基于修正降维MUSIC的智能超表面辅助的用户定位方法

本发明属于无线电定位，具体涉及一种基于修正降维music的智能超表面辅助的用户定位方法。

背景技术：

1、物联网时代，针对室内、室外的不同应用场景，卫星定位、蓝牙、超宽带技术等都在随着终端需求的增长而快速发展。随着第五代(fifth-generation，5g)移动通信系统的到来，大带宽、多天线以及高精度同步技术等的支撑，使得5g的定位精度提高到米级，可在室内、地下、隧道等环境中弥补卫星定位的不足。其中，基于角度的定位方法以其高精度、高抗噪能力、无需同步等优点受到了越来越多的关注。然而，为了准确测量出电磁波的入射角度，接收机须配备高空间分辨率的天线阵列；此外，建筑物密集地区的多径效应也是影响定位精度的难题之一。

2、智能超表面(reconfigurable intelligent surface，ris)的出现为解决基于角度的定位方案的落地问题提供了可能：ris是一种二维新型人工材料，由海量电磁参数可调的亚波长级单元组成，可改变反射或透射信号的幅度、相位、极化方式等。凭借电磁特性可重构与部署灵活的特点以及不影响现有无线网络基础设施架构的优势，ris近年来在移动通信领域受到了广泛的研究，旨在利用其对信道附加的额外自由度来提升通信质量、消除盲区、扩大覆盖范围。在无线电定位领域，ris一方面具有易形成超大规模阵列结构的特性，天然地具备极高的空间分辨率；另一方面，ris也可将原本有害的多径效应转变为有用的虚拟视距路径，起到额外的锚点作用。然而，目前少有针对ris辅助定位的研究，直接搬移常规的二维多重信号分类(two-dimensional multiple signal classification，2d-music)技术并不能充分地利用ris的大规模阵列特性，损失了ris的空间分辨率。

技术实现思路

1、针对ris辅助用户定位领域的研究空白以及常规2d-music技术无法充分利用ris阵列孔径的局限，本发明提出一种基于修正降维music的定位方案。

2、为更好地对本发明进行说明，先介绍本发明技术方案所用到的术语和系统结构。

3、bs：base station，基站

4、los，line-of-sight，视距的。

5、mimo：multiple input multiple output，多输入多输出。

6、music：multiple signal classification，多重信号分类。

7、nlos，non line-of-sight，非视距的。

8、ue：user equipment，用户设备。

9、ula：uniform lineararray，均匀直线阵列。

10、图1所示为本发明所涉及的智能超表面辅助的用户定位系统示意图：

11、不失一般性地，本发明考虑基站bs与用户ue的天线数分别为nb与nu的mimo场景，假定bs与ris固定，ue可移动，智能超表面ris单元数为nr，并采用二维情景下的莱斯信道模型，即用矩阵以及分别表示bs-ue、bs-ris以及ris-ue的下行信道，具体表示为：

12、

13、其中αij和κij分别为对应的路径损耗与莱斯因子；为los分量，具体为

14、

15、其中为阵列响应矢量，θij表示对应的方位角，表示对应的阵列倾角；为nlos分量，其每个元素独立同分布于复高斯分布假定bs-ris信道los分量远功率强于nlos分量，即同时假设ris对反射的信号无功率损失，并在第n(＝1，2，…，nt)个时隙内的相位偏移为

16、

17、其中nt为时隙总数。ris各单元的系数均满足零均值正交特性，即

18、

19、与

20、

21、其中k，l∈{1，2，…，nr}。同时考虑bs在每个时隙内发送相同的定位辅助信号其中nx≥nb为符号向量个数，因此，第n个时隙内的接收信号矩阵可表示为

22、

23、其中为高斯白噪声，其每个元素独立同分布于复高斯分布其中n0为噪声功率。

24、本发明采用的技术方案为：

25、s1、在每个时隙内，ue对接收信号右乘定位辅助信号的右逆进行信道估计，即

26、

27、s2、以的时间均值作为hbu的估计，即

28、

29、s3、计算的伪协方差矩阵，并进行特征值分解，得到bs-ue路径的music空间谱，以空间谱峰值对应角度作为θbu的估计，具体为：

30、s31、计算的左伪协方差矩阵lbu，具体为

31、

32、其中

33、

34、s32、计算的右伪协方差矩阵rbu，具体为

35、

36、其中

37、

38、s33、重构伪协方差矩阵cbu，并进行特征值分解，即

39、

40、其中λ为nbnu×nbnu的对角阵，其对角元为cbu的特征值依从大到小的顺序排列而成；特征矩阵由对应的特性向量所构成；

41、s34、划分噪声空间，具体为：删掉特征矩阵u的第1列，得到un；

42、s35、计算bs-ue路径的降维music空间谱：

43、

44、s36、以pbu(θ)的峰值对应角度作为θbu的估计：

45、

46、s4、将与ris各单元的系数做相关运算，估计bs-ris-ue信道，从而得到bs-ris信道的los成分，具体为：

47、s41、提取经过ris第k∈{1，2，…，nr}个单元的bs-ris-ue级联信道，具体为：

48、

49、s42、以作为[hbr]k，：的估计，对右乘的右逆，得到[hru]k，：的估计，即

50、

51、s5、计算的伪协方差矩阵，并进行特征值分解，得到ris-ue路径的music空间谱，以空间谱峰值对应的角度作为θru的估计，具体为：

52、s51、计算的左伪协方差矩阵lsr，具体为

53、

54、其中

55、

56、s52、计算的右伪协方差矩阵rru，具体为

57、

58、其中

59、

60、s53、重构伪协方差矩阵cru，并进行特征值分解，即

61、

62、其中γ为nrnu×nrnu的对角阵，其对角元为cru的特征值依从大到小的顺序排列而成；特征矩阵由对应的特性向量所构成；

63、s54、划分噪声空间，具体为：删掉特征矩阵v的第1列，得到vn；

64、s55、计算ris-ue路径的降维music空间谱：

65、

66、s56、以pru(θ)的峰值对应角度作为θru的估计：

67、

68、s6、根据s36和s56的结果，以最小二乘法计算ue坐标，具体为：

69、

70、其中(xi，yi)，i＝b，r，u表示bs、ris、ue的坐标；上述方法同样适合于上行信道，只用交换下标b和u的顺序即可。

71、本发明的有益效果为：

72、本发明提出了一种基于修正降维music的智能超表面辅助用户定位方案。该方案利用智能超表面的相位可重构特性，构建零均值正交的相位系数，分离出基站-用户直达信道和基站-智能超表面-用户级联信道，在基站-智能超表面具有良好视距路径的假设下，估计出智能超表面-用户信道，从而计算出两段信道的左右相关系数，并利用相关系数的toeplitz矩阵重构出左右伪协方差矩阵，进一步得到伪协方差矩阵，再对伪协方差矩阵进行特征值分解，利用信号空间与噪声空间的正交性构建修正的降维music空间谱，从而估计出基站-用户、智能超表面-用户的方位角，进而采用最小二乘方法计算出用户位置。本发明充分利用了智能超表面的相位可重构特性，相比于常规的降维music方案，所提方案利用已估信道相关系数的toeplitz矩阵重构出伪协方差矩阵，起到了空间平滑的效果，并且没有浪费阵列的有效孔径，以复杂度提升的代价换取了更高的估计精度，具备更高的实用性。