CN117498900A - 去蜂窝大规模mimo通感一体化系统的资源分配装置及方法 - Google Patents

去蜂窝大规模mimo通感一体化系统的资源分配装置及方法 Download PDF

Info

Publication number
CN117498900A
CN117498900A CN202311439502.XA CN202311439502A CN117498900A CN 117498900 A CN117498900 A CN 117498900A CN 202311439502 A CN202311439502 A CN 202311439502A CN 117498900 A CN117498900 A CN 117498900A
Authority
CN
China
Prior art keywords
signal
representing
access point
module
vector
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
Application number
CN202311439502.XA
Other languages
English (en)
Inventor
董园园
郝楠
王�华
杨照辉
余显斌
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.)
Zhejiang Lab
Original Assignee
Zhejiang Lab
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 Zhejiang Lab filed Critical Zhejiang Lab
Priority to CN202311439502.XA priority Critical patent/CN117498900A/zh
Publication of CN117498900A publication Critical patent/CN117498900A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H04B7/0426—Power distribution
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/0224—Channel estimation using sounding signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/24—Cell structures
    • H04W16/28—Cell structures using beam steering
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/06—TPC algorithms
    • H04W52/14—Separate analysis of uplink or downlink
    • H04W52/143—Downlink power control
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/18—TPC being performed according to specific parameters
    • H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/18—TPC being performed according to specific parameters
    • H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
    • H04W52/241—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account channel quality metrics, e.g. SIR, SNR, CIR, Eb/lo
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
    • H04W72/542—Allocation or scheduling criteria for wireless resources based on quality criteria using measured or perceived quality
    • 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

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Power Engineering (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种去蜂窝大规模MIMO通感一体化系统的资源分配装置及方法，该装置包括信号源生成模块、信息存储模块、数字波束成形模块、感知信息联合处理模块、功率控制模块、前传信号压缩模块、前传信号解压缩模块、信道估计模块、模拟波束成形模块和信号发射与接收模块。本发明基于去蜂窝大规模MIMO网络，采用低功耗、低成本的模数混合波束成形结构，将复杂的基带处理置于CPU，在CPU进行复杂的数字波束成形，将简单的射频处理分布到AP，有利于增强系统的感知性能，降低系统的计算复杂度、功率消耗及实施成本；在前传链路容量受限的约束条件下通过功率分配和前传信号压缩策略，可有效提升系统的服务性能，满足系统的实施需求。

