一种智能反射面辅助多用户优化波束成形的方法技术

本发明专利技术属于无线通信技术领域，涉及一种智能反射面辅助多用户优化波束成形的方法。本发明专利技术的方法主要步骤为：根据τ个时隙的历史信道信息预测接下来T个时隙的IRS处相移配置，根据获得的相移配置预测对应的T个时隙的波束成形，根据用户传来的环境变化信息，对获得的波束成形进行优化。本发明专利技术通过主动基于环境变化的“分布式”优化，提高了波束形成优化的精确性和用户接收到的信息和速率。同时，通过增加反馈来调节波束成形优化，达到了能在不同时刻根据环境变化来调整波束形成的能力。据环境变化来调整波束形成的能力。据环境变化来调整波束形成的能力。

【技术实现步骤摘要】
一种智能反射面辅助多用户优化波束成形的方法


[0001]本专利技术属于无线通信
，涉及一种智能反射面辅助多用户优化波束成形的方法。

技术介绍

[0002]随着5G的大规模推广，针对6G的研究也被提上了进程。新的用户需求、新的应用场景以及新的网络趋势将会带来更具挑战性的通信工程问题。智能反射面(Intelligent Reflecting Surface)被认为是很有潜力的6G无线通信技术，因为它在塑造无线信道以提高系统数据速率和通信可靠性方面具有强大的能力。IRS可以根据信道条件调整每个反射单元的相移，并将其反射改变到所需的接收器。IRS相移配置的设计，即被动波束形成，对于实现IRS辅助多用户通信至关重要。但是，目前大多的波束形成方法都是同时优化IRS处的相移配置和基站处的波束形成，优化的并不精确。同时，这些方法并没有增加环境对波束成形优化的反馈，即无法主动根据环境的变化来调整波束成型优化过程。

