[发明专利]基于深度迭代智能超表面辅助通信的信道估计方法及装置

权利要求书

1.一种基于深度迭代智能超表面辅助通信的信道估计方法，其特征在于，所述方法包括：

建立前向信号传输模型，并根据级联信道稀疏性，将所述前向信号传输模型中的信道估计问题转换为稀疏信号恢复问题；

获取用户发送的不同数量的导频信息，并确定对应的初始系数矩阵，根据随机预测策略对所述初始系数矩阵进行预处理，得到目标系数矩阵，所述目标系数矩阵用于初始化深度迭代网络模型的输入信息；

建立所述深度迭代网络模型，将所述稀疏信号恢复问题分解为第一子问题、第二子问题以及第三子问题，并将所述第一子问题、所述第二子问题以及所述第三子问题的优化融入所述深度迭代网络模型中，通过迭代优化，更新所述深度迭代网络模型的网络参数，得到目标深度迭代网络模型，所述第一子问题、所述第二子问题以及所述第三子问题的优化的表达式分别为：

；

；

其中，表示为可学习的惩罚参数，表示为第k个阶段角域级联信道的预测值，表示为拉格朗日乘子第k次的迭代值，表示为辅助变量第k次的迭代值，具体的，深度迭代网络模型中的所述第一子问题、所述第二子问题以及所述第三子问题分别对应于信道重构模块、近端映射模块以及乘数更新模块，用于分别实现三个子问题；

实时获取所述初始系数矩阵，并将所述初始系数矩阵输入所述目标深度迭代网络模型，确定目标级联信道。

2.根据权利要求1所述的基于深度迭代智能超表面辅助通信的信道估计方法，其特征在于，所述前向信号传输模型表示为：

其中，表示为在第q个时隙，基站处的接收信号，表示为接收机基站与智能超表面之间的信道，表示为用户与智能超表面之间的信道，diag表示为矩阵对角化，表示为智能超表面处的反射向量，表示为用户在第q个时隙发送的导频信号，表示为服从均值为0，方差为的复高斯白噪声。

3.根据权利要求2所述的基于深度迭代智能超表面辅助通信的信道估计方法，其特征在于，所述建立前向信号传输模型，并根据级联信道稀疏性，将所述前向信号传输模型中的信道估计问题转换为稀疏信号恢复问题的步骤中，转换公式为：

；

其中，表示为角域级联信道的预测值，v表示为辅助变量，表示求表达式值最小时对应的自变量和v，表示矩阵的1-范数，表示矩阵的2-范数，表示为Y的第一变化形式，表示为的第二变化形式，，Y表示为用户发送的导频信号，导频传输Q个时隙后，在基站处的所有接收信号，，表示为导频传输Q个时隙后，智能超表面处的所有反射向量，λ表示为正则化参数，subject to v表示为对所述辅助变量的约束。

4.根据权利要求3所述的基于深度迭代智能超表面辅助通信的信道估计方法，其特征在于，所述获取用户发送的不同数量的导频信息，并确定对应的初始系数矩阵，根据随机预测策略对所述初始系数矩阵进行预处理，得到目标系数矩阵，所述目标系数矩阵用于初始化深度迭代网络模型的输入信息的步骤中，引入RPA算子，所述RPA算子用于生成与所述初始系数矩阵维度相同的增广集，并从所述增广集中随机选择一系数矩阵，所述增广集可以表示为：

；

其中，表示为Q_L×N的初始系数矩阵，Q_L表示为第L个导频数量，N表示为均匀平面天线阵列数。

5.根据权利要求4所述的基于深度迭代智能超表面辅助通信的信道估计方法，其特征在于，所述获取用户发送的不同数量的导频信息，并确定对应的初始系数矩阵，根据随机预测策略对所述初始系数矩阵进行预处理，得到目标系数矩阵，所述目标系数矩阵用于初始化深度迭代网络模型的输入信息的步骤中，初始化所述深度迭代网络模型的输入信息的表达式为：

；

其中，表示为初始阶段的角域级联信道的预测值。