智能反射表面辅助的非正交多址接入系统用户分组、波束赋形与相移的优化

该文研究智能反射表面(IRS)辅助的多天线非正交多址接入(NOMA)网络中用户分组、发送波束赋形、相移等的联合优化问题。系统中1个分组分配1个波束并在组内进行连续干扰消除检测。该文提出一种不依赖于发送波束赋形和IRS相移的用户分组配对策略,将用户分组与其他优化分离,显著降低了优化问题求解的难度和计算复杂度。进一步,联合优化基站发送波束赋形、功率分配和IRS相移矩阵,最小化基站的总发送功率。原始优化问题是一个多变量相互耦合的非凸优化问题,利用松弛变量、连续凸逼近、半定松弛、交替迭代优化等方法将原问题转化为凸问题并求解。仿真结果显示,相较于1个用户1个波束的方案,所提方案在基站天线数较少时性能更优,而在天线数较多时也与该对比方案非常接近,但所提方案的优化计算复杂度更低。而对比采用不同分组算法、随机IRS相移方案、最大比发射方案,以及无IRS的方案,所提方案的性能始终更优。

可重构智能表面辅助的V2I通信系统联合波束赋形算法

为解决基于信道先验知识的联合波束赋形方法受限于多变的车辆与交通基础设施(V2I)通信场景且信道估计开销过大等问题,该文结合环境态势感知,提出一种基于无线传播链路预测的联合波束赋形方法。该方法首先利用射线追踪模拟器构建了可重构智能表面(RIS)辅助的V2I毫米波通信系统模型,通过改变环境态势以获取多样的无线传播链路数据来构建数据集。其次,使用该数据集训练基于机器学习的无线传播链路预测模型。最后,在最大发射功率约束条件下,构建了联合波束赋形问题模型,并基于预测结果采用交替迭代优化方法(AIOA)优化基站波束赋形矩阵和RIS相移矩阵,以实现同步通信车辆用户最小信干噪比(SINR)的最大化。仿真结果验证了该方法的有效性,通过引入非信道先验知识驱动,降低了信道探测开销,提高了该方法在V2I场景中的可行性。

IRS辅助去蜂窝大规模MIMO系统反窃听安全波束赋形研究

为提高物理层安全通信性能,针对目前物理层通信容易受到建筑物遮挡和非法用户窃听的问题,提出了一种智能反射面(intelligent reflecting surface,IRS)辅助去蜂窝大规模多输入多输出(multiple-input multiple-output,MIMO)系统反窃听安全传输波束赋形方案。考虑信道理想的情况下,以还原合法用户接收信号和阻止非法用户接收信号为目标,最小化发射波束赋形向量,构建了一个基站主动波束赋形向量和IRS相移的联合波束赋形问题。通过交替优化将原问题分解为基站波束赋形向量优化子问题和IRS相移优化子问题,并通过解非齐次线性方程组思想的方法,对优化子问题进行求解。仿真结果表明,相较于传统物理层安全通信方案,提出的方案能够有效使非法用户窃听信号为0,降低传输功率,并且具有较好的误码率。

一种基于SIC-CDM的低复杂度混合波束赋形方案

为了平衡毫米波大规模多输入多输出系统的性能和硬件开销,降低系统功耗,以频谱效率为优化目标,在部分连接结构下提出了一种收发端联合设计的低复杂度混合波束赋形方案。首先,基于连续干扰消除将原始优化问题转化为多个子阵的速率优化问题;然后,利用坐标下降法完成模拟波束赋形矩阵设计;最后,引入等效信道矩阵大幅降低矩阵维度,再对其进行奇异值分解获得数字波束赋形矩阵。仿真结果表明,与其他算法相比,所提算法在系统功耗降低的同时保持了较优的性能,且性能逼近部分连接结构的最优方案。

IRS辅助去蜂窝mMIMO系统低复杂度波束赋形算法

针对目前智能反射面(intelligent reflecting surface,IRS)辅助去蜂窝大规模多输入多输出(massive multiple-input multiple-output,mMIMO)系统现有算法复杂度高的问题,提出了一种基于IRS辅助去蜂窝mMIMO系统联合波束赋形低复杂度算法。在满足还原用户接收的信号、IRS相移和发射功率约束的条件下,以得到最优发射波束赋形向量为目标,构建了一个联合优化接入点(access point,AP)主动波束赋形和IRS被动波束赋形问题。利用交替优化方法将原问题转换为两个易于处理的子问题,并基于解非齐次线性方程组,采用Lagrange乘数法和人工蜂群算法对子问题进行求解。仿真结果表明,相较于传统算法,所提算法有更低的复杂度和误码率,可使用更小的发射功率和频谱效率等资源获得与其他方案相当的性能。

