本發(fā)明涉及無(wú)線電通信，特別涉及一種xl-ris輔助的近場(chǎng)多波束設(shè)計(jì)方法及系統(tǒng)。

背景技術(shù)：

1、隨著6g技術(shù)的發(fā)展，xl-ris技術(shù)因其增強(qiáng)信號(hào)覆蓋和系統(tǒng)容量的優(yōu)勢(shì)而受到關(guān)注。在近場(chǎng)通信中，xl-ris通過(guò)多波束設(shè)計(jì)技術(shù)優(yōu)化信號(hào)傳播和波束分配，以滿足不同用戶的需求。然而，傳統(tǒng)的多波束設(shè)計(jì)算法在處理大規(guī)模陣列時(shí)，存在收斂速度慢和計(jì)算復(fù)雜度高等問(wèn)題。

2、目前，有很多研究從交替優(yōu)化的角度來(lái)進(jìn)行多波束設(shè)計(jì)。

3、現(xiàn)有技術(shù)1：?decai?shen,?linglong?dai,?xin?su,?and?shiqiang?suo.?multi-beam?design?for?near-field?extremely?large-scale?ris-aided?wirelesscommunications.?ieee?transactions?on?green?communications?and?networking,?7(3):1542–?1553,?2023.

4、現(xiàn)有技術(shù)1首次提出了一種基于超大規(guī)模智能反射面?(xl-ris)?輔助無(wú)線通信的多波束設(shè)計(jì)方法。該方法針對(duì)現(xiàn)有近場(chǎng)?ris?系統(tǒng)主要集中于單波束設(shè)計(jì)的局限性，提出了一種多波束設(shè)計(jì)方案，以克服多用戶場(chǎng)景下波束增益損失的問(wèn)題，從而提高傳輸速率。

5、該方法首先通過(guò)波束訓(xùn)練步驟，由所有用戶獨(dú)立確定每個(gè)用戶所需的單波束方向和增益，無(wú)需獲取精確的信道狀態(tài)信息?(csi)。然后，多波束設(shè)計(jì)步驟將這些單波束方向和增益作為目標(biāo)，通過(guò)優(yōu)化算法生成指向用戶所需區(qū)域的多個(gè)近場(chǎng)波束。然而，由于?xl-ris的恒模約束，多波束設(shè)計(jì)問(wèn)題本質(zhì)上是受約束的非凸二次規(guī)劃問(wèn)題，難以直接求解。為了解決這個(gè)問(wèn)題，提出了一種基于?bcd?的?mm?算法，將問(wèn)題分解為一系列可解決的子問(wèn)題，并通過(guò)迭代優(yōu)化逐步逼近最優(yōu)解。此外，為了克服恒模約束對(duì)多波束優(yōu)化解空間的影響，引入了多波束增益的相位因子作為額外的優(yōu)化變量，從而豐富了優(yōu)化自由度。通過(guò)優(yōu)化相位因子，算法能夠更好地控制多波束的指向性和增益，從而提高傳輸速率。

6、現(xiàn)有技術(shù)中，盡管大規(guī)模天線和?xl-ris?技術(shù)的進(jìn)步為近場(chǎng)?xl-ris?輔助無(wú)線通信的多波束設(shè)計(jì)方法帶來(lái)了顯著性能提升，但該技術(shù)在實(shí)際應(yīng)用中仍面臨諸多挑戰(zhàn)。計(jì)算復(fù)雜度、恒模約束、波束訓(xùn)練開(kāi)銷(xiāo)、系統(tǒng)參數(shù)選擇以及動(dòng)態(tài)環(huán)境適應(yīng)性等問(wèn)題制約著其發(fā)展。為了克服這些難題，并進(jìn)一步發(fā)揮多波束設(shè)計(jì)的潛力，未來(lái)的研究需要著重探索高效的算法、低復(fù)雜度的代碼簿、動(dòng)態(tài)信道估計(jì)和波束跟蹤技術(shù)，并對(duì)系統(tǒng)參數(shù)進(jìn)行優(yōu)化。同時(shí)，研究如何更好地利用相位因子來(lái)克服恒模約束，進(jìn)一步提高多波束設(shè)計(jì)的性能。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種xl-ris輔助的近場(chǎng)多波束設(shè)計(jì)方法及系統(tǒng)，以達(dá)到如下至少一個(gè)目的：

