CN115021779B - Ris辅助的mimo***的离散相移设计方法和装置 - Google Patents
Ris辅助的mimo***的离散相移设计方法和装置 Download PDFInfo
- Publication number
- CN115021779B CN115021779B CN202210670834.8A CN202210670834A CN115021779B CN 115021779 B CN115021779 B CN 115021779B CN 202210670834 A CN202210670834 A CN 202210670834A CN 115021779 B CN115021779 B CN 115021779B
- Authority
- CN
- China
- Prior art keywords
- pavilion
- ris
- vector
- phase shift
- discrete phase
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000010363 phase shift Effects 0.000 title claims abstract description 117
- 238000013461 design Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 62
- 239000011159 matrix material Substances 0.000 claims abstract description 87
- 238000005457 optimization Methods 0.000 claims abstract description 73
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 58
- 230000000739 chaotic effect Effects 0.000 claims abstract description 55
- 238000001228 spectrum Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 239000013598 vector Substances 0.000 claims description 156
- 238000013507 mapping Methods 0.000 claims description 19
- 230000003595 spectral effect Effects 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 abstract description 21
- 230000006870 function Effects 0.000 description 55
- 239000000243 solution Substances 0.000 description 8
- 238000004088 simulation Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 235000015429 Mirabilis expansa Nutrition 0.000 description 1
- 244000294411 Mirabilis expansa Species 0.000 description 1
- IXEVGHXRXDBAOB-BREBYQMCSA-N [(1r,3r,4r)-4,7,7-trimethyl-3-bicyclo[2.2.1]heptanyl] 2-thiocyanatoacetate Chemical compound C1C[C@@]2(C)[C@H](OC(=O)CSC#N)C[C@@H]1C2(C)C IXEVGHXRXDBAOB-BREBYQMCSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 235000013536 miso Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radio Transmission System (AREA)
Abstract
本申请涉及无线通信技术领域的一种RIS辅助的MIMO***的离散相移设计方法和装置。所述方法包括：建立RIS辅助的MIMO通信***，获取MIMO通信***的目标函数；以MIMO通信***频谱效率最大化为目标推导出离散相移矩阵设计最优化问题；通过混沌离散缎蓝园丁鸟优化算法搜索最优离散相移矩阵；本发明将经典的缎蓝园丁鸟优化算法的种群混沌化，降低了算法陷入局部最优解的概率，使得收敛速度加快，并且扩展到搜索目标离散域的场景。与随机RIS相移方案，基于LS的离散相移方案相比，本发明所提出的RIS反射单元离散相移设计方法能够有效地提高***的频效性能，与穷举搜索法相比，该方法大大降低了计算复杂度。
Description
技术领域
本申请涉及无线通信技术领域，特别是涉及一种RIS辅助的MIMO***的离散相移设计方法和装置。
背景技术
随着新一代无线通信网络的发展，毫米波已成为研究热点，由于其高频和短波长，其路径损耗非常严重，配备多天线的多输入多输出(MIMO)可以补偿毫米波(mmWave)***的路径损耗。虽然MIMO技术可以有效地解决毫米波***的传播问题，提高频谱效率，但其高计算复杂度、高能耗和高硬件成本是难以解决的问题。
在6G的候选技术中，可重构智能表面(RIS)成为了一种高效绿色的解决方案。RIS的每个低成本的反射单元具有可调的电磁特性，如相位，能够被动地、独立地反射入射信号，因此RIS反射通道被组成并视为加强无线通信***的补充链路。与大规模多输入多输出(MIMO)、放大前向(AF)中继和后向散射通信等成熟技术完全不同，RIS可以通过编程实时灵活地配置无线传播环境，以提高基站和UE之间的信号传输性能。此外，由于RIS的轻巧性，它可以很容易的安装在建筑物表面上。但是，由于硬件限制，RIS的反射单元通常采用离散的反射移相器，带有离散反射单元的RIS辅助的MIMO***的频谱效率最大化问题是一个非凸的混合整数优化问题，求解难度大。针对此问题，Qingqing Wu等人研究了带有连续反射单元的RIS辅助的MISO***的频效最大化问题，并将连续约束解通过最近点投影的方法量化到离散域上来求解，但在量化精度较小时，会造成很大的误差；X.Tan等人将目标问题转化为一个离散域的搜索问题，并采用穷举搜索法选择最佳离散相移，但随着反射单元数量的增加，该算法计算复杂度呈指数级增长；Wenjie Chen等人提出了改进的局部搜索算法降低了计算复杂度，能够更快地找到最佳离散相移解，但这种方法容易陷入局部最优解，频效性能不够理想，因此关于带离散反射单元地RIS辅助的MIMO***的频效优化研究还有很大的空间。
