[发明专利]一种MIMO智能反射面传输系统中的参数调整方法

权利要求书

1.一种MIMO智能反射面传输系统中的参数调整方法，其特征在于，包括以下步骤：

步骤A：建立总可达速率最大化模型，所述模型为：

约束条件：

其中，表示F_l,k的F范数的平方，R_l,k为第l个小区第k个用户的可达速率，F_l,k为第l个小区第k个用户的预编码矩阵，d_l,k为第l个小区第k个用户的流数，P_l,max为第l个小区基站的最大发射功率，N_r为用户接收天线数，θ_m为智能反射面中第m个反射单元的反射角，L是小区数，K是小区中的用户数，M是智能反射面的反射单元数，θ＝[θ₁,…,θ_M]为θ_m构成的相移角，为所有用户构成的预编码矩阵，R_l,k表达如下：

其中表示矩阵J_l,k的逆，干扰协方差矩阵其中代表矩阵的共轭转置矩阵，σ²为信道噪声方差，为第n个小区基站到第l个小区第k个用户的等效信道矩阵且H_n,l,k为第n个小区的基站到第l个小区的第k个用户的信道矩阵，为第n个小区的基站到第l个小区的第k个用户的信道矩阵，为智能反射面到第l个小区的第k个用户的信道矩阵，为智能反射面的对角相移矩阵，表示对复数jθ₁的以自然常数e为底的指数函数运算，diag{·}表示括号中元素构成的对角矩阵，log(·)表示以2为底的对数函数，det(·)表示矩阵的行列式，I表示单位矩阵；

步骤B：将所述总可达速率最大化模型转化为如下等价优化模型：

约束条件：

其中，Tr(·)表示矩阵的迹，总检测矩阵总权重矩阵W_l,k为第l个小区的第k个用户的权重矩阵，U_l,k为第l个小区的第k个用户的检测矩阵，E_l,k为均方误差矩阵，E_l,k表示如下：

步骤C：定义每一个小区的基站为一个智能体，智能体l对应第l个小区，智能体搜集当前状态信息s_l，并将s_l输入到当前值网络；所述当前值网络的输出神经元产生输出，比较输出神经元的输出值大小，若第i个输出神经元的输出最大，则依据下式计算第l个小区第k个用户的流数d_l,k：

其中，表示对括号中元素向下取整，所述当前值网络为深度神经网络DNN，汇总流数d_l,k，得到所有用户的流数集合d；

步骤D：依据所述流数集合d，迭代求解得到预编码矩阵F和相移角θ；在第j+1次迭代中，求解过程如下：

步骤D-1：关于优化预编码矩阵F的模型为：

约束条件：

关于优化相移角θ的模型为：

约束条件：0≤θ_m≤2π,m＝1,…,M

其中,中间矩阵V为

步骤D-2：将第j次迭代获得的θ，W和U代入到优化预编码矩阵F的模型，采用KKT条件求解预编码矩阵F，得到F；

步骤D-3：将步骤D-2求得的F和第j次迭代获得的W和U代入到优化相移角θ的模型，采用MM算法求解相移角θ，得到θ；

步骤D-4：利用步骤D-2和D-3求得的F和θ以及第j次迭代获得的W，依据下式计算U_l,k：

进而得到U；

步骤D-5：利用步骤D-2到D-4求得的F、θ和U，依据计算W_l,k，进而得到W；

步骤D-6：将步骤D-2到D-5得到的F、θ、W和U代入并计算等价优化模型的目标函数中，当目标函数值变化量的绝对值小于给定门限时，迭代终止，输出F和θ，否则进行下一轮迭代；

步骤C中所述当前值网络需要训练，训练过程如下：

步骤C-1：智能体l与相邻小区集合I_l进行信息交互，得到I_l上一时刻的流数集合v_l′＝(d_i,k,i∈I_l,k＝1,…,K)，并将其与第l个小区基站到第l个小区和相邻小区集合I_l用户的信道矩阵，第l个小区基站到智能反射面和智能反射面到第l个小区用户信道矩阵构成向量组合，得到状态s_l表示如下：

其中，第l个小区基站到第l个小区和相邻小区集合I_l用户的信道实部构成的向量第l个小区基站到第l个小区和相邻小区集合I_l用户的信道虚部构成的向量第l个小区基站到智能反射面的信道实部构成的向量第l个小区基站到智能反射面的信道虚部构成的向量智能反射面到第l个小区用户信道实部构成向量和智能反射面到第l个小区用户信道虚部构成向量分别表示如下：

其中，real(H_l,n,k)表示取矩阵H_l,n,k的实数部分构成新矩阵，imag(H_l,n,k)表示取矩阵H_l,n,k的虚数部分构成新矩阵，vec(A)表示将矩阵A中元素按行展开成行向量，随后将状态s_l输入当前值网络，得到输出为当前值网络的参数；

步骤C-2：依据步骤C-1得到的输出，依据ε贪婪策略选取动作a_l，若所选取的动作a_l对应当前值网络输出的第i个神经元，则依据得到第l个小区第k个用户的流数；

步骤C-3：依据步骤C-2得到的流数，根据步骤D得到所对应的F和θ，并根据下式计算奖励r_l(s_l,a_l)：

其中为第l小区的第k个用户在仅受到I_l干扰下的可达速率，表示如下：

为I_l中第n个小区的第m个用户不受到第l个小区干扰下的可达速率，表示如下：

其中{I_n\l}表示第n个小区的相邻小区集合中排除第l个小区；

步骤C-4：若智能体l下一时刻状态为s′_l，智能体l将(s_l,a_l,r_l(s_l,a_l),s′_l)存入到经验池中；

步骤C-5：每经历J个状态后，智能体l从经验池中取出N_batch个数据，将s_l输入当前值网络，并结合动作a_l计算得到将s′_l输入目标值网络，得到输出依据下式计算损失函数

依据采用反向传播算法更新计算其中目标值网络为DNN网络，网络结构与当前值网络相同，为目标值网络的参数，为从经验池中取出N_batch个数据构成的集合，γ为折扣因子；a_l,i是动作空间中的第i个动作；

步骤C-6：更新的次数达到T后，将当前值网络参数赋值给目标值网络参数

步骤C-7：当损失函数值的变化量的绝对值小于给定门限时，训练结束，否则，继续根据步骤C-1到步骤C-6进行训练。