2、1）解決近場(chǎng)多波束設(shè)計(jì)中的信道建模的問(wèn)題：針對(duì)6g通信中xl-ris（超大規(guī)模智能反射面）輔助的近場(chǎng)無(wú)線通信，提出了基于saleh-valenzuela信道模型和球面波陣列特性的近場(chǎng)反射信道模型，以更準(zhǔn)確地反映信道特性；

3、2）解決傳統(tǒng)算法收斂速度慢和計(jì)算復(fù)雜度高的問(wèn)題：通過(guò)引入多起點(diǎn)adam算法，克服了傳統(tǒng)算法在大規(guī)模陣列處理中的收斂速度慢和計(jì)算復(fù)雜度高的問(wèn)題，提高了優(yōu)化的效率；

4、3）避免局部最優(yōu)解：為了避免優(yōu)化過(guò)程中陷入局部最優(yōu)解，采用了多起點(diǎn)優(yōu)化策略，從多個(gè)初始點(diǎn)開(kāi)始進(jìn)行優(yōu)化，增加找到全局最優(yōu)解的概率；

5、4）優(yōu)化波束成形向量以提高用戶速率：通過(guò)使用多起點(diǎn)adam算法優(yōu)化波束成形向量，進(jìn)一步提高了用戶接收信號(hào)的強(qiáng)度，從而提高了系統(tǒng)的傳輸速率。

6、為了達(dá)到上述目的，采用的技術(shù)方案如下：

7、第一方面，提供一種xl-ris輔助的近場(chǎng)多波束設(shè)計(jì)方法，所述方法包括：用戶1-用戶k

8、構(gòu)建xl-ris輔助的近場(chǎng)通信多用戶接收信號(hào)模型；

9、構(gòu)建近場(chǎng)多波束優(yōu)化模型；

10、對(duì)所述近場(chǎng)多波束優(yōu)化模型進(jìn)行求解，以得到xl-ris波束反射矩陣；

11、迭代求解所述近場(chǎng)多波束優(yōu)化模型，得到基站發(fā)射信號(hào)到xl-ris的反射矩陣，完成xl-ris輔助的系統(tǒng)多波束優(yōu)化。

12、可選的，基于xl-ris輔助近場(chǎng)無(wú)線通信系統(tǒng)模型來(lái)構(gòu)建xl-ris輔助的近場(chǎng)通信多用戶接收信號(hào)模型；其中，所述xl-ris輔助近場(chǎng)無(wú)線通信系統(tǒng)模型包括基站、xl-ris、用戶設(shè)備；其中，所述基站、xl-ris以及用戶設(shè)備，兩兩之間通信連接。

13、可選的，基于xl-ris輔助近場(chǎng)無(wú)線通信系統(tǒng)模型來(lái)構(gòu)建xl-ris輔助的近場(chǎng)通信多用戶接收信號(hào)模型，包括；

14、設(shè)定基站的位置和天線數(shù)量，基站配備個(gè)天線，采用均勻線陣；

15、設(shè)定xl-ris的位置和反射單元數(shù)量，xl-ris采用行列的均勻平面陣列結(jié)構(gòu)，總反射單元數(shù)為；

16、設(shè)定用戶設(shè)備的位置和數(shù)量，系統(tǒng)服務(wù)個(gè)單天線的用戶設(shè)備；

17、確定所述xl-ris輔助的近場(chǎng)通信多用戶接收信號(hào)模型表示為：

18、；

19、其中，表示第個(gè)用戶設(shè)備接收到的信號(hào)，∈表示基站發(fā)射的預(yù)設(shè)碼信號(hào)向量，表示復(fù)數(shù)域；∈表示xl-ris的波束形成矩陣；表示第個(gè)用戶接受到的加性白高斯噪聲，表示復(fù)高斯分布，表示其方差大??；表示第個(gè)用戶設(shè)備的反射信道矩陣，，表示從基站到xl-ris的信道矩陣，表示xl-ris至第個(gè)用戶設(shè)備的信道向量，表示用于構(gòu)造對(duì)角矩陣的函數(shù)，xl-ris通過(guò)設(shè)計(jì)來(lái)調(diào)整入射信號(hào)的相位，其中表示xl-ris的波束成形向量。

