基于智能超表面的无线携能通信联合优化系统及方法
本发明涉及无线通信,特别涉及一种基于智能超表面的无线携能通信联合优化系统及方法。
背景技术:
1、无线携能通信(swipt)在物联网无源节点供能与数据传输中具有巨大潜力,而引入智能超表面(ris)调控电磁波前可显著提升能量聚焦与信息解码质量。然而,随着ris向超大物理孔径演进,传统的联合优化算法在实际物理部署中面临以下三个底层的技术失配问题:首先,大孔径阵列使得大量受电节点实际上落入近场瑞利距离内。现有技术普遍基于“远场平面波”假设进行空间矩阵建模,用平面波模型去计算近场相位,会导致波束焦点严重发散,引发波前物理形态失配。其次,传统算法假定受电节点具有“理想线性储能”模型,即射频功率越大吸收越多。
2、但在实际场景中,受电节点的储能器件老化程度各异。若向高内阻的老化节点分配过高射频功率,不仅无法转化为电能,反而会因达到饱和吸收极限而引发热耗散甚至烧毁硬件。最后,为控制部署成本,商用ris通常采用极低精度的离散相移器,且伴随严重的幅相耦合响应衰减。现有算法在假定硬件理想的前提下求解,其得出的最优解一旦下发至存在量化截断误差的真实硬件上,会导致系统性能严重偏离甚至通信中断。
技术实现思路
1、本发明旨在解决上述背景技术中提出的纯远场假设、理想线性储能假设以及理想连续相位硬件假设导致在真实物理场景中优化失效的问题,提供一种基于智能超表面的无线携能通信联合优化系统及方法。本发明采用如下技术方案:一种基于智能超表面的无线携能通信联合优化方法,由执行主体执行,包括:
2、s1、获取受电节点的拓扑距离数据、储能器件的健康状态反馈数据与当前电池电量数据,以及智能超表面阵列的离散硬件量化阶数数据、物理孔径参数和出厂标定的幅相耦合硬件响应曲线数据;
3、s2、基于所述物理孔径参数计算对应工作频率的瑞利距离临界值,将所述拓扑距离数据与所述瑞利距离临界值执行数值比对逻辑操作,根据比对生成的近场与远场空间归属结果,分别映射球面波前衰落特征与平面波方向矢量,构建包含近场球面波扩散特征与远场平面波导向特征的混合信道空间扩散矩阵;
4、s3、根据所述健康状态反馈数据,建立所述受电节点的非线性能量吸收模型,并基于所述非线性能量吸收模型动态设定用于拦截能量溢出的饱和吸收阈值;
5、s4、基于所述离散硬件量化阶数数据和所述幅相耦合硬件响应曲线数据,在所述混合信道空间扩散矩阵中计算并设置用于限定算法容错下界的有界相位误差参数集合;
6、s5、提取深度强化学习网络模型的状态空间向量,将所述混合信道空间扩散矩阵、所述当前电池电量数据、所述有界相位误差参数集合与所述饱和吸收阈值装载入所述状态空间向量并输入策略网络中执行最大最小化鲁棒优化操作,通过所述策略网络输出针对最差性能边界的空间分区相移矩阵以及自适应功率分配比;
7、s6、根据所述空间分区相移矩阵向所述智能超表面阵列下发离散相移控制指令,并基于所述自适应功率分配比生成基带波形流以驱动射频前端发送射频供能信号。
8、进一步地,步骤s1中,获取受电节点的拓扑距离数据、储能器件的健康状态反馈数据与当前电池电量数据,包括:
9、s101、监听所述受电节点在空闲信道周期性广播的心跳数据特征包,并对所述心跳数据特征包执行物理层基带解码处理,精确提取其中的接收信号强度指示参数以及用于表征终端硬件健康程度的电池管理系统诊断报文;
10、s102、调用预先配置的无线电波自由空间损耗对数距离路径计算模型,将所述接收信号强度指示参数作为输入自变量代入所述计算模型中,执行考虑多径效应的逆向距离反演算术解算,以获取高精度的所述拓扑距离数据;
11、s103、对所述电池管理系统诊断报文执行循环冗余校验以及深层解码解析操作,分离出媒体访问控制层报头掩藏的电容剩余寿命百分比特征和等效串联电阻参数,并将所述电容剩余寿命百分比特征与所述等效串联电阻参数执行位级拼接操作,生成标准化的所述健康状态反馈数据供系统调用。
12、进一步地,步骤s2中,分别映射球面波前衰落特征与平面波方向矢量,构建包含近场球面波扩散特征与远场平面波导向特征的混合信道空间扩散矩阵,包括:
13、s201、针对所述近场与远场空间归属结果中标记为近场区的受电节点,启动球面波扩散映射模块,利用所述拓扑距离数据与所述智能超表面阵列各反射单元的精确物理距离差值,推导包含距离衰减因子的近场区域所述球面波前衰落特征,生成第一子矩阵;
14、s202、针对所述近场与远场空间归属结果中标记为远场区的受电节点,启动平面波导向映射模块,基于远场平行波到达角的几何近似关系,推导在远场区域内各反射单元的所述平面波方向矢量,生成第二子矩阵;
15、s203、利用克罗内克积计算逻辑,将所述第一子矩阵与所述第二子矩阵按照所述智能超表面阵列天线的真实物理拓扑结构进行空间维度拼接操作,生成最终的所述混合信道空间扩散矩阵。
16、进一步地,步骤s3具体包括:
17、s301、深度解析所述健康状态反馈数据,利用报文分离协议提取出所述储能器件在历史通信周期内的充放电循环次数数据以及当前内阻阻值测量数据,并将上述数据导入等效健康衰减评估函数中计算等效寿命折损系数;
18、s302、基于提取的所述充放电循环次数数据以及所述内阻阻值测量数据,构建非线性能量吸收逻辑斯谛函数并将其作为所述非线性能量吸收模型,公式为,其中为拟分配射频功率自变量,a和b为拟合参数,m为基于等效寿命折损系数动态设定的饱和吸收阈值;
19、s303、将所述饱和吸收阈值作为硬性优化约束条件装载入所述非线性能量吸收模型中,配置为目标函数中的能量溢出惩罚上限,以有效拦截所有超出所述饱和吸收阈值的射频功率变量。
20、进一步地,步骤s4具体包括:
21、s401、调取所述离散硬件量化阶数数据,基于所述离散硬件量化阶数数据确定理论上可用的理想离散相位集合,提取相邻相位之间的最大量化截断偏差角度,并利用复数指数函数模型构建连续相位容差球模型空间特征;
22、s402、将所述理想离散相位集合的各离散特征值分别输入所述幅相耦合硬件响应曲线数据中进行映射匹配运算,定量解析出所述智能超表面阵列在进行相位切换时固有的寄生振幅衰减系数;
23、s403、结合鲁棒优化最差边界判定准则,将所述连续相位容差球模型空间特征映射至所述混合信道空间扩散矩阵的各复数元素之中,并融合映射得出的所述寄生振幅衰减系数,生成用于限定算法容错下界的所述有界相位误差参数集合。
24、进一步地,步骤s5中,提取深度强化学习网络模型的状态空间向量,将所述混合信道空间扩散矩阵、所述当前电池电量数据、所述有界相位误差参数集合与所述饱和吸收阈值装载入所述状态空间向量并输入策略网络中执行最大最小化鲁棒优化操作,包括:
25、s501、在所述深度强化学习网络模型初始化阶段,构建由通信链路的信息传输速率基准值加上能量收集链路的非线性惩罚项数据反馈指标所共同构成的环境反馈奖励函数,并装载入所述策略网络的评估节点池中;
26、s502、在所述深度强化学习网络模型的多轮次迭代演进周期内,持续提取所述策略网络当前动作空间输出导致的射频输入功率预期值,并调用数值比较器将所述射频输入功率预期值与设定好的所述饱和吸收阈值进行高频比对逻辑判断;
27、s503、当检测到所述射频输入功率预期值超过所述饱和吸收阈值时,触发底层能量溢出强制截断机制,驱动所述非线性惩罚项数据反馈指标输出负值阶跃奖励信号,以此强制收敛所述策略网络中的策略梯度方向。
28、进一步地,步骤s6具体包括:
29、s601、对接收到的所述自适应功率分配比执行协议层解析操作,分离并提取出用于驱动能量接收节点的第一功率流权重标量,以及用于保障信息接收节点的第二功率流权重标量;
30、s602、启动数字基带映射模块,将所述第一功率流权重标量转换为专用能量导频序列的绝对发射幅度系数,将所述第二功率流权重标量映射配置为正交频分复用数据符号在复平面星座图上的发射幅度缩放系数;
31、s603、利用正交时频复用合成算法,将调制完成的所述专用能量导频序列与所述正交频分复用数据符号在时域处理窗口上进行无缝拼接与合并操作,生成完整的所述基带波形流。
