[发明专利]反射面辅助无小区大规模MIMO网络联合波束赋形方法

权利要求书

1.反射面辅助无小区大规模MIMO网络联合波束赋形方法，应用于包括基站和智能反射面的无小区网络通信系统中；其特征在于，

该方法基于深度强化学习的方法根据环境中观测到的全局信道状态信息进行基站的波束赋形矢量和智能反射面的反射系数矩阵的优化设计，具体包括：

a.获取无小区网络的全局信道状态信息，所述全局信道包括表示基站与用户之间的信道智能反射面与用户之间的信道以及基站与智能反射面之间的信道{G_b,r}；

b.以最大化无小区网络通信系统中所有用户的和速率为目标，建立优化基站的波束赋形和智能反射面反射系数矩阵的模型，然后求解出基站的波束赋形矢量和智能反射面的反射系数矩阵的最优值；

步骤b中，建立的优化基站的波束赋形和智能反射面反射系数矩阵的模型为：

其中，表示第b个基站对第k个用户所采用的波束赋形矢量；Φ_r为第r个智能反射面的反射系数矩阵，其中，并且表示第r个智能反射面第n个反射单元的反射系数；Λ_k为用户k的接收信干噪比；P_max表示每一个基站发送功率的限制大小；

B表示无小区网络中基站的数量，R表示无小区网络中智能反射面的数量，表示第b个基站用与用户k之间的信道状态估计值，表示第r个智能反射面与用户k之间的信道状态估计值，G_b,r表示第b个基站与第r个智能反射面之间的信道状态估计值；

步骤b中，所述求解出基站的波束赋形矢量和智能反射面的反射系数矩阵的最优值的过程包括：

将基站的波束赋形矢量ω_b,k和智能反射面的反射系数矩阵对应矢量分解为如下形式：

其中，p_b,k为基站各波束赋形矢量所消耗的功率大小，为各波束的指向；

和分别为智能反射面在俯仰角方向和方位角方向上的阵列响应的指向；

将TD3模型中演员网络的输出层定义为对基站的波束赋形矢量和智能反射面的反射系数矩阵的决策，演员网络输出层主要由4类神经元所组成，它们分别为对变量p_b,k、和的决策，将此4类神经元的取值分别用和表示，基于tanh激活函数，它们的取值范围均为[-1,1]；

对于和所代表的波束指向的决策，采用多个码字组成的码本来覆盖二维平面上的各个方向，作为波束指向的候选集，神经元和的取值在经过离散化后则代表了在对应码本中选择的波束指向的索引值，码本可以用一个矩阵来表示，其每一列对应一个码字，码本中码字个数大于天线数X，天线间距等于电磁波半波长，码本的第c个码字中第x根天线的权值表示为

其中，Ψ表示每一根天线可实现的相位调制数量，表示向下取整运算，mod(·)表示取模运算；

通过解码器对基站的波束赋形矢量ω_b,k进行解码：

1)求解波束消耗的功率大小：首先对神经元进行放缩，然后求解p_b,k的值，

2)求解波束指向：

3)求解波束赋形矢量：

通过解码器对智能反射面的反射系数矩阵对应矢量进行解码：

1)求解俯仰角方向的波束指向：

2)求解方位角方向的波束指向：

3)求解反射系数矢量：