Description

去蜂窝大规模MIMO通感一体化系统的资源分配装置及方法
技术领域
本发明属于无线通信中资源分配技术领域，尤其涉及一种去蜂窝大规模MIMO通感一体化系统的资源分配装置及方法。
背景技术
移动通信、人工智能及大数据技术的深度融合驱动着5G在技术和业务两个层面向6G演进，业务要素从人向智能体、物理空间和虚拟空间扩展，信息处理功能需求从信息传递向信息采集和信息计算扩展。通感一体化(ISAC)技术通过频谱、信号波形及硬件设备等资源共享能够在满足用户设备通信的同时对目标用户设备进行检测，可以应用于室内定位及活跃性检测、车联网通信和定位以及环境监测等场景中，被认为是6G无线网络的潜在关键技术之一。然而，现有ISAC系统大多基于蜂窝大规模MIMO网络架构，多个基站工作在相同的位置、频谱或者时间资源，导致小区内边缘用户性能下降、频繁的小区切换及小区干扰等问题。
去蜂窝大规模MIMO网络通过将大量接入点(AP)分布在较大区域，同时通过前传链路与一个集中处理单元(CPU)相连可以有效解决小区内边缘用户性能损失及用户干扰问题，同时通过多个分布AP的联合处理可以有效提升系统感知性能。结合毫米波技术，扩展系统可用频谱从而进一步提升系统通信及感知性能。
去蜂窝毫米波大规模MIMO通感一体化系统具备性能好、抗干扰强及服务质量稳定等特点，具有广阔的应用前景。然而，现有系统大都基于全数字波束成形架构，每根天线连接一个射频(RF)链，这为毫米波大规模MIMO系统带来了极大的计算复杂度、极高的功率消耗、硬件实施复杂度以及生产成本，难以进行实际应用。此外，现有关于去蜂窝通感一体化网络架构的研究大多基于CPU与AP间前传链路容量无穷大的假设，即没有考虑前传链路容量受限这一实际约束。因此，现有通感一体化系统中资源分配方法无法直接应用于前传链路容量受限的去蜂窝大规模MIMO通感一体化系统中，亟需设计新的装置和方法以提升通感一体化系统性能，满足不断增长的通信、感知服务需求。
针对上述问题，本发明提出一种前传链路容量受限条件下的去蜂窝大规模MIMO通感一体化系统中的资源分配装置和方法，使其适应实际的通感一体化系统需求，提升通感一体化系统的性能。
发明内容
本发明的目的在于针对现有技术中的不足，提供一种去蜂窝大规模MIMO通感一体化系统的资源分配装置及方法。本发明能够在前传链路容量受限的条件下有效提升通感一体化系统的性能，并满足通感一体化系统的实施需求。
本发明的目的是通过以下技术方案来实现的：本发明实施例第一方面提供了一种去蜂窝大规模MIMO通感一体化系统的资源分配装置，包括：
集中处理单元端信号处理模块，包括信号源生成模块、信息存储模块、数字波束成形模块、感知信息联合处理模块和功率控制模块，所述信号源生成模块用于生成发射源信号，该源信号包括1个感知信号流和多个通信信号流；所述信息存储模块用于存储从各个接入点传递过来的信道状态信息、模拟波束成形信息和感知信息；所述数字波束成形模块用于基于信道状态信息及模拟波束成形信息进行数字基带信号处理，在幅值和相位两个维度对源信号进行处理，形成数字波束；所述感知信息联合处理模块用于将各个接收接入点传递过来的感知信息进行联合处理，以获取联合感知信噪比；所述功率控制模块用于基于信道状态信息、模拟波束成形信息以及数字波束成形信息，并在预设的信干噪比、最大发射功率、前传链路容量的约束条件下，对通信信号和感知信号进行功率控制；
共有信号处理模块，包括前传信号压缩模块和前传信号解压缩模块，所述前传信号压缩模块用于将发射信号映射到预设的码本集合中，完成发射信号的压缩处理；所述前传信号解压缩模块用于在经过前传链路后的另一端对信号进行解映射，完成信号的解压缩处理；和
接入点端信号处理模块，包括信道估计模块、模拟波束成形模块和信号发射与接收模块，所述信道估计模块用于基于导频信息并利用最小二乘算法估计各接入点与通信用户间的信道状态信息；所述模拟波束成形模块用于对发射信号或接收信号进行相位调整，形成模拟波束；所述信号发射与接收模块用于将经过集中处理单元端的数字基带处理和接入点端的射频处理后的信号从发射接入点发射出去，每个接收接入点接收从感知目标反射的信号。
进一步地，所述数字波束的形成具体包括：
采用迫零波束成形方法对通信用户间干扰进行抑制，即令数字波束成形矩阵满足以下条件：
其中，mt(1,2,...,Mt)表示第mt个发射接入点，u(1,2,...,U)表示第u个通信用户，i≠u(1,2,...,U)表示除第u个通信用户外的其它U-1个通信用户，表示第mt个发射接入点和第u个通信用户间的等效信道，/>表示第mt个发射接入点的模拟波束成形矩阵，(·)H表示矩阵的共轭转置运算，/>表示矩阵伪逆运算，hmt,u表示第mt个发射接入点和第u个通信用户间的信道；
采用迫零波束成形方法将最优感知波束映射到等效通信信道的零空间，令Gmt＝[gmt,1,gmt,2,…,gmt,U]表示第mt个发射接入点和所有通信用户间的等效信道矩阵，则感知数字波束成形向量构建为：
其中，LA＝U+1，表示维度为LA的单位矩阵，||·||表示向量的绝对值运算，a(φmt)＝[1,...,exp{-jπ(N-1)sin(φmt)}]T表示第mt个发射接入点的波控响应向量，φmt表示感知目标与第mt个发射接入点的方位角。
进一步地，经过所述功率控制模块后生成集中处理单元向第mt个发射接入点传递的发射信号zmt，其表达式为：
其中，表示第i(i＝0,1,…,U)个数字波束成形向量，/>表示数字波束成形矩阵，/>表示由功率控制因子构成的功率控制对角矩阵，s＝[s0,s1,…,sU]T表示信号源生成模块生成的发射源信号，s0表示到感知目标的源信号，su(u＝1,2,…,U)表示到第u个通信用户的源信号。
进一步地，依次经过所述前传信号压缩模块和所述前传信号解压缩模块后，得到从集中处理单元传递至第mt个发射接入点的发射信号，表示为：
其中，表示解压缩后的信号，Projmt(·)表示第mt个发射接入点的映射操作，表示对应的解映射操作，zmt表示集中处理单元向第mt个发射接入点传递的信号，qmt表示从集中处理单元传递至发射接入点时引入的压缩噪声，其独立于发射信号zmt并且服从/>分布；
压缩噪声qmt的可行解满足以下前传链路容量的约束条件：
其中，表示向量zmt和/>间的互信息，/>表示服从复高斯分布的向量/>的微分熵，其中，/>表示向量x服从均值为a，协方差为A的复高斯分布，det(·)表示矩阵的行列式运算，/>表示LA维单位矩阵，C表示前传链路最大容量；
接收接入点将接收信号经过模拟波束成形处理后得到rmr，通过压缩处理后传递至集中处理单元，集中处理单元经过信号解压缩后得到引入的压缩噪声q′mr的可行解满足以下前传链路容量的约束条件：