32、进一步地,步骤s6中,生成基带波形流以驱动射频前端发送射频供能信号之后,还包括:
33、s604、开启底层控制信道的后台监听进程,实时监听并捕获所述受电节点在反向微波链路中返回的瞬时接收端电压序列,同步提取当前业务信道的比特误码率统计特征数据,并从存储介质中读取预设解码门限参数;
34、s605、调用算术逻辑单元,将所述瞬时接收端电压序列与所述饱和吸收阈值对应的物理基准电压执行数值减法运算操作,计算获取电压逼近差值映射参数,并将所述比特误码率统计特征数据与所述预设解码门限参数进行差分比对生成误码偏差量;
35、s606、将所述电压逼近差值映射参数与所述误码偏差量进行高维度特征拼接,构建生成双重偏差状态向量,并将其作为在线残差反馈特征回传至所述深度强化学习网络模型中以触发动态闭环修正。
36、进一步地,步骤s606中,所述将其作为在线残差反馈特征回传至所述深度强化学习网络模型中以触发动态闭环修正之后,还包括:
37、s607、接收回传的所述在线残差反馈特征,并触发所述深度强化学习网络模型内置的在线增量式微调训练指令,解除对所述策略网络中特定全连接层权重矩阵参数的梯度锁定状态;
38、s608、利用所述在线残差反馈特征携带的真实物理环境误差梯度,对处于解冻状态的所述全连接层权重矩阵参数执行带有动量约束的小批量微调更新迭代,直至网络输出的新动作向量满足偏差收敛容差要求;
39、s609、锁定更新完成的所述全连接层权重矩阵参数,利用微调后的最新网络模型重新映射输出校正后的当前时隙动作指令,并向物理层下发微调更新后的离散相移控制指令。
40、本发明的另一目的在于提供一种基于智能超表面的无线携能通信联合优化系统,所述系统包括:
41、参数获取模块,用于获取受电节点的拓扑距离数据、储能器件的健康状态反馈数据与当前电池电量数据,以及智能超表面阵列的离散硬件量化阶数数据、物理孔径参数和幅相耦合硬件响应曲线数据;
42、信道扩散矩阵构建模块,用于基于所述物理孔径参数计算对应工作频率的瑞利距离临界值,将所述拓扑距离数据与所述瑞利距离临界值进行比对,并根据比对生成的近场与远场空间归属结果构建混合信道空间扩散矩阵;
43、吸收模型与阈值设定模块,用于根据所述健康状态反馈数据建立所述受电节点的非线性能量吸收模型,并基于所述非线性能量吸收模型设定饱和吸收阈值;
44、误差边界约束模块,用于基于所述离散硬件量化阶数数据和所述幅相耦合硬件响应曲线数据,在所述混合信道空间扩散矩阵中计算并设置有界相位误差参数集合;
45、模型寻优模块,用于将所述混合信道空间扩散矩阵、所述当前电池电量数据、所述有界相位误差参数集合与所述饱和吸收阈值装载入状态空间向量,并输入深度强化学习网络模型的策略网络中执行最大最小化鲁棒优化操作,输出空间分区相移矩阵以及自适应功率分配比;
46、指令驱动与发射模块,用于根据所述空间分区相移矩阵向所述智能超表面阵列下发离散相移控制指令,并基于所述自适应功率分配比生成基带波形流以驱动射频前端发送射频供能信号。
47、本发明的有益效果为:
48、1、本发明通过瑞利距离临界值界定近远场边界,构建了混合信道空间扩散矩阵;该机制彻底解决了大物理孔径下远场平面波假设失效的难题,确保了电磁波能量能在三维空间的特定坐标点上实现精准的近场球面波聚焦与远场平面波导向;
49、2、本发明摒弃了理想线性储能假设,依据终端硬件真实的健康状态反馈数据建立非线性能量吸收模型;通过将饱和吸收阈值作为目标函数中的刚性惩罚上限,有效拦截了针对老化节点的高射频功率分配,从算法底层消除了热击穿硬件的安全隐患;
50、3、本发明将底层硬件固有的相位截断偏差与幅相耦合衰减参数化,构建有界相位误差参数集合;结合深度强化学习网络执行最差边界(worst-case)下的鲁棒寻优,使得系统即便部署极低成本的离散元器件,亦能保障极端偏差下通信与供电链路的绝对可靠性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com