技术实现思路

[0003]本专利技术基于深度学习，根据前几个时隙的历史信道特征，进行“分布式”优化，即在优化IRS处的相移配置后，根据优化好的相移配置进一步调整基站处的波束形成。再通过用户对环境的反馈，进一步调整“分布式”优化过程，以预测之后多个时隙的波束成形。
[0004]本专利技术的技术方案是：
[0005]一种智能反射面辅助多用户优化波束成形的方法，包括以下步骤：
[0006]S1、根据τ个时隙的历史信道信息预测接下来T个时隙的IRS处相移配置：根据历史信道信息，利用卷积神经网络进行预测；
[0007]S2、根据获得的相移配置预测对应的T个时隙的波束成形；
[0008]S3、根据用户传来的环境变化信息，对S2中获得的波束成形进行优化，其中环境变化信息表示第t个时隙时IRS
‑
用户k信道发生的变化，利用环境变化信息重新计算IRS
‑
用户k的信道，再根据迫零信道均衡原理计算波束。
[0009]进一步的，步骤S1的具体方法为：
[0010]定义历史信道信息为：
[0011][0012]H
k,t
‑
i
＝diag(f
k,t
‑
i
)G
t
‑
i
,i∈{1,...,τ}
[0013]其中，f
k,t
‑
i
表示第t
‑
i个时隙时IRS
‑
用户k的信道，G
t
‑
i
表示第t
‑
i个时隙时AP
‑
IRS的信道，K为用户数，k∈{1,...,K}；
[0014]定义神经网络的输入为输出为v
t
(ω)，v
t
为第t个时隙时IRS处相移配置，ω表示神经网络的参数，并且v
t
(ω)经过迫零信道均衡后得到w
k,t
(ω)，w
k,t
为第t个时隙的波束成形，利用v
t
(ω)和w
k,t
(ω)计算第t个时隙，K个用户在经过批处理后的平均和速率J(ω)：
[0015][0016][0017]其中，表示每个用户接收到的噪声，N
t
表示神经网络进行批处理的数量。利用J(ω)得到K个用户在T个时隙的平均总和速率为：
[0018][0019]通过不断更新网络参数ω来优化网络的输出结果v
t
(ω)和w
k,t
(ω)以得到最大I(ω)，并输出匹配这T个时隙的IRS处相移配置V
T
。
[0020]进一步的，步骤S2的具体方法为：
[0021]利用如下公式计算W
t
：
[0022][0023][0024][0025]其中，trace(
·
)表示计算矩阵的迹，f
t
为IRS
‑
用户总信道，G
t
为AP
‑
IRS的信道，从而得到T个时隙的T个波束成形W1,W2,...,W
T
。
[0026]进一步的，步骤S3的具体方法为：
[0027]定义在第t个时隙一开始时，用户k传来环境变化信息l
t,k
，重新计算IRS
‑
用户k信道为：
[0028][0029]再通过W
t
的计算公式重新计算W
t
，从而对S2中得到的波速成形进行调整优化。
[0030]本专利技术的有益效果：通过主动基于环境变化的“分布式”优化，提高了波束形成优化的精确性和用户接收到的信息和速率。同时，通过增加反馈来调节波束成形优化，达到了能在不同时刻根据环境变化来调整波束形成的能力。
附图说明
[0031]图1为本专利技术的系统模型图。
[0032]图2为本专利技术的流程示意图。
[0033]图3为本专利技术的网络模块图。
具体实施方式
[0034]下面结合附图，对本专利技术技术方案进行详细描述：
[0035]如附图1所示，本专利技术的系统由AP、IRS和用户构成，其中IRS将AP发送的信号反射到用户。如附图2所示，本专利技术的方法具体包括：
[0036]S1、根据τ个时隙的历史信道信息预测接下来T个时隙的IRS处相移配置。
[0037]在第t个时隙，用户k接收到的信号y
k,t
可以表示为：
[0038][0039]其中，f
k,t
为在第t个时隙时IRS
‑
用户k的信道，V
t
＝diag(v
t
)为在第t个时隙时IRS处相移配置，G
t
为第t个时隙时AP
‑
IRS的信道，w
k,t
为第t个时隙的波束成形，s
t
为第t个时隙的发送信号，n
k,t
为第t个时隙用户k接收到的噪声。
[0040]因此，根据以上公式，就可以计算出前τ个时隙的历史信道信息
[0041][0042]H
k,t
‑
i
＝diag(f
k,t
‑
i
)G
t
‑
i
,i∈{1,...,τ}
[0043]其中，f
k,t
‑
i
表示第t
‑
i个时隙时IRS
‑
用户k的信道，G
t
‑
i
表示第t
‑
i个时隙时AP
‑
IRS的信道。
[0044]在第t个时隙，K个用户的平均和速率J(ω)为：
[0045][0046][0047]其中，ω表示网络参数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能反射面辅助多用户优化波束成形的方法，其特征在于，包括以下步骤：S1、根据τ个时隙的历史信道信息预测接下来T个时隙的IRS处相移配置：根据历史信道信息，利用卷积神经网络进行预测；S2、根据获得的相移配置预测对应的T个时隙的波束成形；S3、根据用户传来的环境变化信息，对S2中获得的波束成形进行优化，其中环境变化信息表示第t个时隙时IRS
‑
用户k信道发生的变化，利用环境变化信息重新计算IRS
‑
用户k的信道，再根据迫零信道均衡原理计算波束。2.根据权利要求1所述的一种智能反射面辅助多用户优化波束成形的方法，其特征在于，步骤S1的具体方法为：定义历史信道信息为：H
k,t
‑
i
＝diag(f
k,t
‑
i
)G
t
‑
i
,i∈{1,...,τ}其中，f
k,t
‑
i
表示第t
‑
i个时隙时IRS
‑
用户k的信道，G
t
‑
i
表示第t
‑
i个时隙时AP
‑
IRS的信道，K为用户数，k∈{1,...,K}；定义神经网络的输入为输出为v
t
(ω)，v
t
为第t个时隙时IRS处相移配置，ω表示神经网络的参数，并且v
t
(ω)经过迫零信道均衡后得到w
k,t
(...

【专利技术属性】
技术研发人员：陈劼，黄楠，优鑫，唐鹏，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：