发明内容
基于此，有必要针对上述技术问题，提供一种RIS辅助的MIMO***的离散相移设计方法和装置。
一种RIS辅助的MIMO***的离散相移设计方法，所述方法包括：
构建RIS辅助的MIMO***；所述MIMO***的接收端信道包括3个采用基于角度扩展的Saleh–Valenzuela信道模型的子信道，分别为：基站-RIS信道、RIS-用户信道以及基站-用户信道。
根据所述基站-RIS信道、所述RIS-用户信道以及所述基站-用户信道，以所述MIMO***的频谱效率最大化为目标构建离散相移矩阵设计最优化问题，并获取优化算法的目标函数。
基于Logistic混沌映射生成nPop个凉亭向量作为初始种群，其中nPop为大于1的整数。
设置迭代次数的初值为0，计算凉亭向量的目标函数值，作为历史最佳凉亭向量将目标函数值最小的凉亭向量作为历史最佳凉亭向量。
根据目标函数计算初始种群中每个凉亭向量的适应度值和选择概率值。
根据所述选择概率值采用轮盘赌法选择当前最佳凉亭向量。
根据当前最佳凉亭向量、历史最佳凉亭向量进行位置更新和种群变异，生成新凉亭种群。
根据所述目标函数对由所述初始种群和所述新凉亭种群组合的种群进行评估，将历史最佳凉亭向量更新为目标函数值最小的凉亭向量，将目标函数值较小的nPop个凉亭向量作为下一次迭代的初始种群。
设置迭代次数自加1，直至迭代次数大于预设最大迭代次数时，则根据历史最佳凉亭向量生成最优离散相移矩阵。
在其中一个实施例中，根据所述基站-RIS信道、所述RIS-用户信道以及所述基站-用户信道，以所述MIMO***的频谱效率最大化为目标构建离散相移矩阵设计最优化问题，并获取优化算法的目标函数表达式，步骤中所述优化算法的目标函数为：
其中：Heff＝HrΦG+Hd为等效信道矩阵，Hr是RIS-用户信道，G是基站-RIS信道，Hd是基站-用户信道，Φ为离散相移矩阵，Ns、Nr分别为数据流个数和用户天线数；σ2为噪声复信号的方差；P为发射信号功率。
在其中一个实施例中，根据所述基站-RIS信道、所述RIS-用户信道以及所述基站-用户信道，以所述MIMO***的频谱效率最大化为目标构建离散相移矩阵设计最优化问题，步骤中所述离散相移矩阵设计最优化问题为：
φm∈Γ,m＝1,2,...,M.
其中：Heff＝HrΦG+Hd为等效信道矩阵，Hr是RIS-用户信道，G是基站-RIS信道，Hd是基站-用户信道，Φ为离散相移矩阵，Ns、Nr、M分别为数据流个数、用户天线数和RIS反射单元天线数；σ2为噪声复信号的方差；P为发射信号功率，Γ是离散相移矩阵可取元素集合。
在其中一个实施例中，凉亭向量的表达式为θ＝[θ1,θ2,...,θM]；基于Logistic混沌映射生成nPop个凉亭向量作为初始种群，包括：
根据混沌序列的思想，采用Logistic混沌映射表达式随机生成nPop个凉亭向量；所述Logistic混沌映射表达式为：
x(t+1)＝ux(t)(1-x(t))
其中，u∈(2.6,4]是混沌参数，t表示混沌序列迭代次数，t∈[1,nPop]，x(t)是第t次混沌序列迭代生成的RIS反射单元相移向量。
在其中一个实施例中，根据目标函数计算初始种群中每个凉亭向量的适应度值和选择概率值，步骤中所述凉亭向量的适应度值的计算表达式为：
其中，fit为适应度值，f(x)为目标函数。
所述凉亭向量的选择概率值计算表达式为：
其中，prob为凉亭向量的选择概率值。
在其中一个实施例中，根据当前最佳凉亭向量、历史最佳凉亭向量进行位置更新和种群变异，生成新凉亭种群，步骤中位置更新中采用的更新表达式为：
其中，α为最大步长；round(·)表示取整；和分别为上一次迭代和当前迭代中第i个凉亭向量的第l个元素，和θelite,l分别表示历史最佳向量和当前最佳向量的第l个元素。
种群变异中采用的变异表达式为：
其中，varmax和varmin分别表示向量θ中每个元素的上限和下限，z为预设常数，N(0,1)表示服从正态分布的随机数。
一种RIS辅助的MIMO***的离散相移设计装置，所述装置包括：
RIS辅助的MIMO***建立模块，用于构建RIS辅助的MIMO***，所述MIMO***的接收端信道包括3个采用基于角度扩展的Saleh–Valenzuela信道模型的子信道，分别为：基站-RIS信道、RIS-用户信道以及基站-用户信道。
离散相移矩阵设计最优化问题构建模块，用于根据所述基站-RIS信道、所述RIS-用户信道以及所述基站-用户信道，以所述MIMO***的频谱效率最大化为目标构建离散相移矩阵设计最优化问题，并获取优化算法的目标函数表达式f(x)。
基于混沌DSBO算法求解离散相移矩阵设计最优化问题模块，用于基于Logistic混沌映射生成nPop个凉亭向量作为初始种群，其中nPop为大于1的整数；设置迭代次数的初值为0，计算凉亭向量的目标函数值，将所述目标函数值最小的凉亭向量作为历史最佳凉亭向量；根据目标函数计算初始种群中每个凉亭向量的适应度值和选择概率值；根据所述选择概率值采用轮盘赌法选择当前最佳凉亭向量；根据当前最佳凉亭向量、历史最佳凉亭向量进行位置更新和种群变异，生成新凉亭种群；根据所述目标函数对由所述初始种群和所述新凉亭种群组合的种群进行评估，将历史最佳凉亭向量更新为目标函数值最小的凉亭向量，将目标函数值较小的nPop个凉亭向量作为下一次迭代的初始种群；设置迭代次数自加1，直至迭代次数大于预设最大迭代次数时，则根据历史最佳凉亭向量生成最优离散相移矩阵。
在其中一个实施例中，离散相移矩阵设计最优化问题构建模块中所述优化算法的目标函数为：
其中：Heff＝HrΦG+Hd为等效信道矩阵，Hr是RIS-用户信道，G是基站-RIS信道，Hd是基站-用户信道，Φ为离散相移矩阵，Ns、Nr分别为数据流个数和用户天线数；σ2为噪声复信号的方差；P为发射信号功率。
在其中一个实施例中，离散相移矩阵设计最优化问题构建模块中所述离散相移矩阵设计最优化问题为：
φm∈Γ,m＝1,2,...,M.