其中，表示rmr与/>间的互信息，/>表示第mr个接收接入点端的高斯白噪声方差，/>表示第mr个接收接入点与第mt个发射接入点间的信道增益， 为第mr个接收接入点处的模拟波束成形向量，(·)*表示向量的共轭运算，a(φmr)＝[1,…,exp{-jπ(N-1)sin(φmr)}]T表示第mr个接收接入点的波控响应向量，φmr表示感知目标与第mr个接收接入点的方位角。
进一步地，所述模拟波束成形矩阵最优时所对应的相位与通信信道共轭转置所对应的相位以及感知波控向量所对应的相位相同，表示为：
其中，表示第mt个发射接入点的第i个射频链对应的模拟波束成形向量，∠·表示向量·对应的相位。
进一步地，所述经过集中处理单元端的数字基带处理和发射接入点端的射频处理后的信号从发射接入点发射出去，表示为：
对应的发射功率为：
其中，xmt表示第mt个发射接入点的发射信号，||·||2表示向量绝对值的平方，表示数学期望运算，/>表示矩阵F范数的平方，/>每个发射接入点的发射功率需要满足功率约束：Pmt≤Pmax；
每个接收接入点接收从感知目标反射的信号，表示为：
其中，Hmr,mt＝αmr,mta(θmr)aH(θmt)表示第mt个发射接入点和第mr个接收接入点之间的信道，表示对应的信道增益，/>表示第mr个接收接入点端的高斯白噪声向量。
本发明实施例第二方面提供了一种基于上述的去蜂窝大规模MIMO通感一体化系统的资源分配装置的资源分配方法，包括以下步骤：
(1)构建前传容量约束条件下的发射信号模型：发射源信号经过数字波束成形模块、功率控制模块后产生待发射信号，再经过前传信号压缩模块以及前传信号解压缩模块后引入压缩噪声，在每个发射接入点经过模拟波束成形模块产生发射信号，完成发射信号模型的构建；
(2)构建下行通信模型：基于步骤(1)构建的发射信号模型，经过无线信道，以获取通信用户的接收信号，并根据该接收信号计算通信用户的接收信干噪比，完成下行通信模型的构建；
(3)构建感知模型：基于步骤(1)构建的发射信号模型，获取接收接入点接收从感知目标反射的信号，该信号依次经过模拟波束成形模块、前传信号压缩模块和前传信号解压缩模块使集中处理单元端获取来自所有接收接入点的接收信号，以计算联合感知信噪比，完成感知模型的构建；
(4)构建多模约束条件下的最大化联合感知信噪比优化问题中的目标函数：基于通信用户的接收信干噪比、经过信号发射与接收模块确定的发射功率以及经过前传信号压缩模块和前传信号解压缩模块确定的前传链路容量，在预设的信干噪比、最大发射功率、前传链路容量的约束条件下，最大化联合感知信噪比；
(5)采用块坐标下降算法对目标函数中的多维变量进行求解：采用块坐标下降算法对目标函数中的三个块变量进行迭代优化求解，在每次迭代中，对三个块变量依次进行优化计算，在优化其中一个块变量时保持另外两个块变量不变，直至达到预设的停止条件，获得计算得到的最优的联合感知信噪比及其对应的三个块变量的最优解；其中，三个块变量分别为功率控制矩阵、从集中处理单元向发射接入点传输发射信号时引入的压缩噪声向量和从接收接入点向集中处理单元传输接收信号时引入的压缩噪声向量。
进一步地，所述步骤(2)中，所述通信用户的接收信号的表达式为：
其中，yu表示第u个通信用户的接收信号，表示用户侧的加性高斯白噪声，/>Desired signal表示目标信号，Interference from the other UEs表示其他通信用户造成的干扰，Interference from the sensing表示感知信号造成的干扰，Noise表示噪声；
所述通信用户的接收信干噪比的表达式为：
其中，|·|2表示绝对值平方运算，γu表示第u个通信用户的接收信干噪比， 公式(13)简化为/>
进一步地，所述步骤(3)中，从感知目标反射的信号经过模拟波束成形模块后，得到：
其中，(·)T表示向量转置运算，表示接收信号中目标信号部分，/>表示接收信号中从集中处理单元至发射接入点引入的压缩噪声部分；
集中处理单元端来自所有接收接入点的接收信号表示为：
其中，V＝blkdiag(v1,…,vMr)T表示以向量v1,…,vMr为主对角的块对角矩阵的转置，U＝blkdiag(u1,…,uMr)T表示以向量u1,…,uMr为主对角的块对角矩阵的转置，αmr＝[αmr,1,…,αmr,Mt]T，/>vmr＝[vmr,1,…,vmr,Mt]T，umr＝[umr,1,…,umr,Mt]T，q′＝[q′1，...，q′Mr]T，n＝[n1,…,nMr]T；
联合感知信噪比的表达式为：
其中，||·||2表示向量绝对值平方运算，tr(·)表示矩阵的求迹运算。
进一步地，所述步骤(4)中，最大化联合感知信噪比及其约束条件的表达式为：
其中，表示从集中处理单元到所有发射接入点传输发射信号引入的压缩噪声方差构成的向量，/>表示从所有接收接入点向集中处理单元传输接收信号引入的压缩噪声方差构成的向量，γc表示预设的通信用户的最小接收信干噪比，Pmax表示预设的最大发射功率，C表示预设的前传链路容量的最大值。
进一步地，所述块坐标下降算法的一次迭代过程具体包括：
(5.1)基于第t-1次迭代时获得的功率控制矩阵P(t-1)和压缩噪声向量计算第t次迭代时压缩噪声向量/>的值，采用数值仿真方法获取/>时压缩噪声向量/>对应的最优解；
(5.2)基于压缩噪声向量的最优解和第t-1次迭代时获得的功率控制矩阵P(t -1)，计算/>时压缩噪声向量/>对应的最优解；
(5.3)基于压缩噪声向量的最优解和压缩噪声向量/>的最优解以及约束条件，采用二分法对功率控制因子进行优化求解，以获取功率控制矩阵P(t)的最优解；
(5.4)基于功率控制矩阵P(t)的最优解、压缩噪声向量的最优解和压缩噪声向量/>的最优解获取当前迭代中的联合感知信噪比；
(5.5)判断当前迭代对应的联合感知信噪比是否满足停止条件，若满足停止条件，则停止迭代优化求解；否则，进入下一次迭代继续进行优化求解；其中，停止条件具体为：当前迭代与上一次迭代中的联合感知信噪比的差值小于预设的误差门限值，或者当前迭代次数达到最大迭代次数。
本发明的有益效果为，本发明采用去蜂窝大规模MIMO网络架构，充分利用去蜂窝大规模MIMO网络架构的优势，可有效避免用户干扰、小区边缘用户性能损失及小区切换问题，并通过多AP联合感知增强通感一体化系统的感知性能；同时，本发明结合去蜂窝毫米波大规模MIMO系统特性，采用低功耗、低成本的模数混合波束成形结构，将复杂的基带处理置于CPU端，在CPU端进行复杂的数字波束成形，将简单的射频处理分布到AP端，可有效降低通感一体化系统的计算复杂度、功率消耗及实施成本；此外，本发明考虑CPU与AP间前传链路容量受限的实际约束条件，并在此条件下通过功率分配和前传信号压缩策略的联合设计，在CPU向AP或AP向CPU传递信号前需要经过信号压缩处理，在接收端进行相应的信号解压缩，满足前传链路容量约束，可以有效提升通感一体化系统的服务性能，满足实际通感一体化系统的实施需求，具有显著的应用价值。
