;
其中,角度估计模块与所述天线阵列连接;智能超表面相位码本传输模块与所述智能超表面的列控模块连接。
9.如权利要求8所述的装置,其特征在于:
所述智能超表面控制器为独立装置或集成于所述智能超表面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311431268.6A CN117177253B (zh) | 2023-10-31 | 2023-10-31 | 一种智能超表面追踪与覆盖增强的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311431268.6A CN117177253B (zh) | 2023-10-31 | 2023-10-31 | 一种智能超表面追踪与覆盖增强的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117177253A CN117177253A (zh) | 2023-12-05 |
CN117177253B true CN117177253B (zh) | 2024-01-23 |
Family
ID=88930068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311431268.6A Active CN117177253B (zh) | 2023-10-31 | 2023-10-31 | 一种智能超表面追踪与覆盖增强的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117177253B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111355519A (zh) * | 2020-03-10 | 2020-06-30 | 电子科技大学 | 智能反射表面协助的室内太赫兹mimo通信系统设计方法 |
CN114025425A (zh) * | 2021-11-03 | 2022-02-08 | 东南大学 | 一种智能超表面辅助的无线通信与感知定位一体化方法 |
CN115209376A (zh) * | 2022-07-14 | 2022-10-18 | 北京交通大学 | 基于反射面辅助的高速列车通信覆盖概率增强方法及系统 |
WO2023055704A1 (en) * | 2021-09-29 | 2023-04-06 | Interdigital Patent Holdings, Inc. | Method and apparatus for channel separation for intelligent reflecting surface (irs)-based transmission |
WO2023092361A1 (zh) * | 2021-11-24 | 2023-06-01 | 株式会社Ntt都科摩 | 通信系统中的终端以及发送设备 |
CN116388830A (zh) * | 2023-05-19 | 2023-07-04 | 东南大学 | 基于智能反射面的通信定位一体化系统及方法 |
-
2023
- 2023-10-31 CN CN202311431268.6A patent/CN117177253B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111355519A (zh) * | 2020-03-10 | 2020-06-30 | 电子科技大学 | 智能反射表面协助的室内太赫兹mimo通信系统设计方法 |
WO2023055704A1 (en) * | 2021-09-29 | 2023-04-06 | Interdigital Patent Holdings, Inc. | Method and apparatus for channel separation for intelligent reflecting surface (irs)-based transmission |
CN114025425A (zh) * | 2021-11-03 | 2022-02-08 | 东南大学 | 一种智能超表面辅助的无线通信与感知定位一体化方法 |
WO2023092361A1 (zh) * | 2021-11-24 | 2023-06-01 | 株式会社Ntt都科摩 | 通信系统中的终端以及发送设备 |
CN115209376A (zh) * | 2022-07-14 | 2022-10-18 | 北京交通大学 | 基于反射面辅助的高速列车通信覆盖概率增强方法及系统 |
CN116388830A (zh) * | 2023-05-19 | 2023-07-04 | 东南大学 | 基于智能反射面的通信定位一体化系统及方法 |
Non-Patent Citations (1)
Title |
---|
《基于智能超表面的室内覆盖增强技术研究与实验验证》;费丹等;电子与信息学报;第44卷(第7期);正文第2374-2381页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117177253A (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | A tutorial on terahertz-band localization for 6G communication systems | |
Du et al. | Integrated sensing and communications for V2I networks: Dynamic predictive beamforming for extended vehicle targets | |
Huang et al. | MIMO radar aided mmWave time-varying channel estimation in MU-MIMO V2X communications | |
Zecchin et al. | LIDAR and position-aided mmWave beam selection with non-local CNNs and curriculum training | |
Qi et al. | Deep learning-based BackCom multiple beamforming for 6G UAV IoT networks | |
Jiang et al. | Improve radar sensing performance of multiple roadside units cooperation via space registration | |
CN116600314A (zh) | 一种高铁毫米波通信系统的通信控制方法及系统 | |
Xu et al. | UAV-enabled integrated sensing, computing, and communication: A fundamental trade-off | |
CN113922854B (zh) | 一种具有边缘计算辅助的集成雷达感知和无线通信方法 | |
CN107728102A (zh) | 一种阵列传感器的波达方向估计方法 | |
CN117177253B (zh) | 一种智能超表面追踪与覆盖增强的方法及装置 | |
Wang et al. | CAP-Net: A deep learning-based angle prediction approach for ISAC-enabled RIS-assisted V2I communications | |
CN115334524B (zh) | 一种基于全向智能超表面的通信和雷达目标检测方法 | |
Peng et al. | Channel estimation for extremely large-scale massive MIMO systems in hybrid-field channel | |
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 | |
CN114222310B (zh) | 一种联合3d波束赋形和智能反射面反射优化方法 | |
CN116390114A (zh) | 基于非视距链路识别的车联网感知辅助通信预波束对准方法 | |
Zhang et al. | Integrated Sensing and Communications towards Proactive Beamforming in mmWave V2I via Multi-Modal Feature Fusion (MMFF) | |
Xiao et al. | Lstm based multiple beamforming for 5g haps iot networks | |
CN115412159B (zh) | 基于空中智能反射面辅助的安全通信方法 | |
Yu et al. | Aerial RIS-Enabled Wireless Coverage Enhancement Under UAV Jitter | |
Xiang et al. | Computer Vision Aided Beamforming Fused with Limited Feedback | |
Hong et al. | Integrated sensing and communication-assisted beam rendezvous in airborne networks | |
Cheng et al. | Deep Active Learning for Multi-Source AoA Tracking in mmWave-Based ISAC Systems | |
Liu et al. | Multi-Branch Unsupervised Learning-Based Beamforming in mm-Wave Massive MIMO Systems With Inaccurate Information |
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 |