[发明专利]基于智能反射表面的波束对准实现方法

说明书

本发明公开了一种基于智能反射表面的波束对准实现方法，根据IRS的状态信息，设计一种高分辨率波束域能量阵列包含了IRS控制的所有可扫描的角度方向、接收机位置和对应的能量信息；将高分辨率能量阵列退化成低分辨率波束域能量阵列；设计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；根据训练好的神经网络和数据在线学习，实现深度学习算法下的接收机定位和自适应波束对准。这种用深度学习推荐的盲波束对准系统模型减少时间开销和和路径损耗。本发明应用于新型的室内定位无线通信系统，兼顾自适应的波束对准和通信接收机定位，具有低开销、低功耗、智能化等特点。

技术领域

本发明涉及一种基于智能反射表面的波束对准实现方法，属于无线通讯技术领域。

背景技术

随着无线通信技术发展，智能反射表面(IRS)技术因其低成本获得高增益的性能而在基站通信和室内通信中应用。通过无源阵列单元的调相，IRS产生一个具有固定宽度的主瓣波束，并自由控制基站波束角度方向，有效地实现无线通信的波束对准来补偿波传播过程中产生的损耗，从而在无线通信系统中消除干扰和抑制噪声，提高无线通信效率。然而，现有的全数字连接的波束对准技术具有较高的系统成本和实现复杂度。因此，提高通信能效和较低硬件成本使得IRS成为未来实现精确定位、增强传播能量的一种新型的无线通信实现方案。基于IRS角度域的波束扫描实现了信道估计复杂度的降低，从而大大减小了系统开销。

常见的定向波束对准(BA)技术是使用混合波束形成和波束扫描实现的，其中对可能的指向进行穷举搜索既需要基于已知信道状态信息(CSI)又增加了时间开销。与常规的有源相控阵天线相比，IRS一个令人瞩目的优势在于其能效低，布置场景灵活多变。一些研究分别利用已知的CSI设计梯度特征和大规模智能反射表面相位偏移波束赋形，有效降低了波束搜索的复杂度。本发明利用反向传播(BP)神经网络从低分辨率波束能量阵列重构高分辨率能量阵列的技术来实现IRS无线系统室内定位功能。区别于利用已知CSI信息解决优化问题，在这项研究中，基于码本的深度学习方法被应用于盲波束对准模型系统。在深度学习研究中的应用也改善了基于IRS通信系统的解决方案。具体地说，我们首先在离线训练中得到室内环境下特征数据集。然后，在线阶段恢复出不同位置区域全角度域波束能量阵列。本发明还给出了利用IRS完成基于深度学习的自适应波束对准方法。

发明内容

本发明的目的在于提供一种基于智能反射表面的波束对准实现方法，解决基于智能反射表面的室内通信系统中的接收机定位和自适应波束对准的技术问题，提供一种基于深度学习算法的能量阵列重构方法，以深度学习推荐的盲波束对准系统模型减少时间开销和和路径损耗。本发明应用于新型的室内定位无线通信系统，兼顾自适应的波束对准和通信接收机定位，以期达到低开销、低功耗、智能化优点。

本发明的目的通过以下技术方案予以实现：

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，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数据，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。

本发明的目的还可以通过以下技术措施来进一步实现：