一种通感一体化场景下联合预编码设计方法

本发明属于无蜂窝大规模mimo系统协作通感一体化，尤其涉及一种通感一体化场景下联合预编码设计方法。

背景技术：

1、通感一体化(isac)技术，通过优化频谱和硬件资源的共用策略，不仅整合了通信与感知能力，还显著提升了频谱效率并减少了经济投入。在推动6g技术向万物智联迈进的过程中，基于无蜂窝架构的多输入多输出(mimo)协同isac系统扮演了关键角色。该系统中，众多接入点与中央处理器紧密结合，由中央处理器统一调度，执行一致的数据传输和接收操作，服务于广泛的用户设备。此外，isac技术在环境监测和智能决策支持方面也展现出潜力，接入点间的协作不仅限于通信，还包括对周围环境的实时感知，从而丰富了系统的功能和应用范围。

2、在这样复杂的isac系统中，通信与感知预编码的设计显得尤为关键。精确的预编码技术不仅确保了通信信号的稳定传输和接收，同时也提高了感知的精度和范围。预编码设计的高效性直接影响到系统在复杂环境中的适应能力，以及在多用户和多任务场景下的性能表现。因此，优化通信与感知波束的算法和策略，成为了提升系统整体性能、实现高效资源利用和保障服务质量的核心所在。通过精心设计的波束，isac系统能够更好地协调通信与感知功能，为车联网、无人机等应用提供更加稳定和可靠的服务。

技术实现思路

1、本发明目的在于提供一种通感一体化场景下联合预编码设计方法,充分利用深度学习驱动，抑制了无蜂窝协作通感一体化系统中相互耦合的、难以处理的各种干扰，克服了现有技术中算法复杂的问题，可以快速得到不同场景中的最优联合预编码设计。

2、为解决上述技术问题，本发明的具体技术方案如下：

3、一种通感一体化场景下联合预编码设计方法，具体包括以下步骤：

4、步骤1、建立无蜂窝协作通感一体化系统的信道模型和数据传输模型；

5、步骤2、根据无蜂窝协作通感一体化系统的信道模型和数据传输模型，设计深度展开的联合通信感知预编码设计网络；

6、步骤3、利用根据信道分布规律随机生成的训练数据，训练深度展开的联合通信感知预编码设计网络；

7、步骤4、利用训练好的联合通信感知预编码设计网络输出优化算法流程参数，进而利用构建好的优化算法流程获取通感一体化场景不同时隙下的通信预编码向量和感知预编码向量。

8、进一步的，步骤1具体包括：

9、步骤101：在一个无蜂窝系统中，建立由一个中央处理器cpu管理的区域场景模型；其中分布有m个接入节点ap和k个用户；m个接入节点ap中有mul个工作在上行模式，剩余mdl＝m-mul个工作在下行模式；k个用户包含kul个上行需求用户和kdl个下行需求用户；每个接入节点ap配备n个天线，并通过前传链路与中央处理器cpu相连；同时，区域场景模型中还存在一个位置不确定的目标，无蜂窝系统需要同时完成对上行需求用户的上行通信、对下行需求用户的下行通信、以及对目标移动方向和速度的感知；

10、采用快衰落信道模型，设置在每个相干时间块中的信道条件保持不变，开始对系统场景中的信道进行建模；设k为集合[1，k]中的任意一个整数，m为集合[1，m]中的任意一个整数，从第k个用户到第m个接入节点ap的信道矢量记为一个n行1列的向量设j为集合[1，kul]中的任意一个整数，l为集合[1，kdl]中的任意一个整数，从第j个上行用户到第l个下行用户的信道记为一个复数设u为集合[1，mul]中的任意一个整数，i为集合[1，mdl]中的任意一个整数，第u个上行ap和第i个下行ap间的没有目标反射的直射信道记为一个n行n列复数矩阵目标的存在会使得上行ap和下行ap间存在经过目标反射的信道，第u个上行ap和第i个下行ap间的目标反射信道记为一个n行n列复数矩阵cpu无法知道的精确数值，只能通过先验知识得到先验目标反射信道

11、步骤102：无蜂窝系统同时进行上下行通信和对目标移动方向和速度的感知，此时每个下行接入节点ap发送包含下行通信信号和感知信号的通感一体集成信号，第i个下行接入节点发送的信号为其中，表示第i个下行接入节点对第l个下行用户的通信预编码向量，表示对第l个下行用户的通信信号；示第i个下行接入节点的感知预编码向量，表示第i个下行接入节点的感知信号；

12、第l个下行用户的接收信号表示为：

13、

14、其中，表示第l个下行用户期望获得的通信信号；表示其余下行用户的通信干扰；表示由于用户和ap间信道估计误差造成的干扰；表示感知信号造成的干扰；表示上行用户造成的交叉链路干扰；表示第l个下行用户的噪声干扰；

15、依据第l个下行用户接收到的期望信号和干扰信号即可解调出高精度下行通信信号；第l个下行用户的通信频谱效率表示为

16、

17、步骤103：cpu接收到的第j个上行用户的信号表示为：

18、

19、其中，h表示取共轭转置，vuj表示第u个上行ap接收到的信号第j个上行用户的最大比合并接收机向量，表示第u个上行ap收到的信号；表示第l个下行用户期望获得的通信信号；表示其余下行用户的通信干扰；表示由于用户和ap间信道估计误差造成的干扰；表示感知信号造成的干扰；表示由下行接入节点造成的交叉链路干扰；表示噪声干扰；第j个上行用户的通信频谱效率表示为