附图说明
图1是本发明的去蜂窝大规模MIMO通感一体化系统的一种架构图；
图2是本发明的去蜂窝大规模MIMO通感一体化系统的资源分配装置的结构框图；
图3是本发明的去蜂窝大规模MIMO通感一体化系统的资源分配方法的流程图；
图4是本发明的块坐标下降(BCD)算法的流程图；
图5是本发明的系统AP、通信用户及感知目标的位置分布图；
图6是本发明的BCD算法与最优全局搜索(FS)算法的信噪比性能仿真图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本发明可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本发明范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
下面结合附图，对本发明进行详细说明。在不冲突的情况下，下述的实施例及实施方式中的特征可以相互组合。
本发明实施例中，在去蜂窝大规模MIMO通感一体化(ISAC)系统中同时进行多用户通信和单目标任务感知，在该通感一体化系统中，包括多个接入点(AP)和一个集中处理单元(CPU)，如图1所示，其中，将每个AP作为ISAC系统的发射机和/或感知接收机，并且通过容量受限的前传链路与CPU相连。该通感一体化系统采用模数混合波束成形结构，发射和接收信号的数字基带处理在CPU端进行，而低复杂度的射频(RF)处理则分布到每个AP端进行。
应当理解的是，每个AP既可以作为发射机发送信号至用户或感知目标，也可以作为接收机接收来自于发射AP经过感知目标反射后的发射数据。
参见图2，本发明的去蜂窝大规模MIMO通感一体化系统的资源分配装置包括CPU端信号处理模块、AP端信号处理模块、共有信号处理模块，其中，CPU端信号处理模块包括信号源生成模块、信息存储模块、数字波束成形模块、感知信息联合处理模块和功率控制模块；AP端信号处理模块包括信道估计模块、模拟波束成形模块和信号发射与接收模块；共有信号处理模块包括前传信号压缩模块和前传信号解压缩模块。
本实施例中，信号源生成模块用于生成发射源信号，该源信号包括1个感知信号流和多个通信信号流。
具体地，生成的发射源信号表示为s＝[s0,s1,…,sU]T，令s0表示到感知目标的源信号，服从均值为0、方差为1的复高斯分布；令su(u＝1,2,…,U)表示到第u个通信用户的源信号，服从均值为0，方差为1的复高斯分布。
本实施例中，信息存储模块用于存储从各个AP传递过来的信道状态信息、模拟波束成形信息和感知信息等，便于CPU进行后续信号处理过程。
本实施例中，数字波束成形模块用于基于信道状态信息及模拟波束成形信息进行数字基带信号处理，在幅值和相位两个维度对源信号进行处理，形成数字波束，可以增强发射信号的信噪比。
具体地，采用迫零(ZF)波束成形方法对通信用户间干扰进行抑制，即令数字波束成形矩阵满足以下条件：
从而有以下效果：
其中，mt(1,2,…,Mt)表示第mt个发射AP，u(1,2,…,U)表示第u个通信用户，i≠u(1,2,…,U)表示除第u个通信用户外的其它U-1个通信用户，表示第mt个发射AP和第u个通信用户间的等效信道，/>表示第mt个发射AP的模拟波束成形矩阵，(·)H表示矩阵的共轭转置运算，/>表示矩阵伪逆运算，hmt,u表示第mt个发射AP和第u个通信用户间的信道。
为了消除感知信号对通信用户的干扰，本实施例采用迫零波束成形方法将最优感知波束映射到等效通信信道的零空间。令Gmt＝[gmt,1,gmt,2,...,gmt,U]表示第mt个发射AP和所有通信用户间的等效信道矩阵，则感知数字波束成形向量构建为：
其中，LA＝U+1，表示维度为LA的单位矩阵，||·||表示向量的绝对值运算，a(φmt)＝[1,...,exp{-jπ(N-1)sin(φmt)}]T表示第mt个发射AP的波控响应向量，φmt表示感知目标与第mt个发射AP的方位角。
应当理解的是，数字波束成形模块生成的数字波束对应的是公式(1)和公式(3)，其中，公式(1)所对应的是通信信号的数字波束，公式(3)所对应的是感知信号的数字波束。
本实施例中，感知信息联合处理模块用于将各个接收AP传递过来的感知信息进行联合处理，以获取联合感知信噪比，可以有助于增强通感一体化系统的感知性能。
具体地，令表示第mr(mr＝1,2,...,Mr)个接收AP经过前传链路后传递至CPU的感知信息，其中rmr表示理想信息，q′mr表示经过信号压缩和解压缩过程而引入的压缩噪声，则/>表示CPU端所有接收AP传递过来的感知信息，进而可以计算通感一体化系统的联合感知信噪比(SNR)γs，如公式(16)所示，相比单AP感知处理可以有效增强通感一体化系统的感知性能。
本实施例中，功率控制模块用于基于信道状态信息、模拟波束成形信息以及数字波束成形信息等信息，并在预设的信干噪比(SINR)、最大发射功率、前传链路容量等约束条件下，对通信信号和感知信号进行功率控制以提升通感一体化系统的服务性能。
具体地，根据最大化联合感知信噪比γs的准则，并满足通信用户预设的信干噪比(SINR)、最大发射功率、前传链路容量的约束条件，构建功率控制优化问题。基于所构建功率控制优化问题的多变量非凸优化特性，采用一种低复杂度块坐标下降(BCD)算法，对功率控制因子进行有效求解，最终实现最优的功率控制，可以得到最优功率控制对应的功率控制因子。令表示由功率控制因子/>构成的功率控制对角矩阵，则功率控制后产生的CPU向第mt个发射AP传递的发射信号zmt表示为：
其中，表示第i(i＝0,1,...,U)个数字波束成形向量，/>表示数字波束成形矩阵。
本实施例中，考虑CPU与AP间前传链路容量受限，因此在传递信号前需要经过压缩处理，即通过前传信号压缩模块对信号进行压缩处理，即将发射信号映射到预先设计好的码本集合中，完成发射信号的压缩处理。
应当理解的是，码本集合是根据容量约束条件预先设计好的。
本实施例中，前传信号解压缩模块用于在经过前传链路后的另一端对信号进行解映射，完成信号的解压缩处理。
具体地，先经过前传信号压缩模块的压缩处理后，经过前传链路传输，再经过前传信号解压缩模块的解压缩处理后，从CPU传递至第mt个发射AP的发射信号可以表示为：
