一种基于张量的IRS辅助时变系统的信道估计方法

一种基于张量的irs辅助时变系统的信道估计方法
技术领域
1.本发明属于无线通信、智能通信领域，具体涉及到一种基于张量的irs辅助时变系统的信道估计方法。


背景技术：

2.随着中国经济的高速发展，各地的居民小区数目迅速增长，形成了不同大小的密集型小区，给5g网络覆盖造成了信号盲区或信号弱的普遍现象。无线通信场景复杂多样，一方面，高楼、超高楼密布，需要5g基站提供高、中、低立体覆盖；另一方面，建筑物鳞次栉比，加上路牌、广告牌等室外构建物和绿化，都一定程度上遮挡了无线信号，无线信号从基站传播到用户需要经过多次绕射。研究创新、高效、节约频谱和资源的未来无线网络解决方案势在必行。在候选新技术中，智能反射面，其英文是intelligent reflecting surface，简称为irs以其独特的低成本、低能耗、可编程、易部署的特点脱颖而出。
3.智能反射面是一种可以重新配置的超表面，不需要专用电源来进行信号传输。与在无线网络中广泛部署的具有多个天线的现有中继相比，智能通信环境具有以下优势：irs由大量反射元件组成，通过控制器可以独立地改变信号反射的幅度或相位；此外，传统的每个中继需要配置一个专用电源，并配备必要的前端电路，由于这些原因，使用中继会导致网络功耗的增加，并可能需要更大的资本支出来进行部署，而irs不使用有源发射机，只将环境射频信号作为无源反射元件反射，没有额外的功耗，由于其简单的结构，可以部署在任意位置，大大提高了无线网络的覆盖范围，可以大大降低密集小区的部署成本，并且不受附加噪声的影响，使信号传递更准确。
4.无线信道环境的复杂多变要求在进行信号处理前必须先估计信道才能够得到真实的信道状态信息。但是接收的数据维度很大造成计算复杂度高，而张量方法在处理多维数据方面具有得天独厚的优势。张量建模的实际动机来自于可以同时从多维信号多样性中受益，例如空间、时间和频率多样性，因此，张量方法提高了无线链路的可靠性，同时实现联合多用户信号分离和信道估计，在模型唯一性条件下比传统的基于矩阵的解决方案更轻松。张量方法在信息处理领域有着巨大的发展潜力，将张量和智能反射面相结合具有可扩展性和应用价值。但是大多数irs不具备复杂的信号处理能力，使得信道状态信息的获取存在困难，irs辅助的协作通信系统面临比传统通信场景更为严峻的挑战。实际场景中的用户端是处于移动状态的，如果考虑实际场景中信道的时变，如何构建张量模型是目前需要解决的问题。


