[发明专利]基于深度复数网络的智能反射面系统的反射系数估计方法

说明书

本发明提供了一种基于深度复数网络的智能反射面系统的反射系数估计方法，其特征在于，所述深度复数网络应用于智能反射面系统中，单天线用户的情况下，通过将仿真生成的信道参数和反射系数标签分别作为输入和输出训练深度复数网络，此网络可在已知信道参数的基础上输出反射系数的取值。本发明所提出的基于深度复数网络的智能反射面系统的反射系数估计在与传统的基于半定松弛算法的反射系数估计方案相比，不仅大大降低了计算复杂度，而且极大的降低了系统的功耗，为移动通信网络的绿色可持续发展提供了可能。

技术领域

本发明涉及通信领域，具体涉及一种基于深度复数网络的智能反射面系统的反射系数估计方法。

背景技术

得益于超密集网络，大规模天线和毫米波等技术的应用，5G无线网络已经基本实现了网络容量增加100倍和覆盖至少1000亿台设备的无所不在的无线连接。但因此也带来了高额的硬件成本以及大幅增加的能量消耗，所以研究寻找创新的、高效的无线网络方案仍是当务之急。

此外，虽然5G物理层技术可以做到自适应时空变换的无线环境，但信号的传播基本上是随机的，而且在很大程度上是不可控的。正因为上述原因，智能反射面作为一个新技术引起了众多研究学者的兴趣。智能反射面通过控制器实现反射系数的调制，以此来实现对无线环境的重构。具体来说，智能反射面是由一个大量低成本的无源反射元件组成的表面，每个元件都能独立地引起入射信号的相位变化，从而协同实现细粒度的三维波束赋形。对比于现有的发射机和接收机的无线链路自适应技术，智能反射面可以高度可控和智能的反射信号，主动修改发射机和接收机之间的无线信道。通过适当的三维无源波束形成，智能反射面反射的信号可以与其他路径反射的信号相叠加，从而提高接收端所需的信号功率。

显然易见，反射系数的设计，对智能反射面系统而言是至关重要的。但求解问题的非凸性，使得最优解的推导较为困难。现有学者考虑智能反射面辅助下的多进单出系统，通过半正定松弛法来求解反射系数的次优解，但半正定松弛法带来的计算复杂度是很高的，对于实时通信系统而言不易实现。还有学者提出如果要获取最优的反射系数，则需要高精度的基站与智能反射面，智能反射面与用户之间的信道状态信息，而通常情况下是很难获取到高精度的信道状态信息的。

发明内容

本发明的目的提供一种基于深度复数网络的智能反射面系统的反射系数估计方法，考虑单天线用户的情况下，通过将仿真生成的信道参数和最优反射系数分别作为输入和输出训练深度复数网络，此网络可在已知信道参数的基础上输出最优反射系数。

为实现上述发明目的，本发明提供以下技术方案：

一种基于深度复数网络的智能反射面系统的反射系数估计方法，其特征在于，所述深度复数网络应用于智能反射面系统中，单天线用户的情况下，通过将仿真生成的信道参数和反射系数标签分别作为输入和输出训练深度复数网络，此网络可在已知信道参数的基础上输出反射系数的取值。

进一步地，所述反射系数估计方法包括：

采用Y_B表示基站接收的信号，X_B表示基站发送的信号，采用Y_U表示用户接收的信号，X_U表示用户发送的信号，基站基于用户发送的导频序列来得到信道参数：

Y_B＝(H_LBΦH_UL+H_UB)X_U (I)

Y_U＝(H_LUΦH_BL+H_BU)X_B (II)

X_U^*x_U＝I (III)