其中，表示解压缩后的信号，Projmt(·)表示第mt个发射AP的映射操作，表示对应的解映射操作，zmt表示CPU向第mt个发射AP传递的信号，qmt表示引入的压缩噪声，其独立于发射信号zmt并且服从/>分布，其中，/>表示向量x服从均值为a，协方差为A的复高斯分布。应当理解的是，向量x、均值a、协方差A为泛指，即/>表示向量qmt服从均值为0、协方差为/>的复高斯分布。
根据信息论，压缩噪声的可行解需要满足以下前传链路容量的约束条件：
其中，表示向量zmt和/>间的互信息，/>表示服从复高斯分布的向量/>的微分熵，det(·)表示矩阵的行列式运算，/>表示LA维单位矩阵，C表示前传链路最大容量。类似地，可以得到感知信号从接收AP传递至CPU时，引入的压缩噪声/>的可行解需要满足以下前传链路容量的约束条件：
其中，表示rmr与/>间的互信息，/>表示第mr个接收AP端的高斯白噪声方差，/>表示第mr个接收AP与第mt个发射AP间的信道增益， 为第mr个接收AP处的模拟波束成形向量，(·)*表示向量的共轭运算，a(φmr)＝[1,...,exp{-jπ(N-1)sin(φmr)}]T表示第mr个接收AP的波控响应向量，φmr表示感知目标与第mr个接收AP的方位角。基于模拟波束成形、数字波束成形及功率控制因子信息，在满足公式(6)和公式(7)的约束条件下，可以计算最优压缩噪声方差对应最优压缩策略。
本实施例中，信道估计模块用于基于用户发送的导频信息并利用最小二乘算法估计各AP与通信用户间的信道状态信息。
应当理解的是，本发明力求解决前传链路容量受限下去蜂窝大规模MIMO通感一体化系统中资源分配问题，因此假设信道估计为理想估计。
本实施例中，模拟波束成形模块用于对发射信号或接收信号进行相位调整，形成模拟波束，以获得更优的空间增益。
具体地，最优的模拟波束成形矩阵所对应的相位与通信信道共轭转置所对应的相位(对应通信用户)以及感知波控向量所对应的相位(对应感知目标)相同，即
其中，表示第mt个发射AP的第i个射频链对应的模拟波束成形向量，∠·表示向量·对应的相位。
类似地，可以计算第mr个接收AP处的模拟波束成形向量
本实施例中，信号发射与接收模块用于将经过CPU端的数字基带处理和发射AP端的射频处理后的信号从发射AP发射出去，同时每个接收AP接收从感知目标反射的信号。
具体地，经过CPU端的数字基带处理和发射AP端的射频处理，第mt个发射AP的发射信号表示为：
对应的发射功率为：
其中，||·||2表示向量绝对值的平方，表示数学期望运算，/>表示矩阵F范数的平方，/>每个发射AP的发射功率需要满足功率约束：Pmt≤Pmax。
每个接收AP接收从感知目标反射的信号，表示为：
其中，Hmr,mt＝αmr,mta(θmr)aH(θmt)表示第mt个发射AP和第mr个接收AP之间的信道，表示对应的信道增益，/>表示第mr个接收AP端的高斯白噪声向量。
值得一提的是，本发明实施例还提供了一种去蜂窝大规模MIMO通感一体化系统的资源分配方法，基于上述实施例中所述的去蜂窝大规模MIMO通感一体化系统的资源分配装置实现。
参见图3，该去蜂窝大规模MIMO通感一体化系统的资源分配方法，具体包括以下步骤：
(1)构建前传容量约束条件下的发射信号模型：发射源信号s经过数字波束成形模块、功率控制模块后产生如公式(4)所表示的待发射信号zmt，经过前传信号压缩模块以及前传信号解压缩模块后引入压缩噪声qmt，在每个发射AP经过模拟波束成形模块产生如公式(9)所示的发射信号xmt，完成发射信号模型的构建，该发射信号模型的表达式如公式(9)所示。
(2)构建下行通信模型：基于步骤(1)构建的发射信号模型，经过无线信道，以获取通信用户的接收信号，并根据该接收信号计算通信用户的接收信干噪比，完成下行通信模型的构建。
进一步地，第u个通信用户的接收信号表示为：
其中，表示用户侧的加性高斯白噪声， Desired signal表示目标信号，Interference from the other UEs表示其他通信用户造成的干扰，Interferencefrom the sensing表示感知信号造成的干扰，Noise表示噪声。则用户的接收SINR可以计算为：
其中，|·|2表示绝对值平方运算。根据公式(2)和公式(3)有以及/>因此公式(13)可以进一步化简为/>
(3)构建感知模型：基于步骤(1)构建的发射信号模型，获取接收AP接收从感知目标反射的信号，该信号依次经过模拟波束成形模块、前传信号压缩模块和前传信号解压缩模块使CPU端获取来自所有接收AP的接收信号，以计算联合感知信噪比，完成感知模型的构建。
具体地，基于步骤(1)构建的发射信号模型，获取接收AP接收从感知目标反射的信号，第mr个接收AP接收到如公式(11)所示的从感知目标反射的信号，再经过模拟波束成形模块后，可表示为：
其中，(·)T表示向量转置运算，表示接收信号中目标信号部分，/>表示接收信号中从CPU至发射AP引入的压缩噪声部分。
经过前传链路的压缩及解压缩处理，即经过前传信号压缩模块和前传信号解压缩模块后，传递至CPU的接收信号为令/>αmr＝[αmr,1,...,αmr,Mt]T，/>vmr＝[vmr,1,...,vmr,Mt]T，umr＝[umr,1,...,umr,Mt]T，q′＝[q′1,...,q′Mr]T，以及n＝[n1,...,nMr]T，CPU端来自所有接收AP的接收信号可以表示为：
其中，V＝blkdiag(v1,...,vMr)T表示以向量v1,...,vMr为主对角的块对角矩阵的转置，U＝blkdiag(u1,...,uMr)T表示以向量u1,...,uMr为主对角的块对角矩阵的转置，因此，系统联合感知SNR可以计算为：
其中，||·||2表示向量绝对值平方运算，tr(·)表示矩阵的求迹运算。
(4)构建多模约束条件下的最大化联合感知信噪比优化问题中的目标函数：基于通信用户的接收信干噪比、经过信号发射与接收模块确定的发射功率以及经过前传信号压缩模块和前传信号解压缩模块确定的前传链路容量，在预设的信干噪比、最大发射功率、前传链路容量的约束条件下，最大化联合感知信噪比。
具体地，在前传链路容量受限下去蜂窝大规模MIMO通感一体化系统中资源分配目标可以构建为：最大化系统的联合感知SNRγs，同时满足每个通信用户的最小SINRγc需求、最大发射功率条件以及前传链路容量的约束条件，数学表示为：
其中，表示从CPU到所有发射AP传输发射信号引入的压缩噪声方差构成的向量，/>表示从所有接收AP向CPU传输接收信号引入的压缩噪声方差构成的向量。
