一种智能反射面辅助的分组选择波束成形方法

本发明涉及无线通信，具体涉及一种智能反射面辅助的分组选择波束成形方法。

背景技术：

1、随着移动设备的普及、互联网的广泛应用以及物联网的快速发展，人们对数据传输速率的需求不断增加。毫米波由于波长较短，使得大量的天线元件可以装入较小的物理区域，因此毫米波促进了大规模多输入多输出系统的使用。毫米波通信具有更高的频谱容量和数据传输速率，但毫米波信号在传输过程中易受到大气吸收、衰减和多径效应的影响，需要采用波束成形技术来克服，以确保通信质量和可靠性。

2、在无线通信系统中，波束成形技术是一种重要的技术，它能够在特定方向上增强信号的传输和接收效果，从而提高通信系统的性能和效率。在毫米波频段，天线阵列的规模通常非常大，因此直接采用数字波束成形需要大量的射频链路和高成本的硬件。而混合波束成形通过将数字波束成形与模拟波束成形相结合，可以在减少硬件复杂度和成本的同时保持良好的性能。然而，在某些情况下，由于信号传播中的障碍物或多径效应，传统的波束成形技术会受到限制，导致信号的质量下降或通信的不稳定性增加。

3、为了克服这些挑战，智能反射面技术被引入到通信系统中。智能反射面是一种新型无线通信技术，利用大量反射元件来调整和优化电磁波的传输路径，从而在无需增加发射功率或使用更复杂的天线结构的情况下，实现对信号的控制和管理，以达到改善信号覆盖范围、增强信号强度、降低干扰等目的。

4、通过引入智能反射面技术，可以在视距传播路径受阻的环境下建立用户和基站之间的通信链路。传统上，视距传播路径可能受到建筑物、地形等障碍物的阻挡而产生信号衰减和多径效应，从而降低了通信质量和覆盖范围。然而，智能反射面的引入允许在这些受阻的环境中优化信号传输路径，通过控制信号的反射方向和强度，有效地克服了视距传播中的障碍，从而实现了用户和基站之间的可靠通信链路。这种技术的应用不仅可以提高通信覆盖范围，还可以增强信号质量，减少通信中的干扰和衰减，为用户提供更稳定和高速的无线通信体验。本文提出一种智能反射面辅助的分组选择波束成形技术，利用浣熊优化算法对智能反射面相移矩阵和波束成形矩阵进行联合优化，并采用分组选择技术进一步降低波束成形运算复杂度，达到最大化系统和速率的目的。

5、授权公布号：cn115102592b的专利《一种基于联邦学习的多用户mimo波束成形方法》提供了一种基于联邦学习技术的波束成形方法，其使用bs和用户联合训练cnn模型，用户利用本地的信道数据和预编码器标签训练本地模型，bs聚合所有用户的本地模型参数得到全局模型，实现波束成形。授权公布号：cn114598368b的专利《一种基于毫米波宽带通信的全双工鲁棒混合波束成形方法》提供了一种全双工混合波束成形方法，其运用等效信道的零空间特性对自干扰进行消除，然后利用信道容量下界和wmmse的关系求解对应的全数字收发机，最后利用具有闭式解的迭代分解方法得到混合的收发机。

技术实现思路

1、本发明目的在于针对上述现有技术的缺陷和不足，提出了一种智能反射面辅助的分组选择波束成形方法，该方法应用于优化无线通信系统中的信号传输和接收，实现了ris相移矩阵和波束成形矩阵的联合优化，减少了用户间干扰的同时降低了系统的运算复杂度，提高了系统总速率。

