[发明专利]一种可重构智能表面增强的SISO-OFDM下行传输方法

说明书

本发明公开了一种可重构智能表面增强的SISO‑OFDM下行传输方法，该传输方法中基站发送的信号可经可重构智能表面反射到达用户端，可重构智能表面能改变入射到其上的信号的相位，从而达到在接收用户端增强其接收信号的效果。该方法中基站和可重构智能表面利用已知的信道状态信息，基于系统频谱效率最大化原则，通过注水功率分配算法和深度强化学习算法联合设计发射功率分配和可重构智能表面处反射相移矩阵。本发明收敛速度快，以相对传统数值方法较低的计算复杂度和时延获得较高的系统吞吐量。

技术领域

本发明涉及可重构智能表面辅助的SISO-OFDM下行系统自适应传输技术领域，特别是涉及一种可重构智能表面增强的SISO-OFDM下行传输方法。

背景技术

可重构智能表面(RIS,reconfigurable intelligent surface)作为一种可以经济高效地提高频谱效率和覆盖范围的有效方法被视为新一代无线通信中极具应用前景的技术之一。RIS是一种由大量无源反射元件组成的超表面，可以实时动态调整反射信号的幅度和/或相位，从而实现智能的无线电传播环境重配置。此外，RIS仅依赖于无源信号的反射，因此与传统的有源收发器/继电器相比，大大降低了硬件成本和能耗。同时，RIS在实际部署中也展现出极大的灵活性和兼容性。将具有适量反射元件的RIS部署到多输入多输出(MIMO,multiple input multiple output)系统中可以减少基站所需的天线数。除此以外，RIS可在毫米波(mmWave,millimeter wave)信号被障碍物阻塞时提供反射径以维持设备间的正常通信。综上可见，RIS的引入为实现通信服务质量提升以及部署开销缩减的双赢目标提供了可能性。

然而，实际部署的RIS反射元件数量一般是从几千个到几万个变化且RIS处存在恒模约束，因而如何在RIS辅助的无线通信系统中通过联合设计提高通信性能是一个多任务问题。传统设计方法有逐次凸逼近和半正定松弛算法等，这些传统算法在RIS反射元件数量较少时可以显示出较好的性能，但随着反射元件数目的增长，计算复杂度呈指数增长，会引入较大的通信处理时延而无法满足实时通信的需求。若将这些传统数值算法应用于宽带系统，则设计复杂度进一步提高，这主要归因于宽带系统中各子载波信道不一致，单个子载波信道的最优设计对于其他子载波将不再是最优，这就需要具有低时间成本和高性能的联合设计算法来进一步解决这些问题。

现有针对RIS处反射矩阵设计的低复杂度算法的研究主要是基于对RIS处反射模式的设计或使用深度学习方法，RIS处反射模式的设计需要基于多次信道试验才能获得最佳模式，深度学习方法对训练数据量有很高的要求，且对信道衰落变化很敏感。这些方法是以牺牲一定的系统性能来换取时间复杂度的下降，无法实现双赢目标，实际应用困难。

发明内容

有鉴于此，本发明的目的在于提供一种可重构智能表面增强的SISO-OFDM下行传输方法，用以解决背景技术中提及的技术问题。本发明为基站配置单根天线，部署多个单天线用户并放置RIS提升通信服务质量，利用注水算法和深度强化学习算法联合设计发射功率矢量和RIS处相移偏置矩阵以最大化系统频谱效率；基于深度强化学习智能体无需对环境建模的特性和深度神经网络强大的解决非线性优化问题的能力，因而利用深度强化学习算法设计反射矩阵能够有效抑制干扰，降低所需时间成本且对信道衰落变化具有很好的鲁棒性。

为了达到上述目的，本发明采用如下技术方案：

一种可重构智能表面增强的SISO-OFDM下行传输方法，包括以下步骤：

步骤S1、基站配置单根天线，且服务K个单天线用户，所述可重构智能表面配置均匀平面反射阵，该均匀平面反射阵包括M＝a×b个反射单元，其中，垂直方向a行反射单元，水平方向每行b个反射单元；系统整体带宽被划分为N个子载波，各用户使用不同的子载波，S_k，k＝1,2,…,K，为用户k的子载波索引并满足基站和可重构智能表面已知用户的信道状态信息；