基于机器学习的RIS辅助MIMO系统的自动化信道表征的制作方法

本公开涉及测试和测量系统，并且更特别地涉及用于包括但不限于无线通信系统中的自动化信道表征的系统和方法。

背景技术：

1、可重构智能表面(ris)技术是一种用于无线通信系统的频谱高效且具有成本效益的方法。ris的相位是优化ris辅助多输入多输出(mimo)系统的频谱效率(se)的关键调谐参数。

2、图1示出了通信系统的实施例。发射器位置10具有多个发射器，ris12具有多个元素，并且接收器14可以包括多个接收器，诸如移动站，或者在执行信道表征的系统的情况下，包括测试和测量仪器，诸如频谱分析仪。通信系统具有发射器到具有传递函数ht的ris之间的传输路径、ris和具有传递函数hr的接收器之间的接收或接收器路径以及具有传递函数hd的发射器和接收器之间的直接路径。

3、在n.t.nguyen、ly v.nguyen、t.huynh-the、d.h.n.nguyen、a.l.swindlehurst和m.juntti，“machine learning-based reconfigurable intelligent surface-aidedmimo systems”arxiv,2021(在arxiv:2105.00347可获得)(在下文中称为“nguyen等人”)中介绍了一种基于机器学习的可重构智能表面(ris)辅助mimo系统。该方法假设信道状态信息(csi)是已知的。ml方法提高了得到最优ris相位的速度。优化问题是非凸的。

4、该方法使用全信道状态信息(csi)将相位优化问题公式化为可使用机器学习解决的形式。该方法中与反射路径相关的深度神经网络的输入部分是从发射器到ris的路径的传递函数ht和从ris到接收器的路径的传递函数hr的组合。

技术实现思路

技术特征：

1.一种表征通信信道的方法，包括：

2.根据权利要求1所述的方法，进一步包括：将ris元素设置为优化设置。

3.根据权利要求1所述的方法，进一步包括：重复第一信号和第二信号的接收，所述重复包括：

4.根据权利要求3所述的方法，其中针对每个发射器从ris的一个元素接收第一信号和第二信号发生在针对ris的每个元素重复从一个元素接收之前。

5.根据权利要求3所述的方法，其中针对ris的每个元素接收第一信号和第二信号发生在针对每个发射器接收之前。

6.根据权利要求1所述的方法，进一步包括：针对多个调整角度重复接收第一信号、接收第二信号和使用第一和第二信号，以产生多个矩阵。

7.根据权利要求6所述的方法，进一步包括：

8.根据权利要求6所述的方法，进一步包括：

9.根据权利要求1所述的方法，其中使用机器学习网络包括：使用监督学习网络。

10.根据权利要求8所述的方法，其中使用监督学习网络包括：

11.根据权利要求1所述的方法，其中使用机器学习网络包括：使用无监督学习，其中将从组合信道的传递函数导出的向量作为输入。

12.根据权利要求11所述的方法，其中所述向量使用直接信道的平均传递函数或者最小均方(lms)结果之一。

13.根据权利要求1所述的方法，其中确定ris的元素的优化设置包括：

14.一种通信系统，包括：

15.根据权利要求14所述的通信系统，其中所述一个或多个接收器之一包括用于接收信号的测试和测量仪器，所述测试和测量仪器具有一个或多个处理器，所述一个或多个处理器被配置为执行代码以使所述一个或多个处理器：

16.根据权利要求15所述的通信系统，其中所述一个或多个处理器进一步被配置为执行代码以使所述一个或多个处理器针对多个调整角度重复接收第一信号、接收第二信号和使用第一和第二信号，以产生多个矩阵。

17.根据权利要求16所述的通信系统，其中所述一个或多个处理器进一步被配置为执行代码以使所述一个或多个处理器：

18.根据权利要求16所述的通信系统，其中所述一个或多个处理器进一步被配置为执行代码以使所述一个或多个处理器：

技术总结基于机器学习的RIS辅助MIMO系统的自动化信道表征。一种表征通信信道的方法包括：接收来自发射器集合的第一信号，所述第一信号沿反射信道从以标称角度设置的可重构智能表面(RIS)的每个元件反射；接收在反射信道中以调整角度从RIS集合的每个元件反射的第二信号；使用第一信号和第二信号来确定组合信道的传递函数，所述组合信道包括反射信道和直接信道；以及使用传递函数作为机器学习网络的输入，以确定RIS的元素的优化设置。一种通信系统包括：发射器集合；可重构智能表面(RIS)；一个或多个接收器，被定位为从发射器集合接收由RIS反射的信号；以及机器学习系统，被配置为产生针对RIS的元素产生优化角度。技术研发人员：谈侃,K·R·廷斯利,J·J·皮克德受保护的技术使用者：特克特朗尼克公司技术研发日：技术公布日：2024/7/23