20、

21、步骤104：基于步骤103和104中对上下行通信信号的解码，第u个上行ap收到的信号进行通信干扰消除后表示为其中，表示第u个上行ap期望接受到的感知信号；和分别表示干扰消除后残余上行通信信号干扰与残余下行通信信号干扰；表示噪声干扰；通过最大化感知信噪比的接收机设计，第u个上行ap的感知信干噪比表示为定义作为感知性能的评价指标，mul表示工作在上行模式的接入节点ap数量。

22、进一步的，步骤2具体包括：

23、步骤201：设计展开的联合通信感知预编码设计网络的输入层；

24、输入层的输入是估计的接入点与用户间信道矩阵、下行接入节点与上行接入节点之间的信道；首先建立一个m行m列(n+n2)页的复数矩阵zln，它的前n页用于存储估计的接入点与用户间信道矩阵，后n2页用于存储估计的下行接入节点与上行接入节点之间的信道矩阵；然后将zln内的每个元素转换为其绝对值，得到一个m行m列(n+n2)页的实数矩阵zln,re，这是后续网络易于处理的矩阵形式，即为输入层的输出形式；

25、步骤202：设计展开的联合通信感知预编码设计网络的预编码层；

26、预编码层由l个残差模块串联组成，每个残差模块都包括两个上卷积单元、一个下卷积单元以及一个加法操作；两个上卷积单元使用卷积层来实现预编码矩阵映射；下卷积单元中的卷积核大小为1x1，它的滑动步长、零填充、卷积核数量被设置为确保下卷积单元和上卷积单元的输出特征具有相同的维度；将输入层输出的zln,re依次输入每个残差模块，最终第l个残差模块会输出一个md1行(kdl+1)列2n页的实数矩阵bz，并且bz的每个元素都在-1到1之间；

27、步骤203：设计展开的联合通信感知预编码设计网络的约束层；

28、预编码层输出的bz会首先输入约束层的变形模块，得到一个mdl行(kdl+1)列n页的虚数矩阵cz,其中bz的前n页是cz的实数部分，后n页是cz的虚数部分；接着，cz会输入约束层的投影模块，使得cz满足

29、

30、其中，cm，i表示cz的第m行第i列的所有页中的元素组成的向量，表示cm，i的共轭转置，pap表示每个ap的最大传输功率；投影模块输出的cz即为满足功率约束的联合预编码，其中cz的所有行、前kdl列、所有页的元素组成的三维矩阵为联合通信感知预编码设计网络输出的通信预编码，cz的所有行、最后一列、所有页的元素组成的二维矩阵为联合通信感知预编码设计网络输出的感知预编码；

31、接着，cz被输入约束层的感知约束模块，感知约束模块由两层卷积层和一个池化层构成，输出一个正实数dz，它表示感测约束的安全距离参数；dz会和cz一起作为约束层的输出，输入到网络的下一层；

32、步骤204：设计展开的联合通信感知预编码设计网络的损失函数计算层；

33、将dz和cz一起输入到损失函数计算层后，联合通信感知预编码设计网络的损失函数lθ定义为

34、

35、其中是通信性能的惩罚因子，和分别表示在联合通信感知预编码设计网络为θ时，将输出的cz作为联合预编码，计算得到的第j个上行用户通信速率和第l个下行用户通信速率；rsen，th是希望达到的感知性能阈值；rsen(θ)表示在联合通信感知预编码设计网络为θ时，将输出的cz作为联合预编码，计算得到的感知性能指标。

36、进一步的，步骤3具体包括以下步骤：

37、对构建的联合通信感知预编码设计网络使用无监督训练，生成10000组蒙特卡洛场景，其中用户的位置、接入节点的位置、感知目标的位置，节点间的信道均为随机产生；每个场景中获得的估计的接入点与用户间信道矩阵、下行接入节点与上行接入节点之间的信道会被输入进构建的联合通信感知预编码设计网络；每次随机取样bmini组场景数据输入参数为θ的网络，输出bmini组场景对应的联合预编码矩阵和损失函数；使用深度学习框架pytorch中的adam优化器训练网络，会使网络的参数θ往最小化bmini组场景的平均网络损失函数的方向进行训练；θ一共进行niter次迭代训练，直至收敛为最优的网络参数值θ*。

38、进一步的，步骤4具体包括以下步骤：

39、将当前相干时间块得到的估计的接入点与用户间信道矩阵、下行接入节点与上行接入节点之间的信道输入具有最优的网络参数值θ*的联合通信感知预编码设计网络，联合通信感知预编码设计网络会输出此相干时间对应的mdl行(kdl+1)列n页的联合预编码矩阵cz；其中cz的第m行第k列所有页的元素组成的向量表示场景中第m个下行ap对第k个下行用户的通信预编码向量，cz的第m行最后一列所有页的组成的向量表示场景中第m个下行ap的感知预编码向量。

40、本发明的一种通感一体化场景下联合预编码设计方法，具有以下优点：充分利用深度学习驱动，有效抑制了无蜂窝协作通感一体化系统中的相互耦合干扰；克服了现有技术中算法复杂的问题，简化了预编码设计流程；大大降低了计算开销，提高了算法的执行效率；建立了精确的信号与信道模型，为预编码提供了坚实的基础；通过无监督学习，使算法能够自主学习并适应复杂的通信与感知环境；在部署阶段，实现了实时性优化，适应不同时隙下的通信与感知需求。本发明进一步提升系统性能，对6g通感一体化的实际部署具有非常重要的意义。