CN111355519A - 智能反射表面协助的室内太赫兹mimo通信***设计方法 - Google Patents

Abstract

本发明属于高频无线通信技术领域，具体涉及一种智能反射表面协助的室内太赫兹MIMO通信***设计方法。本发明的方案是，通信***包括装配有N_BS根天线和M_BS条射频链的基站、由N_IRS个反射阵元构成的智能反射表面和装配有N_MS根天线和M_MS条射频链的移动用户端，基站通过智能反射表面将N_S个数据流发送到移动用户端，本发明以最大化下行传输数据速率为目标，建立联合优化函数，并基于人工保留优良基因的遗传算法优化***传输数据速率最大化的问题。相对于传统技术，本发明的方案能够极大地降低IRS反射单元相位搜索的计算复杂度。

Description

智能反射表面协助的室内太赫兹MIMO通信***设计方法

技术领域

本发明属于高频无线通信技术领域，具体涉及一种智能反射表面(IntelligentReflecting Surface,IRS)协助的室内太赫兹MIMO通信***设计方法。

背景技术

近年来，第六代(Sixth Generation,6G)无线移动通信引起了人们的广泛关注，它迎合了人们对无线网络的各种通信需求。为了满足不同的应用场景，如虚拟现实、全息通信、无线数据中心、无线回程网络等，迫切需要为未来6G通信***开发新的频谱资源。相较于微波和毫米波频段，太赫兹频段被认为是提供大带宽和足够频谱资源的合适选择。具体来说，太赫兹通信能够实现极高的传输速率，可以从吉比特每秒(Gbps)暴涨到太比特每秒(Tbps)的质变。因此，太赫兹频段越来越受到世界各国的重视。例如，2019年的世界无线电通信会议(WRC)正式太赫兹频段从0.275THz-0.475THz太赫兹划分出来为移动和固定无线通信提供服务。THz通信虽然具有明显的优点，但在实际通信应用场景中仍存在一些不足。由于太赫兹波具有很强的方向性和严重的路径衰减，太赫兹通信的传输距离被限制在很小的范围内，因此很适用于室内通信场景。然而，一旦太赫兹通信被用于室内场景中，太赫兹信号很容易被墙壁、家具、天花板等障碍物阻挡。为了解决这个问题，在最近的科研领域，IRS被提出来从而解决室内太赫兹通信的覆盖问题以及频谱效率最大化问题。具体地说，IRS是一种由多个反射单元组成的超表面。同时，IRS反射单元可以根据通信环境的变化，智能地调整自己的相移从而最终影响入射波的相位与传播方向。由于IRS由多个无源反射单元组成并且不需要射频链路，其硬件复杂度和功耗非常低。因此，在未来6G无线通信场景中，IRS协助的室内太赫兹通信***值得进一步探索。

发明内容

本发明的目的是，针对室内太赫兹MIMO通信***频谱效率的问题，提出了一种基于人工保留优良基因的遗传算法(AGR-GA)来降低***的计算复杂度并提升***的频谱效率。与传统的遗传算法(C-GA)相比，本发明提出的AGR-GA在迭代过程中保留了良好的基因，并且消除了劣势基因，从而保证了在降低计算复杂度的条件下提升IRS辅助的太赫兹MIMO通信***频谱效率。

本发明采用的技术方案为：

一种智能反射表面协助的室内太赫兹MIMO通信***设计方法，如图1所示，基站端装配有N_BS根天线和M_BS条射频链的基站，IRS装配有N_IRS个反射单元，移动用户端装配有N_MS根天线和M_MS条射频链，基站端通过IRS将N_S个数据流