技术实现要素：

5.本发明的目的在于提供一种基于张量的irs辅助时变系统的信道估计方法，以解决上述背景技术中irs辅助的mimo系统精确的获得信道状态信息以及实际场景中的用户端是处于移动状态的，如果考虑实际场景中信道的时变，如何进行信道估计是目前需要解决的问题。
6.本发明提供了一种基于张量的irs辅助时变系统的信道估计方法是双线性交替最小二乘kronecker积重排，即bilinear alternating least squares with a rearrangement of the kronecker product，简称为bals-kr算法，包括如下步骤：
7.步骤1，设i＝0，对信号矩阵和第二跳信道矩阵进行随机初始化；
8.步骤2，i
←
i+1；
9.步骤3，通过公式获得的估计值，重新构建时变信道
10.步骤4，通过公式获得的估计值，其中
11.步骤5，利用kronecker积重排算法，从步骤4的中估计出信号矩阵和第二跳信道矩阵
12.(1)从m＝1到m＝nu[0013][0014]
(2)对(1)进行svd算法，即
[0015]
(3)估计信号矩阵
[0016]
(4)当m＝1时，估计第二跳信道矩阵
[0017]
步骤6，重复上述步骤，直到达到收敛条件。
[0018]
与现有发明相比本发明的有益效果是：
[0019]
该方法将编码后的信号经过irs反射并通过信道，在基站的接收信号可以表示为内嵌parafac模型的形式，并提出利用bals-kr算法求得时变和非时变信道的估计值及信号的检测，采用半盲估计算法结合了盲估计和非盲估计这两种算法的优点进行估计，只需要在传输过程中使用较短的训练序列便可完成精确估计，此外，与目前最新的irs辅助的通信系统信道估计方法相比，bals-kr信道估计方法不仅考虑了时变而且更估计效果更好，并且可以准确的检测信号。
附图说明
[0020]
图1为本发明的系统框图；
[0021]
图2为系统模型图；
[0022]
图3为bals-kr算法的不同irs单元的归一化均方误差曲线；
[0023]
图4为bals-kr算法与文献[1]的算法1、算法2归一化均方误差曲线。
具体实施方式
[0024]
下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本发明的保护范围之内。
[0025]
本实施例提供了一种基于张量的irs辅助时变系统的信道估计方法，包括如下步骤：
[0026]
步骤1，设i＝0，对信号矩阵和第二跳信道矩阵进行随机初始化；
[0027]
步骤2，i
←
i+1；
[0028]
步骤3，通过公式获得的估计值，重新构建时变信道
[0029]
步骤4，通过公式获得的估计值，其中
[0030]
步骤5，利用kronecker积重排算法，从步骤4的中估计出信号矩阵和第二跳信道矩阵
[0031]
(1)从m＝1到m＝nu[0032][0033]
(2)对(1)进行svd算法，即
[0034]
(3)估计信号矩阵
[0035]
(4)当m＝1时，估计第二跳信道矩阵
[0036]
步骤6，重复上述步骤，直到达到收敛条件。
[0037]
本发明相比于其他发明有明显的优势包括：
[0038]
(1)与目前最新的irs辅助的通信系统信道估计方法相比，bals-kr信道估计方法不仅考虑了时变而且更估计效果更好。
[0039]
(2)采用半盲估计算法结合了盲估计和非盲估计这两种算法的优点进行估计，只需要在传输过程中使用较短的训练序列便可完成精确估计。
[0040]
(3)目前irs辅助的通信系统大多未考虑信号检测，并且与普遍的中继辅助的信号检测方法相比，bals-kr方法信号检测效果更好。
[0041]
为了验证所提算法的性能，建立系统模型对该方法进行分析。应注意到：一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0042]
请参照图2，图2为本发明的系统模型图，即irs附着在建筑物上面。
[0043]
step1、对信号矩阵s和信道矩阵h2进行随机初始化。
[0044]
基站和智能反射面位置是固定的，用户端处于移动的状态，源节点通过f个irs辅
助的建筑将符号发送到目的节点，在该系统中，基站和每个irs单元分别配备nb天线和不同的mf个反射元件，其中f＝1，2，...，f，而用户配备nu个天线，符号是l是符号长度。假设信道是瑞利衰落的，并且具有互易特性，为了简化我们的问题，忽略了irs之间的干扰以及用户和基站之间的直接链路。是第t个时隙用户到第f个irs辅助的建筑物的信道矩阵，是第f个irs辅助的建筑物到基站的信道矩阵。如图1所示，irs辅助的建筑和基站的位置是固定的，而用户处于移动状态。因此，第二跳信道h
2，f
的变化比第一跳信道h
1，f，t
要慢得多。因此，假设第二跳信道h
2，f
的信道相干时间是第一跳信道h
1，f，t
的t倍。为了估计所有信道的信道状态信息，提出了时域方案，每个时隙被分成k个子时隙，用户在每个子时隙中传输相同的符号，irs的反射矩阵随着子时隙而变化。irs的每个反射元件都能够通过智能控制器分别调整其相移和振幅反射系数，智能反射面的反射矩阵为其中φf∈[0，2π]和βm∈[0，1]。在用户端的编码矩阵是在这些假设下，在第t个时隙的第k个子时隙中，用户通过第f个irs到基站的接收信号为：
[0045][0046]
其中，是基站的噪声矩阵。
[0047]
第t个时隙的第k个子时隙经过所有的f个智能反射面的接收信号是：
[0048][0049]
其中接收信号第一跳信道以及第二跳信道m＝m1+m2+...+mf，，代表k
×
m复值矩阵v的第k行，v的每行包括了智能反射面的第k子时隙反射矩阵配置。是噪声矩阵。
[0050]
定义并忽略噪声，那么
[0051][0052]
其中是组合矩阵，收集所有子时隙k的接收信号，则y
t
＝[y
1，t
，
…
，y
2，t
]并获得：
[0053][0054]
其中
[0055]
收集所有时隙t的接收信号，那么内嵌parafac的模型为：
[0056][0057]
其中是张量的模3展开。
[0058]
将进行矩阵形式的展开：
[0059][0060][0061][0062]
step2、对模3展开式进行伪逆运算，通过最小二乘算法对进行估计，
[0063][0064]
step3、对模1展开式进行伪逆运算，通过最小二乘算法对进行估计，
[0065][0066]
其中
[0067]
step4、根据kronecker积重排算法，z可以表示为：
[0068][0069]
其中对其取向量化并转置，则
[0070]
定义如下：
[0071][0072]
其中m＝1，...，nu，则zm＝s
·mvec(h2)
t
是秩1矩阵。
[0073]
对重排后的zm进行奇异值分解(svd)，左奇异值向量是s
·m的估计值，右奇异值向量的共轭是vec(h2)的估计值，最后进行排列，可以得到第二跳信道的估计值。
[0074]
step5、重复步骤2到步骤6直到：
[0075][0076]
满足收敛条件。
[0077]
在仿真结果中，我们假设传递符号是4-qam调制，用户和基站的天数分别为2个和
10个，通过给定智能反射面的不同的单元个数来验证仿真性能如图2所示，随着irs单元个数的增加，性能会随之降低；信道矩阵h2的性能优于时变信道因为第二跳信道利用了kronecker积重排算法的秩1约束步骤，所以有一个明显的噪声抑制，并且第一跳考虑了时变特性。
[0078]
bals-kr算法、基于文献[1]的算法1和算法2的归一化均方误差如图3所示，bals-kr算法采用半盲估计算法，只需要在传输过程中使用较短的训练序列便可完成精确估计，并且可以估计出时变信道，目前大多数irs辅助的是未估计出时变信道的，比如算法1和算法2，并且需要大量的训练序列，因此，bals-kr算法可以获得更准确的信道估计且考虑了时变的实际场景。
[0079]
[1]g.t.de ara
ú
jo，a.l.f.de almeida and r.boyer，
″
channel estimation for intelligent reflecting surface assisted mimo systems：a tensor modeling approach，
′
in ieee journal of selected topics in signal processing，vol.15，no.3，pp.789-802，april 2021.
[0080]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。