[发明专利]多RIS辅助通信系统中基于端到端学习的联合波束成形方法

权利要求书

1.多RIS辅助通信系统中基于端到端学习的联合波束成形方法，其特征是：在端到端之间进行如下通信过程，所述端到端是：基站到用户之间，其具体通信过程为：

步骤一、采用一号深度神经网络(DNN)模型表示基站处信号的调制过程和预编码过程；采用二号深度神经网络(DNN)模型表示用户处信号的解调过程和解码过程；

步骤二、在发射端，将原始比特流b通过网络映射获得待发射复基带信号x；

步骤三、引入可训练参数来表示嵌入层中的RIS无源波束形成，即：相移和幅度系数表示为可训练的权重，通过所述RIS改变步骤二中获得改变相移和幅度的待发射复基带信号x；

步骤四、在端到端之间部署M个RIS用于增强从具有N₁个天线的基站到具有N₂个天线的用户的通信链路；所述M、N₁和N₂均为正整数；

步骤五、发射端通过步骤四部署形成的通信链路将步骤三改变相移和幅度的待发射复基带信号x发射至无线信道；完成一次多RIS辅助通信系统中基于端到端学习的联合波束成形。

2.根据权利要求1所述的多RIS辅助通信系统中基于端到端学习的联合波束成形方法，其特征在于在系统中的端到端之间进行如下通信过程中，它还包括：

步骤六、在接收端，采用接收天线在步骤五所述的无线信道中接收步骤三改变相移和幅度的待发射复基带信号x；

步骤七、采用步骤一所述的二号深度神经网络(DNN)模型对步骤六中所述步骤三改变相移和幅度的待发射复基带信号x；进行对应的解调和解码，获得还原后的比特流

3.根据权利要求1所述的多RIS辅助通信系统中基于端到端学习的联合波束成形方法，其特征在于步骤一中一号深度神经网络(DNN)模型表示基站处信号的调制过程和预编码过程；采用二号深度神经网络(DNN)模型对信号的处理过程具体描述为：

在基站处，考虑一组输入比特流b∈{0,1}^k_k为正整数，编码器将所述比特流b映射到复基带信号由N₁个天线传输。然后，将信道定义为输出y服从条件概率分布P(y|x)的统计系统。解码器将接收信号恢复为接收比特流传输信号是从传输比特流b＝[b₁,b₂,...,b_k]∈{0,1}^k中产生，经过调制和预编码后，可以表示为

x＝ps,     (1)

其中是基站处的预编码(即主动波束成形)向量，s是b中每个比特信号的调制信号；

在用户处，将最终信号z根据接收到的信号y通过z＝q^Ty计算，其中是用户的组合向量；然后，采用硬判别算法恢复信号z，恢复的比特流通过相应的解调方法实现。

4.根据权利要求1所述的多RIS辅助通信系统中基于端到端学习的联合波束成形方法，其特征在于步骤二中，RIS层的模型技术细节具体为：

RIS描述为嵌入层，具体来说，嵌入矩阵的元素Θ₁和Θ₂是可训练的权重，分别用于表征信号通过RIS的相位反射和幅度变化；具体而言，RIS的可训练权重与编码器和解码器联合训练，用于确保实现最佳性能。

在通信系统中，M个RIS将复基带信号x传输给用户；复基带信号x的相移和幅度可以由RIS的每个元素独立调整，其中：将θ_n∈[0,2π)和β_n∈[0,1]分别表示为RIS的第n个反射元素的相移和第n个幅度反射系数；n为正整数。

5.根据权利要求1所述的多RIS辅助通信系统中基于端到端学习的联合波束成形方法，其特征在于在系统中的端到端之间，其通信的技术细节具体为：

考虑一个多RIS辅助的下行链路多输入多输出通信系统；由于基站和用户之间的直接链路被障碍物严重阻挡，部署在基站和用户附近的两个RIS被用来增强从具有N₁个天线的基站到具有N₂个天线的用户的通信链路；其中RIS分别配备了M₁和M₂个反射元件；所述M₁和M₂均为正整数。

6.根据权利要求5所述的多RIS辅助通信系统中基于端到端学习的联合波束成形方法，其特征在于多RIS辅助通信系统能够实现为自动编码器，它包括四部分：编码器、通道、RIS和解码器。所述编码器用于代替发送器提取传输信号的特征，所述通道由条件概率密度函数建模，所述RIS作为嵌入层，所述解码器用于代替接收器恢复接收到的信号。