发送给移动用户端。由于太赫兹波在传输过程中具有极高的衰减，所以在太赫兹信号只能被IRS反射一次。基站端的发送信号可以表示为

其中ρ表示平均接收功率，

表征发射端混合预编码矩阵，而F^RF，F^BB分别表示发射端的模拟和数字预编码矩阵。在接收端，发送信号被混合解码器处理过后可以被表示为

y＝W^HHx+n＝W^HHFs+n

其中，n表示加性高斯白噪声(additive white Gaussian noise,AWGN)，并且服从

分布，

表示混合解码矩阵。此外，H表示***的级联信道，其可以表示为：

H＝H₂ΦH₁

其中，H₁表示为基站与IRS之间的信道，H₂表示为IRS与移动终端之间的信道，Φ为IRS相移矩阵，并且

是一个维度为N_IRS×N_IRS的对角矩阵，用来表征IRS反射单元的相移，

表示IRS反射阵元的反射系数，

表示每一阵元对波束的相位偏转。

假设信道状态信息能够完美估计，核心问题就变成了通过联合优化混合预编码矩阵F、混合解码矩阵W以及相移矩阵Φ来优化室内太赫兹通信***的频谱效率。考虑到直接求解很困难，本发明将优化频谱效率的问题其转化为IRS单元相位搜索的问题。分析了现有的硬件条件以后，发现IRS单元的相移是离散的，所以为每一个反射单元预设离散相位码本

且

那么，以最大化该智能反射表面协助的室内太赫兹MIMO通信***的下行传输数据速率

为目标，其中

为N_s×N_s维的单位矩阵，δ²为信道噪声功率，联合优化预编码矩阵F，混合解码矩阵W和相移矩阵Φ，建立目标函数如下：

其中，第一个约束是由智能反射表面阵元相位的离散化性质决定的，即每一阵元的相位偏转

属于某一离散相位集合

第二个约束是由智能反射表面的通信模型所决定的；第三个约束为最优预编码矩阵F^opt，可以通过对信道H₁进行奇异值分解获得F^opt，即

是由矩阵V₁的前N_s列向量构成的子矩阵；第四个约束为最优解码矩阵W^opt，可以通过对级联信道H进行奇异值分解获得W^opt，即H＝UΛV^H，W^opt＝U₁，U₁是矩阵U的前N_s列向量构成的子矩阵。