其中：Heff＝HrΦG+Hd为等效信道矩阵，Hr是RIS-用户信道，G是基站-RIS信道，Hd是基站-用户信道，Φ为离散相移矩阵，Ns、Nr、M分别为数据流个数、用户天线数和RIS反射单元天线数；σ2为噪声复信号的方差；P为发射信号功率，Γ是离散相移矩阵可取元素集合。
在其中一个实施例中，凉亭向量的表达式为θ＝[θ1,θ2,...,θM]；基于混沌DSBO算法求解离散相移矩阵设计最优化问题模块，还用于根据混沌序列的思想，采用Logistic混沌映射表达式随机生成nPop个凉亭向量；所述Logistic混沌映射表达式为：
x(t+1)＝ux(t)(1-x(t))
其中，u∈(2.6,4]是混沌参数，t表示混沌序列迭代次数，t∈[1,nPop]，x(t)是第t次混沌序列迭代生成的RIS反射单元相移向量。
上述RIS辅助的MIMO***的离散相移设计方法和装置，所述方法包括建立RIS辅助的MIMO通信***；以MIMO通信***频谱效率最大化为目标推导出离散相移矩阵设计最优化问题，并获取优化算法的目标函数；通过混沌离散缎蓝园丁鸟优化算法搜索最优离散相移矩阵；本发明将经典的缎蓝园丁鸟优化算法的种群混沌化，降低了算法陷入局部最优解的概率，使得收敛速度加快，并且扩展到搜索目标离散域的场景。与随机RIS相移方案，基于LS的离散相移方案相比，本发明所提出的RIS反射单元离散相移设计方法能够有效地提高***的频效性能，与穷举搜索法相比，该方法大大降低了计算复杂度。
附图说明
图1为一个实施例中RIS辅助的MIMO***的离散相移设计方法的流程示意图；
图2为一个实施例中基于智能反射面辅助的毫米波MIMO通信***框图；
图3为一个实施例中基于混沌DSBO算法的RIS辅助的MIMO***的离散相移设计方法流程图；
图4为另一个实施例中RIS辅助的MIMO***的离散相移设计方法与其它两种现有方法关于信噪比变化的仿真曲线对比图；
图5为一个实施例中RIS辅助的MIMO***的离散相移设计方法与其它两种现有方法关于RIS反射单元数(M)变化的仿真曲线对比图；
图6为一个实施例中RIS辅助的MIMO***的离散相移设计装置的机构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
缎蓝园丁鸟优化算法：简称SBO算法。
混沌离散缎蓝园丁鸟优化算法，简称：混沌DSBO算法。
可重构智能表面，简称：RIS。
频谱效率，Spectral Efficiency，简称SE。
MIMO***：多输入多输出***。
在一个实施例中，如图1所示，提供了一种RIS辅助的MIMO***的离散相移设计方法，该方法包括以下步骤：
步骤100：构建RIS辅助的MIMO***；MIMO***的接收端信道包括3个采用基于角度扩展的Saleh–Valenzuela信道模型的子信道，分别为：基站-RIS信道、RIS-用户信道以及基站-用户信道；
具体的，RIS辅助的MIMO***中RIS上的每个无源反射单元能够通过智能控制器，对入射的电磁波信号实现实时的相位调节，实现波束赋形，其相移矩阵为其中φi∈Γ＝{0,Δφ,...,Δφ(2b-1)}，其中，i＝1,2,...,M，Δφ＝2π/2b，b为量化比特数，作为优选，本发明中b＝1，Γ＝{0,π}。RIS辅助的MIMO***收发端的信道分为基站-RIS信道G、RIS-用户信道Hr和基站-用户信道Hd，每个子信道均采用基于角度扩展的Saleh–Valenzuela信道模型。
RIS辅助的MIMO***的结构图如图2所示。
步骤102：根据基站-RIS信道、RIS-用户信道以及基站-用户信道，以MIMO***的频谱效率最大化为目标构建离散相移矩阵设计最优化问题，并获取优化算法的目标函数。
具体的，以MIMO***频谱效率最大化为目标将RIS辅助的MIMO***的离散相移矩阵设计问题转化为最优化问题。
最优化问题的目标函数是SE取最大值，而优化算法的目标函数f(x)是基于该目标函数得到的，f(x)＝1/SE。因为缎蓝园丁鸟算法是搜索最小值的，所以本方法中搜索1/SE的最小值，就能达到SE取最大值的目的。
步骤104：基于Logistic混沌映射生成nPop个凉亭向量作为初始种群，其中nPop为大于1的整数；设置迭代次数的初值为0，计算目标函数值，将目标函数值最小的凉亭向量作为历史最佳凉亭向量。
步骤106：根据目标函数计算初始种群中每个凉亭向量的适应度值和选择概率值。
具体的，凉亭向量的选择概率值为该凉亭向量的适应度值在群体适应度值总和中所占的比例。
步骤108：根据选择概率值采用轮盘赌法选择当前最佳凉亭向量。
具体的，当前最佳凉亭向量是采用轮盘赌法得来的，是为了位置更新而设立的。
选择当前最佳凉亭向量的目的是为其它雄鸟建立凉亭提供更好的方向。
步骤110：根据当前最佳凉亭向量、历史最佳凉亭向量进行位置更新和种群变异，生成新凉亭种群。
步骤112：根据目标函数对由初始种群和新凉亭种群组合的种群进行评估，将历史最佳凉亭向量更新为目标函数值最小的凉亭向量，将目标函数值较小的nPop个凉亭向量作为下一次迭代的初始种群。
