论文部分内容阅读
随着5G技术研究趋于成熟,为追求更高的频谱效率以及更高的网络传输效率,各个主要国家和研究机构先后启动了第六代移动通信技术的研发。可重构智能反射面(Reconfigurable Intelligent Surface,RIS),由于其无源可控的特性,颠覆了传统无线信道随机,不可控的特点,被视为6G技术的一个关键的新型物理层技术。我们可以通过设计智能反射面的反射相移参数,以满足特定无线通信环境中的传输需求,该技术具有重要的研究意义。可重构智能反射面辅助无线通信环境中,通过RIS控制器控制智能反射面各个反射元件的幅度和/或相移,可以提高发射端信号的覆盖面积,降低发射端信号功率,降低相邻小区干扰以及提高安全通信的能力。在RIS辅助不同无线通信环境的过程中,关键点在于RIS反射相移参数的设计以适应不同的通信场景。传统的反射相移设计框架通常需要完整的信道状态信息(channel state information,CSI)并涉及大量的训练开销,此外为增强通信的实时性,需要获取瞬时CSI,收发端需要与RIS搭建一条额外链路进行频繁的信息交换,增加了硬件成本。将RIS应用于车联网环境中,车联网系统易获取通信过程中通信设备的相对位置信息,发射波束与RIS相移设计仅基于位置信息获取的统计SCI,因此将RIS应用于车辆网具有三大优势:1、基于位置信息获取统计CSI,减少训练开销;2、与瞬时CSI相比,位置信息变化慢的多,不需要频繁更新;3、车辆用户、基站以及RIS之间仅需要共享非常少量的位置信息,因此只需要低容量链接,降低了硬件成本。针对车联网环境下单RIS辅助多用户上行链路的信道估计问题,本文提出了一种基于位置信息的压缩感知信道估计算法,我们首先对车联网环境下单RIS辅助多个单天线用户的无线通信系统进行建模,获取单个用户,RIS以及接收端的相对位置,基于位置信息搭建模型,根据出发角(AOD)与到达角(AOA)的逻辑关系推导了最优相移矩阵,然后获取各个RIS反射元件对应的反射相位,最后基于获得的相移矩阵,构建了感知矩阵,基于压缩感知算法做信道估计,扩展到多用户场景下,迭代求解。通过采用广泛使用的正交导频传输策略,发射端通过RIS在Q个时隙将已知导频信号传输给接收端,用于上行信道估计。基于位置信息求解最优RIS相移矩阵,降低了信道额外的训练开销,进一步降低了信道估计的复杂度。仿真了不同信噪比条件下信道估计误差性能,以及在设定不同发射端-RIS距离以及RIS-接收端距离对信道估计的影响。仿真结果表明所提出的基于位置信息的压缩感知信道估计算法有较高的信道估计性能。针对实际应用环境中的信道估计问题,我们进一步研究了车联网环境中多RIS辅助多用户通信场景下的信道估计问题,由于多RIS辅助系统提高了无线信道码本的颗粒度,进一步提高了信道估计的复杂度。为提高多RIS辅助多用户通信环境中信道估计的归一化均方误差性能,并降低计算时间复杂度,本文提出了一种面向多RIS辅助多用户的信道估计算法,针对每一个多RIS辅助单用户级联信道做整体估计。具体的首先搭建了多RIS辅助单用户的系统模型,基于位置信息对系统的发射端与每个RIS系统进行低复杂度局部优化。基于压缩感知式,推导了多RIS辅助单用户的级联信道式,由于毫米波信道的稀疏性,将目标信道转化为稀疏码本矩阵形式。根据目标式,我们进一步设计了基于位置信息的最优相移矩阵,结合多个RIS相移矩阵,设计了符合目标信道函数的传感矩阵,提出了基于位置信息的广义近似消息传递信道估计算法。通过仿真验证本文所提出的信道估计算法的信道估计性能优于传统压缩感知算法以及近似消息传递算法,同时进一步证明了压缩感知估计信息的精度与信道传感矩阵的自相关度成反比。