所述目标函数的求解方法为：

S1、初始化：

智能反射表面相位矩阵

随机生成初代种群

其中N_I为种群包含样本数，迭代次数为i＝0，迭代终止次数T_AGR，；

S2、若满足i≤T_AGR，则进入步骤S3；否则，进入步骤S9；

S3、将第i代种群中所有个体

依据译码准则解码成

S4、对于所有的

构造智能反射表面相移矩阵：

S5、基于构造的

计算所有个体

的适应度函数R，并找出其中具有最大适应度

的个体

S6、将个体

复制ηN_I次并直接保留到下一代种群Xⁱ⁺¹中作为N_AGR部分，其中η为上一代最优个体的基因型在这一代种群中的保留比例；

S7、通过轮盘赌策略生成剩下的N_R＝(1-η)N_I个个体；

S8、对N_R个个体通过AGR操作进行交叉，得到处理过的剩余N_RC个个体；

S9、把N_AGR和N_RC个个体合在一起组成最终的下一代种群Xⁱ⁺¹，迭代次数i＝i+1，返回步骤S2；

S10、将得到的最优种群中的最优个体

依据译码准则解码映射后得到最优的离散相位矩阵Φ^opt；

S11、计算等效信道H_e＝H₂Φ^optH₁；

S12、奇异值分解信道矩阵：H_e＝UΛV^H，

S13、得到联合码W^opt＝U[:,1:N_s]，预编码F^opt＝V₁[:,1:N_s]；

S14、返回最优预编码F^opt，最优联合码W^opt，最优智能反射表面相位矩阵Φ^opt。。

本发明的依据是，根据现有硬件条件分析，IRS调节波束的性能只与IRS所有反射单元的相位排布有关。目前采用两比特构造码本，每个IRS反射单元的相位有(0,π/2,π,3π/2)四种相位选择。因此，可以将室内太赫兹通信***频谱效率最大化问题转化为IRS单元相位搜索问题。虽然穷尽搜索算法可以保证找到最优解，但是其复杂度是随着IRS反射单元数目呈现指数增加的。虽然C-GA方案可以在一定程度上降低计算复杂度，但C-GA在迭代过程中需要对种群中的所有个体进行选择、交叉和变异，即使具有最大适应度的个体已经被找到了，仍有很大概率被交叉和变异破坏掉基因型，使得算法收敛性能较差，并降低了***的频谱效率。为此，本发明提出一种有效的人工保留优良基因的算法策略，所提出的AGR-GA方案在迭代过程中选择良好的基因进行保留并且消除了劣势的基因，使得遗传到后代的基因都是优良的，从而在低复杂度的情况下提升IRS协助的室内太赫兹MIMO通信***的频谱效率。

本发明的有益效果是：实现了室内太赫兹MIMO通信***频谱效率和能耗之间的最佳均衡。一方面，本发明所提的AGR-GA方案在每次迭代过程中通过选择人工保留下当代种群最优的基因型，保证了算法始终向着全局最优解搜索，所以极大地提升了***的频谱效率；另一方面，由于每次迭代都能人工保留下最优基因型，而种群剩下的个体由轮盘赌策略按比例产生并进行交叉和变异，所以本发明能够充分利用码本中各个码字概率的分布特征来保证在不跌入局部最优解的同时，算法收敛更快，极大地降低IRS反射单元相位搜索的计算复杂度。因此，本发明提出的AGR-GA方案不仅能够将计算复杂度降低数个数量级，还能实现接近最优的太赫兹***频谱效率，满足未来6G高速率低延时的室内通信场景。

附图说明

图1为下行链路IRS协助的太赫兹MIMO***框图；

图2为染色体交叉原理图；

图3为算法核心流程图。

具体实施方式

下面结合附图和实施例详细说明本发明的技术方案。

考虑一个下行链路IRS协助的太赫兹MIMO室内通信***模型。为了降低硬件复杂度和***损耗，混合预编码结构被采用来减少射频链的使用。由于基站端与移动用户端之间存在遮挡，太赫兹的视距通信易被破坏。因此，在房间四周安装智能反射表面，该表面由N_IRS个智能反射单元构成。所有的反射单元各有一个中央控制器控制，而控制器与基站端之间通过有线传输或无线信道相连，从而实现基站端与智能反射表面之间的信道状态信息的共享。此外，每一反射单元上均安装有简易感应器，该感应器造价成本低，功耗低，易于大规模生产。通过对到达IRS的波束的相位的感应并将此信息传送到中央处理器，通过可编程的方式自由控制每一阵元对到达波束的相位偏转，以此提高***性能。由于太赫兹在传输过程中损耗极大，本发明中太赫兹波在整个无线传输路径中只被IRS反射一次。装配有N_BS根天线和M_BS条射频链的基站端通过智能反射单元数为N_IRS的智能反射表面传输N_S个数据流

给具有N_MS根天线和M_MS条射频链的移动用户端。发送信号可以表示为

其中，ρ表示平均接收功率，

表征发射端混合预编码矩阵，而F^RF，F^BB分别表示发射端的模拟和数字预编码矩阵。在接收端，发送信号被混合解码器处理过后可以被表示为

y＝W^HHx+n＝W^HHFs+n

其中，n表示加性高斯白噪声(additive white Gaussian noise,AWGN)，并且服从分布

表示混合解码矩阵。此外，H表示***的级联信道，其可以表示为：

H＝H₂ΦH₁

其中，H₁表示为基站与IRS之间的信道，H₂表示为IRS与移动终端之间的信道，信道H₁和信道H₂可以被包含少数散射路径的典型几何信道模型表示，Φ为IRS相移矩阵，并且