具体的，组合旧种群和新种群，根据目标函数值评估组合种群，将历史最佳凉亭向量更新为函数值最小的凉亭向量，将函数值较小的nPop个凉亭向量作为下一次迭代的初始种群。
历史最佳凉亭向量是经过数次历史迭代计算出的最佳向量，也就是最终会保留下来的最优个体。
步骤114：设置迭代次数自加1，直至迭代次数大于预设最大迭代次数时，则根据历史最佳凉亭向量生成最优离散相移矩阵。
上述RIS辅助的MIMO***的离散相移设计方法中，所述方法包括建立RIS辅助的MIMO通信***；以MIMO通信***频谱效率最大化为目标推导出离散相移矩阵设计最优化问题，并获取优化算法的目标函数；通过混沌离散缎蓝园丁鸟优化算法搜索最优离散相移矩阵；本发明将经典的缎蓝园丁鸟优化算法的种群混沌化，降低了算法陷入局部最优解的概率，使得收敛速度加快，并且扩展到搜索目标离散域的场景。与随机RIS相移方案，基于LS的离散相移方案相比，本发明所提出的RIS反射单元离散相移设计方法能够有效地提高***的频效性能，与穷举搜索法相比，该方法大大降低了计算复杂度。
在其中一个实施例中，步骤102中优化算法的目标函数为：
其中：Heff＝HrΦG+Hd为等效信道矩阵，Hr是RIS-用户信道，G是基站-RIS信道，Hd是基站-用户信道，Φ为离散相移矩阵，Ns、Nr分别为数据流个数和用户天线数；σ2为噪声复信号的方差；P为发射信号功率；SE为频谱效率。
在其中一个实施例中，步骤102中离散相移矩阵设计最优化问题为：
其中：Heff＝HrΦG+Hd为等效信道矩阵，Hr是RIS-用户信道，G是基站-RIS信道，Hd是基站-用户信道，Φ为离散相移矩阵，Ns、Nr、M分别为数据流个数、用户天线数和RIS反射单元天线数；σ2为噪声复信号的方差；P为发射信号功率，Γ是离散相移矩阵可取元素集合。
在其中一个实施例中，凉亭向量的表达式为θ＝[θ1,θ2,...,θM]；步骤104包括：根据混沌序列的思想，采用Logistic混沌映射表达式随机生成nPop个凉亭向量；Logistic混沌映射表达式为：
x(t+1)＝ux(t)(1-x(t)) (3)
其中，u∈(2.6,4]是混沌参数，t表示混沌序列迭代次数，t∈[1,nPop]，x(t)是第t次混沌序列迭代生成的RIS反射单元相移向量。
具体的，定义凉亭向量的一般表达式为θ＝[θ1,θ2,...,θM]，根据混沌序列的思想，采用以下Logistic混沌映射表达式随机生成nPop个凉亭种群，并量化到离散集合[0,1]中，提升种群的多样性和均匀性，从而使算法能够快速收敛并接近最优解。其中u∈(2.6,4]是混沌参数,t表示混沌序列迭代次数，x(t)是第t次迭代生成的RIS反射单元相移向量。
在其中一个实施例中，步骤106中凉亭向量的适应度值的计算表达式为：
其中，fit为适应度值，f(x)为目标函数。
凉亭向量的选择概率值计算表达式为：
其中，prob为凉亭向量的选择概率值。
在其中一个实施例中，步骤110中位置更新中采用的更新表达式为：
其中，α为最大步长，作为优选，α设置为0.94；round(·)表示取整；和分别为上一次迭代和当前迭代中第i个凉亭向量的第l个元素，和θelite,l分别表示历史最佳向量和当前最佳向量的第l个元素。
种群变异中采用的变异表达式为：
其中，varmax和varmin分别表示向量θ中每个元素的上限和下限，z为预设常数，N(0,1)表示服从正态分布的随机数。
在一个实施例中，仿真采用的通信***为RIS辅助的点对点MIMO***，初始参数包括：基站发射天线数为16，RIS反射单元数M为36，用户天线数为4，散射簇数量为Ncl为4，每个簇中的路径数量Nray为3，为了方便仿真，本发明假设每个簇的功率相等，且其中相应的径的离开角和到达角都相同，角度扩展为10度，每次仿真信道样本数为1000，基于混沌DSBO算法的种群数nPop为200，最大迭代次数为7次，***框图如图2所示。
如图3所示，提供了一种基于混沌DSBO算法的RIS辅助的MIMO***的离散相移设计方法，该方法包括以下步骤：
步骤1：建立RIS辅助的点对点MIMO通信***模型。
考虑RIS辅助的毫米波点对点MIMO通信***，基站装备Nt根天线，传输Ns个数据流(Ns≤Nt)，在安装在周围墙壁上的RIS装备有M个反射单元，其中RIS是通过其控制器动态地调整反射系数的。我们假设RIS处的每个元件能够独立地重新散射信号(无交叉干扰)，RIS处反射两次以及两次以上的信号被忽略。在通信过程中，BS发送信号且满足通过线性预编码器F到达IRS的反射单元，IRS接收到的信号通过对角反射矩阵(相移矩阵)后到达用户处，其中φi∈Γ＝{0,π}，i＝1,2,...,M，接着RIS将Ns个数据流传输给装备有Nr个天线的用户。因此包含BS-UE直接链路和BS—RIS-UE级联链路的整体接收信号被表示为：
其中，P是发射信号功率，F是预编码矩阵，满足约束。n表示复高斯噪声向量，且具有0均值和协方差，σ2表示平均噪声功率。
Hr、G、Hd为适用于毫米波场景的基于角度扩展的Saleh-Valenzuela信道，并设置BS处的天线是呈均匀线性阵列(ULA)排列，IRS处的天线呈均匀平面阵列(UPA)排列。基站到IRS之间的信道可以表示为：