应当理解的是，本实施例中的优化问题中的目标函数是最大化系统的联合感知信噪比，即最大化公式(16)；由公式(13)可以计算出通信用户的接收信干噪比，其对应的约束条件之一为：要求计算出的接收信干噪比大于等于预设的最小接收信干噪比γc；由公式(10)可以计算出经过信号发射与接收模块确定的发射功率，其对应的约束条件之一为：要求计算出的发射功率小于等于预设的最大发射功率Pmax；由公式(6)和公式(7)可以计算出经过前传信号压缩模块和前传信号解压缩模块确定的前传链路容量，其对应的约束条件之一为：要求计算出的前传链路容量均小于等于预设的前传链路容量的最大值C。
(5)采用BCD算法对目标函数中的多维变量进行求解：采用BCD算法对目标函数中的三个块变量进行迭代优化求解，在每次迭代中，对三个块变量依次进行优化计算，在优化其中一个块变量时保持另外两个块变量不变，直至达到预设的停止条件，获得计算得到的最优的联合感知信噪比及其对应的三个块变量的最优解。其中，三个块变量分别为功率控制矩阵P、从CPU向发射AP传输发射信号时引入的压缩噪声向量和从接收AP向CPU传输接收信号时引入的压缩噪声向量/>
进一步地，停止条件具体为：相邻两次的联合感知信噪比的差值小于预设的误差门限值，如|γt-γt-1|≤10-6，或者当前迭代次数达到最大迭代次数，此时，停止迭代优化求解。
具体地，公式(17)所表示的优化问题中的目标函数值是连续的，并且约束函数中包含三个独立的块变量P、和/>该问题为多维约束非凸优化问题，难以直接进行求解。本发明提出一种块坐标下降(BCD)算法，在每次迭代中，三个块变量依次进行优化计算，即在优化其中一个块变量时保持另外两个块变量不变。当达到算法预先设定的停止条件以及最大迭代次数时，输出计算得到的联合感知SNR，功率控制矩阵P(t)，压缩噪声向量/>和如图4所示，BCD算法的一次迭代过程为：/>
(5.1)基于第t-1次迭代时获得的功率控制矩阵P(t-1)和压缩噪声向量计算第t次迭代时压缩噪声向量/>的值。根据公式(17)，可以观察到γs，γu，Cmt和Cmr函数都是的非增函数，而Pmt是/>的增函数，因此，/>的值越小，目标函数和约束条件越可行。则最优压缩噪声为Cmt满足最大容量约束时对应的值，即/>根据公式(6)，不能得到闭式表达式，因此采用数值仿真方法搜索其可行解。
(5.2)当获得最优值时，基于压缩噪声向量/>的最优解和第t-1次迭代时获得的功率控制矩阵P(t-1)，进行最优/>计算。类似地，根据公式(17)观察到γs和Cmr均为的非增函数，因此当/>时可以得到函数的最优解，最优解的计算公式为：
(5.3)当获得最优压缩设计即压缩噪声向量的最优解和压缩噪声向量/>的最优解后，对功率控制因子进行优化求解。根据公式(6)，Cmt是P(t)的非凸函数，即优化问题公式(17)中第三个约束条件为非凸约束。对此，先移除此约束条件将原优化问题转换为一个近似线性优化问题，则该问题可以采用二分法进行求解。经过一些代数运算后，优化问题转换为：
其中，η为引入的中间变量随二分算法每次迭代而变化，diag(·)i表示矩阵的第i个主对角元素，公式(19)可以采用凸优化工具CVX进行有效求解。为了使公式(19)的解与原问题即公式(17)的解相同，需要对每次二分过程中计算得到的解P(t)进行Cmt容量约束判断，即优化问题即公式(19)的解当且仅当其满足Cmt(P(t))≤C容量约束时可行。
(5.4)基于功率控制矩阵P(t)的最优解、压缩噪声向量的最优解和压缩噪声向量/>的最优解获取当前迭代中的联合感知信噪比；
(5.5)判断当前迭代对应的联合感知信噪比是否满足停止条件，若满足停止条件，则停止迭代优化求解；否则，进入下一次迭代继续进行优化求解。
示例性地，考虑一个通感一体化系统，包含2个AP，每个AP既作为发射AP，又作为接收AP，即Mt＝Mr＝2，有1个通信用户和1个感知目标，即U＝1。其中，AP、通信用户以及感知目标的分布关系如图5所示，AP均匀分布在y＝0的x轴直线上，用户和感知目标随机分布在y＝30与x轴平行区间范围为[0,100]的直线上。对于下行通信，设定AP与用户间信道增益的方差为每个用户处的噪声方差为/>通信最小信干噪比需求门限值为γc＝5dB。对于感知功能，设置第mt个发射AP与第mr个接收AP间的信道增益方差为/>每个接收AP处的噪声方差为/>每个发射AP的发射功率为Pmax＝1W，BCD算法设定最大迭代次数为Tmax＝1000以及停止条件为|γt-γt-1|≤10-6。
图6给出了所提方案与最优全局搜索(FS)算法的信噪比性能比较结果，其中FS算法是将三个独立的块变量P，和/>进行联合优化，在给定区间内对变量所有可能组合进行遍历。当前传链路容量为C＝8bps/Hz时，所提出的BCD算法相比最优FS算法大约有1.5dB的性能损失。由于BCD算法每次迭代只返回子问题的最优解，因此相比全局最优解有一定的偏差。随着天线数增大，由于系统的多天线增益使得系统性能逐渐提升。同时由于前传链路容量受限导致压缩噪声也随天线数的增大而逐渐增大，因此，当天线数超过一定值后，系统性能逐渐下降。当前传链路容量为C＝16bps/Hz时，所提出的BCD算法与最优FS算法的性能差距大约为1dB。尽管所提方法与最优FS方法之间有轻微的性能损失，但是由于优化问题为多维变量优化问题，FS算法的计算复杂度与目标变量成指数级关系，在实际系统中难以直接应用，而所提出的优化方案的计算复杂度与目标变量成立方级关系，在实际系统中更具有应用前景和价值。
本发明通过提出一种前传链路容量受限条件下的去蜂窝毫米波大规模MIMO通感一体化系统架构，充分利用去蜂窝大规模MIMO网络架构的优势，可有效避免用户干扰、小区边缘用户性能损失及小区切换问题，并通过多AP联合感知增强通感一体化系统的感知性能；本发明基于毫米波大规模MIMO系统特性，采用低功耗、低成本的模数混合波束成形结构，将复杂的基带处理置于CPU端，将简单的射频处理分布到AP端，有效降低了通感一体化系统的计算复杂度、功率消耗及实施成本，同时考虑CPU与AP间前传链路容量受限的实际约束条件，在此条件下通过功率分配和前传信号压缩策略的协同优化，可满足前传链路容量约束，有效提升通感一体化系统的服务性能；本发明通过将多维约束条件下最大化系统感知信噪比的优化问题进行分解，采用交替优化的方式获得每个子问题的最优解，从而实现对复杂系统功率分配和前传压缩策略的联合设计，有效提升通感一体化系统的服务性能，满足实际去蜂窝通感一体化系统实施需求；本发明所述的资源分配装置包含CPU和AP的不同信号处理模块，该装置可以通过软件、硬件或者软硬件结合的方式实现。
以上实施例仅用于说明本发明的设计思想和特点，其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施，本发明的保护范围不限于上述实施例。所以，凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰，均在本发明的保护范围之内。