20、可選的，構(gòu)建近場(chǎng)多波束優(yōu)化模型，包括：

21、在所述基站與所述xl-ris之間的距離以及所述xl-ris與所述用戶設(shè)備之間的距離滿足時(shí)，根據(jù)球面波前假設(shè)對(duì)反射信道進(jìn)行建模得到近場(chǎng)反射信道模型；其中表示瑞利距離，，為陣列孔徑，為載波波長(zhǎng)；

22、在球面波前假設(shè)下，所述近場(chǎng)反射信道模型中，第個(gè)用戶設(shè)備的反射信道表示為：

23、；

24、其中，是第個(gè)用戶設(shè)備的反射信道，是從xl-ris到第個(gè)用戶設(shè)備的空間坐標(biāo)向量，是從基站到xl-ris的空間坐標(biāo)向量，是與第k個(gè)用戶設(shè)備相關(guān)的增益或衰減因子，、是陣列導(dǎo)向矢量， t是矩陣轉(zhuǎn)置；

25、所述近場(chǎng)反射信道模型中，對(duì)于近場(chǎng)條件下的陣列導(dǎo)向矢量和，表示為：

26、；

27、；

28、其中，和分別表示xl-ris的第和個(gè)元素到第個(gè)用戶設(shè)備和到基站的距離，是自然常數(shù)，是圓周率，是虛數(shù)單位；

29、基于所述近場(chǎng)反射信道模型，確定所述近場(chǎng)多波束優(yōu)化模型表示為：

30、；

31、；

32、其中，表示針對(duì)k個(gè)目標(biāo)用戶的實(shí)際波束增益，表示實(shí)數(shù)集，表示近場(chǎng)導(dǎo)向矩陣，近場(chǎng)導(dǎo)向矩陣的每列是通過(guò)近場(chǎng)碼本中的波束訓(xùn)練獲得的對(duì)應(yīng)用戶設(shè)備的碼字，表示第個(gè)xl-ris元素的反射系數(shù)，，表示第n個(gè)xl-ris元素的反射系數(shù)代表的相位，、表示目標(biāo)函數(shù)，表示約束，表示目標(biāo)函數(shù)最小化，表示矩陣的轉(zhuǎn)置共軛。

33、可選的，對(duì)所述近場(chǎng)多波束優(yōu)化模型進(jìn)行求解，以得到xl-ris波束反射矩陣，包括：

34、初始化參數(shù)；其中，所述參數(shù)包括波束成形向量、學(xué)習(xí)率、動(dòng)量估計(jì)的第一衰減率 β1和第二衰減率 β2、第一階矩和第二階矩以及常數(shù)值 ?；

35、計(jì)算梯度：對(duì)于每次迭代 t，計(jì)算目標(biāo)函數(shù)相對(duì)于當(dāng)前波束成形向量 θt的梯度；

36、通過(guò)如下公式更新第一階矩估計(jì)：

37、；

38、其中，表示更新的第一階矩估計(jì)，表示當(dāng)前的第一階矩估計(jì)；

39、通過(guò)如下公式更新第二階矩估計(jì)：

40、；

41、其中，表示更新的第二階矩估計(jì)，表示當(dāng)前的第二階矩估計(jì)；

42、通過(guò)如下公式計(jì)算偏差修正的第一階矩和第二階矩估計(jì)：

43、 ， ；

44、其中，表示偏差修正的第一階矩，表示一階矩估計(jì)中的衰減率，表示偏差修正的第二階矩估計(jì)，表示二階矩估計(jì)中的衰減率；

45、通過(guò)如下公式更新波束成形向量：

46、；

47、其中，表示更新的波束成形向量，表示當(dāng)前的波束成形向量，表示學(xué)習(xí)率，表示偏差修正的第一階矩估計(jì)，表示偏差修正的第二階矩估計(jì)；

