多维阵列张量模型的鲁棒波束成形方法

传统波束成形算法在应对维数较高的多维阵列时,训练快拍数难以满足远大于信号维数这一要求,从而导致波束成形器性能急剧下降。针对这一问题,本文给出了多维阵列输出数据的张量模型,基于多维阵列子维度的可分离性,引入张量波束成形方法,分析了其在训练快拍数需求上具有的优势。然后,基于张量波束成形中子维度干扰协方差矩阵的模型,通过直接估计干扰协方差矩阵实现了一种鲁棒张量波束成形方法。分析表明:该方法可更好地应对非均匀杂波环境以及相干干扰,并得到更高的输出信干噪比,以给出的二维极化敏感阵列为例,所提方法的训练快拍数需求为传统方法的1/3,相干干扰下输出信干噪比提高了约2.5 dB,仿真验证了分析的有效性。

IRS辅助的全双工通感一体化波束成形设计

为了解决传统通感一体化(integrated sensing and communication,ISAC)场景中通信和感知系统收发信号的切换频率差异以及通信易受障碍物阻挡的问题,将全双工(full-duplex,FD)技术和智能反射面(intelligent reflecting surface,IRS)引入ISAC系统,研究ISAC场景下IRS辅助的FD波束成形设计。基于IRS相移约束、基站接收波束成形约束、基站最大发射功率约束、上行用户最大发射功率约束、雷达感知阈值约束,建立了上下行用户和速率最大化波束成形优化问题。利用交替优化、连续凸逼近、半正定松弛、变量替换、半正定规划将原非凸优化问题转换成凸优化问题进行求解。仿真结果表明,在所考虑的通信性能指标下,所提方案相比对应的半双工和随机IRS方案分别提升了89.02%和70.15%。

城市街道下场景IRS辅助D2D通信系统波束成形设计

针对城市街道场景下蜂窝用户和D2D通信用户共享频谱以及城市街道下无线信道特性,该文提出一种IRS辅助的联合波束成形设计方法。在D2D链路信号与干扰加噪声比的约束下,以最大化蜂窝用户容量为目标,设计了最优的波束形成向量、相移矩阵和D2D链路发射功率。引入松弛变量将非凸且变量耦合的优化问题转换为解耦后的凸优化问题和二分法搜索功率分配,采用黎曼共轭梯度算法对反射相移矩阵进行优化。仿真结果表明,所提算法收敛性较好,且与基准方案相比能有效地提升用户信道容量。

一种基于有限内存拟牛顿法的混合波束成形算法

针对现有混合波束成形算法运行时间长、频谱效率低、误码率高的问题,该文提出一种基于有限内存拟牛顿法的混合波束成形算法(LBFGS)。该算法首先通过数字预编码器的最小二乘解构建单变量目标函数;然后采用目标函数的梯度近似黑塞矩阵的逆得到搜索方向并沿搜索方向更新模拟预编码器,直到满足停止条件;最后固定模拟预编码器得到数字预编码器。MATLAB仿真结果表明,LBFGS算法较现有MO算法减少了28%的运行时间,频谱效率提高了1.05%,误码率降低了1.06%。

可重构智能表面辅助的无源波束成形和信号检测

针对基于空间调制的可重构智能表面(Reconfigurable Intelligent Surface, RIS)联合无源波束成形和信号检测系统中无源波束成形的非凸二次约束二次规划问题,提出了基于连续凸逼近(Successive Convex Approximation, SCA)和优化最小化(Majorization-Minimization, MM)的低复杂度算法。针对用户信息的双线性检测问题,提出自适应阻尼因子双线性广义近似消息传递(Bilinear Generalized Approximate Message Passing, BiG-AMP)算法,在保证误码率性能的同时算法具有更快的收敛速度与更低的复杂度。针对仅有0和1组成的可重构智能表面信息检测,提出基于广义近似消息传递(Generalized Approximate Message Passing, GAMP)算法的改进算法,在计算从检查节点到变量节点的消息时算法不使用GAMP算法中近似值,而直接计算信息。仿真结果表明,在降低误码率性能方面改进的GAMP算法比GAMP实现了4 dB的信噪比增益。

