智能反射面辅助毫米波系统的低开销信道估计方法

1.本发明涉及一种智能反射面辅助毫米波系统的低开销信道估计 方法，属于无线通信技术领域。


背景技术：

2.毫米波(millimeter wave，mmwave)以其高带宽、低时延、大容 量的优势被认为是下一代无线通信的关键技术，是驱动5g生态、释 放5g潜能的核心使能技术。毫米波通信系统的发展是产业界及学术 界广泛关注的焦点。然而，毫米波通信存在覆盖范围小、衰减快、易 受干扰等缺点，且基站(base station,bs)建设成本高、耗能高，难 以满足低成本、低能耗的未来网络建设原则。因此研究创新、高效、 节约频谱和资源的解决方案势在必行。智能反射面(intelligentreflecting surface,irs)作为新兴材料硬件技术，在非视距场景增强、 支持边缘用户、实现安全通信、高精度定位等方面均展现了优越性能， 是消除阻挡、衰落等不利信道因素、提升毫米波移动通信系统性能的 有效解决方案。
3.然而在建立irs-mmwave通信链路时，最小化链路建立和信道 估计系统开销是关键挑战之一。一方面，毫米波场景下传统的波束训 练方法如穷举搜索和层搜索引入了巨大的训练开销，从而导致较大的 初始接入延迟和高功耗；其次，收发端多天线阵列以irs的大量反射 元件使得网络结构复杂化的同时提高了系统信道估计复杂度，同样导 致了较大的训练开销。研究表明，利用低频信号辅助、位置信息等带 外信息可以辅助毫米波系统减少毫米波的波束对准开销，提供快速的 毫米波波束对准，是在复杂通信网格以及移动性增强场景中释放毫米 波通信潜力的关键。此外，利用波束搜索获取的角度域信息辅助的信 道估计是近年来降低信道估计导频开销的有效方案。基于irs
‑ꢀ
mmwave场景的信道稀疏性和波束选择获取的角度域信息，将级联信 道估计转化为稀疏信号恢复问题，采用压缩感知算法进行信道估计， 进一步降低信道估计训练开销。
4.因此本发明提出利用带外信息辅助irs-mmwave系统波束选择 与信道估计方法，在波束选择和信道估计两个阶段降低了系统训练开 销，显著提高了系统性能，为快速信息传输建立了良好基础。


