1.一种被动智能反射面辅助云接入网通信感知方法,其特征在于:BBU池通过L个多天线RRH与K个单天线用户进行通信,并且检测到需要的目标;BBU池和RRH之间采用点对点有线前传链路,由于RRH和探测目标存在遮挡,通过被动智能反射面将信号反射给需要探测的目标,同时通过反射面将信号发送给用户来增强通信;通过对BBU池和RRH的发射波束形成矩阵、反射面的相移矩阵以及前传量化噪声的协方差矩阵进行联合优化,具体包括如下步骤:
1.1)在一个被动智能反射面辅助的云无线接入网的双功能雷达通信系统中,它向K个单天线用户发送通信符号,同时将雷达探测波形发送到感兴趣的目标;系统包含1个BBU,L个RRH和M个IRS单元用于辅助增强通信与雷达感知;BBU和RRH之间采用有线连接的方式,RRH采用ULA阵列天线,天线数量为NR;
1.2)BBU池首先将传给第l个RRH的所有用户信号c进行波束赋形,然后和雷达感知信号x0进行叠加,产生的信号为: 为对应第l个RRH的信号,Wc为通信波束形成矩阵,c~CN(0,IK),x0~CN(0,R0);由于无线前传链路的容量是有限的,信号 在被传输到RRH之前被量化和压缩;通过采用高斯测试通道模型,压缩后的信号可以表示为:x=Wcc+x0+q其中R0为感知信号的协方差矩阵;q~CN(0,Ω),Ω为量化噪声的协方差矩阵,其中为压缩后信号的协方差矩阵;
1.3)第l个RRH发送的信号表示为:
ql~CN(0,Ωl,l)为独立于 的量化噪声,Ω=diag({Ωl,l}),矩阵 代表矩阵从BBU的前向压缩信号中截取对应RRH的波束赋形部分;该矩阵的具体结构为在对应第l个RRH部分的[(l‑1)NR+1,lNR]行构成一个维度为NR×NR的单位矩阵,其余部分都为零;这里考虑RRH的单天线功率等式限制
1.4)用户k收到的信号为:yk=(hk+gkΨG)x+nk=zkx+nk其中 表示第k个用户的加性高斯白噪声AWGN,hk为RRH到用户k的信道状态,gk为反射面到用户k的信道状态,Ψ为反射面的相位反射矩阵,G为RRH到反射面的信道状态,zk=hk+gkΨG。
2.根据权利要求1所述的一种被动智能反射面辅助的云无线接入网的双功能雷达通信系统波束赋形的方法,其特征在于:所述被动智能反射面辅助的云无线接入网的双功能雷达通信系统,为了实现理想波束和智能反射面的波束的均方误差最小,需要在用户SINR限制和前向压缩速率限制条件下进行,最后对RRH的传输信号的协方差矩阵R、前传量化噪声协方差矩阵Ω、智能反射面的相位反射矩阵Ψ和通信信号的波束赋形矩阵Wc进行优化;
优化问题表示为:
其中J为采样角度的数量, 是空间频率转向向量,有线性间隔的各向同性阵列的IRS,元件间距为d,波长为λ,α为缩放因子,d(θ)理想波束;(d)为线性用户SINR约束条件,Γ为阈值,wi为Wc的第i列, 代表高斯白噪声的协方差;(e)为前向压缩速率约束条件,将原始限制条件放大,要求放大之后的条件满足前传限制容量Cl,限制条件(f)中 表示矩阵的半正定性。
3.根据权利要求2所述的一种被动智能反射面辅助的云无线接入网的双功能雷达通信系统波束赋形的方法,其特征在于:需要将所述优化问题分解为两个子问题进行交替求解;
3.1)对于第一个子问题,首先需要固定优化问题中的Ψ来优化RRH的波束赋形矩阵Wc和前传量化噪声协方差矩阵Ω;
3.1.1)对于约束条件(b),定义 由于R0对于子问题的求解可省略,从而得到:
3.1.2)将优化问题中的约束条件(d)进行改写:
3.1.3)对于约束条件(e),可以进一步转为下面的近似约束:Sl为辅助变量,其要求为半正定矩阵;当 时,上式的等号成立;
3.1.4)首先定义 将优化问题转化为:
此问题直接通过优化得到最优的wk和R;
3.2)对于第二个子问题,首先需要固定优化变量R、wk和Ω来优化反射面矩阵Ψ;
3.2.1)用户k的可达速率Rk写为:
其中wk辅助常数变量;
uk是用户k
收到的信号进行解码的线性估计器;
约束条件(d)表示为:
对于固定发射波束形成器,已知线性接收器的最优解由下式给出:
3.2.2)每一轮迭代同时更新wk和R,使限制条件满足常数限制要求;定义
3.2.1)的限制条件最终改写为关于 的凸形式:H H
log(wk)‑Tr(ψakBkψ‑2ψdk+c)+1≥log(1+Γ)其中:
3.2.3)重写关于 目标函数:
H H
其中Q(θ)=diag(a(θ))GRGdiag(a(θ)), 利用辅助变量tj对优化目标函数进行约束,有限制条件:
3.2.4)使用半正定松弛方式直接对 进行优化获得结果ψ;目标函数通过泰勒公式在ψt处展开得到 其中ψt的初始值通过满足被动智能
反射表面的反射条件获得;
3.2.5)最终得到SDR形式的子问题二的优化形式:H
ψQ(θ)ψ‑αd(θ)≤tj,tj≥0
3.2.6)根据步骤3.2.5)中优化得到 的进行足够次数的高斯随机化得到性能最好的ψ,判断优化是否收敛,如果没有收敛则根据3.1.3)更新变量Sl,优化3.1.4)中的子问题一,更新变量wk和Rk,进而对子问题二更新其中有关变量,优化3.2.5)中的子问题直到收敛。