EMVS互质面阵张量波束成形

相比于标量传感器均匀阵列,电磁矢量传感器(electromagnetic vector sensor,EMVS)稀疏阵列能够在降低系统软硬件成本的同时感知更大范围、更高维度的空间信号信息,并通过精尖波束扫描实现信源测向性能的综合提升。然而,传统基于矩阵信号建模的波束成形算法难以利用EMVS接收信号的多维结构化信息,且存在由阵元稀疏排布所引入的虚峰干扰问题。为了应对上述挑战,提出了面向EMVS互质面阵的张量波束成形算法,有效利用了空域互质采样的波束分布特性和张量信号处理的优势实现指向性张量波束扫描测向。具体而言,将EMVS互质面阵中稀疏均匀子面阵的接收信号表示为一对涵盖多维度空间电磁信息的高维张量,并从张量信号空域滤波的准则出发,设计面向稀疏均匀子面阵的张量化最小方差无畸变响应优化问题。为了克服由上述优化问题中张量内积项所造成的传统求解方法失效难题,提出通过张量权重的canonical polyadic分解,将原始张量化最小方差无畸变响应优化问题转换为对应波达方向信息维度与极化状态信息维度的子问题,并基于各子问题的局部最优解设计交替迭代求解方法,以获得张量权重的全局最优解。进而,基于张量空间的质数分解唯一性分析,理论证明一对满足互质阵元排布的稀疏均匀子面阵所对应的虚峰具有互不重叠特性,并提出张量波束功率的互质合成处理方法,以此构造具备精尖主瓣且虚峰抵消的张量波束功率图,从而实现多信源空间方位的精准估计。仿真结果验证了所提EMVS互质面阵张量波束成形算法的有效性。

智能反射表面的主被动联合波束成形分组模型优化算法

针对智能反射面(IntelligentReflectingSurface,IRS)联合主动和被动波束成形优化中计算复杂度过高的问题,该文基于经典的半正定松弛算法和交替优化算法提出了一种对本地IRS进行分组的新模型,通过降低每个IRS信道矩阵的秩来降低优化算法的复杂度。具体的,首先通过已知的IRS相位得出BS(Base Station)的次优发送波束,其次通过BS的发送波束计算得出分组后各IRS面的次优相位,经过不断交替迭代上述两步优化得出最优发送波束的结果。仿真结果表明,合适的IRS分组数量、分组方式与交替优化迭代次数可以在几乎不影响原算法性能的情况下,大大减少交替优化算法的复杂度。

STAR-RIS辅助通信感知一体化系统联合波束成形设计

提出同时将透射和反射可重构智能表面(Simultaneously transmitting and reflecting reconfigurable intelligent surfaces,STAR-RIS)与通信感知一体化(Integrated sensing and communication,ISAC)系统结合,以实现全空间的通信与感知。同时在STAR-RIS上应用一种低成本的传感器实现了在STAR-RIS上进行目标感知,解决了雷达感知的严重路径损耗问题。基于此,本文研究了STAR-RIS辅助位于STAR-RIS两侧的多用户多输入单输出(Multi-usermulti-input single-output,MU-MISO)以及一个位于STAR-RIS透射侧的目标的ISAC系统,旨在联合优化STAR-RIS的被动波束成形矩阵和ISAC基站处的主动波束成形矩阵,以最大化用户的通信和速率,同时满足目标感知的最低信噪比要求。为了解决优化过程中的非凸问题,提出了一种基于分式规划的块坐标上升算法,将优化变量分为几个块变量交替优化。在迭代优化后续波束成形问题上,应用了连续凸逼近和半正定松弛算法。与传统的可重构智能表面相比,仿真结果验证了在ISAC系统中部署STAR-RIS的优点。同时将所提的基于分式规划的算法与基于加权最小均方误差的算法进行了对比并验证了所提算法在提高通信和速率上的优势和有效性。

基于列车先验信息的RIS-MIMO系统鲁棒波束成形算法

针对高移动性场景中完美信道状态信息(CSI)难以获取导致的智能超表面多输入多输出(RIS-MIMO)系统主被动波束成形算法性能恶化的问题,构建了RIS辅助的高铁毫米波MIMO中继通信模型。首先,在列车位置信息不完全的情况下,估计并推导了RIS-车载移动中继(MRN)之间视线战略(LOS)路径角度估计误差的统计特性;其次,对毫米波MIMO系统的中断性能进行了研究,给出了以信道容量作为中断判决的中断概率表达式;最后,将优化问题建模为5G基站(gNB)发射功率约束的中断概率最小化问题,提出了一种基于黎曼共轭梯度下降的复圆流形优化算法并求解该问题。仿真结果表明,与现有算法和传统的无RIS系统以及RIS随机相位调节下的高铁通信系统相比,所提算法具有更快的收敛速度和更高的系统鲁棒性。

面向混合波束成形结构的改进SLM算法

在大规模多输入多输出系统中,峰均功率比(PAPR)是影响发射机性能的主要因素之一。传统的PAPR降低方法都是基于全数字编码结构,无法有效地降低混合波束成形结构中发射天线端信号的PAPR。为解决这一问题,提出一种改进选择性映射(SLM)算法,该方法对输入信号进行独立的相位旋转并计算发射天线端信号的PAPR,最后选取PAPR最小的一组信号进行发送。此外,还分析了使用该算法下发射天线端信号PAPR的上界和下界。理论分析与仿真结果显示,改进SLM算法能够有效地降低混合波束成形结构发射天线端信号的PAPR。