是一个维度为N_IRS×N_IRS的对角矩阵，用来表征IRS反射单元的相移，

表示IRS反射阵元的反射系数，

表示每一阵元对波束的相位偏转。

得到完美的信道信息以后，核心问题就变成了通过联合最优化混合解码矩阵W和相移矩阵Φ来实现***频谱效率和能耗之间的均衡。考虑到直接求解很困难，本发明将其转化为IRS单元相位搜索问题。分析了现有的硬件条件以后，发现IRS单元的相移是离散的，所以预设好相位码本

且

那么该太赫兹MIMO***模型的数据速率R可以被表示为

虽然穷举搜索方案可以达到最佳的数据速率性能，但它涉及矩阵乘法和奇异值分解操作，具有极高的计算复杂度。为此，具有低复杂度的C-GA被提出来避免相移组合的穷尽搜索。为了进一步补偿C-GA算法带来的性能损失和收敛速度慢，本发明提出了更加高效的AGR-GA方案，在迭代过程中通过人工控制基因的遗传，也即选择优良的基因进行保留，从而提升整个太赫兹通信***的频谱效率。

本发明提出的AGR-GA方案是一种通过定义适应度函数来寻找次优解的非线性优化技术。该适应度函数由一组自适应参数控制。与穷举搜索方法相比，C-GA方案不是执行常规的网格搜索，而是利用多个搜索路径，从而降低了复杂度，提高了搜索效率。C-GA能够显著降低复杂度，但随着IRS单元数量的增加，算法收敛速度急剧减缓。为了解决这一收敛问题，本发明提出了选择性地保留个体的优良基因，将优良的基因遗传到下一代，而将劣质基因在下一代中消除。与C-GA相比，本发明提出的人工基因保留操作可以大幅度地提高算法的收敛速度，避免陷入局部最优解。AGR-GA方案的主要AGR操作概括为两个方面，即AGR选择和AGR杂交：

接下来，对AGR-GA方案的几个主要阶段作了相应的描述。

1.编码准则：考虑实际相移结构，选择IRS相位的量化数位2比特为例。因此IRS每个单元的码本集合为

为了更精确地表征IRS单元移相相位，采用四进制编码。即

2.初始种群：初始种群中的个体是根据具体场景随机生成地，在这里，让N_I表示初始种群中包含个体的数目。那么在第i次迭代中，种群矩阵可以被描述为

其中

D是所有属于[0.3]的整数的集合。

3.适应度函数：适应度是衡量一个物种对生存环境的适应性。同样，利用C-GA的适应度函数来评价种群中个体的质量。此外，适应度函数还决定了个体在遗传过程中会受到压力并被淘汰的基因。因此，适应度函数的选择直接影响到算法的收敛性和最优解。由于目标是获得最佳的频谱效率，因此数据速率R被选为适应度函数。

4.种群新个体AGR选择：选择操作依据物竞天择准则生成新一代种群，保证算法逐渐向峰值(最优解)移动。为了提高搜索效率，人工复制多个上一代最优个体的基因型，并将其直接保留到下一代，构成下一代种群的第一部分。这里定义η∈[0,…1]表征最优的N_AGR个个体占下一代种群的比例。为了找到最优的基因型，计算所有个体

的适应度函数R并将其表示为：

并找出其中具有最大适应度

的个体

并将个体

复制ηN_I次并直接保留到下一代种群Xⁱ⁺¹中作为N_AGR部分。除了通过AGR选择生成的N_AGR个个体，当代种群中剩下的N_R个个体通过轮盘赌策略产生。上一代种群的总适应度之和为