其中，Ncl是散射簇的数量，Nray是每个簇中的路径数量，αil是第i个散射簇中的第l条径的复增益，且满足复高斯分布，通常假设为1。ar(φr,l,ψr,l)和at(θt,l)分别表示接收端和发送端的相应天线阵列响应向量，其中φr,l、ψr,l和θt,l是出发方位角和仰角(AoD,ZoD)和到达方位角(AoA)。具体表达式如下：
其中，λ为波长，d表示天线间距。IRS-用户信道和BS-用户信道与BS-IRS类似地建模。
步骤2：建立频效优化问题，获取优化算法的目标函数，。
本发明的RIS辅助的MIMO***的频谱效率表达式可由下式表示：
为了获得理想的相移矩阵和预编码矩阵，我们让等效矩阵进行SVD分解Heff H＝UΛVH，则当相移矩阵Φ给定时，理想的预编码矩阵由以下式子获得：其中Q是功率分配矩阵，本发明采用注水算法进行功率分配。将Fopt代入频效表达式，可以将频谱效率表达式转化为：
那么建立如下频效优化问题用于DSBO算法，具体表达式如式(2)所示。基于频谱效率优化问题的目标函数，将优化算法的目标函数表示为：
步骤3：基于Logistic混沌映射初始化DSBO算法的凉亭种群。
根据Logistic混沌映射序列x(t+1)＝ux(t)(1-x(t))，u＝4生成nPop个凉亭向量(相移向量)，并将向量中的每个元素量化到离散集合[0,1]中，每个凉亭向量的一般表达式为θ＝[θ1,θ2,...,θM]。
步骤4：设置迭代次数的初值为0，计算凉亭向量的目标函数值，将目标函数值最小的凉亭向量作为历史最佳凉亭向量；
目标函数值的计算表达式如式(1)所示。
步骤5:根据目标函数表达式计算每个凉亭向量的适应度值，以及此适应度值在群体适应度值总和中所占的比例(即该个体在选择过程中被选择的概率)
适应度的表达式如式(4)所示，概率表达式如式(5)所示。
步骤6：根据步骤4的计算结果用轮盘赌法选择当前最佳凉亭向量，记作θ*，对应的概率为prob*，为其它雄鸟建立凉亭向量提供更好的方向。
轮盘赌法算法的基本思想是具体如下：首先根据下式计算累积概率：
其中prob(j)表示第j个凉亭向量的适应度。q(i)表示第i个凉亭向量的累积概率。累计概率把每个凉亭向量的概率用不同长度的小线段来表示(这些小线段组合成的线段长度为1)。
其次随机生成一个[0,1]之间的随机数，判断该数落在线段的哪个区间，即选择该区间对应的凉亭向量。
步骤7：凉亭种群中个体产生位置更新。
其中α为最大步长，设置为0.94。
步骤8：依概率pMutation对凉亭种群进行变异。
其中varmax和varmin分别表示向量θ中每个元素的上限和下限，本发明上设置为1和0，z为预设常数，作为有优选z＝0.02，N(0,1)表示服从正态分布的随机数，pMutation设置为0.2。
步骤9：组合旧种群和新种群，根据目标函数值评估组合种群，将历史最佳凉亭向量更新为函数值最小的凉亭向量记作θelite，将函数值较小的nPop个凉亭向量作为下一次迭代的初始种群。其中，旧种群是指每次迭代中的初始种群；
迭代次数k＝k+1，当迭代次数小于Ite时，返回步骤5，否则进入步骤10。Ite为预设的最大迭代次数。
步骤10：选取θelite作为最佳相移向量，并输出作为最佳离散相移矩阵。
图4为本发明提供的RIS辅助的MIMO***的离散相移设计方法与随机相位RIS辅助的毫米波MIMO通信***、基于LS算法RIS辅助的毫米波MIMO通信***的频谱效率(SpectralEfficiency)关于信噪比(SNR)变化的仿真曲线对比图。从图4可以看出，随着信噪比的增大，三种方案的频谱效率都在提升，在相同的信噪比条件下，本发明提出的方案的频效比随机相位RIS辅助的方案提升了约28％，比基于LS算法的RIS相位的传统方案提升了5％以上，。
图5为本发明提供的RIS辅助的MIMO***的离散相移设计方法与随机相位RIS辅助的毫米波MIMO通信***、基于LS算法RIS辅助的毫米波MIMO通信***的频谱效率(SpectralEfficiency)关于RIS反射单元数(M)变化的仿真曲线对比图。从图5可以看出，在相同的反射单元数条件下，本发明提出的方案优于随机相位RIS和基于LS算法的RIS的传统方案，当反射单元数增大时，两种方案的频谱效率提升得越慢。
基于混沌的DSBO算法用于解决本发明中的RIS离散相移优化问题，仿真结果表明本发明在相同信噪比的情况下，所提出的波束赋形算法优于随机相位RIS的方案和基于LS的RIS传统方案，有效提升了频谱效率。
从发明中所描述的具体实例可以看出，本发明提出的方法把RIS辅助的MIMO***的离散相移设计问题转化为相移搜索问题，提出一种基于混沌DSBO算法去搜索最优离散相移，同时将1/SE作为算法的目标函数，每个凉亭向量对应一个相移向量，最后以搜索最优向量得到最优离散相移矩阵。与现有的随机相位RIS方案、基于LS的方案相比，本发明能够有效提高***频谱效率。