散射体旋转诱导模态下拓扑声高性能波束成形机理

实现具有特定形式的无旁瓣高指向性声波波束的发射以及发射器件抵抗错误因素的能力过低一直是波束成形领域的棘手问题,通过旋转散射体在声学拓扑绝缘体的体边对应关系下提出了散射体旋转诱导模态下拓扑声学高性能波束成形机理。受到旋转散射体对模态耦合的调控,能够实现无旁瓣宽频段下对波束波峰宽度以及波束能量衰减速率的近场和远场调控。通过在此结构内部引入错误因素,发现此拓扑声学高性能波束成形器具有高容错特性,多个错误因素对波束成形的近场远场结果基本不产生影响,这在很大程度上降低了加工制造的难度,同时极大地提高了器件的使用寿命。分别对拓扑声学波束成形以及错误因素介入下波束成形进行了实验验证,实验测试结果实现了4100~4630 Hz宽频带下无旁瓣的宽波峰波束,并且在器件中部分散射体缺失的情况下充分验证了波束成形器的高容错性。该研究提出的全新波束成形方法可为声学通信、微纳制造、生物医学和其他微形及多功能声学设备的工程应用提供参考。

硬件损伤下IRS辅助的SWIPT系统安全波束成形设计

为了提高无线携能通信(Simultaneous Wireless nformation and Power Transfer,SWIPT)通信系统的安全性,同时克服系统收发机硬件损伤(Hardware Impairments,HIs)的影响,提出一种硬件损伤下的智能反射面(Intelligent Reflecting Surface,IRS)辅助的SWIPT系统安全波束成形设计方法.考虑能量接收设备为潜在的窃听者,在基站最大发射功率、最小接收能量和IRS相移约束下,通过联合优化基站波束赋形矢量、人工噪声矢量和IRS的相移矩阵,构建系统安全速率最大化问题.针对该优化问题是非凸的,且优化变量是耦合的,提出一种基于交替优化和半正定松弛的有效算法来次优地解决该问题.仿真结果表明,本文所提算法能够在保障能量需求的同时,提升系统的安全性和抗硬件损伤能力.

融合可重构智能表面和深度强化学习的波束成形算法研究

可重构智能表面(Reconfigurable Intelligent Surface,RIS)技术是一种新兴的、绿色的技术,可以有效地实现频谱和能量的高效无线通信.本文研究基站(Base Stations,BSs)与RIS的联合波束形成中总发射功率最小化问题.由于人工智能(Artificial Intelligence,AI)在处理高维数据问题和非凸模型方面的优势,本文基于深度强化学习(Deep Reinforcement Learning,DRL)中的双延迟深度确定性策略梯度算法(Twin Delayed Deep Deterministic policy gradient,TD3),设计一种新颖的联合波束成形算法来处理RIS辅助无线通信系统的基站总发射功率最小化问题.仿真结果表明,本文所提算法的性能优于经典的交替优化算法,并且通过本文所提算法训练得到的模型可以直接部署和调用,不需要再次重复计算.

基于深度强化学习的可重构智能超表面辅助无人机通信联合波束成形与轨迹优化

针对可重构智能超表面(reconfigurable intelligent surface,RIS)辅助无人机(unmanned aerial vehicle,UAV)通信中的相移矩阵和UAV轨迹设计高度耦合所带来的运算复杂度较高的问题,本文面向RIS辅助UAV通信服务多用户场景,提出采用一种基于双深度确定性策略梯度框架的优化方法。该方法利用两个深度确定性策略梯度框架分别解耦UAV轨迹和波束成形两个子问题,并通过在奖励函数中添加与UAV能耗相关的惩罚项,实现系统频谱效率和能源效率的联合优化。数值仿真结果证明,联合优化UAV轨迹和波束成形向量能够有效提升系统性能,恰当的奖励函数设计能够有效指导智能体在动态无线环境中学习到正确的UAV轨迹与波束成形策略。该联合优化方法和基础方法相比实现了至少12%的频谱效率提升和24%的能源效率提升。