Claims (11)

1.一种去蜂窝大规模MIMO通感一体化系统的资源分配装置，其特征在于，包括：
集中处理单元端信号处理模块，包括信号源生成模块、信息存储模块、数字波束成形模块、感知信息联合处理模块和功率控制模块，所述信号源生成模块用于生成发射源信号，该源信号包括1个感知信号流和多个通信信号流；所述信息存储模块用于存储从各个接入点传递过来的信道状态信息、模拟波束成形信息和感知信息；所述数字波束成形模块用于基于信道状态信息及模拟波束成形信息进行数字基带信号处理，在幅值和相位两个维度对源信号进行处理，形成数字波束；所述感知信息联合处理模块用于将各个接收接入点传递过来的感知信息进行联合处理，以获取联合感知信噪比；所述功率控制模块用于基于信道状态信息、模拟波束成形信息以及数字波束成形信息，并在预设的信干噪比、最大发射功率、前传链路容量的约束条件下，对通信信号和感知信号进行功率控制；
共有信号处理模块，包括前传信号压缩模块和前传信号解压缩模块，所述前传信号压缩模块用于将发射信号映射到预设的码本集合中，完成发射信号的压缩处理；所述前传信号解压缩模块用于在经过前传链路后的另一端对信号进行解映射，完成信号的解压缩处理；和
接入点端信号处理模块，包括信道估计模块、模拟波束成形模块和信号发射与接收模块，所述信道估计模块用于基于导频信息并利用最小二乘算法估计各接入点与通信用户间的信道状态信息；所述模拟波束成形模块用于对发射信号或接收信号进行相位调整，形成模拟波束；所述信号发射与接收模块用于将经过集中处理单元端的数字基带处理和发射接入点端的射频处理后的信号从发射接入点发射出去，每个接收接入点接收从感知目标反射的信号。
2.根据权利要求1所述的去蜂窝大规模MIMO通感一体化系统的资源分配装置，其特征在于，所述数字波束的形成具体包括：
采用迫零波束成形方法对通信用户间干扰进行抑制，即令数字波束成形矩阵满足以下条件：
其中，mt(1,2,…,Mt)表示第mt个发射接入点，u(1,2,…,U)表示第u个通信用户，i≠u(1,2,…,U)表示除第u个通信用户外的其它U-1个通信用户，表示第mt个发射接入点和第u个通信用户间的等效信道，/>表示第mt个发射接入点的模拟波束成形矩阵，(·)H表示矩阵的共轭转置运算，/>表示矩阵伪逆运算，hmt,u表示第mt个发射接入点和第u个通信用户间的信道；
采用迫零波束成形方法将最优感知波束映射到等效通信信道的零空间，令Gmt＝[gmt,1,gmt,2,…,gmt,U]表示第mt个发射接入点和所有通信用户间的等效信道矩阵，则感知数字波束成形向量构建为：
其中，LA＝U+1，表示维度为LA的单位矩阵，||·||表示向量的绝对值运算，a(φmt)＝[1,...,exp{-jπ(N-1)sin(φmt)}]T表示第mt个发射接入点的波控响应向量，φmt表示感知目标与第mt个发射接入点的方位角。
3.根据权利要求1所述的去蜂窝大规模MIMO通感一体化系统的资源分配装置，其特征在于，经过所述功率控制模块后生成集中处理单元向第mt个发射接入点传递的发射信号zmt，其表达式为：
其中，表示第i(i＝0,1,…,U)个数字波束成形向量，/>表示数字波束成形矩阵，/>表示由功率控制因子/>构成的功率控制对角矩阵，s＝[s0,s1,…,sU]T表示信号源生成模块生成的发射源信号，s0表示到感知目标的源信号，su(u＝1,2,…,U)表示到第u个通信用户的源信号。
4.根据权利要求1所述的去蜂窝大规模MIMO通感一体化系统的资源分配装置，其特征在于，依次经过所述前传信号压缩模块和所述前传信号解压缩模块后，得到从集中处理单元传递至第mt个发射接入点的发射信号，表示为：
其中，表示解压缩后的信号，Projmt(·)表示第mt个发射接入点的映射操作，表示对应的解映射操作，zmt表示集中处理单元向第mt个发射接入点传递的信号，qmt表示从集中处理单元传递至发射接入点时引入的压缩噪声，其独立于发射信号zmt并且服从/>分布；
压缩噪声qmt的可行解满足以下前传链路容量的约束条件：
其中，表示向量zmt和/>间的互信息，/>表示服从复高斯分布的向量/>的微分熵，其中，/>表示向量x服从均值为a，协方差为A的复高斯分布，det(·)表示矩阵的行列式运算，/>表示LA维单位矩阵，C表示前传链路最大容量；
接收接入点将接收信号经过模拟波束成形处理后得到rmr，通过压缩处理后传递至集中处理单元，集中处理单元经过信号解压缩后得到引入的压缩噪声/>的可行解满足以下前传链路容量的约束条件：
其中，表示rmr与/>间的互信息，/>表示第mr个接收接入点端的高斯白噪声方差，/>表示第mr个接收接入点与第mt个发射接入点间的信道增益， 为第mr个接收接入点处的模拟波束成形向量，(·)*表示向量的共轭运算，a(φmr)＝[1,…,exp{-jπ(N-1)sin(φmr)}]T表示第mr个接收接入点的波控响应向量，φmr表示感知目标与第mr个接收接入点的方位角。
5.根据权利要求1所述的去蜂窝大规模MIMO通感一体化系统的资源分配装置，其特征在于，所述模拟波束成形矩阵最优时所对应的相位与通信信道共轭转置所对应的相位以及感知波控向量所对应的相位相同，表示为：
其中，表示第mt个发射接入点的第i个射频链对应的模拟波束成形向量，∠·表示向量·对应的相位。
6.根据权利要求1所述的去蜂窝大规模MIMO通感一体化系统的资源分配装置，其特征在于，所述经过集中处理单元端的数字基带处理和发射接入点端的射频处理后的信号从发射接入点发射出去，表示为：
对应的发射功率为：
其中，xmt表示第mt个发射接入点的发射信号，||·||2表示向量绝对值的平方，表示数学期望运算，/>表示矩阵F范数的平方，/>每个发射接入点的发射功率需要满足功率约束：Pmt≤Pmax；
每个接收接入点接收从感知目标反射的信号，表示为：
其中，Hmr,mt＝αmr,mta(θmr)aH(θmt)表示第mt个发射接入点和第mr个接收接入点之间的信道，表示对应的信道增益，/>表示第mr个接收接入点端的高斯白噪声向量。
7.一种基于权利要求1-6中任一项所述的去蜂窝大规模MIMO通感一体化系统的资源分配装置的资源分配方法，其特征在于，包括以下步骤：
(1)构建前传容量约束条件下的发射信号模型：发射源信号经过数字波束成形模块、功率控制模块后产生待发射信号，再经过前传信号压缩模块以及前传信号解压缩模块后引入压缩噪声，在每个发射接入点经过模拟波束成形模块产生发射信号，完成发射信号模型的构建；
(2)构建下行通信模型：基于步骤(1)构建的发射信号模型，经过无线信道，以获取通信用户的接收信号，并根据该接收信号计算通信用户的接收信干噪比，完成下行通信模型的构建；
(3)构建感知模型：基于步骤(1)构建的发射信号模型，获取接收接入点接收从感知目标反射的信号，该信号依次经过模拟波束成形模块、前传信号压缩模块和前传信号解压缩模块使集中处理单元端获取来自所有接收接入点的接收信号，以计算联合感知信噪比，完成感知模型的构建；
(4)构建多模约束条件下的最大化联合感知信噪比优化问题中的目标函数：基于通信用户的接收信干噪比、经过信号发射与接收模块确定的发射功率以及经过前传信号压缩模块和前传信号解压缩模块确定的前传链路容量，在预设的信干噪比、最大发射功率、前传链路容量的约束条件下，最大化联合感知信噪比；
(5)采用块坐标下降算法对目标函数中的多维变量进行求解：采用块坐标下降算法对目标函数中的三个块变量进行迭代优化求解，在每次迭代中，对三个块变量依次进行优化计算，在优化其中一个块变量时保持另外两个块变量不变，直至达到预设的停止条件，获得计算得到的最优的联合感知信噪比及其对应的三个块变量的最优解；其中，三个块变量分别为功率控制矩阵、从集中处理单元向发射接入点传输发射信号时引入的压缩噪声向量和从接收接入点向集中处理单元传输接收信号时引入的压缩噪声向量。
8.根据权利要求7所述的资源分配方法，其特征在于，所述步骤(2)中，所述通信用户的接收信号的表达式为：
其中，yu表示第u个通信用户的接收信号，表示用户侧的加性高斯白噪声，/>Desired signal表示目标信号，Interference from the other UEs表示其他通信用户造成的干扰，Interferencefrom the sensing表示感知信号造成的干扰，Noise表示噪声；
所述通信用户的接收信干噪比的表达式为：
其中，|·|2表示绝对值平方运算，γu表示第u个通信用户的接收信干噪比， 公式(13)简化为/>
9.根据权利要求7所述的资源分配方法，其特征在于，所述步骤(3)中，从感知目标反射的信号经过模拟波束成形模块后，得到：
其中，(·)T表示向量转置运算，表示接收信号中目标信号部分，/>表示接收信号中从集中处理单元至发射接入点引入的压缩噪声部分；
集中处理单元端来自所有接收接入点的接收信号表示为：
其中，V＝blkdiag(v1,…,vMr)T表示以向量v1,…,vMr为主对角的块对角矩阵的转置，U＝blkdiag(u1,…,uMr)T表示以向量u1,…,uMr为主对角的块对角矩阵的转置，αmr＝[αmr,1,...,αmr,Mt]T，/>vmr＝[vmr,1,...,vmr,Mt]T，umr＝[umr,1,…,umr,Mt]T，q′＝[q′1,...,q′Mr]T，n＝[n1,...,nMr]T；
联合感知信噪比的表达式为：
其中，||·||2表示向量绝对值平方运算，tr(·)表示矩阵的求迹运算。
10.根据权利要求7所述的资源分配方法，其特征在于，所述步骤(4)中，最大化联合感知信噪比及其约束条件的表达式为：
其中，表示从集中处理单元到所有发射接入点传输发射信号引入的压缩噪声方差构成的向量，/>表示从所有接收接入点向集中处理单元传输接收信号引入的压缩噪声方差构成的向量，γc表示预设的通信用户的最小接收信干噪比，Pmax表示预设的最大发射功率，C表示预设的前传链路容量的最大值。
11.根据权利要求7所述的资源分配方法，其特征在于，所述块坐标下降算法的一次迭代过程具体包括：
(5.1)基于第t-1次迭代时获得的功率控制矩阵P(t-1)和压缩噪声向量计算第t次迭代时压缩噪声向量/>的值，采用数值仿真方法获取/>时压缩噪声向量对应的最优解；
(5.2)基于压缩噪声向量的最优解和第t-1次迭代时获得的功率控制矩阵P(t-1)，计算/>时压缩噪声向量/>对应的最优解；
(5.3)基于压缩噪声向量的最优解和压缩噪声向量/>的最优解以及约束条件，采用二分法对功率控制因子进行优化求解，以获取功率控制矩阵P(t)的最优解；
(5.4)基于功率控制矩阵P(t)的最优解、压缩噪声向量的最优解和压缩噪声向量的最优解获取当前迭代中的联合感知信噪比；
(5.5)判断当前迭代对应的联合感知信噪比是否满足停止条件，若满足停止条件，则停止迭代优化求解；否则，进入下一次迭代继续进行优化求解；其中，停止条件具体为：当前迭代与上一次迭代中的联合感知信噪比的差值小于预设的误差门限值，或者当前迭代次数达到最大迭代次数。
CN202311439502.XA 2023-11-01 2023-11-01 去蜂窝大规模mimo通感一体化系统的资源分配装置及方法 Pending CN117498900A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311439502.XA CN117498900A (zh) 2023-11-01 2023-11-01 去蜂窝大规模mimo通感一体化系统的资源分配装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311439502.XA CN117498900A (zh) 2023-11-01 2023-11-01 去蜂窝大规模mimo通感一体化系统的资源分配装置及方法

