【技术实现步骤摘要】
本专利技术涉及无线通信，尤其是涉及一种基于多头注意力残差网络的ris辅助通信系统信道估计方法及装置。
技术介绍
1、在无线通信系统中，ris被认为是一种很有发展前景的恢复死区通信的技术。与部署密集微型基站(bs)或中继等其他可实现的方法相比，ris更有效成本更低，ris可以对无线传输环境重新塑造，进而改变反射电磁波的幅度和相位，而不需要额外的能量消耗，实现较高的波束成形增益。ris通常由大量精心设计的电磁单元排列组成，通过给电磁单元上的可调元件施加控制信号，可以动态地控制这些电磁单元的电磁性质，进而实现对空间电磁波可编程进行主动的智能调控，形成幅度、相位等参数可控制的电磁场，这一机制提供了ris的电磁世界和信息科学的数字世界之间的接口，对于未来无线网络的发展极具吸引力。在ris辅助的通信系统中，可以根据环境来重新配置ris元件，从而提供较高的波束成形增益，使用户接收的信号功率最大化，但是可靠的波束成形需要准确的信道状态信息(csi)，因此需要对ris辅助的无线通信系统进行精确的信道估计。
2、目前，由于ris是由无源的器件组成，无法使用ris直接对信号进行处理来完成信道参数的估计；此外ris通常具备大量的反射单元，这导致所需要估计的信道维度远远大于传统的无线信道；最小二乘算法虽然复杂度低，但信道状态信息精度较差，特别是在低信噪比环境下；传统的omp算法虽然利用了信道矩阵的稀疏性，但却忽略了其特有的双稀疏结构，从而导致较大的导频开销；最小均方误差(mmse)它需要用到信道统计特性，在现实中很难获得。因此，如何提高基于r
技术实现思路
1、本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于多头注意力残差网络的ris辅助通信系统信道估计方法及装置，能够显著提高信道估计精度，同时降低导频开销。
2、本专利技术的目的可以通过以下技术方案来实现：
3、根据本专利技术的第一方面，提供一种基于多头注意力残差网络的ris辅助通信系统信道估计方法，包括以下步骤：s1，获取基站接收的导频信号，所述基站位于预先构建的ris辅助通信系统中；s2，基于所述导频信号，利用最小二乘法进行信道估计，得到有限反射元素观测值的粗估计级联信道矩阵；s3，利用预先构建的多头注意力残差网络对所述粗估计级联信道矩阵进行去噪，得到精确级联信道矩阵。
4、作为优选的技术方案，所述ris辅助通信系统包括基站、ris板和多个单天线用户，所述基站配置多个天线，所述ris板包括多个反射元件。
5、作为优选的技术方案，在所述s2中，第d种相移模式下基站接收的导频信号表示为：
6、
7、式中，hk为第k个用户要估计的级联信道，k为用户数量，pd表示在第d种相移模式下的反射相移矩阵，vd表示噪声矩阵，m为接收天线数量，l为导频长度，为发送的导频信号。
8、作为优选的技术方案，在所述s2中，全部相移模式下基站接收的导频信号yk表示为：
9、yk＝hkp+v
10、式中，为高斯噪声矩阵，p表示具有d种相移模式的反射相移矩阵。
11、作为优选的技术方案，具有d种相移模式的反射相移矩阵p表示为：
12、
13、式中，n为反射元件数量，w＝ej2π/d。
14、作为优选的技术方案，所述粗估计级联信道矩阵为：
15、
16、式中，表示p的伪逆矩阵，(·)h表示共轭转置。
17、作为优选的技术方案，所述最小二乘法的估计误差为：
18、
19、式中，表示矩阵的2范数，σ2表示高斯噪声方差。
20、作为优选的技术方案，所述s3具体包括：获取所述粗估计级联信道矩阵的相同维数的实部和虚部作为双通道输入所述多头注意力残差网络；利用第一卷积层提取初始特征并利用relu函数激活，得到当前的矩阵；将当前的矩阵依次输入双层注意块，每层所述注意块包括多头注意力网络和第二卷积层；利用跳接结构将第一卷积层的特征信息连接至双层注意块的输出；将连接后的矩阵输入第三卷积层，得到相应的精确级联信道矩阵。
21、作为优选的技术方案，所述多头注意力网络包括依次连接的第一线性层、缩放的点积注意力层、拼接层和第二线性层，在所述第一线性层中，输入序列中每个位置的向量均分别进行多次线性变换。