RIS辅助通感一体化:波束成形和反射相移的联合设计

ISAC允许通信和雷达共享频谱资源,被视为解决未来无线网络频谱拥塞的一项有前途的技术。当信道退化严重时,仅依靠基站侧天线获得的性能增益十分有限,RIS因其能够创建有利的传播环境已成为一项革命性技术,借助RIS可为ISAC系统创建额外的链路以提高系统性能。基于此,提出RIS辅助ISAC,通过联合设计基站的有源波束成形和RIS的反射相移,以最大化加权和速率与探测功率,并提出了基于加权均方最小误差和分数规划的交替算法来解决这一问题。仿真结果证明在ISAC中部署RIS并合理优化其相移可以有效提升通信和感知的性能。

部分连接宽带毫米波全双工MIMO系统混合波束成形设计

毫米波全双工MIMO系统是满足未来无线通信大带宽、低时延等需求的一种可行方案.本文针对采用有限精度移相器和部分连接结构的宽带毫米波全双工MIMO系统的混合波束成形问题进行研究,提出了一种可行的混合波束成形方法.首先,不考虑自干扰信号,利用上行/下行各子信道的奇异值分解和注水算法得到各子带最优全数字发送和接收波束成形矩阵;然后,将得到的全数字波束成形矩阵分解为满足部分连接结构的模拟波束成形矩阵和各子带数字波束成形矩阵;最后,利用最小均方误差准则更新各子带数字接收波束成形矩阵以降低自干扰信号对频谱效率的影响.分析表明,所提方法的算法复杂度较低;仿真结果表明,所提方法的频谱效率要优于相关研究和半双工毫米波通信.

分布式卫星系统中的物理层安全波束成形算法

针对分布式卫星系统中的安全传输问题,提出两种协作波束成形算法。首先,针对分布式卫星系统采用放大转发协议将来自静止轨道的卫星信号转发至合法用户的场景,构建以最小化分布式卫星系统的总发射功率为目标、合法用户安全速率和非目标用户受到的干扰满足要求为约束条件的优化问题。其次,为求解该非凸优化问题,提出一种基于拉格朗日对偶和半正定规划相结合的协作波束成形算法,并得出最优波束成形权矢量。此外,提出一种基于部分迫零的次优协作波束成形算法,可在不折损系统性能要求的条件下有效降低实现复杂度。相较于传统迫零算法,所提最优和次优算法能够分别节省20 dB和15 dB左右的功率。

基于改进最小方差波束成形的心磁信号的源重建

由于冠心病患者的心磁图在信噪比较低时,最小方差波束成形(MV)方法的源重建效果不理想,提出一种基于改进最小方差波束成形(IMV)方法,在MV方法的基础上,使用导联矩阵和磁场信号二阶特征矩阵组成约束矩阵,构造新的空间滤波器的权矩阵,从而降低输出噪声功率增益。利用点扩散函数理论比较IMV方法和MV方法的空间谱估计的单源分辨率;利用3个电流偶极子产生36通道磁场仿真数据,采用IMV方法和MV方法在低信噪比下对仿真数据进行源重建;最后对3名冠心病患者的36通道心磁图的R波峰和T波峰时刻数据进行源重建。结果表明,IMV方法的单源分辨率更高,对仿真数据及冠心病患者心磁数据的重建精度更好。

大规模MIMO系统基于有限反馈的端到端波束成形设计

针对频分双工(Frequency Division Duplex,FDD)模式下大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统的最佳波束成形设计,存在信道状态信息(Channel State Information,CSI)反馈开销严重和单独考虑某一模块难以得到整体最优解的问题,提出了一种基于有限反馈的端到端神经网络架构。首先,在基站侧设计可优化导频,并通过稀疏信道发送给用户。然后,用户将接收到的导频通过深度神经网络量化为B比特的信息流,并反馈给基站。最后,基站利用反馈信息,通过图神经网络完成最佳波束成形矩阵的设计。该架构将导频设计、量化、反馈以及最佳波束成形等不同模块整体考虑、优化。实验结果表明,所提的端到端神经网络模型在导频长度和反馈开销有限的情况下,能实现的用户和速率已经达到了具有全CSI的传统波束成形方案的96%。

基于深度强化学习的多智能体防窃听波束成形

针对多智能体通过无线传感器网络与目标接收器通信时可能遭遇的信息窃取问题,提出了一种创新的多智能体波束成形方法。该方法旨在通过动态调整智能体的分布及传输信号状态,确保接收器能收到高质量的信号,最大限度地避免被潜在的窃听者窃取信息。首先将联合优化问题定义为部分可观测马尔可夫决策过程(POMDP),其次基于深度强化学习算法解决此优化问题。通过引入集中式训练、分布式执行的框架,智能体可以根据局部观测进行协同决策,从而调整全局通信状态。为了验证所提方法的有效性,基于多智能体粒子环境(MPE)设计了仿真环境,并在多个场景下进行了训练及测试,实验结果验证了该方法的有效性。