48、檢查收斂條件：如果滿足收斂條件，則停止迭代；否則，繼續(xù)執(zhí)行迭代步驟，所述迭代步驟包括計(jì)算梯度、更新第一階矩估計(jì)、計(jì)算偏差修正的第一階矩和第二階矩估計(jì)以及更新波束成形向量。

49、可選的，迭代求解所述近場(chǎng)多波束優(yōu)化模型，得到基站發(fā)射信號(hào)到xl-ris的反射矩陣，完成xl-ris輔助的系統(tǒng)多波束優(yōu)化，包括：

50、隨機(jī)初始化：生成多個(gè)初始波束成形向量，其中?s?表示啟動(dòng)點(diǎn)的數(shù)量，根據(jù)高斯分布或均勻分布對(duì)所述多個(gè)初始波束成形向量進(jìn)行隨機(jī)采樣；

51、獨(dú)立優(yōu)化：對(duì)每個(gè)初始波束成形向量進(jìn)行獨(dú)立優(yōu)化。所述獨(dú)立優(yōu)化包括計(jì)算梯度、更新第一階矩估計(jì)和第二階矩估計(jì)，以及更新波束成形向量；

52、性能記錄：在每次迭代中記錄性能參數(shù)，所述性能參數(shù)包括信道增益和用戶速率；

53、局部最優(yōu)選擇：在每次獨(dú)立優(yōu)化完成后，基于所述性能參數(shù)選擇性能最優(yōu)的反射矩陣作為局部最優(yōu)解；

54、全局最優(yōu)確定：從所有局部最優(yōu)解中選擇性能最優(yōu)的反射矩陣作為全局最優(yōu)解；

55、在達(dá)到最大迭代次數(shù)或收斂閾值的情況下，以當(dāng)前確定的全局最優(yōu)解作為基站發(fā)射信號(hào)到xl-ris的反射矩陣，完成xl-ris輔助的系統(tǒng)多波束優(yōu)化。

56、第二方面，提供一種xl-ris輔助的近場(chǎng)多波束設(shè)計(jì)系統(tǒng)，所述系統(tǒng)包括：

57、第一模型構(gòu)建模塊，被配置為構(gòu)建xl-ris輔助的近場(chǎng)通信多用戶接收信號(hào)模型；

58、第二模型構(gòu)建模塊，被配置為構(gòu)建近場(chǎng)多波束優(yōu)化模型；

59、第一求解模塊，被配置為對(duì)所述近場(chǎng)多波束優(yōu)化模型進(jìn)行求解，以得到xl-ris波束反射矩陣；

60、第二求解模塊，被配置為迭代求解所述近場(chǎng)多波束優(yōu)化模型，得到基站發(fā)射信號(hào)到xl-ris的反射矩陣，完成xl-ris輔助的系統(tǒng)多波束優(yōu)化。

61、本發(fā)明的有益效果是：

62、1.優(yōu)化效率顯著提高：通過(guò)引入多起點(diǎn)adam算法，顯著加快了算法的收斂速度，相較于傳統(tǒng)的mm算法，減少了計(jì)算時(shí)間，提高了優(yōu)化效率。

63、2.增強(qiáng)了全局最優(yōu)解的獲取概率：采用多起點(diǎn)優(yōu)化策略，避免了算法陷入局部最優(yōu)，增加了找到全局最優(yōu)解的可能性，確保了優(yōu)化結(jié)果的可靠性。

64、3.提升了系統(tǒng)的傳輸速率：通過(guò)對(duì)波束成形向量的優(yōu)化，用戶接收信號(hào)強(qiáng)度得到了增強(qiáng)，顯著提升了系統(tǒng)的傳輸速率，改善了通信質(zhì)量。