一种可重构智能超表面联合波束赋形与干扰零陷方法

本发明涉及无线通信与物理层安全，特别是一种可重构智能超表面联合波束赋形与干扰零陷方法。

背景技术：

1、随着第六代移动通信系统的研究推进，可重构智能超表面（reconfigurableintelligent surface, ris）已成为提升无线网络覆盖能力和频谱效率的关键使能技术。ris由大量低成本、低功耗的无源亚波长单元组成，通过可编程方式动态调控各单元的反射相位，能够智能重塑无线传播环境，为处于信号盲区的用户创建等效反射路径，增强链路质量并扩大覆盖范围。

2、在物理层安全（physical layer security, pls）领域，如何防止非法用户窃听或抑制强干扰源对合法通信链路的影响是一个核心挑战。传统基于相控阵的波束赋形技术可通过精确控制幅度和相位将信号能量聚焦于期望接收机并在其他方向形成零陷以抑制干扰，然而这通常需要昂贵的高分辨率移相器和可变增益放大器，成本高、功耗大。相位赋形虽更为功率高效，但仍依赖多比特移相器，难以满足低成本和低功耗的部署需求。

3、ris作为一种无源反射阵列，具有天然的硬件低成本和低功耗优势，在物理层安全应用中极具潜力。然而，实际ris硬件通常采用1比特或2比特的粗相位分辨率以进一步降低系统成本和复杂度，且各反射单元存在未知的初始相位不一致性。由于干扰零陷性能对相位精度高度敏感，基于理想ris模型设计的传统零陷算法无法在粗量化精度的实际ris硬件上实现有效的干扰抑制。例如，理论上的连续相位线性约束最小方差（lcmv）算法在理想条件下可获得极深的零陷，但直接将其量化至2比特相位后，零陷深度急剧恶化，甚至与常规波束赋形性能相当，无法起到干扰抑制的效果。

4、此外，传统的ris辅助通信系统在进行波束管理和信道估计时，由于ris不含射频链路，无法主动收发参考信号，导致ris至发射端和接收端的信道状态信息难以通过常规方法获取。这在实际部署场景中为ris的精确波束赋形和干扰零陷带来了根本性困难。

技术实现思路

1、本发明所要解决的技术问题是克服现有技术的不足而提供一种可重构智能超表面联合波束赋形与干扰零陷方法，提供能够适应实际2比特无源ris硬件约束、同时实现精确波束指向和深度干扰零陷的方法。该方法能够仅利用接收信号的总功率信息完成ris单元校准，并通过专门设计的相位旋转算法在2比特离散相位约束下实现精确的波束指向和深度的干扰方向零陷。

2、本发明为解决上述技术问题采用以下技术方案：

3、根据本发明提出的一种可重构智能超表面联合波束赋形与干扰零陷方法，包括：

4、步骤一、对具有n个ris单元的可重构智能超表面，将参考天线放置在已知的视轴方向；

5、对每一个ris单元，在保持其他ris单元相位不变的情况下，依次对其施加多个相位变化状态，记录每个相位状态下参考天线接收的总功率值；

6、根据每个相位状态下参考天线接收的总功率值，基于旋转电场矢量方法，提取每个ris单元的初始响应矢量；

7、利用提取的每个ris单元的初始响应矢量对ris每个单元进行补偿校准，得到校准后的有效信道；

8、步骤二、在校准后的有效信道基础上，求解连续线性约束最小方差波束赋形问题，获得满足期望方向增益最大化与干扰方向零陷要求的连续相位权值矢量；

9、将连续相位权值矢量量化为2比特初始离散相位码本，其相位取值限制在；

10、通过相位旋转算法以2比特初始离散相位码本为起点进行迭代优化：对每个ris单元遍历2比特离散相位码本所限定的四个相位取值，在保证期望方向增益相对于连续最优解的损失不超过预设增益损失阈值的条件下，选择使干扰方向增益最小的相位值更新该ris单元相位；

11、如此逐轮迭代，当一轮完整迭代中离散相位码本对应的干扰方向增益下降量低于预设值时终止迭代，获得满足2比特相位约束的最优离散相位码本，实现联合波束赋形与干扰零陷。

12、作为本发明所述的一种可重构智能超表面联合波束赋形与干扰零陷方法进一步优化方案，步骤一中，多个相位变化状态为、和，总测量次数为次。

13、作为本发明所述的一种可重构智能超表面联合波束赋形与干扰零陷方法进一步优化方案，步骤一中，提取每个ris单元的初始响应矢量，具体为：

14、步骤（1）、设ris单元相位全部为时，参考天线接收到的总场的幅度和相位分别为和，第个ris单元的初始复响应为；

15、步骤（2）、对于第n个ris单元，1≤n≤n，设其在参考天线处产生的场的幅度和相位分别为和，其中为的绝对值，为的相位值；

16、步骤（3）、当第n个ris单元的相位设为时，参考天线接收的总功率表示为：

17、；

18、令，，，，，均为中间变量，和分别为除第n个ris单元外其余个ris单元所形成总场的幅度和相位；

19、步骤（4）、基于在参考天线处测得相位分别为、和时的接收功率、、，通过代数求解得到a、b、c的值，进而提取第n个ris单元的初始级联信道响应的相对幅度和相位响应；

