[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

说明书

本发明涉及无线通信技术领域，其公开了一种反射面辅助无小区大规模MIMO网络联合波束赋形方法，解决现有技术中的优化设计复杂度较高，计算消耗较大，难以根据环境信道状态的变化进行实时的优化求解的问题。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。本发明所设计的深度强化学习算法不仅能极大地提升系统中用户的和速率，而且一旦获得训练收敛之后的深度神经网络，便不再有优化求解的时间和计算资源开销，能够对环境中信道状态的变化作出快速、实时的响应。

技术领域

本发明涉及无线通信技术领域，具体涉及一种反射面辅助无小区大规模MIMO(Multi-Input-Multi-Output)网络联合波束赋形方法。

背景技术

在蜂窝式移动通信系统中，由于电磁波在空间中传播时的衰减特性以及相邻小区间存在的相互干扰现象，使得蜂窝网络在空间中的不同位置所能提供的通信速率具有极大的差异。而无小区网络(每个用户由多个基站协同服务的新型移动通信网络结构)通过各基站间协同式的服务，在有效抑制用户间干扰的同时也能在网络覆盖范围内提供均衡的高速率的数据传输服务，因而在下一代移动通信系统中具有极大的应用潜力。

然而，当网络规模变大时，由于基站数量的增加，网络的硬件成本和能量消耗也急剧上升。考虑到智能反射面的低成本、低复杂度和能谱高效的特性，因此可以使用一部分智能反射面来替代无小区网络中的一部分基站，并用它们来辅助网络中其它基站和用户之间的通信。

在对基站的波束赋形矢量和智能反射面的反射系数矩阵进行优化设计时，现有的优化方法计算复杂度较高，计算消耗较大，难以根据环境信道状态的变化进行实时的优化求解。

发明内容

本发明所要解决的技术问题是：提出一种反射面辅助无小区大规模MIMO网络联合波束赋形方法，解决现有技术中的优化设计复杂度较高，计算消耗较大，难以根据环境信道状态的变化进行实时的优化求解的问题。

本发明解决上述技术问题采用的技术方案是：

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；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。

具体的，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，ω_b,k∈C^M×1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；σ²为用户k的噪声功率；

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。