技术实现要素：

5.有鉴于此，本发明的目的是提供一种带外信息辅助irs-mmwave 系统快速波束选择与信道估计方法，用于下述场景：包括基站、用户 与智能反射面的下行通信系统，基站和用户均配置多根天线。此时， 由于基站天线数目较多，同时irs引入导致网络结构复杂化，在波束 训练及信道估计阶段引入了大量训练开销。因此，本专利提出下列方 法，该方法具体包括下列两个操作步骤：
6.①
波束选择阶段：带外信息辅助快速波束选择。
7.在此阶段，将基站、irs以用户历史位置信息和历史最优波束方 向作为先验信息；将大量用户历史位置信息样本集合为训练数据集， 根据不同的角度域分辨率对其标签化。
然后在数据集上基于支持向量 机(support vector machines,svm)方法进行模型训练，svm是机器 学习方法中首选的多类分类算法，它擅长处理线性不可分割的样本数 据集，可以避免过度拟合。此外svm还具有低复杂度、小样本等优 势，在复杂网络场景下有着巨大应用潜力。最后基于训练模型以较低 的复杂度为给定位置用户选择最佳的模拟波束，避免了频繁的波束测 量及反馈操作，从而实现irs-mmwave系统快速波束选择并快速建 立链路。
8.②
信道估计阶段：基于角度域信息的压缩感知信道估计
9.将波束选择阶段获取的粗略角度域信息作为后续信道估计的先 验信息，在利用训练模型预测最优波束对的同时输出次优方向上的角 度域信息以及接收端信号响应，作为压缩感知算法测量矩阵。由于 irs-mmwave系统信道稀疏性较为明显，采用压缩感知算法，块正交 匹配追踪(block orthogonal matching pursuit,bomp)的信道估计算 法进行bs-irs-ue级联信道估计。bomp算法相较于常见的omp算 法能够较大程度的降低其计算量，进一步降低了训练开销。
10.本发明是一种面向irs-mmwave系统的带外信息辅助快速波束 选择与信道估计方法，其优点在于：以较低的复杂度为给定位置用户 选择最佳的模拟波束，避免了频繁的波束测量及反馈操作，从而实现irs-mmwave系统快速波束选择并快速建立链路；此外利用先验角度 域信息结合压缩感知算法，降低了训练开销，同时相比最小二乘方案 提高了信道估计精度，是实现高速可靠通信的关键。
11.本发明方法的创新关键是：针对irs-mmwave系统提出了一种 带外信息辅助irs-mmwave通信快速波束选择与信道估计方法，显 著降低了训练开销。
附图说明
12.图1是本发明应用场景：irs-mmwave通信系统。
13.图2是本发明所提出的面向irs-mmwave系统的带外信息辅 助快速波束选择与信道估计方法的流程图。
14.图3是本发明实施例中，所提波束选择方法在不同信噪比下基于 预测最优角度和实际最佳角度的接收端最大速率对比图。
15.图4是本发明实施例中，所提信道估计方法与基于正交匹配追踪 的信道估计nmse对比图。
具体实施方式
16.为使本发明的目的、技术方案和优点更加清楚，下面结合附图对 本发明作进一步的详细描述。
17.参见图1，首先介绍本发明方法的应用场景：考虑由单个bs、 irs及用户组成的mmwave下行系统。基站、用户均配备了半波长间 隔均匀线性阵列(ula)，采用全连接的模拟天线结构，天线数量分 别为nb、nm。irs可视为一个平面阵列，包括ni个无源反射阵子， 其振幅和相位可通过irs控制器动态调整，irs控制器通过无线链路 与基站连接。系统采用具有k个子载波和采样空间ts的ofdm系统。
18.参见图2，介绍本发明方法的操作步骤：
19.(1)波束选择阶段：带外信息辅助快速波束选择。具体操作步 骤如下：
20.a.将用户历史位置信息和历史最优波束方向作为先验信息， 生成用户位置训练样本t＝{(x1,y1),(x2,y2),...,(xn,yn)}
21.b.设定角度域分辨率k，将初始数据集标签化{1,2,...,k}，并将 数据集划分为训练集和测试集
22.c.基于网格搜索获取svm超平面最优超参数，用于控制寻 找间隔最大的超平面和保证数据点偏差量最小之间的权重；
23.d.基于最优超参数在训练集上进行模型训练，并在测试集验 证有效性
24.e.基于d训练的模型和当前用户位置，选择最佳irs-ue链 路波束对{w
*
,φ
*
}
25.f.基于(5)训练的模型，计算k个次优方向波束对。
26.g.输出用户当前位置对应最优波束对，以及k个次优方向波 束对及对应的接收端响应。
27.(2)信道估计阶段：基于角度域信息的压缩感知信道估计。
28.a.输入波束选择阶段获取的粗略的角度域信息，以及对应接 收端响应
29.b.输入字典矩阵分辨率以及阈值δ
30.c.基于角度域信息生成自适应网格，包括字典矩阵和感知矩 阵，然后利用匹配追踪算法估计级联csi。
31.d.定义块大小，将感知矩阵分块。
32.e.基于块匹配追踪算法进行信道估计。在每次迭代过程中按 块匹配，选择感知矩阵中与残差最相关的列，并更新列序 号集。然后通过最小二乘求解与选择的aoa和aod对 相关的路径复增益并更新残差。当算法到达最大迭代次数 或估计精度达到阈值，得到角度域信道，并进一步得到等 效级联信道。
33.f.输出bs-irs-ue信道估计结果。
34.为了展示本发明方法的实用性能，申请人进行了多次仿真试验， 仿真系统场景为图1所示的应用场景，仿真试验的结果如图3和图4 所示，所提irs反射系数优化后系统最大可达速率及信道估计算法 有效性进行了仿真验证及对比。
35.图3所示的仿真实验以接收端最大可达速率为衡量指标，对波束 训练阶段的模型有效性进行了验证。
36.图4所示的仿真实验以归一化均方误差(nmse)为衡量指标， 其中nmse计算定义为基于 n
t
＝16,nr＝16,n
irs
＝64系统设置进行了仿真试验，并给出了本发明实 施例所提的信道估计方法与基于最小二乘法估计的仿真对比。由图4 可以看出，采用本发明方法在高信噪比区域相比基于最小二乘算法估 计具有显著的性能增益。
37.以上所述仅为本发明的较佳实例而已，并不用以限制本发明。因 此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替 换、改进等，均应包含在本发明的保护范围之内。