Publications (1)

Publication Number Publication Date
CN117498900A true CN117498900A (zh) 2024-02-02

Family

ID=89682123

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311439502.XA Pending CN117498900A (zh) 2023-11-01 2023-11-01 去蜂窝大规模mimo通感一体化系统的资源分配装置及方法

Country Status (1)

Country Link
CN (1) CN117498900A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117956505A (zh) * 2024-03-26 2024-04-30 厦门大学 基于互信息的通感一体化系统时频资源分配方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117956505A (zh) * 2024-03-26 2024-04-30 厦门大学 基于互信息的通感一体化系统时频资源分配方法

Similar Documents

Publication Publication Date Title
CN113014295B (zh) 一种去蜂窝大规模mimo系统上行联合接收方法
CN111698045B (zh) 一种基于非正交多址接入的毫米波通信系统中能效功率分配方法
CN106549697B (zh) 协作通信系统中联合波束赋形和天线选择的发射方法
CN104320219B (zh) 多用户信能同传系统低复杂度收发机设计方法
CN110299937B (zh) 一种上行mimo-noma无线通信系统波束成形方法
CN108449150B (zh) 基于无线电地图信息的星地干扰协调方法、装置及设备
CN111405596B (zh) 莱斯信道下大规模天线无线携能通信系统资源优化方法
CN110958102B (zh) 一种基于导频分配和功率控制联合优化的导频污染抑制方法
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
CN117498900A (zh) 去蜂窝大规模mimo通感一体化系统的资源分配装置及方法
US20080299981A1 (en) Method of coordinated wireless downlink transmission
CN113949427B (zh) 一种多用户无线网络安全能效优化设计方法和系统
CN112601242A (zh) 一种智能反射面协助的两小区noma上行低功耗传输方法
CN111431568B (zh) 一种毫米波noma上行通信系统中联合功率分配和波束成形设计方法
Chen et al. Hybrid beamforming with discrete phase shifts for RIS-assisted multiuser SWIPT system
CN112994770A (zh) 基于部分csi的ris辅助多用户下行鲁棒无线传输方法
Sanchez et al. Processing distribution and architecture tradeoff for large intelligent surface implementation
CN108235421B (zh) 能量效率优化方法和装置
CN110138413B (zh) 一种空时域自适应宽线性降秩波束形成方法
CN115714988A (zh) 网络控制方法、装置、车辆、电子设备及可读存储介质
Kanno et al. Fronthaul Load-Reduced Scalable Cell-Free massive MIMO by Uplink Hybrid Signal Processing
CN109768817B (zh) 无线能量传输的大规模MIMO系统基于max-min公平的资源分配方法
CN113660030A (zh) 一种用于高通量卫星系统前向链路的数据传输方法
CN108834155B (zh) 一种基于大规模天线系统多参数优化频谱效率的方法
CN102547741B (zh) 认知系统基于空间信号处理的频谱共享方法

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