可重构智能反射面辅助太赫兹通信系统鲁棒波束赋形算法

太赫兹通信作为6G的关键技术之一,被认为是能够解决频谱资源短缺、提升系统容量的有效手段。然而,由于路径损耗极高和分子的吸收作用,太赫兹容易被障碍物阻挡导致通信中断。为了解决该问题,该文将可重构智能反射面(RIS)引入到太赫兹通信系统中,且考虑信道不确定性对传输稳定性的影响,基于用户服务质量约束、基站发射功率约束及RIS离散相移约束,建立多用户能效最大化波束赋形模型。利用丁克尔巴赫、连续凸近似、S-程序、半正定松弛、相位映射和块坐标下降将原非凸优化问题转化为凸优化问题进行求解。仿真结果表明,与传统非鲁棒波束赋形对比,所提算法能效提升了15.4%,中断概率减小了15.48%。

智能反射面辅助的MU-MISO车联网毫米波通信联合波束赋形

近年来,车联网通信系统提出了大规模数据传输,通信连接稳定等需求。高频段通信凭借超高传输速率,低时延的特点被引入了该系统,但是,高频段通信仍面临着阻塞问题的挑战。因此,智能反射面作为一种可解决高频段通信阻塞问题的技术,成为车联网高频通信的热点议题。智能反射面由超材料构成,其表面的多个无源反射单元均匀排布形成阵列,所有反射单元的反射系数均可通过智能控制器实时调节,控制反射波束的方向和形状,来实现对无线传输环境的智能调控,提供增强视距通信、扩展通信覆盖范围等服务。针对MU-MISO车联网毫米波通信场景下,基站与车辆用户视线通信链路因遮蔽,车辆高速移动等因素,面临随机中断的问题,将智能反射面引入该系统,并结合该系统提出了基于半定松弛问题的交替迭代优化算法,以提高通信稳定性。该方法将系统中基站波束赋形矩阵优化和智能反射面相移矩阵优化分解为两个子问题,通过定义半定矩阵变量并适当放松特定的约束条件将两个子问题近似成为半定松弛问题,随后,使用交替优化技术对其进行迭代求解以实现联合优化,通过最大化同时刻通信车辆中的最小信干噪比来确保通信稳定性。仿真结果表明,该方法显著提高了车辆用户的信干噪比和基站的总频带利用率,确保了动态场景中车辆与基站的通信稳定性。

宽波束赋形天线星地测试技术分析与改进

为满足风云三号G星长寿命、高可靠、业务化的工作要求,星上数传天线采用通信性能好、覆盖率高的宽波束赋形设计。但宽波束赋形天线测试技术相对复杂,对测试质量有潜在影响。文章重点阐述了风云三号G星数传天线设计方案的必要性,建立星地链路余量分析,对星载数传天线的仿真和试验结果比对进行分析,验证了天线方向图测试结果的有效性,并对星载天线和地面系统的测试技术提出改进,提高了测试结果的准确性和完整性。相应技术的改进可以为平台方案相近的空间辐射测量基准卫星平台系统综合试验验证技术提供支撑。

卫星通信中高鲁棒性自适应波束赋形算法

在卫星通信中,采用自适应波束赋形技术能极大提升导航接收机的抗干扰性能,然而,传统自适应波束赋形算法对模型失配极为敏感.针对传统自适应波束赋形算法在期望信号导向矢量和协方差矩阵失配时,输出性能急剧下降的问题,本文提出了一种高鲁棒性自适应波束赋形算法.该算法首先估计期望信号的输入信噪比(SNR),再根据SNR构造投影矩阵来估计期望信号导向矢量和干扰信号导向矢量;接着,基于不确定集优化方法再次校正期望信号导向矢量和干扰信号导向矢量;最后,估计信号功率并重构干扰加噪声协方差矩阵.仿真结果表明,相比于协方差矩阵重构波束赋形算法,本文算法具有更优异的输出信干噪比(SINR)性能,当SNR为10.0 dB并存在期望信号波达方向(DOA)估计失配时,本文算法的输出SINR增益可达1.9 dB;当存在波前扰动失真时,输出SINR增益约1.5 dB;当存在局部相干散射时,输出SINR增益约1.6 dB.