2、本发明解决其技术问题所采用的技术方案是：一种智能反射面辅助的分组选择波束成形方法，该方法包括以下步骤：

3、步骤1，根据智能反射面的分辨率τ和天线阵列相应向量a(φ)生成相移码本f1和波束成形码本fa；

4、步骤2，确定浣熊优化算法的种群数s、决策变量维数d和最大迭代次数t；

5、步骤3，根据智能反射面的分辨率τ，初始化浣熊的位置m；

6、步骤4，根据相移码本f1和已得的浣熊位置m，生成相移矩阵θ；

7、步骤5，根据信道的空间相关性对用户进行分组，计算波束成形矩阵w；

8、步骤6，根据波束成形矩阵计算系统的总速率r，取总速率数值最大的种群作为最优解；

9、步骤7，根据浣熊的最优位置更新鬣蜥的位置；

10、步骤8，根据鬣蜥的位置和浣熊优化算法的捕猎攻击策略，更新浣熊的位置；

11、步骤9，重复步骤4至6，得到捕猎攻击阶段浣熊的个体最优位置；

12、步骤10，根据浣熊优化算法的逃离捕食者策略，更新浣熊的位置；

13、步骤11，重复步骤4至6，得到浣熊的种群最优位置；

14、步骤12，重复步骤7至11，直至达到最大迭代次数t，得到最优位置m*，最优位置所对应的波束成形矩阵w*即为所求最优波束成形矩阵。

15、进一步地，步骤1中，生成的相移码本f1和波束成形码本fa如下：

16、

17、进一步地，步骤2中，种群数s＝50，决策变量维数d为智能反射面的反射原件数量n，最大迭代次数t＝40。

18、进一步地，步骤3中，浣熊的初始位置m的生成，具体为取值从1至τ范围内，随机地生成n个整数。

19、进一步地，步骤4中，相移矩阵θ的生成，具体公式为

20、θ＝diag(θ1,l,θn,l,θn) (3)

21、其中，diag(θ1,l,θn,l,θn)是以(θ1,l,θn,l,θn)为主对角线的对角矩阵。

22、进一步地，步骤5中，nr为天线数量，k为用户数量，波束成形矩阵最大分组数量为信道模型具体为：第k个用户和基站之间的信道用表示，：第k个用户和智能反射面之间的信道用hr,k∈￡n×1表示，智能反射面和基站之间的信道用表示。第k个用户到基站的等效信道可表示为：hk＝hd,k+gθhr,k。

23、进一步地，步骤6中，系统的总速率r的计算公式如下：

24、

25、其中，γk为第k个用户的信干噪比，其表达式如下：

26、

27、其中，pk为发射功率，为噪声功率。

28、本发明上述的浣熊优化算法中，主要包括以下内容：

29、初始化阶段，包括浣熊初始位置的生成。由于码本选择是一个整数规划问题，浣熊初始位置为在搜索空间内随机生成的整数。

30、捕猎攻击阶段，将初始化阶段中的最优种群位置设置为鬣蜥的位置，前一半种群的浣熊爬上树捕猎鬣蜥，后一半种群的浣熊等待鬣蜥受到惊吓落到地上。在鬣蜥落到地面后，它被放置在搜索空间中的随机位置。基于这一随机位置，地面上的浣熊在搜索空间中移动。

31、逃离捕食者阶段，当捕食者攻击浣熊时，浣熊以自身当前位置为基准，在周围寻找安全位置并向安全位置靠近。安全位置的确定与当前迭代次数有关。

32、上述用户分组策略中，主要包括以下内容：

33、根据用户的信道空间相关性计算信道相关系数，形成相关系数矩阵并变换为三角阵，计算公式如下：

34、

35、其中，hi和hj分别为第i个和第j个用户的信道向量。

36、首先从相关性矩阵中选出相关性最高的两个用户分为一组，表示为：

37、(v1,v2)＝argmaxi,j[c]i,j (7)

38、假设当前组中有m个用户，我们将用户vi的相关性阈值定义为vi与其他用户之间相关性的平均值，计算公式如下：

39、

40、然后，从剩余的用户中选出与组内用户vi的相关性大于阈值的用户并形成候选集合如果候选集合p＝{t1,t2,l,tj}有多个元素，我们选择其中与组内用户的相关性总和较大的用户作为本组的第(m+1)个用户，则有：

41、

42、重复上述过程直到候选集p为空集，分组结束。

43、有益效果：

44、1、本发是通过采用交替优化方法，将波束成形问题分解为ris相移优化以及波束成形矩阵优化两个子问题，首先初始化浣熊位置，选择ris相移矩阵。其次，根据空间相关性对用户进行分组并计算波束成形矩阵以及系统总速率。然后，浣熊优化算法根据所得结果更新ris相移矩阵。

45、2、本发明经过多次迭代，得到最大的系统总速率以及对应的波束成形矩阵，通过引入浣熊优化算法，实现了ris相移矩阵和波束成形矩阵的联合优化，解决了其他算法收敛速度较慢且容易陷于局部最优解的问题。

46、3、本发明通过对用户进行分组，在减少用户间干扰的同时降低了系统的运算复杂度。测试结果表明，本发明具有可行性和通用性，收敛速度更快，系统总速率更高，在ris的帮助下有效地解决了波束成形问题，显著提高了系统的总速率。