应该理解的是，虽然图1和图3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1和图3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图6所示，提供了一种RIS辅助的MIMO***的离散相移设计装置，包括：RIS辅助的MIMO***建立模块、离散相移矩阵设计最优化问题构建模块和基于混沌DSBO算法求解离散相移矩阵设计最优化问题模块，其中：
RIS辅助的MIMO***建立模块，用于构建RIS辅助的MIMO***；MIMO***的接收端信道包括3个采用基于角度扩展的Saleh–Valenzuela信道模型的子信道，分别为：基站-RIS信道、RIS-用户信道以及基站-用户信道。
离散相移矩阵设计最优化问题构建模块，用于根据基站-RIS信道、RIS-用户信道以及基站-用户信道，以MIMO***的频谱效率最大化为目标构建离散相移矩阵设计最优化问题，并获取优化算法的目标函数。
基于混沌DSBO算法求解离散相移矩阵设计最优化问题模块，用于基于Logistic混沌映射生成nPop个凉亭向量作为初始种群，其中nPop为大于1的整数；设置迭代次数的初值为0，计算凉亭向量的目标函数值，将所述目标函数值最小的凉亭向量作为历史最佳凉亭向量；根据目标函数计算初始种群中每个凉亭向量的适应度值和选择概率值；根据选择概率值采用轮盘赌法选择当前最佳凉亭向量；根据当前最佳凉亭向量、历史最佳凉亭向量进行位置更新和种群变异，生成新凉亭种群；根据目标函数对由初始种群和新凉亭种群组合的种群进行评估，将历史最佳凉亭向量更新为目标函数值最小的凉亭向量，将目标函数值较小的nPop个凉亭向量作为下一次迭代的初始种群；设置迭代次数自加1，继续进行下一次迭代；直至迭代次数大于预设最大迭代次数时，则根据历史最佳凉亭向量生成最优离散相移矩阵。
在其中一个实施例中，离散相移矩阵设计最优化问题构建模块中的目标函数的表达式如式(1)所示。
在其中一个实施例中，离散相移矩阵设计最优化问题构建模块中离散相移矩阵设计最优化问题的表达式如式(2)所示。
在其中一个实施例中，凉亭向量的表达式为θ＝[θ1,θ2,...,θM]；基于混沌DSBO算法求解离散相移矩阵设计最优化问题模块，还用于根据混沌序列的思想，采用Logistic混沌映射表达式随机生成nPop个凉亭向量；Logistic混沌映射表达式如式(3)所示。
在其中一个实施例中，基于混沌DSBO算法求解离散相移矩阵设计最优化问题模块中凉亭向量的适应度值的计算表达式如式(4)所示。凉亭向量的选择概率值计算表达式如式(5)所示。
在其中一个实施例中，基于混沌DSBO算法求解离散相移矩阵设计最优化问题模块中位置更新中采用的更新表达式如式(6)所示。种群变异中采用的变异表达式如式(7)所示。
关于RIS辅助的MIMO***的离散相移设计装置的具体限定可以参见上文中对于RIS辅助的MIMO***的离散相移设计方法的限定，在此不再赘述。上述RIS辅助的MIMO***的离散相移设计装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种RIS辅助的MIMO***的离散相移设计方法，其特征在于，所述方法包括：
构建RIS辅助的MIMO***；所述MIMO***的接收端信道包括3个采用基于角度扩展的Saleh-Valenzuela信道模型的子信道，分别为：基站-RIS信道、RIS-用户信道以及基站-用户信道；
根据所述基站-RIS信道、所述RIS-用户信道以及所述基站-用户信道，以所述MIMO***的频谱效率最大化为目标构建离散相移矩阵设计最优化问题，并获取优化算法的目标函数；
基于Logistic混沌映射生成nPop个凉亭向量作为初始种群，其中nPop为大于1的整数；
设置迭代次数的初值为0，计算凉亭向量的目标函数值，将目标函数值最小的凉亭向量作为历史最佳凉亭向量；
根据目标函数计算初始种群中每个凉亭向量的适应度值和选择概率值；
根据所述选择概率值采用轮盘赌法选择当前最佳凉亭向量；
根据当前最佳凉亭向量、历史最佳凉亭向量进行位置更新和种群变异，生成新凉亭种群；
根据所述目标函数对由所述初始种群和所述新凉亭种群组合的种群进行评估，将历史最佳凉亭向量更新为目标函数值最小的凉亭向量，将目标函数值较小的nPop个凉亭向量作为下一次迭代的初始种群；
设置迭代次数自加1，直至迭代次数大于预设最大迭代次数时，则根据历史最佳凉亭向量生成最优离散相移矩阵。
2.根据权利要求1所述的方法，其特征在于，根据所述基站-RIS信道、所述RIS-用户信道以及所述基站-用户信道，以所述MIMO***的频谱效率最大化为目标构建离散相移矩阵设计最优化问题，并获取优化算法的目标函数，步骤中所述优化算法的目标函数为：
其中：Heff＝HrΦG+Hd为等效信道矩阵，Hr是RIS-用户信道，G是基站-RIS信道，Hd是基站-用户信道，Φ为离散相移矩阵，Ns、Nr分别为数据流个数和用户天线数；σ2为噪声复信号的方差；P为发射信号功率，F为预编码矩阵。
3.根据权利要求1所述的方法，其特征在于，根据所述基站-RIS信道、所述RIS-用户信道以及所述基站-用户信道，以所述MIMO***的频谱效率最大化为目标构建离散相移矩阵设计最优化问题，步骤中所述离散相移矩阵设计最优化问题为：
φm∈Γ,m＝1,2,…,M.