STAR-RIS辅助ISAC系统波束赋形优化方法

本文提出了将通信感知一体化(Integrated Sensing and Communication,ISAC)系统与同时透射和反射可重构智能表面(Simultaneously Transmitting and Reflecting Reconfigurable Intelligent Surfaces,STAR-RIS)相结合的系统模型,解决了传统可重构智能表面RIS不能实现全空间通信与感知的问题;同时考虑在STAR-RIS上安装低成本的专用传感器以实现ISAC系统在STAR-RIS上执行目标感知的一种新颖有源架构,解决了雷达感知的严重路径损耗问题.本文旨在联合优化ISAC基站处的波束赋形和STAR-RIS的无源波束赋形,以最大化通信用户的加权和速率(Weighted Sum Rate,WSR),同时保证感知性能的最低信噪比(signal-to-noise ratio,SNR).为了解决该复杂非凸优化问题,交替优化基站波束赋形及STAR-RIS无源波束赋形.针对所提的满足雷达感知SNR最低要求下最大化WSR问题,基站处波束赋形的优化子问题等价为加权最小均方误差(Weighted Minimum Mean Square Error,WMMSE)问题,STAR-RIS处无源波束赋形优化子问题等价为分式规划(Fractional Programming,FP)问题.进一步,分别将优化的非凸子问题转化为二次约束二次规划(Quadratic Constraint Quadratic Programming,QCQP),并使用半正定松弛(Semidefinite Relaxation,SDR)技术将它们分别转化为凸的半正定规划(Semidefinite Programming,SDP)子问题进行迭代求解.仿真结果验证了所采用新型STAR-RIS辅助ISAC方案的优点和所提算法在提高WSR性能上的有效性.

智能反射面使能认知多播鲁棒波束赋形设计

针对智能反射面使能认知多播系统波束赋形设计面临不精确信道状态信息的问题,提出一种联合认知基站主动与IRS被动波束赋形的鲁棒优化方法。先利用连续凸近似方法、S-procedure和舒尔补引理处理不精确CSI导致的非凸约束,再利用交替优化解耦决策变量,进而提出基于交替优化和罚凸凹过程的次优方法。仿真结果表明所提算法收敛快,在信道估计存在一定误差时仍可用以部署IRS并显著提高认知多播网络性能。

基于角度信息的1比特RIS波束赋形

智能超表面(Reconfigurable Intelligent Surface,RIS)技术是第六代移动通信网络(6th generation mobile networks,6G)的关键支撑技术之一,可显著增强信号强度和质量,减轻通信干扰,提升通信性能;相较于传统有源天线阵列,RIS硬件成本低,被动工作方式带来低功耗的特性。波束赋形技术是RIS辅助通信系统的关键技术之一,过去的研究主要集中在连续相位波束赋形上,解决典型的通信波束赋形目标,包括能量效率最大化、信噪比最大化以及传输速率最大化等。这些研究取得了显著的成果,为通信系统的性能提升做出了贡献。然而,在实际应用中,由于成本和硬件方面的限制,离散波束赋形设计更受青睐。现有的离散波束赋形方案难以保证最优性,且依赖于高开销的RIS级联信道估计。在这一背景下,本文提出了两种1比特RIS波束赋形方法,包括基于分割的最优波束赋形方法和基于贪婪策略的低复杂度波束赋形方法。这两种方法分别通过巧妙的分割和迭代优化,实现了只需角度信息即可生成指定方向高增益波束的目标。具体而言,基于分割的波束赋形方法通过复平面分割的方式,巧妙地设计各RIS单元的相位,可获得最优解;基于贪婪策略的波束赋形方法,通过对各RIS单元相位迭代优化的方式,寻找1比特相位配置,能够取得接近最优的性能且具有更低的复杂度。此外,随着RIS相位误差的增加,分割法相对于贪婪法略显优势。

面向山地战术无线侦察的智能反射面反射波束赋形设计

在复杂山地条件下,传统的无线侦察方式面临诸多干扰和困难。对此,提出了一种利用智能反射面在山地侦察中构建反射视距侦察链路以提高链路整体侦察效果的设计方案。具体而言,考虑公平性和整体效率,以最大化加权侦察信噪比和最大化最小侦察信噪比为目标,对反射波束赋形向量进行优化设计。仿真结果表明,所提方案能够显著提升链路侦察效果。

基于深度学习的智能表面毫米波波束赋形

基于深度学习的大型智能表面毫米波波束赋形问题,引入具有少量有源元件的大型智能表面(Large Intelligence Surface,LIS)后,通过一系列实验对比研究了卷积神经网络(Convolutional Neural Network,CNN)算法下波束赋形的性能。通过使用DeepMIMO数据集中具体场景下的射线追踪信道数据构造通信场景,并采用神经网络模型CNN、反向传播(Back Propagation,BP)和多层感知器(Multi-Layer Perceptron,MLP)算法学习毫米波通信环境。实验考虑了多个参数条件,包括路径数、有源单元数量、发射功率和数据集大小。结果表明,CNN算法在所有参数条件下均优于另外2种算法,在增加路径数和有源单元数量的情况下,CNN算法的性能优势更为显著。此外,增加数据集大小也可以提高CNN算法的性能表现。实验结果为相关领域的研究和实际应用提供了有价值的参考,对于改进毫米波通信系统性能具有重要意义。