22、根据本专利技术的第二方面，提供一种基于多头注意力残差网络的ris辅助通信系统信道估计装置，所述装置用于实现所述的方法，所述装置包括信号获取模块、级联信道矩阵粗估计模块以及信道矩阵去噪模块，所述信号获取模块用于获取基站接收的导频信号，所述基站位于预先构建的ris辅助通信系统中；所述级联信道矩阵粗估计模块用于基于所述导频信号，利用最小二乘法进行信道估计，得到有限反射元素观测值的粗估计级联信道矩阵；所述信道矩阵去噪模块用于利用预先构建的多头注意力残差网络对所述粗估计级联信道矩阵进行去噪，得到精确级联信道矩阵。
23、与现有技术相比，本专利技术具有以下有益效果：
24、1、本专利技术基于传统的最小二乘方法，通过只打开整个反射元素的一部分来减少延迟和复杂性，采用最小二乘算法与深度神经去噪网络结合，从基于噪声的导频观测中恢复出精确的信道矩阵，使用多头注意力网络与残差网络在特征提取和去噪方面的优势，从粗估计的信道矩阵中恢复出所期待的级联信道矩阵，能够在减少导频开销的同时，提升信道的估计精度，提供较高的波束成形增益，使用户接收的信号功率最大化；
25、2、本专利技术采用的深度去噪网络模型基于自注意力网络进行改进，整体上加入了多头注意力机制和残差跳跃网络，并调整了网络的深度和卷积核大小，相比于其他深度学习神经网络，本专利技术提供的多头注意力网络具有更大的接受野，网络计算的复杂度更低，拥有更好的特征提取能力，通过引入跳接结构能够使深层网络与浅层网络的特征信息联系起来，防止细节特征丢失，加速网络训练过程，且只需要relu函数进行激活，能够减少信道矩阵在特征提取时的信息丢失，提高整个网络的去噪效果，进而提高ris辅助通信系统信道估计的准确性。
本文档来自技高网...【技术保护点】
1.一种基于多头注意力残差网络的RIS辅助通信系统信道估计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多头注意力残差网络的RIS辅助通信系统信道估计方法，其特征在于，所述RIS辅助通信系统包括基站、RIS板和多个单天线用户，所述基站配置多个天线，所述RIS板包括多个反射元件。
3.根据权利要求1所述的基于多头注意力残差网络的RIS辅助通信系统信道估计方法，其特征在于，在所述S2中，第d种相移模式下基站接收的导频信号表示为：
4.根据权利要求3所述的基于多头注意力残差网络的RIS辅助通信系统信道估计方法，其特征在于，在所述S2中，全部相移模式下基站接收的导频信号Yk表示为：
5.根据权利要求4所述的基于多头注意力残差网络的RIS辅助通信系统信道估计方法，其特征在于，具有D种相移模式的反射相移矩阵P表示为：
6.根据权利要求5所述的基于多头注意力残差网络的RIS辅助通信系统信道估计方法，其特征在于，所述粗估计级联信道矩阵为：
7.根据权利要求6所述的基于多头注意力残差网络的RIS辅助通信系统信道
8.根据权利要求1所述的基于多头注意力残差网络的RIS辅助通信系统信道估计方法，其特征在于，所述S3具体包括：
9.根据权利要求8所述的基于多头注意力残差网络的RIS辅助通信系统信道估计方法，其特征在于，所述多头注意力网络包括依次连接的第一线性层、缩放的点积注意力层、拼接层和第二线性层，在所述第一线性层中，输入序列中每个位置的向量均分别进行多次线性变换。
10.一种基于多头注意力残差网络的RIS辅助通信系统信道估计装置，其特征在于，所述装置用于实现权利要求1-9任一所述的方法，所述装置包括信号获取模块、级联信道矩阵粗估计模块以及信道矩阵去噪模块，
...【技术特征摘要】
1.一种基于多头注意力残差网络的ris辅助通信系统信道估计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多头注意力残差网络的ris辅助通信系统信道估计方法，其特征在于，所述ris辅助通信系统包括基站、ris板和多个单天线用户，所述基站配置多个天线，所述ris板包括多个反射元件。
3.根据权利要求1所述的基于多头注意力残差网络的ris辅助通信系统信道估计方法，其特征在于，在所述s2中，第d种相移模式下基站接收的导频信号表示为：
4.根据权利要求3所述的基于多头注意力残差网络的ris辅助通信系统信道估计方法，其特征在于，在所述s2中，全部相移模式下基站接收的导频信号yk表示为：
5.根据权利要求4所述的基于多头注意力残差网络的ris辅助通信系统信道估计方法，其特征在于，具有d种相移模式的反射相移矩阵p表示为：
6.根据权利要求5所述的基...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。