然后，每一个个体被选中的概率取决于他们的适应度占总数的比例。即为

从上一代种群中依据概率向量P^i-1选择N_R＝(1-η)N_I个个体用于下一步处理。

5.种群内个体AGR交叉和变异：上述步骤都是为了提高优良基因型在种群中的比例，而算法还需要通过突变、杂交等遗传操作，产生新的基因型，以跳出局部最优解。一方面，任意两个相邻的个体相互交换一些基因以产生两个新的基因型，在那之后，从两个父母和两个通过基因交叉操作产生的后代中保留适应度最大的两个到下一代。这个过程如图2所示。另一方面，因为在遗传给后代的过程中，染色体突变的概率非常小,为了模拟这种突变操作，设置一个突变概率，并在区间[0,1]内随机生成N_I个概率值。因此，一旦随机概率值小于突变概率，所选个体的基因将依次随机突变几位。最后得到新的剩余N_RC个个体，这样的交叉变异运算大大提高了AGR-GA的收敛速度。

这三种搜索算法的计算复杂度主要来源于三个部分。首先涉及到两个矩阵

和

的乘法复杂度为

第二，搜索算法搜索码本时的复杂度。最后，对信道矩阵进行SVD分解的复杂度为

综上，三种搜索算法的复杂度可以计算并如下表所示：

实施例

本实施例采用Matlab仿真平台进行实验。

S1、设置太赫兹MIMO***参数，包括IRS单元数N_IRS＝32、基站天线数N_BS＝128和射频链数M_BS＝4、用户天线数N_MS＝32和射频链数M_MS＝4、码本大小

基因保留比例η＝0.5，已知的完美信道信息H。***工作频率是0.34THz。信道H₁和H₂采用几何信道模型

其中路径数L＝3，路径增益

物理角度θ_IRS和θ_BS均匀分布于[0,2π]。阵列响应矢量

其中d＝λ/2＝c/(2f)，c＝3×10⁸m/s。其他阵列响应的表达式可参考a(θ_BS)，信道H₂的表达式可参考H₁。此外，设置信噪比SNR＝ρ/δ²∈[-40,0]dB，基站端传输数据流数N_s＝4，

S2、初始化IRS相位矩阵

随机生成初代种群

其中N_I为种群包含样本数。迭代次数为i＝0，迭代终止次数T_AGR＝20，

S3、若满足i≤T_AGR，则进入步骤S4；否则，进入步骤S11；

S4、将第i代种群中所有个体

依据译码准则解码成

S5、对于所有的

构造IRS相移矩阵：

S6、基于构造的

计算所有个体

的适应度函数R，并找出其中具有最大适应度

的个体

S7、将个体

复制ηN_I次并直接保留到下一代种群Xⁱ⁺¹中作为N_AGR部分，

S8、通过轮盘赌策略生成剩下的N_R＝(1-η)N_I个个体；

S9、对N_R个个体通过AGR操作进行交叉如图2所示，得到处理过的剩余N_RC个个体。

S10、把N_AGR和N_RC个个体合在一起组成最终的下一代种群Xⁱ⁺¹，迭代次数i＝i+1，返回步骤S3

S11、将得到的最优种群中的最优个体

依据译码准则解码映射后得到最优的离散相位矩阵Φ^opt；

S11、计算等效信道H_e＝H₂Φ^optH₁；

S12、奇异值分解信道矩阵：H_e＝UΛV^H，

S13、得到联合码W^opt＝U[:,1:N_s]，预编码F^opt＝V₁[:,1:N_s]；

S14、计算传输频谱效率

并返回最优预编码F^opt，最优联合码W^opt，最优IRS相位矩阵Φ^opt。

采用本发明所述方法进行仿真测试。首先比较在不同SNR下三种搜索方案的频谱效率性能，其次比较C-GA和AGR-GA的收敛性能，最后比较三种搜索方案的计算复杂度。随着IRS单元数量不断增加，AGR-GA降低计算复杂度的比率越来越大。综上所述，本发明首次将人工保留最优基因辅助的遗传算法用于IRS单元的相位码本搜索问题，所提AGR-GA方案能够大幅度降低计算复杂度，提高了收敛性能，并通过选择合适的参数保证频谱效率表现基本没有损失。

Claims (1)