20、步骤（5）、对所有n个ris单元重复步骤（2）至（4），重构发射端至ris至参考天线初始级联信道响应矢量，从初始级联信道响应矢量中减去已知的发射端至ris信道和ris至参考天线信道，得到ris各单元的初始响应矢量。

21、作为本发明所述的一种可重构智能超表面联合波束赋形与干扰零陷方法进一步优化方案，所述补偿校准过程为：利用计算校准后的有效发射端至ris信道矢量，其中表示逐元素除法，从而在后续波束赋形计算中消除的影响。

22、作为本发明所述的一种可重构智能超表面联合波束赋形与干扰零陷方法进一步优化方案，步骤二中，求解连续线性约束最小方差波束赋形问题，具体为：

23、定义分别为期望用户远场方向的俯仰角和方位角，分别为干扰源远场方向的俯仰角和方位角，期望用户方向和干扰方向对应的信道矢量、分别为：

24、；

25、其中，为期望用户方向的远场导向矢量，为干扰方向的远场导向矢量；

26、其中的第n个分量为：，的第n个分量为：，其中为虚数单位，为工作波长，和分别为第n个ris单元的y平面坐标和z平面坐标；

27、构造约束矩阵和响应向量，上标t为转置运算符；

28、求解线性约束最小方差lcmv优化问题：

29、，；

30、其中，为未量化ris最优权值，为单位矩阵，上标h为共轭转置；

31、得到未量化ris最优权值的闭式解为：

32、；

33、进而得到未量化ris激励矢量。

34、作为本发明所述的一种可重构智能超表面联合波束赋形与干扰零陷方法进一步优化方案，步骤二中，相位旋转算法包括：

35、步骤201、 初始化：将中各元素的相位量化为最接近的2比特值，得到初始离散码本；

36、步骤202、对每次迭代k，将所有ris单元索引随机排列；

37、步骤203、按步骤202随机排列后的顺序排列顺序，对第n个ris单元，依次评估四个候选相位；

38、构造临时激励矢量：除第n个ris单元相位设为外，其余ris单元保持当次迭代的离散相位码本中的相位值；

39、计算临时期望方向增益和临时干扰方向功率分别为：

40、；

41、；

42、其中表示当第n个ris单元取候选相位时在期望用户方向上的增益，表示当第n个ris单元取候选相位时在干扰方向的功率，为全1列向量；

43、步骤204、将与连续最优期望增益进行比较，其中为连续最优权值在期望方向上产生的增益，从满足的所有候选相位中，选择最小的相位值，若该相位值与第n个ris单元在离散相位码本中的当前相位值不同，则以该相位值更新第n个ris单元在离散相位码本中的相位；

44、步骤205、当一轮迭代中所有n个ris单元遍历后，步骤203中干扰方向功率经过本轮相位更新的总下降量低于，或达到最大迭代次数时，相位旋转算法终止；

45、步骤206、输出最优2比特ris相位激励矢量其中为自然常数，为虚数单位，为第n个ris单元经相位旋转算法优化后的相位值，表示该单元对应的复激励系数。

46、作为本发明所述的一种可重构智能超表面联合波束赋形与干扰零陷方法进一步优化方案，可重构智能超表面为2比特无源阵列，工作频段为，相位状态为，相位精度为。

47、作为本发明所述的一种可重构智能超表面联合波束赋形与干扰零陷方法进一步优化方案，步骤一中，参考天线位于ris的近场区域，参考天线距离ris的物理距离小于远场条件距离，其中d为ris最大孔径尺寸，为工作波长。

48、本发明采用以上技术方案与现有技术相比，具有以下技术效果：

49、（1）本发明提出了针对实际2比特无源ris硬件的联合波束赋形与干扰零陷框架。该框架通过仅功率测量的快速校准步骤补偿各反射单元间的初始相位不一致，使主瓣指向误差从以上降至以内，恢复波束赋形精度；再通过相位旋转算法在2比特离散相位约束下实现深度干扰零陷，实验验证零陷深度可达21.3db和35.7db，而期望方向增益损失分别仅为1.8db和2.4db，在3db设计约束之内。

50、（2）本发明的校准步骤仅需次功率测量即可提取所有ris单元的初始信道响应（对于个单元的ris原型仅需243次测量），无需复杂的矢量网络分析仪测量或参考信号收发，大幅降低了系统硬件复杂度与测量开销。

51、（3）本发明的相位旋转算法直接针对2比特相位约束设计，解决了传统连续相位算法直接量化后零陷性能急剧恶化的问题。仿真结果表明，连续lcmv解直接量化后零陷深度仅约11db，与常规波束赋形相当；而本发明所提算法在相同条件下可实现超过20db的零陷深度，提升超过10db。

52、（4）本发明方法在真实的共121单元2比特无源ris原型机和5.8ghz暗室测量环境中进行了完整的实验验证，证明了该方法在工程实际中的可行性和有效性，适用于全双工自干扰抑制、毫米波同道干扰消除和终端直通（d2d）蜂窝网络跨系统干扰管理等强主动干扰场景。