基于自适应波束赋形的宽带卫星通信系统性能分析与优化

文章针对基于自适应波束赋形的宽带卫星通信系统进行了性能分析和优化。通过设计实验方案,包括不同信道条件、天线配置和自适应算法等,采集了实验数据并进行了分析。实验结果表明,可以根据不同的信道条件、天线配置和传输速率来优化系统参数,以提高系统性能。

星载共口径多波束赋形反射面天线设计

为了满足星载通信中多任务并行需求,提出了一种由格里高利型反射面和三个馈源喇叭天线组成的共口径多波束反射面天线,该天线能够产生两个固定轮廓波束和一个点波束。天线设计是采用射线追踪法确定点波束馈源位置以建立天线基础结构,并通过Zernike多项式和Cubic B-splines函数共同对主、副反射面进行赋形优化来完成。为了验证该方法的有效性,对口径为1.1 m的天线进行仿真设计,结果表明两个赋形轮廓波束在Ku收、发频段边缘增益(EOC gain)分别为27.7、28.0、28.0、28.2 dBi,固定点波束在服务区EOC gain不低于34 dBi并且在0~6.5°范围内的扫描波束增益不低于35 dBi。

基于LSTM动态波束赋形的高速列车越区切换算法

高速列车越区切换参数具有较强的时空相关性,以及无线信号在不同线路地形下具有衰落差异性,这都对高性能的越区切换提出了新的挑战,针对这一问题,设计一种基于长短期记忆网络动态波束赋形的高速列车越区切换算法。提出基于LTE-R中继通信模型的高铁典型运行场景中波束无遮挡传输的基站天线高度设置规律,通过估计发射波束主瓣方向并利用参考信号接收功率序列的时间相关特性,提出eNB重叠区内天线波束增益需求预测模型;同时采用增加波束预留角策略实现联合约束条件下的高速列车越区切换。结合高速铁路典型运行场景(路堑、高架桥)的路径损耗预测模型仿真评估了算法性能。结果表明,所提算法以略微牺牲越区切换时延为代价提高了越区切换成功率,能够有效避免高速列车越区切换引起的通信中断问题。

毫米波通感一体化中的混合波束赋形算法

针对毫米波(millimeter-wave,mmWave)通信感知一体化(integrated sensing and communication,ISAC)系统中混合波束赋形矩阵求解复杂度过高的问题,提出了一种权衡通信和雷达感知性能的低复杂度算法。首先引入辅助矩阵保证通信和雷达全数字波束赋形矩阵维度一致,并设计了能够提升权衡性能的构造方法。基于上述结果,在恒模约束和功率约束下设计模拟和数字波束赋形矩阵,最小化其与通信和雷达全数字波束赋形矩阵间的欧氏距离加权和。对于所建立的非凸优化问题,提出了加权正交匹配追踪(weighting-orthogonal matching pursuit,W-OMP)算法进行求解。仿真分析表明,所提算法在保持通信性能的同时,能够有效地生成指向检测目标的波束。

基于深度学习的多用户毫米波中继网络混合波束赋形

针对传统多用户毫米波中继系统波束赋形方案计算复杂度高的问题,提出一种基于深度学习(DL)的奇异值分解(SVD)方法来设计混合波束赋形,以优化发送端、中继端和接收端波束赋形器。首先,利用DL方法设计发送端、中继端的波束赋形矩阵最大化可实现的频谱效率;然后,设计中继端、接收端的频带波束赋形矩阵以最大化等效信道增益;最后,在接收端设计最小均方误差(MMSE)滤波器消除用户间干扰。理论分析和仿真结果表明,基于DL的混合波束赋形方法相较于交替最大化(AltMax)与传统SVD方法:在高维信道矩阵和较多的用户情况下,计算复杂度分别降低了12.5%和23.44%;在已知信道状态信息(CSI)的情况下,频谱效率分别提高了2.277%和21.335%,在非完美CSI情况下,频谱效率分别提高了11.452%和43.375%。

基于粒子群算法的阵列天线波束赋形研究

波束赋形可以得到雷达系统所希望的理想辐射波束,然而传统分析方法存在理论分析繁琐、计算量较大的缺点,不利于在实际的工程应用中得到推广和使用。文章提出了一种基于粒子群算法对波束赋形的研究方法,具有代码简单、计算快速准确等优势。根据直线阵列的基本理论建立基本模型及方向图波瓣评估函数,最后得出两个案例的分析结果。计算结果验证了该方法的可行性和高效性,利于在实际工程中得到应用。