[发明专利]一种基于智能反射面的无源被动感知设备与方法

权利要求书

1.一种基于智能反射面的无源被动感知设备，其特征在于，包括智能反射面与感知器，其中智能反射面通过控制器控制其反射的电磁波信号的幅度和相位，感知器包括天线和数据处理装置，数据处理装置由射频模块和信号处理单元构成，其中，射频模块仅具备单个射频通道。

2.根据权利要求1所述的一种基于智能反射面的无源被动感知设备的感知方法，其特征在于，所述方法实现对目标的空间位置的感知，包括以下步骤：

步骤1、创建接收信号模型；

步骤2、接收信号模型主要包括目标信号、干扰信号和环境噪声，通过基于原子范数和测量矩阵优化的干扰去除方法实现对接收信号中干扰信号和环境噪声的抑制，从而完成对目标信号的提取；

步骤3、基于Hankel矩阵的目标信号重构方法通过计算目标信号的Hankel矩阵，将目标信号的Hankel矩阵作为重构信号，使用MUSIC方法对重构后的信号进行分解得到信号子空间和噪声子空间，利用噪声子空间估计空间谱，从而实现对目标空间的感知。

3.根据权利要求2所述的基于智能反射面的无源被动感知设备的感知方法，其特征在于，所述步骤1中接收信号模型包括来自目标并经过智能反射面反射的目标信号、来自无线通信接入点直接经智能反射面传播的干扰信号、以及环境噪声。

4.根据权利要求2所述的基于智能反射面的无源被动感知设备的感知方法，其特征在于，所述步骤2中的干扰去除方法包括基于原子范数的干扰去除方法和基于测量矩阵优化的干扰去除方法，其中，所述基于原子范数的干扰去除方法通过计算目标信号的原子范数，得到去除干扰信号后的去噪向量，所述基于测量矩阵优化的干扰去除方法通过调整测量矩阵实现对特定方向的干扰信号的去除；所述基于原子范数的干扰去除方法具体包括以下步骤：构建包含L2范数和原子范数的稀疏重构优化模型；针对所述稀疏重构优化模型，基于该模型的托普利兹矩阵构建半正定规划的凸优化问题；采用迭代法求解前述凸优化问题，获得去噪后的向量；其中包含L2范数和原子范数的稀疏重构优化模型本质为最小化L2范数的平方与原子范数的和，其中，L2范数的平方为所述接收信号减去目标信号后再减去干扰信号的差的L2范数的平方，原子范数为目标信号的原子范数。

5.根据权利要求4所述的基于智能反射面的无源被动感知设备的感知方法，其特征在于，所述基于托普利兹矩阵构建半正定规划的凸优化问题，该过程为所述目标信号的原子范数的求解方法，在此过程中，目标信号的原子范数被表示为由一个待求解的矢量u构成的托普利兹矩阵的迹与一个待求解的变量v的和，其中，待求解的矢量u与待求解的变量v需要满足的约束条件是待求解的矢量u构成的托普利兹矩阵、待求解的变量v和目标信号联合构成的矩阵需为一个半正定矩阵，通过半正定规划迭代求解满足前述约束条件的矢量u和变量v。

6.根据权利要求4所述的基于智能反射面的无源被动感知设备的感知方法，其特征在于，所述基于测量矩阵优化的干扰去除方法抑制特定方向的干扰信号，其包括以下步骤：将测量矩阵优化问题建模为半正定规划的最优化问题；求解前述半正定规划问题获得矩阵，并对该矩阵进行特征分解；使用特征分解得到的特征向量表示测量矩阵的某一行。

7.根据权利要求2所述的基于智能反射面的无源被动感知设备的感知方法，其特征在于，所述步骤3中基于Hankel矩阵的信号重构方法仅需要一个快拍的接收信号。

8.根据权利要求2所述的基于智能反射面的无源被动感知设备的感知方法，其特征在于，所述步骤3中基于Hankel矩阵的信号重构方法从所述去噪后的M*1维向量中取出多组M-L个元素重新组成矩阵，重组后的矩阵维度为(M-L)*L，M为智能超表面的阵元个数，L为重构后信号矩阵的行数。