1.智能反射表面协助的室内太赫兹MIMO通信***设计方法，其特征在于，所述通信***包括装配有N_BS根天线和M_BS条射频链的基站、由N_IRS个反射阵元构成的智能反射表面和装配有N_MS根天线和M_MS条射频链的移动用户端，基站通过智能反射表面将N_S个数据流发送到移动用户端，

太赫兹波在整个无线传输路径中只被智能反射表面反射一次，基站端发射信号为：

其中，ρ表示平均接收功率，

表征发射端混合预编码矩阵，F^RF，F^BB分别表示发射端的模拟和数字预编码矩阵；

移动用户端，发射信号被混合解码器处理过后为：

y＝W^HHx+n＝W^HHFs+n

其中，n表示加性高斯白噪声，并且服从

分布，σ为噪声功率，I为单位矩阵，

表示混合解码矩阵，H表示***的级联信道，表示为：

H＝H₂ΦH₁

其中，H₁表示基站与智能反射表面之间的信道，H₂表示智能反射表面与移动用户端之间的信道，Φ为智能反射表面相移矩阵，并且

是一个维度为N_IRS×N_IRS的对角矩阵，用来表征IRS反射单元的相移，

表示IRS反射阵元的反射系数，

表示每一阵元对波束的相位偏转；

移动用户采用N_s条射频链以及与射频链相连的模拟移相器对接收信号y₁进行处理，处理后的信号为

其中

表示混合联合矩阵，由模拟联合矩阵和数字联合矩阵两部分构成；

以最大化该智能反射表面协助的室内太赫兹MIMO通信***的下行传输数据速率

为目标，其中

为N_s×N_s维的单位矩阵，δ²为信道噪声功率，联合优化预编码矩阵F，混合解码矩阵W和相移矩阵Φ，建立目标函数如下：

(Φ^opt,W^opt,F^opt)＝arg max R,

W^opt＝U₁.

其中，第一个约束是由智能反射表面阵元相位的离散化性质决定的，即每一阵元的相位偏转

属于某一离散相位集合

第二个约束是由智能反射表面的通信模型所决定的；第三个约束为最优预编码矩阵F^opt，通过对信道H₁进行奇异值分解获得F^opt，即

是由矩阵V₁的前N_s列向量构成的子矩阵；第四个约束为最优解码矩阵W^opt，通过对级联信道H进行奇异值分解获得W^opt，即H＝UΛV^H，W^opt＝U₁，U₁是矩阵U的前N_s列向量构成的子矩阵；

所述目标函数的求解方法为：

S1、初始化：

智能反射表面相位矩阵

随机生成初代种群

其中N_I为种群包含样本数，迭代次数为i＝0，迭代终止次数T_AGR，；

S2、若满足i≤T_AGR，则进入步骤S3；否则，进入步骤S9；

S3、将第i代种群中所有个体

依据译码准则解码成

S4、对于所有的

构造智能反射表面相移矩阵：

S5、基于构造的

计算所有个体

的适应度函数R，并找出其中具有最大适应度

的个体

S6、将个体

复制ηN_I次并直接保留到下一代种群Xⁱ⁺¹中作为N_AGR部分，η为上一代最优个体的基因型在这一代种群中的保留比例；

S7、通过轮盘赌策略生成剩下的N_R＝(1-η)N_I个个体；

S8、对N_R个个体通过AGR操作进行交叉，得到处理过的剩余N_RC个个体；

S9、把N_AGR和N_RC个个体合在一起组成最终的下一代种群Xⁱ⁺¹，迭代次数i＝i+1，返回步骤S2；

S10、将得到的最优种群中的最优个体

依据译码准则解码映射后得到最优的离散相位矩阵Φ^opt；

S11、计算等效信道H_e＝H₂Φ^optH₁；

S12、奇异值分解信道矩阵：H_e＝UΛV^H，

S13、得到联合码W^opt＝U[:,1:N_s]，预编码F^opt＝V₁[:,1:N_s]；

S14、返回最优预编码F^opt，最优联合码W^opt，最优智能反射表面相位矩阵Φ^opt。

Images