其中：Heff＝HrΦG+Hd为等效信道矩阵，Hr是RIS-用户信道，G是基站-RIS信道，Hd是基站-用户信道，Φ为离散相移矩阵，Ns、Nr、M分别为数据流个数、用户天线数和RIS反射单元天线数；σ2为噪声复信号的方差；P为发射信号功率，Γ是离散相移矩阵可取元素集合。
4.根据权利要求1所述的方法，其特征在于，凉亭向量的表达式为θ＝[θ1,θ2,...,θM]；
基于Logistic混沌映射生成nPop个凉亭向量作为初始种群，包括：
根据混沌序列的思想，采用Logistic混沌映射表达式随机生成nPop个凉亭向量；所述Logistic混沌映射表达式为：
x(t+1)＝ux(t)(1-x(t))
其中，u∈(2.6,4]是混沌参数，t表示混沌序列迭代次数，t∈[1,nPop]，x(t)是第t次混沌序列迭代生成的RIS反射单元相移向量。
5.根据权利要求1所述的方法，其特征在于，根据目标函数计算初始种群中每个凉亭向量的适应度值和选择概率值，步骤中所述凉亭向量的适应度值的计算表达式为：
其中，fit为适应度值，f(x)为目标函数；
所述凉亭向量的选择概率值计算表达式为：
其中，prob为凉亭向量的选择概率值。
6.根据权利要求1所述的方法，其特征在于，根据当前最佳凉亭向量、历史最佳凉亭向量进行位置更新和种群变异，生成新凉亭种群，步骤中位置更新中采用的更新表达式为：
其中，prob*为根据选择概率值prob采用轮盘赌法选择的当前最佳凉亭向量对应的概率，α为最大步长；round(·)表示取整；和分别为上一次迭代和当前迭代中第i个凉亭向量的第l个元素，和θelite,l分别表示历史最佳向量和当前最佳向量的第l个元素；
种群变异中采用的变异表达式为：
其中，varmax和varmin分别表示向量θ中每个元素的上限和下限，z为预设常数，N(0,1)表示服从正态分布的随机数。
7.一种RIS辅助的MIMO***的离散相移设计装置，其特征在于，所述装置包括：
RIS辅助的MIMO***建立模块，用于构建RIS辅助的MIMO***，并获取所述MIMO***的目标函数；所述MIMO***的接收端信道包括3个采用基于角度扩展的Saleh-Valenzuela信道模型的子信道，分别为：基站-RIS信道、RIS-用户信道以及基站-用户信道；
离散相移矩阵设计最优化问题构建模块，用于根据所述基站-RIS信道、所述RIS-用户信道以及所述基站-用户信道，以所述MIMO***的频谱效率最大化为目标构建离散相移矩阵设计最优化问题，并根据最优化问题获取优化算法的目标函数；
基于混沌DSBO算法求解离散相移矩阵设计最优化问题模块，用于基于Logistic混沌映射生成nPop个凉亭向量作为初始种群，其中nPop为大于1的整数；设置迭代次数的初值为0，计算凉亭向量的目标函数值，将所述目标函数值最小的凉亭向量作为历史最佳凉亭向量；根据目标函数计算初始种群中每个凉亭向量的适应度值和选择概率值；根据所述选择概率值采用轮盘赌法选择当前最佳凉亭向量；根据当前最佳凉亭向量、历史最佳凉亭向量进行位置更新和种群变异，生成新凉亭种群；根据所述目标函数对由所述初始种群和所述新凉亭种群组合的种群进行评估，将历史最佳凉亭向量更新为目标函数值最小的凉亭向量，将目标函数值较小的nPop个凉亭向量作为下一次迭代的初始种群；设置迭代次数自加1，直至迭代次数大于预设最大迭代次数时，则根据历史最佳凉亭向量生成最优离散相移矩阵。
8.根据权利要求7所述的装置，其特征在于，所述离散相移矩阵设计最优化问题构建模块中所述优化算法的目标函数为：
其中：Heff＝HrΦG+Hd为等效信道矩阵，Hr是RIS-用户信道，G是基站-RIS信道，Hd是基站-用户信道，Φ为离散相移矩阵，Ns、Nr分别为数据流个数和用户天线数；σ2为噪声复信号的方差；P为发射信号功率，F为预编码矩阵。
9.根据权利要求7所述的装置，其特征在于，所述离散相移矩阵设计最优化问题构建模块中所述离散相移矩阵设计最优化问题为：
φm∈Γ,m＝1,2,…,M.
