[发明专利]基于智能反射表面的波束对准实现方法

权利要求书

1.一种基于智能反射表面的波束对准实现方法，下行的多输入单输出链路系统，包括一个基站、一个接收机和一块N×M阵列单元的智能反射表面，其中N和M分别表示智能反射表面的行和列的被动单元数目，其特征在于，基于智能反射表面的波束对准实现方法包含如下步骤：

步骤1，基站控制智能反射表面按照某角度的波束发送信号，接收机在室内的环境中接收该信号；

步骤2，将室内场景分为网格状，接收机布置在房间的任一网格内，基站在下行通信中完成智能反射表面所有方向角度的波束扫描，并对收到的接收机的上行能量反馈进行处理，获取高分辨率能量阵列；

步骤3，将高分辨率能量阵列退化成低分辨率能量阵列；

步骤4，建立BP神经网络学习能量阵列，并通过采集到的数据集训练神经网络，恢复出高分辨率能量阵列；

步骤5，根据训练好的BP神经网络学习能量阵列，实现深度学习算法下的接收机定位和自适应波束对准。

2.如权利要求1所述的基于智能反射表面的波束对准实现方法，其特征在于，所述步骤1中，接收机接收到的信号表示为：

其中，下标t和r分别表示基站和接收机，上标H表示矩阵的共轭转置，表示智能反射表面到接收机的信道，Θ表示智能反射表面的阵列单元对角化相移矩阵，H_t表示基站到智能反射表面信道，x表示传输信号，n表示系统噪声；根据接收机接收的信号，计算出接收信号的能量为：

基站端采集不同位置上智能反射表面所有的扫描角度上对应的接收机接收信号能量。

3.如权利要求1所述的基于智能反射表面的波束对准实现方法，其特征在于，步骤3中，高分辨率能量阵列由智能反射表面扫描的所有角度方向的方位角和水平角、接收机的位置以及对应的接收信号能量组成；其中方位角指的是从标准方向的北端起，顺时针方向到直线的水平角；水平角是测站点至两目标的方向线在水平面上投影的夹二面角；将高分辨率能量阵列按照以下公式退化为多个低分辨率能量阵列，低分辨率能量阵列由多组智能反射表面方位角和水平角及对应的接收信号能量组成:

S＝E(u:(u+w),v:(v+w))

其中S和E分别表示低分辨率能量阵列和高分辨率能量阵列，u和v分别表示高分辨率能量阵列的行和列，w表示S的分辨率，S是E的一个从第u行到第u+w行、第v列到第v+w列的连续子块。

4.如权利要求1所述的基于智能反射表面的波束对准实现方法，其特征在于，步骤4中，BP神经网络为多层前馈神经网络，信号前向传递，误差反向传播，在信号前向传递中，输入低分辨率能量阵列S从输入层经隐含层逐层传递，直至输出层，如果输出层得不到期望输出，则根据预测误差调整网络权值和阈值，从而使BP神经网络预测输出不断逼近期望输出；隐含层包含多个全连接层，下标i、j、k分别表示第i层、第j层和第k层神经元，根据输入变量s_i，输入层和隐含层间连接权值w_ij以及隐含层阈值a_j，计算隐含层输出H_j：

其中n是隐含层神经元的数量，f是隐含层激励函数；根据隐含层输出H_j、隐含层和输出层间连接权值w_jk和阈值b_k，可得BP神经网络预测输出O_k：

均方误差函数用作BP神经网络的损失函数，其表达式为

其中Y_k是基站端采集的全角度域能量阵列数据集，根据损失函数可以不断更新隐含层和输出层的权值和阈值：

b_k＝b_k+(Y_k-O_k)

其中η是学习速率，重复多次上述过程后，神经网络离线训练完成；在线阶段，根据采集到的低分辨率能量阵列数据经过训练好的神经网络后输出得到高分辨率能量阵列，即BP神经网络重构了不同位置上的高分辨率能量阵列。

5.如权利要求1所述的基于智能反射表面的波束对准实现方法，其特征在于，步骤5中，根据训练好的神经网络和数据的在线学习，实现深度学习算法下的接收机定位和自适应波束对准具体为：基站发送具有智能反射表面方位角和水平角信息的信号，接收机接收信号并反馈接收机上的信号能量到基站，基站按照步骤4的BP神经网络训练将反馈得到的信号能量信息经过BP神经网络学习得到不同位置上高分辨率波束能量阵列和接收机位置信息，进行室内接收机定位；同时，将基站传输到接收机的数据编码为基站媒体访问控制层中的帧，在每个帧中添加循环冗余奇偶校验位CRC，接收机校验接收到的循环冗余奇偶校验位CRC是否正确，接收机进行CRC校验后，选择接收能量最大的智能反射表面度角度作为发射角度，实现自适应波束对准。