CN113965881B - 遮挡效应下的毫米波一体化通信与感知方法 - Google Patents

Abstract

本发明提供一种遮挡效应下的毫米波一体化通信与感知方法，利用现有通信***的导频信号或其它已知数据序列来进行感知，首先，构建了考虑遮挡效应的毫米波信道模型，将环境感知问题转换为压缩感知重构问题，随后基于环境散射体之间的相对位置关系，建立环境散射体分布与遮挡关系的模型。并根据接收数据、环境散射体分布和遮挡效应之间的关系，建立基于因子图的概率推理模型。最后基于利用遮挡关系的双线性近似消息传递方法，求解压缩感知重构问题，实现对环境的感知。相比现有的环境感知重构算法，本发明的基于遮挡效应的毫米波环境感知算法显著提升了环境感知的准确度，为未来感知通信一体化***设计提供了一种高效的环境感知方法。

Description

遮挡效应下的毫米波一体化通信与感知方法

技术领域

本发明涉及无线通信领域，尤其新一代无线通信领域中的感知与通信一体化***设计。

背景技术

毫米波(mmWave)由于其具有高带宽、高可靠性和高集成性特点，结合大规模多输入多输出(MIMO)技术，已经成为了当前无线通信领域中的研究重点。随着无线通信行业的快速发展，考虑到快速增多的连接设备和服务，越发复杂的无线移动通信的应用场景，无线通信信号的传播环境日益复杂。同时，随着无线通信基站越发密集的部署，并且接收方和发送方具有相比以前更加强大的计算能力和物理性能，信息处理能力大幅提高，这对于通信体制提出了更高的要求。我们不仅希望它们能够继续提供原本的通信服务，同时希望通信设备利用自己强大的处理能力完成对环境的感知。具体而言，在未来的无线通信场景中，智慧城市、自动驾驶和无人机定位等新型技术不仅需要无线宽带连接，还需要感知准确的环境信息，包括但不限于该环境中静止或移动物体的背景散射体的位置、形状、状态和电磁特性等。

如何基于无线通信架构，利用无线通信设备进行环境感知，实现感知通信一体化是下一代无线通信***的重要研究方向。其中，在利用上行链路进行环境感知时，基站通过接收用户发送的上行链路通信信号，进行数据通信的同时，实现被动式环境感知。感知通信一体化***设计的一大挑战在于环境中潜在的大量未知变量，因此应该利用目标环境本身的稀疏性。例如，在蜂窝通信网络中，建筑物稀疏地分布在无线网络覆盖范围内。除此之外，散射体之间普遍具有遮挡效应，距离用户较近位置的散射体会对电磁信号产生遮挡，使其不能到达至同一传播方向下距离较远的散射体。因此，并不是感知范围内的所有散射体都会对同一用户的多径信道产生影响，互相遮挡造成了不同用户面临着不同的散射体环境，多个用户需要进行多视角的联合感知。目前，现有的环境感知算法没有利用环境散射体分布和遮挡效应之间关系，没有对此问题进行针对性的考虑，在求解具有遮挡效应的成像模型时性能较差。

综上所述，综合考虑毫米波环境感知问题和遮挡效应下的用户观测目标不一致的问题，如何联合实现上行数据中环境信息的分离和遮挡效应的分辨具有较高的研究难度和现实意义。

发明内容

本发明的目的是为了解决在上行链路无线通信场景中，基站如何利用多用户发送的上行数据进行环境感知的问题。本发明利用现有通信***的导频信号或其它已知数据序列来进行感知，收发处理分离，可与现有通信***兼容，实现感知通信一体化。考虑到由于环境散射体之间存在遮挡效应，不同用户面临着不同的散射体环境，提出了一种遮挡效应下的毫米波一体化通信与感知方法。

本发明所采用的具体技术方案如下：

一种遮挡效应下的毫米波一体化通信与感知方法，包括如下步骤：

1)在第T个时隙中，基站接收空间内的所有活跃用户发送的长度为L的导频序列s信号；

2)基站接收到信号后，基于一种考虑遮挡效应的毫米波信道模型，将环境感知问题转换为压缩感知重构问题；

3)基于环境散射体之间的相对位置关系，建立一种环境散射体分布与遮挡关系的模型；

4)计算接收数据、环境散射体分布和遮挡效应之间的关系，建立一种基于因子图的概率推理模型；

5)结合步骤3)和步骤4)中得到的模型，基于一种利用遮挡关系的双线性近似消息传递方法，求解步骤3)中的压缩感知重构问题，实现对环境的感知。

在一个或多个实施例中，为了将步骤2)中环境感知问题转换为压缩感知重构问题，需要在基于一种考虑遮挡效应的毫米波信道模型的基础上，对由环境散射体所造成多径信道H^S进行估计，并分离出信道中的环境信息。

在一个或多个实施例中，步骤2)中的毫米波信道模型和压缩感知重构问题为：

2.a)环境信息离散化，将整个空间内的环境信息视作为点云，点云中的每个点代表其周围大小为l_r,w_r和h_r的小立方体的环境信息，这些小立方体称为像素；感知的散射体环境的长、宽、高分别为L_r、W_r和H_r，则空间内点云的数量为N＝L_r/l_r×W_r/w_r×H_r/h_r；每一个像素内部可能是空的，也可能是存在散射体；我们使用一个散射系数x_n来表示第n个点云点的所在小立方体的散射系数，若小立方体内部是空的，则x_n＝0；所以整个空间的环境信息可以用如下变量表示：

x＝[x₁,x₂,...,x_N]^T；

2.b)将***模型表示如下，在空间内的多个用户共享时频资源，在任意频率资源块上，第n_R个BS接收天线接收信号表示为

其中

表示N_R个BS天线的接收信号，

表示N_u个用户发送长度为L码元的导频，w为噪声，

表示用户到接收天线直视路径的信道系数，

表示用户到空间点云位置的信道系数，

表示用户到空间点云位置的信道系数，且H(n_R)＝H^s1(n_R)diag(H^s2(n_R))，其中

表示用户至空间点云位置的遮挡矩阵，当V^s1出现全零列时，表示所有用户都无法感知到该像素点，即该像素点在感知范围外，V^s2(n_R)∈{0,1}^N×1表示空间点云位置直射至接收天线的遮挡矩阵，当V^s2(n_R)出现零元素时，表示接收天线无法感知到该像素点，该像素点也在感知范围外，且V(n_R)＝V^s1(n_R)diag(V^s2(n_R))；

2.c)基于上述***模型，求解环境信息的优化问题表达为，

在通信过程中,信道不确定性主要来自于未知的环境散射体分布，对于直视信道H^LOS采用已知的统计模型描述，由此用户发送已知的导频s对信道H^S进行估计，从而将求解问题转换为压缩感知重构问题：

其将N_R个BS接收天线所得的信道估计值拼接为矩阵，其中H^S已知，

H已知，需要在遮挡矩阵V未知的条件下求解环境信息x。

在一个或多个实施例中，步骤3)中的环境散射体分布与遮挡关系的模型为：

像素点A和B之间存在一个存在散射系数的像素点C，我们提出了一种环境散射体分布与遮挡关系的模型进行遮挡判断，令像素点A位置为坐标原点，则像素点B和C的坐标分别表示为b和c，通过满足以下三点条件判断像素点C对像素点A和B之间的直视路径产生了遮挡；

像素点C与像素点A和B之间的直视路径的距离d小于阈值β：

向量b与向量c之间的夹角为锐角：

b·c＞0；

像素点C位于像素点A和B之间：

||c·b||＜||b||²。

在一个或多个实施例中，步骤4)中的一种基于因子图的概率推理模型为：

将

与x后验概率分解为：

根据步骤2)的压缩感知重构问题和步骤3)中的遮挡关系构建因子图模型；因子图包含变量节点

和x，函数节点

p_x(x)和

并令H^S长度M＝N_uN_R，其中：

其中，H^S是z的加噪观测，噪声是方差为σ^w的高斯白噪声；p_x(x)表示x的先验分布为高斯-伯努利分布：

其中λ表示环境信息x的稀疏度，

表示环境信息x对信道的遮挡关系，具体如下：

在一个或多个实施例中，步骤5)中的利用遮挡关系的双线性近似消息传递方法为：

5.a)初始化算法参数，令t为迭代次数，对于m＝1,2,...,M，残差均值为

对于m＝1,2,...,M，n＝1,2,...,N，根据步骤4)中设定的p_x(x)和

生成x的估计的均值

和方差

的估计的均值

和方差

5.b)对于m＝1,2,...,M，计算

的观测均值

和方差

具体如下：

其中，

5.c)对于m＝1,2,...,M，计算z_m的估计的均值

和方差

具体如下：

其中，

其中，C是归一化变量；

5.d)对于m＝1,2,...,M，计算残差的均值

和方差

具体如下：

5.e)对于m＝1,2,...,M，n＝1,2,...,N，计算

的观测均值

和方差

对于n＝1,2,...,N，计算

的观测均值

和方差

具体如下：

5.f)对于m＝1,2,...,M，n＝1,2,...,N，计算

的估计均值

和方差

对于n＝1,2,...,N，计算x_n的观测均值

和方差

具体如下：

其中，

5.g)重复执行步骤b)至步骤f)直到达到收敛条件

得到环境信息x的估计值

本发明具有的有益效果是：在无线通信上行链路中，利用用户发送数据做环境感知的场景下(例如，一个多天线基站利用多个单天线用户发送的上行数据进行环境感知)，本发明提出的遮挡效应下的毫米波环境感知方法，即一种遮挡效应下的毫米波一体化通信与感知方法，利用现有通信***的导频信号或其它已知数据序列来进行感知，可与现有通信***兼容，实现感知通信一体化。首先，本发明构建了一种考虑遮挡效应的毫米波信道模型，将环境感知问题转换为压缩感知重构问题。随后基于环境散射体之间的相对位置关系，建立一种环境散射体分布与遮挡关系的模型。并根据接收数据、环境散射体分布和遮挡效应之间的关系，建立一种基于因子图的概率推理模型。最后基于一种利用遮挡关系的双线性近似消息传递方法，求解压缩感知重构问题，实现对环境的感知。其利用多个用户观察视角，对环境进行了多视角的重构，相比现有的环境感知重构算法，本发明的基于遮挡效应的毫米波环境感知算法显著提升了环境感知的准确度，为未来感知通信一体化***设计提供了一种高效的环境感知方法。

附图说明

图1是遮挡效应下的毫米波环境感知场景示意图；

图2是环境散射体分布与遮挡关系示意图；

图3基于遮挡关系的因子图；

图4是将本发明与其他压缩感知重构算法相比较的环境感知直观结果图；

图5是将本发明与其他压缩感知重构算法相比较时，用户数量与环境感知准确度MSE的关系图；

图6是将本发明与其他压缩感知重构算法相比较时，信噪比SNR与环境感知准确度MSE的关系图。

具体实施方式

如图1所示，首先我们考虑如下场景，在室外区域中部署有一个基站(BS)，存在多个活跃用户(UE)。上行通信场景中，多个单天线用户同时发送上行通信信号至BS。发送信号由散射体散射，多径传播至BS接收。环境中散射体之间存在遮挡效应，如上图所示，用户1的发送信号仅由目标散射体1、3散射后被AP接收，目标散射体2则不影响这一过程。

本发明一实施例提供了一种遮挡效应下的毫米波一体化通信与感知方法，其包括如下步骤：

1)在第T个时隙中，基站接收空间内的所有活跃用户发送的长度为L的导频序列s信号；

2)基站接收到信号后，基于一种考虑遮挡效应的毫米波信道模型，将环境感知问题转换为压缩感知重构问题；

其中，在本发明一实施例中，为了将步骤2)中环境感知问题转换为压缩感知重构问题，需要在基于一种考虑遮挡效应的毫米波信道模型的基础上，对由环境散射体所造成多径信道H^S进行估计，并分离出信道中的环境信息。

具体地，在本发明一实施例中，本步骤2)中所述的毫米波信道模型和压缩感知重构问题为：

2.a)将环境信息离散化，将整个空间内的环境信息视作为点云，点云中的每个点代表其周围大小为l_r,w_r和h_r的小立方体的环境信息，这些小立方体称为像素。感知的散射体环境的长宽高分别为L_r,W_r和H_r，则空间内点云的数量为N＝L_r/l_r×W_r/w_r×H_r/h_r。每一个像素内部可能是空的，也可能是存在散射体。我们使用一个散射系数x_n来表示第n个点云点的所在小立方体的散射系数，若小立方体内部是空的，则x_n＝0。所以整个空间的环境信息可以用如下变量表示：

x＝[x₁,x₂,...,x_N]^T；

2.b)将***模型表示如下。在空间内的多个用户共享时频资源，在任意频率资源块上，第n_R个BS接收天线接收信号表示为：

其中

表示N_R个BS天线的接收信号，

表示N_u个用户发送长度为L码元的导频，w为噪声。

表示用户到接收天线直视路径的信道系数，

表示用户到空间点云位置的信道系数，

表示用户到空间点云位置的信道系数，且H(n_R)＝H^s1(n_R)diag(H^s2(n_R))。其中

表示用户至空间点云位置的遮挡矩阵，当V^s1出现全零列时，表示所有用户都无法感知到该像素点，即该像素点在感知范围外。V^s2(n_R)∈{0,1}^N×1表示空间点云位置直射至接收天线的遮挡矩阵，当V^s2(n_R)出现零元素时，表示接收天线无法感知到该像素点，该像素点也在感知范围外，且V(n_R)＝V^s1(n_R)diag(V^s2(n_R))。

2.c)基于上述***模型，求解环境信息的优化问题表达为，

在通信过程中,信道不确定性主要来自于未知的环境散射体分布，对于直视信道H^LOS采用已知的统计模型描述。由此用户发送已知的导频s对信道H^S进行估计，从而将求解问题转换为压缩感知重构问题，即：

其将N_R个BS接收天线所得的信道估计值拼接为矩阵，其中H^S已知，

H已知。需要在遮挡矩阵V未知的条件下求解环境信息x。

3)基于环境散射体之间的相对位置关系，建立一种环境散射体分布与遮挡关系的模型；

具体地，在本发明一实施例中，本步骤3)中的环境散射体分布与遮挡关系的模型为：

如图2所示，像素点A和B之间存在一个存在散射系数的像素点C，我们提出了一种环境散射体分布与遮挡关系的模型进行遮挡判断。令像素点A位置为坐标原点，则像素点B和C的坐标分别表示为b和c。通过满足以下三点条件判断像素点C对像素点A和B之间的直视路径产生了遮挡。

像素点C与像素点A和B之间的直视路径的距离d小于阈值β，

向量b与向量c之间的夹角为锐角，

b·c＞0；

像素点C位于像素点A和B之间，

||c·b||＜||b||²；

4)计算接收数据、环境散射体分布和遮挡效应之间的关系，建立一种基于因子图的概率推理模型。

具体地，在本发明一实施例中，本步骤4)中的一种基于因子图的概率推理模型具体如下。

将

与x后验概率分解为，

如图3所示，根据步骤2)的压缩感知重构问题和步骤3)中的遮挡关系构建因子图模型。因子图包含变量节点

和x，函数节点

p_x(x)和

为简洁表达，令H^S长度M＝N_uN_R。

其中

表示H^S是z的加噪观测，噪声是方差为σ^w的高斯白噪声。p_x(x)表示x的先验分布为高斯-伯努利分布，

其中λ表示环境信息x的稀疏度。

表示环境信息x对信道的遮挡关系，

5)结合步骤3)和步骤4)中得到的模型，基于一种利用遮挡关系的双线性近似消息传递方法，求解步骤3)中的压缩感知重构问题，实现对环境的感知。

具体地，在本发明一实施例中，本步骤中的利用遮挡关系的双线性近似消息传递方法为：

5.a)初始化算法参数。令t为迭代次数，对于m＝1,2,...,M，残差均值为

对于m＝1,2,...,M，n＝1,2,...,N，根据步骤4)中设定的p_x(x)和

生成x的估计的均值

和方差

的估计的均值

和方差

5.b)对于m＝1,2,...,M，计算

的观测均值

和方差

其中，

5.c)对于m＝1,2,...,M，计算z_m的估计的均值

和方差

其中，

C是归一化变量。

5.d)对于m＝1,2,...,M，计算残差的均值

和方差

5.e)对于m＝1,2,...,M，n＝1,2,...,N，计算

的观测均值

和方差

对于n＝1,2,...,N，计算

的观测均值

和方差

5.f)对于m＝1,2,...,M，n＝1,2,...,N，计算

的估计均值

和方差

对于n＝1,2,...,N，计算x_n的观测均值

和方差

其中

5.g)重复执行步骤b)至步骤f)直到达到收敛条件

得到环境信息x的估计值

通过计算机仿真可以看出：如图4所示，其中GAMP算法完全忽视遮挡效应。Bilinear GAMP算法将遮挡矩阵V和环境信息x视作为独立变量，不利用遮挡关系分别进行求解。相比前两种算法，本发明的基于遮挡效应的毫米波环境感知算法显著提升了环境感知的准确度。图5表明随着用户数量的增加，本发明的方法环境感知效果逐渐提升并优于现有的算法。图5表明随着信噪比的增加，本发明的方法环境感知效果逐渐提升并优于现有的算法。

综上所述，在无线通信上行链路中，利用用户发送数据做环境感知的场景下(例如，一个多天线基站利用多个单天线用户发送的上行数据进行环境感知)，本发明实施例中提出的遮挡效应下的毫米波环境感知方法，即一种遮挡效应下的毫米波一体化通信与感知方法，利用现有通信***的导频信号或其它已知数据序列来进行感知，可与现有通信***兼容，实现感知通信一体化。首先，本发明实施例中构建了一种考虑遮挡效应的毫米波信道模型，将环境感知问题转换为压缩感知重构问题。随后基于环境散射体之间的相对位置关系，建立一种环境散射体分布与遮挡关系的模型。并根据接收数据、环境散射体分布和遮挡效应之间的关系，建立一种基于因子图的概率推理模型。最后基于一种利用遮挡关系的双线性近似消息传递方法，求解压缩感知重构问题，实现对环境的感知。其利用多个用户观察视角，对环境进行了多视角重构，相比现有的环境感知重构算法，本发明实施例中的基于遮挡效应的毫米波环境感知算法显著提升了环境感知的准确度，为未来感知通信一体化***设计提供了一种高效的环境感知方法。

上述实施例用来解释说明本发明，而不是对本发明进行限制。在本发明的精神和权利要求的保护范围内，对本发明做出任何修改和改变，都落入本发明的保护范围。

Claims (6)

1.一种遮挡效应下的毫米波一体化通信与感知方法，其特征在于，包括如下步骤：

1)在第T个时隙中，基站接收空间内的所有活跃用户发送的长度为L的导频序列s信号；

2)基站接收到信号后，基于一种考虑遮挡效应的毫米波信道模型，将环境感知问题转换为压缩感知重构问题；

3)基于环境散射体之间的相对位置关系，建立一种环境散射体分布与遮挡关系的模型；

4)计算接收信号、环境散射体分布和遮挡效应之间的关系，建立一种基于因子图的概率推理模型；

5)结合步骤3)和步骤4)中得到的模型，基于一种利用遮挡关系的双线性近似消息传递方法，求解步骤2)中的压缩感知重构问题，实现对环境的感知。

2.根据权利要求1所述的遮挡效应下的毫米波一体化通信与感知方法，其特征在于，为了将步骤2)中环境感知问题转换为压缩感知重构问题，需要在基于一种考虑遮挡效应的毫米波信道模型的基础上，对由环境散射体所造成多径信道H^S进行估计，并分离出信道中的环境信息。

3.根据权利要求1或2所述的遮挡效应下的毫米波一体化通信与感知方法，其特征在于，步骤2)中的毫米波信道模型和压缩感知重构问题为：

2.a)环境信息离散化，将整个空间内的环境信息视作为点云，点云中的每个点代表其周围长宽高分别为l_r,w_r和h_r的小立方体的环境信息，这些小立方体称为像素；感知的散射体环境的长、宽、高分别为L_r、W_r和H_r，则空间内点云的数量为N＝L_r/l_r×W_r/w_r×H_r/h_r；每一个像素内部可能是空的，也可能是存在散射体；使用一个散射系数x_n来表示第n个点云点的所在小立方体的散射系数，若小立方体内部是空的，则x_n＝0；整个空间的环境信息用如下变量表示：

x＝[x₁,x₂,…,x_N]^T；

2.b)将***模型表示如下，在空间内的多个用户共享时频资源，在任意频率资源块上，第n_R个BS接收天线接收信号表示为：

其中

表示N_R个BS天线的接收信号，

表示N_u个用户发送长度为L码元的导频，w为噪声，

表示用户到接收天线直视路径的信道系数，

表示用户到空间点云位置的信道系数，

表示用户到空间点云位置的信道系数，且H(n_R)＝H^s1(n_R)diag(H^s2(n_R))，其中

表示用户至空间点云位置的遮挡矩阵，当V^s1出现全零列时，表示所有用户都无法感知到该像素点，即该像素点在感知范围外，V^s2(n_R)∈{0,1}^N×1表示空间点云位置直射至接收天线的遮挡矩阵，当V^s2(n_R)出现零元素时，表示接收天线无法感知到该像素点，该像素点也在感知范围外，且V(n_R)＝V^s1(n_R)diag(V^s2(n_R))；

2.c)基于上述***模型，求解环境信息的优化问题表达为，

在通信过程中,信道不确定性主要来自于未知的环境散射体分布，对于直视信道H^LOS采用已知的统计模型描述，由此用户发送已知的导频s对信道H^S进行估计，从而将求解问题转换为压缩感知重构问题：

其将N_R个BS接收天线所得的信道估计值拼接为矩阵，其中H^S已知，

H(n_R)已知，需要在遮挡矩阵V(n_R)未知的条件下求解环境信息x。

4.根据权利要求1或2所述的遮挡效应下的毫米波一体化通信与感知方法，其特征在于，步骤3)中的环境散射体分布与遮挡关系的模型为：

像素点A和B之间存在一个存在散射系数的像素点C，我们提出了一种环境散射体分布与遮挡关系的模型进行遮挡判断，令像素点A位置为坐标原点，则像素点B和C的坐标分别表示为b和c，通过满足以下三点条件判断像素点C对像素点A和B之间的直视路径产生了遮挡；

像素点C与像素点A和B之间的直视路径的距离d小于阈值β：

向量b与向量c之间的夹角为锐角：

b·c＞0；

像素点C位于像素点A和B之间：

||c·b||＜||b||²。

5.根据权利要求3所述的遮挡效应下的毫米波一体化通信与感知方法，其特征在于，步骤4)中的一种基于因子图的概率推理模型为：

将

与x后验概率分解为：

根据步骤2)的压缩感知重构问题和步骤3)中的遮挡关系构建因子图模型；因子图包含变量节点

和x，函数节点

p_x(x)和

并令H^S长度M＝N_uN_R，其中：

其中，H^S是z的加噪观测，噪声是方差为σ^w的高斯白噪声；p_x(x)表示x的先验分布为高斯-伯努利分布：

其中λ表示环境信息x的稀疏度，

表示环境信息x对信道的遮挡关系，具体如下：

6.根据权利要求5所述的遮挡效应下的毫米波一体化通信与感知方法，其特征在于，步骤5)中的利用遮挡关系的双线性近似消息传递方法为：

5.a)初始化算法参数，令t为迭代次数，对于m＝1,2,...,M，残差均值为

对于m＝1,2,...,M，n＝1,2,...,N，根据步骤4)中设定的p_x(x)和

生成x的估计的均值

和方差

的估计的均值

和方差

5.b)对于m＝1,2,...,M，计算

的观测均值

和方差

具体如下：

其中，

5.c)对于m＝1,2,...,M，计算z_m的估计的均值

和方差

具体如下：

其中，

其中，C是归一化变量；

5.d)对于m＝1,2,...,M，计算残差的均值

和方差

具体如下：

5.e)对于m＝1,2,...,M，n＝1,2,...,N，计算

的观测均值

和方差

对于n＝1,2,...,N，计算

的观测均值

和方差

具体如下：

5.f)对于m＝1,2,...,M，n＝1,2,...,N，计算

的估计均值

和方差

对于n＝1,2,...,N，计算x_n的观测均值

和方差

具体如下：

其中，

5.g)重复执行步骤b)至步骤f)直到达到收敛条件

得到环境信息x的估计值

Images