其中：Heff＝HrΦG+Hd为等效信道矩阵，Hr是RIS-用户信道，G是基站-RIS信道，Hd是基站-用户信道，Φ为离散相移矩阵，Ns、Nr、M分别为数据流个数、用户天线数和RIS反射单元天线数；σ2为噪声复信号的方差；P为发射信号功率，Γ是离散相移矩阵可取元素集合。
10.根据权利要求7所述的装置，其特征在于，凉亭向量的表达式为θ＝[θ1,θ2,...,θM]；所述基于混沌DSBO算法求解离散相移矩阵设计最优化问题模块，还用于根据混沌序列的思想，采用Logistic混沌映射表达式随机生成nPop个凉亭向量；所述Logistic混沌映射表达式为：
x(t+1)＝ux(t)(1-x(t))
其中，u∈(2.6,4]是混沌参数，t表示混沌序列迭代次数，t∈[1,nPop]，x(t)是第t次混沌序列迭代生成的RIS反射单元相移向量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210670834.8A CN115021779B (zh) | 2022-06-15 | 2022-06-15 | Ris辅助的mimo***的离散相移设计方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210670834.8A CN115021779B (zh) | 2022-06-15 | 2022-06-15 | Ris辅助的mimo***的离散相移设计方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115021779A CN115021779A (zh) | 2022-09-06 |
| CN115021779B true CN115021779B (zh) | 2024-07-02 |
Family
ID=83074177
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210670834.8A Active CN115021779B (zh) | 2022-06-15 | 2022-06-15 | Ris辅助的mimo***的离散相移设计方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115021779B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116032333B (zh) * | 2023-01-13 | 2024-06-11 | 电子科技大学 | 一种ris辅助的无源波束攻击方法 |
| CN116455492B (zh) * | 2023-04-04 | 2023-11-21 | 兰州交通大学 | 高速场景下ris辅助被动mimo的信道处理方法及装置 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109547076B (zh) * | 2019-01-07 | 2021-05-18 | 南京邮电大学 | 一种毫米波大规模mimo***中的混合预编码方法 |
| CN111355520B (zh) * | 2020-03-10 | 2022-03-08 | 电子科技大学 | 一种智能反射表面辅助的太赫兹安全通信***设计方法 |
| US11848709B2 (en) * | 2020-08-14 | 2023-12-19 | Huawei Technologies Co., Ltd. | Media-based reconfigurable intelligent surface-assisted modulation |
| CN113159405B (zh) * | 2021-04-14 | 2022-03-29 | 西南交通大学 | 一种基于改进缎蓝园丁鸟算法优化lssvr的风电功率预测方法 |
-
2022
- 2022-06-15 CN CN202210670834.8A patent/CN115021779B/zh active Active
Non-Patent Citations (1)
| Title |
|---|
| Beamforming Optimization for Intelligent Reflecting Surface-Assisted MIMO Systems;Wenjuan Zhang et al.;《Symmetry》;20220723;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115021779A (zh) | 2022-09-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hashemi et al. | Efficient beam alignment in millimeter wave systems using contextual bandits | |
| CN111355520B (zh) | 一种智能反射表面辅助的太赫兹安全通信***设计方法 | |
| Hu et al. | Statistical CSI based design for intelligent reflecting surface assisted MISO systems | |
| Paul et al. | A novel beamspace channel estimation technique for millimeter wave massive MIMO systems | |
| CN115021779B (zh) | Ris辅助的mimo***的离散相移设计方法和装置 | |
| CN113612508B (zh) | 基于机器学习的irs辅助毫米波通信波束成形设计方法 | |
| Li et al. | Beyond diagonal reconfigurable intelligent surfaces: A multi-sector mode enabling highly directional full-space wireless coverage | |
| CN110365388B (zh) | 一种低复杂度毫米波多播波束成形方法 | |
| Yuan et al. | An efficient and low-complexity beam training technique for mmWave communication | |
| CN114070365B (zh) | 一种智能反射表面辅助的低射频复杂度多用户mimo上行频谱效率优化方法 | |
| Chafaa et al. | Adversarial multi-armed bandit for mmWave beam alignment with one-bit feedback | |
| Zhao et al. | Fast reconfigurable antenna state selection with hierarchical thompson sampling | |
| Wu et al. | Energy efficient intelligent reflecting surface assisted terahertz communications | |
| Zhang et al. | An IRS-aided mmWave massive MIMO systems based on genetic algorithm | |
| Singh et al. | Fast beam training for RIS-assisted uplink communication | |
| Kadur et al. | Effective beam alignment algorithm for low cost millimeter wave communication | |
| Li et al. | Joint beamforming and power allocation for intelligent reflecting surface-aided millimeter wave MIMO systems | |
| CN116094556B (zh) | 基于irs辅助太赫兹mimo通信***的空间多路复用方法 | |
| Ismath et al. | Deep contextual bandits for fast initial access in mmWave based user-centric ultra-dense networks | |
| CN115865159A (zh) | 适用于无蜂窝毫米波mimo***的角度域混合波束成形方法 | |
| Hou et al. | Particle swarm optimization inspired low-complexity beamforming for MmWave massive MIMO systems | |
| CN115276878A (zh) | 基于逆迭代和流形优化的智能反射面安全速率确定方法及装置 | |
| WO2023287769A2 (en) | Reinforcement learning of beam codebooks for millimeter wave and terahertz mimo systems | |
| Wang et al. | Two-timescale beamforming for IRS-assisted millimeter wave systems: A deep unrolling-based stochastic optimization approach | |
| Chen et al. | Model-free Optimization and Experimental Validation of RIS-assisted Wireless Communications under Rich Multipath Fading |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |