CN114900400B 一种基于智能反射面辅助物联网的联合稀疏信道估计方法 （华南理工大学）

一种基于智能反射面辅助物联网的联合稀本发明公开了一种基于智能反射面辅助物辅助的毫米波MIMO系统的信道估计，同时估计LOS信道和反射信道；通过引入加权l1范数最小2构建RIS辅助信道估计框架实现RIS辅助的毫米波MIMO系统的信道估计，同时估计LOS通过引入加权范数最小化实现LOS信道估计，引入l,r范数最小化实现反射信道问2.根据权利要求1所述的基于智能反射面辅助物联网的联合稀疏信道估计方法，其特HV=APSHZABRUBUBR的复数增益的稀疏矩阵，分别表示BS-UE、BS-RIS和RIS-UE路径相关的33.根据权利要求1所述的基于智能反射面辅助物联网的联合稀疏信道估计方法，其特BRUΨ=[ΨBU,ΨBRU]4.根据权利要求1所述的基于智能反射面辅助物联网的联合稀疏信道估计方法，其特BUBU)表45.根据权利要求4所述的基于智能反射面辅助物联网的联合稀疏信道估计方法，其特56.根据权利要求1所述的基于智能反射面辅助物联网的联合稀疏信道估计方法，其特Ψ=[ΨBUΨBRU]BRU和h信道解耦，通过蒙特卡罗方法计算估计信道和原始信道之间的平均归一所述信道模型构建模块用于构建毫米波MIMO系统的信道模型，包括LOS信道和反射信所述RIS辅助信道估计框架构建模块用于构建RIS辅助信道估计框架实现RIS辅助的毫所述混合信道模型构建模块用于在完成估计LOS信道和反射信道后，建立混合信道模所述稳定解求解模块用于结合梯度下降和交替最如权利要求1-6任一项所述基于智能反射述处理器执行存储器存储的程序时，实现如权利要求1-6任一项所述基于智能反射面辅助6性，这将不可避免地加剧物联网通信的覆盖问题。为了应对这些挑战，可重构智能表面(RIS)作为提高第五代(5G)网络频谱效率(SE)的候选技术，最近受到了越来越多的关注。[0003]然而，由于RIS反射元件具有大量的信道系数，因此其所获得的信道状态信息优化最小化的RIS信道估计算法也被提出，其性能优于同类算法。利用深度学习(deep7[0005]上述关于信道估计的研究在混合RIS辅助信道中是有限的，在混合RIS辅助信道网的联合稀疏信道估计方法，本发明利用反射信道和LOS信道特性的mmWave多输入多输出[0007]本发明的第二目的在于提供一种基于智能反射面辅助物联网的联合稀疏信道估[0012]构建RIS辅助的毫米波MIMO系统，采集接收信号，构建毫米波MIMO系统的信道模l,r范数最小化实现反射信8UEBST。[0033]Ψ=[ΨBU,ΨBRU]9BU)表示正则化项；[0071]Ψ=[ΨBUΨBRU][0079]所述毫米波MIMO系统构建模块用于构建RIS辅助的毫米波MIMO系统，采集接收信[0080]所述信道模型构建模块用于构建毫米波MIMO系统的信道模型，包括LOS信道和反[0081]所述RIS辅助信道估计框架构建模块用于构建RIS辅助信道估计框架实现RIS辅助[0082]通过引入加权范数最小化实现LOS信道估计，引入l,r范数最小化实现反射信[0083]所述混合信道模型构建模块用于在完成估计LOS信道和反射信道后，建立混合信执行存储器存储的程序时，实现上述基于智能反射面辅助物联网的联合稀疏信道估计方[0090](1)本发明采用了并行智能反射面信道估计技术方案，解决了视距信道与反射信[0092](3)本发明设计了一种有效的信道估计迭代算法，并在每次迭代中采用自适应策[0093]图1为本发明基于智能反射面辅助物联网的联合稀疏信道估计方法的流程示意[0101]如图1所示，本实施例提供一种基于智能反射面辅助物联网的联合稀疏信道估计[0106]利用毫米波通道的稀疏散射特性，信道估计问题可以表述为一个稀疏恢复问BR和HRU信道可表示为：BS-RIS和RIS-UE信道的复数增益。θl，φl∈[0,2π]为第l条路径相关的AoD和AoA。[0124]y(t)=z'"(t)Hf(t)s(t)+n(t),vt=1,…,T(7)和通过收数最小化实现LOS信道估计。为了实现精确的性能，提出了l,r范数最小化来解决反射信BRU的问题(14)可以重写为的最优值是很重要的，考虑了一个自适应参数τ。在此基础上，采用鲁棒的l,r正则化函[0177]不难看出，该优化问题是一般的凸约束二次规划，利用KKT条件可以得到其最优返回步骤A3；Irse[0206]A8.4、通过解决优化问题来估计h[0211]如图5所示，设置信噪比为-20dB到30dB，研究LOS和反射信道的信道估计方法的提出的算法利用了加权范数和鲁棒l,r范数来提高估计精度。[0218]通过引入加权范数最小化实现LOS信道估计，引入l,r范数最小化实现反射信[0220]在本实施例中，稳定解求解模块用于结合梯度下降和交替最小化方法求得稳定