CN114900398A - 非理想csi的irs辅助云接入网下行的波束成形方法 - Google Patents

Abstract

本发明公开了非理想CSI的IRS辅助云接入网下行的波束成形方法，多天线基带处理单元BBU池通过多天线远程射频头RRH与多个单天线用户进行通信，其中BBU池通过点对点压缩或多元压缩处理基带信号，并通过前传链路将量化比特发送给RRH，在RRH附近部署有多个智能反射面IRS，以在不同时隙辅助无线前传链路和接入链路。本发明以提升系统和速率为目的，对BBU池和RRH的发射波束成型矩阵、反射面的相移矩阵、前传量化噪声协方差矩阵进行联合优化，能够在信道状态信息CSI不准确时有效提升云接入网通信系统的下行传输速率。

Description

非理想CSI的IRS辅助云接入网下行的波束成形方法

技术领域

本发明涉及无线通信领域，尤其涉及一种信道状态信息(CSI)不准确的智能反射面辅助时分双工云接入网无线下行前传链路和接入链路的通信系统，以提升下行和速率来增强通信质量的方法。

背景技术

随着无线通信技术的飞速发展，接入到通信网络中的设备数量也在快速增长，对通信效率的要求也更高，传统的无线通信系统已经无法满足需求。

智能反射面是一项可以有效增强无线通信系统的新兴技术。智能反射面是一个具有大量可重复编程元件的无源阵列，可以通过控制器调节每个反射元件的反射幅度和相位，并且不会发射射频链，所以不会在反射信号上引入额外的噪声。智能反射面相比于传统的中继，能够更有效地提升无线网络的性能。云接入网(C-RAN)是一种很有前景的移动网络架构，可以提升通信网络的谱效率和能效率。C-RAN将传统基站的基带处理功能移至BBU池，RRH部署在靠近移动用户的位置，多天线BBU池通过多个多天线RRH向多个单天线用户进行通信。通过智能反射面辅助云接入网无线下行前传链路和接入链路的通信，RRH不仅接收由BBU池发送的直连链路的信号，还接收IRS反射路径的信号，用户也同样接收来自RRH直连链路的信号和IRS反射的信号，与无智能反射面辅助的云接入网通信相比更有优势。智能反射面辅助的云无线接入网通信系统，可以提升通信系统的效率，实现通信网络的智能化。

智能反射面辅助的云接入网通信系统，其性能可以通过对BBU池和RRH的发射波束成型矩阵、反射面的相移矩阵、前传量化噪声协方差矩阵进行联合优化来进一步提升。

发明内容

本发明的目的是提供一种针对信道状态信息(CSI)不准确的智能反射面辅助时分双工云接入网无线下行前传链路和接入链路的通信系统，优化预编码矩阵、反射面的相移矩阵以及前传量化噪声协方差矩阵来提升系统下行和速率方法。即通过对BBU池和RRH的发射波束成型矩阵、反射面的相移矩阵以及前传量化噪声协方差矩阵进行联合优化，以达到最大化整个系统下行和速率的目的。

本发明的技术方案是：

非理想CSI的IRS辅助云接入网下行的波束成形方法，系统采用智能反射面辅助云接入网无线下行前传链路和接入链路的通信系统，以最大化系统下行和速率为目的，对前传链路量化噪声协方差矩阵、BBU池和RRH的发射波束成型矩阵以及反射面相移矩阵进行联合优化，具体包括如下步骤：

1.1)智能反射面辅助前传链路和接入链路的下行云接入网通信系统中，多天线BBU池通过L个多天线RRH与K个单天线用户进行通信，其中BBU池通过点对点压缩或多元压缩处理基带信号，并通过前传链路将量化比特发送给RRH，RRH附近部署了I个智能反射面，在不同时隙辅助无线前传链路和接入链路的IRS数量分别为I_F和I_A，以上三组IRS分别表示为I、I_F和I_A,每个BBU和RRH的天线数分别为N_B和N_R，IRS的反射单元数为M。RRH是半双工节点，工作在时分双工(TDD)模式,每个时隙分为(1-α₀)和α₀两部分，分别用于BBU-RRH前传链路和RRH-用户接入链路的传输。

1.2)在前传链路，BBU池首先将用户k的下行链路消息编码为基带信号s_k，再将所有用户的信号线性预编码为

其中v_k是用户k在所有RRH上的发射波束成形矩阵，

是由RRH l传输的信号。在

被传输到RRH之前对

进行量化压缩：

E_l是LN_R×N_R的矩阵，除了(l-1)N_R+1行到lN_R行是尺寸为N_R的单位矩阵外，其余元素为0；q_l～CN(0,Ω_l,l)表示独立于

的量化噪声，将所有RRH的量化噪声向量定义为q＝[q₁；...；q_L]，q～CN(0,Ω)，Ω是q的复高斯分布协方差矩阵，Ω_l,l是Ω对角线上第l个尺寸为N_R的单位矩阵。为了将x_l传送到RRHl，BBU池对其相应的压缩索引进行编码，产生基带信号t_l，BBU池传输的信号为

其中F_l是发射波束成形矩阵，受BBU发射功率P_B约束：

1.3)定义H_l,B、G_i,B和G_l,i分别为BBU池到RRH l、BBU池到IRS i、IRS i到RRH l的信道矩阵，RRHl的接收信号为：

其中

分别是BBU池到IRS集I_F以及从IRS集I_F到RRHl的信道矩阵。其中

表示IRSi(i∈I_F)的无源波束成形矩阵，假设IRS只调整相移，IRS i(i∈I_F)的第m个元件的相移

其中

是BBU到RRHl所有信道的加性高斯白噪声，

是n_F,l复高斯分布协方差矩阵。RRH l的第r个天线的接收信号为：

其中h_l,B,r和

表示从BBU池到RRH l的第r个天线以及从IRS集I_F到RRH l的第r个天线的信道向量，分别是H_l,B和

的第r行向量，

是从BBU池通过IRS集I_F的反射到RRH l的第r个天线的级联信道，

是包含

对角元素的向量，n_F,l,r表示n_F,l的第r个元素。

1.4)在接入链路，RRH l将压缩后的信号x_l转发给所有用户。RRH的最大发射功率为P_R，由1.2)，RRH l的发射功率约束为：

h_k,l和g_k,i分别表示从RRH l到用户k和从IRS i(i∈I_A)到用户k的信道向量，G_i,l是从RRH l到IRS i的信道矩阵，

是IRS i的相移矩阵，其中

表示IRS i(i∈I_A)的第m个元件的相移，用户k接收到的信号为：

其中

是包含

对角元素的向量，

h_k,L＝[h_k,1,...,h_k,L]是RRH集L(L＝＝{1,2,...,L})到用户k的信道矩阵，G_k,L＝[G_k,1,...,G_k,L]是从RRH集到用户k的级联信道，

是从RRH l经过IRS集I_A到达用户k的级联信道，

和

分别表示从IRS集I_A到用户k和从RRH l到IRS集I_A的信道矩阵，q是所有RRH的量化噪声向量，

是用户k处的加性白高斯噪声。

1.5)从BBU池到RRH l和从RRH l到用户k的直接信道表示为：

其中

和

是估计的CSI,

和

是对应的信道估计误差，

对于BBU-IRS-RRH和RRH-IRS-用户的级联信道，信道矩阵为：

和

是估计的级联

是对应的信道估计误差，

和

分别代表

和

复高斯分布的协方差矩阵，每条信道的CSI误差是相互独立的。

进一步的，所述的BBU池和RRH的发射波束成形矩阵F_l和v_k、辅助接入链路和前传链路的IRS相移矩阵Θ_A和Θ_F以及前传量化噪声协方差矩阵Ω，对其优化使系统和速率最大，具体步骤如下：

2.1)对于步骤1.1)-1.5)描述的智能反射面辅助下行时分双工云接入网无线前传链路和接入链路的通信系统其特征在于：

2.1.1)用户可达速率的下限为：

其中，

是IRS集I_A的反射元件的总数。

2.1.2)无线前传链路的可达速率应该满足：

其中，

2.1.3)BBU池对预编码信号

进行压缩，并且压缩器的输出速率不能超过前传链路的可达速率。考虑点对点压缩和多元压缩这两种压缩策略。

点对点压缩的前传约束为：

点对点压缩在RRH上产生独立的量化噪声，因此所有RRH的量化噪声协方差矩阵是块对角矩阵，即Ω＝diag({Ω_l,l}_l∈L)。

多元压缩的前传约束为：

多元压缩使得每个RRH的量化噪声之间具有相关性，因此整体量化噪声协方差矩阵Ω是一个完整的矩阵。

2.2)以下行和速率最大化为目标，BBU池采用多元压缩时优化上述系统参数的优化问题可表示为：

Ω±0. (1h)

ω_k代表每个用户的权重，(1b)代表前传链路的可达速率约束，(1c)是前传压缩约束，(1d)和(1e)分别代表BBU池和每个RRH的发射功率约束。(1f)和(1g)分别是IRS辅助前传链路和接入链路的无源波束成形矩阵的单位模1约束，(1h)表示前传量化噪声协方差矩阵是半正定矩阵。

2.3)对问题(P1)进行转化后再求解。

2.3.1)利用均方误差(MSE)的方法将(P1)的目标函数转化为：

w_A,k为引入的辅助变量，u_A,k是在用户k处从y_A,k中估计s_k的线性估计器，即预测得到的信号为

其中y_A,k为用户k接收到的信号，s_k为用户k的下行链路消息被BBU编码后得到的基带信号，1是s_k的维度，

是均方误差：

当w_A,k和u_A,k取得如下值时，R_sum取得最优值：

2.3.2)与2.3.1)类似，通过MSE方法，约束(1b)可以近似为：

W_F,l要求半正定，是引入的辅助变量，

是RRH l处从y_F,l中估计信号t_l的线性接收器,，即预测得到的信号为

其中y_F,l是RRH l接收到的信号，t_l是BBU对x_l的压缩索引进行编码后得到的基带信号，d_R是t_l的维度。

是均方误差矩阵：

当W_F,l和U_F,l取如下值时，(6)式右侧取得最大值：

2.3.3)对于约束(1c),令

(1c)可以重写为：

约束(1c)可以进一步转化为下述的近似约束：

∑_l要求半正定，是引入的辅助变量，|S|是集合S中RRH的数量。当∑_l取如下值时，

(10)和(1c)等价：

2.3.4)将优化问题(P1)转化为：

Ω±0. (12h)

通过(4)、(5)、(8)、(9)和(11)更新辅助变量w_A,k、u_A,k、W_F,l、U_F,l和∑_l。对于固定的w_A,k、u_A,k、W_F,l、U_F,l和∑_l，通过解决以下问题来优化F_l、v_k、Ω、Θ_A和Θ_F，下式中ω_k代表每个用户的权重：

s.t.(12b)～(12h). (13b)

2.4)下面将问题(P3)分解为三个子问题来交替求解。

2.4.1)首先固定问题(P3)中的Ω、Θ_A和Θ_F来优化BBU池和RRH的发射波束成形矩阵F_l和v_k。第一个子问题由下式给出：

问题(P3.1)是凸的，可以通过一些标准的优化工具(如CVX)来解决。

2.4.2)第二个子问题固定F_l、v_k和Θ_A，优化前传量化噪声协方差矩阵Ω和用于辅助前传链路的IRS相移矩阵Θ_F。第二个子问题如下：

Ω±0. (15f)

可知目标(15a)、约束(15c)和(15d)相对于Ω是凸的。下面对约束(15b)进行转化，根据

和式(6)对

的定义，将(15b)重写为下式：

其中，

d_R是每个RRH的数据维度，上述各式中：

d_F,l＝diag(D_F,l),

问题(P3.2)转化为下述问题：

约束(17f)仍是非凸的，应用半定松弛法(SDR)，除去约束(17f)后求使用标准优化工具CVX得到最优解，如果求出的

最优解的秩不为1，那么对

进行随机化处理从而产生可行的次优解，并且只当(P3.2.1)的目标函数值增加时更新Ω和Θ_F。

2.4.3)固定F_l、v_k、Ω和Θ_F，对Θ_A进行优化，得到第三个子问题：

将目标函数改写如下：

其中，

上式中，

子问题(P3.3)可以重写为：

问题(P3.3.1)与(P3.2.1)类似，也可以通过半定松弛法(SDR)，采用随机化的方法获得可行次优解，并且只当(P3.3.1)的目标函数值增加时更新Θ_A。

2.5)重复2.4.1)-2.4.3)中的步骤至收敛。

2.6)当BBU池采用点对点压缩方法时，对BBU池和RRH的发射波束成形矩阵、IRS的相移矩阵和前传量化噪声协方差矩阵进行联合优化，考虑点对点压缩的前传压缩约束，该问题可以表述为：

s.t.(1b),(1d)～(1g),(19b)

问题(P4)和(P1)之间的区别在于约束(19c)和(19d)，其中(19c)相对于Ω_l,l和v_k是非凸的。令

(19c)被重写为：

log|O_l|的上限满足：

S_l±0是辅助变量，因此可以用下述凸约束代替(19c)：

问题(P4)中的目标函数和其他约束以与问题(P1)相同的方式处理，然后可以应用类似的方法使用连续凸逼近方法和交替优化方法来解决问题。

2.7)对于IRS反射面相位离散情况，首先按照2.1)-2.3)中的步骤至收敛之后，获得Θ_A和Θ_F,将其对角线元素θ_A,i,m和θ_F,i,m映射到离散相位的点上，确定Θ_F后对Ω进行放缩得到满足问题(P3.2.1)的限制条件的

本发明的有益效果是，对于智能反射面辅助时分双工云接入网通信系统，通过对BBU池和RRH的发射波束成型矩阵、反射面的相移矩阵以及前传量化噪声协方差矩阵进行联合优化，使得总下行传输速率显著高于无智能反射面辅助的传统云接入网。

附图说明

图1是本发明中智能反射面辅助时分双工云接入网无线下行链路通信系统的模型图；

图2是智能反射面辅助时分双工云接入网无线下行前传链路和接入链路通信系统在采用本发明的联合优化方法后的下行和速率与智能反射面的反射单元个数的关系图。

具体实施方式

以下结合说明书附图，对本发明作进一步描述。

如图1-2所示，图1中多天线BBU池通过L个多天线RRH与K个单天线用户进行通信，BBU池通过点对点压缩或多元压缩处理基带信号，并通过前传链路将量化比特发送给RRH，RRH附近部署了I个智能反射面，在不同时隙辅助无线前传链路和接入链路的IRS数量分别为I_F和I_A。RRH工作在时分双工模式,每个时隙分为(1-α₀)和α₀两部分，分别用于BBU-RRH前传链路和RRH-用户接入链路的传输；图2中对比方案一表示BBU池采用多元压缩时，对BBU池和RRH的发射波束成型矩阵以及前传量化噪声协方差矩阵进行联合优化，反射面相位随机选取；“对比方案二”表示没有反射面辅助；“本专利方法，多元，连续”表示BBU池采用多元压缩，反射面相位在0-2π之间；“本专利方法，多元，2bit”表示BBU池采用多元压缩，反射面的相位电平取4；“本专利方法，点到点，连续”和“本专利方法，点到点，2bit”分别是BBU池采用点到点压缩时，反射面相位在0-2π之间和反射面的相位电平取4的情况。

对于信道状态信息不准确的智能反射面辅助时分双工云接入网无线下行前传链路和接入链路的通信系统传输过程，在传输开始前，BBU池首先获取不准确的系统信道信息，然后对前传链路量化噪声协方差矩阵、BBU池和RRH预编码矩阵以及反射面相移矩阵进行联合优化。

其传输过程为：多天线BBU池通过L个多天线RRH与K个单天线用户进行通信，RRH附近部署了I个智能反射面，在不同时隙辅助无线前传链路和接入链路的IRS数量分别为I_F和I_A，使得RRH不仅接收由BBU池发送的直连链路的信号，还接收IRS反射路径的信号，同样地用户也接收来自RRH直连链路和IRS反射的信号之和。具体步骤如下：

1.1)智能反射面辅助前传链路和接入链路的下行云接入网通信系统中，多天线BBU池通过L个多天线RRH与K个单天线用户进行通信，其中BBU池通过点对点压缩或多元压缩处理基带信号，并通过前传链路将量化比特发送给RRH，RRH附近部署了I个智能反射面，在不同时隙辅助无线前传链路和接入链路的IRS数量分别为I_F和I_A，以上三组IRS分别表示为I、I_F和I_A,每个BBU和RRH的天线数分别为N_B和N_R，IRS的反射单元数为M。RRH是半双工节点，工作在时分双工(TDD)模式,每个时隙分为(1-α₀)和α₀两部分，分别用于BBU-RRH前传链路和RRH-用户接入链路的传输。

1.2)在前传链路，BBU池首先将用户k的下行链路消息编码为基带信号s_k，再将所有用户的信号线性预编码为

其中v_k是用户k在所有RRH上的发射波束成形矩阵，

是由RRH l传输的信号。在

被传输到RRH之前对

进行量化压缩：

E_l是LN_R×N_R的矩阵，除了(l-1)N_R+1行到lN_R行是尺寸为N_R的单位矩阵外，其余元素为0；q_l～CN(0,Ω_l,l)表示独立于

的量化噪声，将所有RRH的量化噪声向量定义为q＝[q₁；...；q_L]，q～CN(0,Ω)，Ω是q的复高斯分布协方差矩阵，Ω_l,l是Ω对角线上第l个尺寸为N_R的单位矩阵。为了将x_l传送到RRHl，BBU池对其相应的压缩索引进行编码，产生基带信号t_l，BBU池传输的信号为

其中F_l是发射波束成形矩阵，受BBU发射功率P_B约束：

1.3)定义H_l,B、G_i,B和G_l,i分别为BBU池到RRH l、BBU池到IRS i、IRS i到RRH l的信道矩阵，RRH l的接收信号为：

其中

分别是BBU池到IRS集I_F以及从IRS集I_F到RRH l的信道矩阵。其中

表示IRSi(i∈I_F)的无源波束成形矩阵，假设IRS只调整相移，IRS i(i∈I_F)的第m个元件的相移

其中

是BBU到RRHl所有信道的加性高斯白噪声，

是n_F,l复高斯分布协方差矩阵。RRH l的第r个天线的接收信号为：

其中h_l,B,r和

表示从BBU池到RRH l的第r个天线以及从IRS集I_F到RRH l的第r个天线的信道向量，分别是H_l,B和

的第r行向量，

是从BBU池通过IRS集I_F的反射到RRH l的第r个天线的级联信道，

是包含

对角元素的向量，n_F,l,r表示n_F,l的第r个元素。

1.4)在接入链路，RRH l将压缩后的信号x_l转发给所有用户。RRH的最大发射功率为P_R，由1.2)，RRH l的发射功率约束为：

h_k,l和g_k,i分别表示从RRH l到用户k和从IRS i(i∈I_A)到用户k的信道向量，G_i,l是从RRH l到IRS i的信道矩阵，

是IRS i的相移矩阵，其中

表示IRS i(i∈I_A)的第m个元件的相移，用户k接收到的信号为：

其中

是包含

对角元素的向量，

h_k,L＝[h_k,1,...,h_k,L]是RRH集L(L＝＝{1,2,...,L})到用户k的信道矩阵，G_k,L＝[G_k,1,...,G_k,L]是从RRH集到用户k的级联信道，

是从RRH l经过IRS集I_A到达用户k的级联信道，

和

分别表示从IRS集I_A到用户k和从RRH l到IRS集I_A的信道矩阵，q是所有RRH的量化噪声向量，

是用户k处的加性白高斯噪声。

1.5)从BBU池到RRH l和从RRH l到用户k的直接信道表示为：

其中

和

是估计的CSI,

和

是对应的信道估计误差，

对于BBU-IRS-RRH和RRH-IRS-用户的级联信道，信道矩阵为：

和

是估计的级联

是对应的信道估计误差，

和

分别代表

和

复高斯分布的协方差矩阵，每条信道的CSI误差是相互独立的。

BBU池和RRH的发射波束成形矩阵F_l和v_k、辅助接入链路和前传链路的IRS相移矩阵Θ_A和Θ_F以及前传量化噪声协方差矩阵Ω，对其优化使系统和速率最大，具体步骤如下：

2.1)对于步骤1.1)-1.5)描述的智能反射面辅助下行时分双工云接入网无线前传链路和接入链路的通信系统其特征在于：

2.1.1)用户可达速率的下限为：

其中，

是IRS集I_A的反射元件的总数。

2.1.2)无线前传链路的可达速率应该满足：

其中，

2.1.3)BBU池对预编码信号

进行压缩，并且压缩器的输出速率不能超过前传链路的可达速率。考虑点对点压缩和多元压缩这两种压缩策略。

点对点压缩的前传约束为：

点对点压缩在RRH上产生独立的量化噪声，因此所有RRH的量化噪声协方差矩阵是块对角矩阵，即Ω＝diag({Ω_l,l}_l∈L)。

多元压缩的前传约束为：

多元压缩使得每个RRH的量化噪声之间具有相关性，因此整体量化噪声协方差矩阵Ω是一个完整的矩阵。

2.2)以下行和速率最大化为目标，BBU池采用多元压缩时优化上述系统参数的优化问题可表示为：

Ω±0. (1h)

ω_k代表每个用户的权重，(1b)代表前传链路的可达速率约束，(1c)是前传压缩约束，(1d)和(1e)分别代表BBU池和每个RRH的发射功率约束。(1f)和(1g)分别是IRS辅助前传链路和接入链路的无源波束成形矩阵的单位模1约束，(1h)表示前传量化噪声协方差矩阵是半正定矩阵。

2.3)对问题(P1)进行转化后再求解。

2.3.1)利用均方误差(MSE)的方法将(P1)的目标函数转化为：

w_A,k为引入的辅助变量，u_A,k是在用户k处从y_A,k中估计s_k的线性估计器，即预测得到的信号为

其中y_A,k为用户k接收到的信号，s_k为用户k的下行链路消息被BBU编码后得到的基带信号，1是s_k的维度，

是均方误差：

当w_A,k和u_A,k取得如下值时，R_sum取得最优值：

2.3.2)与2.3.1)类似，通过MSE方法，约束(1b)可以近似为：

W_F,l要求半正定，是引入的辅助变量，

是RRH l处从y_F,l中估计信号t_l的线性接收器,，即预测得到的信号为

其中y_F,l是RRH l接收到的信号，t_l是BBU对x_l的压缩索引进行编码后得到的基带信号，d_R是t_l的维度。

是均方误差矩阵：

当W_F,l和U_F,l取如下值时，(6)式右侧取得最大值：

2.3.3)对于约束(1c),令

(1c)可以重写为：

约束(1c)可以进一步转化为下述的近似约束：

∑_l要求半正定，是引入的辅助变量，|S|是集合S中RRH的数量。当∑_l取如下值时，

(10)和(1c)等价：

2.3.4)将优化问题(P1)转化为：

Ω±0. (12h)

通过(4)、(5)、(8)、(9)和(11)更新辅助变量w_A,k、u_A,k、W_F,l、U_F,l和∑_l。对于固定的w_A,k、u_A,k、W_F,l、U_F,l和∑_l，通过解决以下问题来优化F_l、v_k、Ω、Θ_A和Θ_F，下式中ω_k代表每个用户的权重：

s.t.(12b)～(12h). (13b)

2.4)下面将问题(P3)分解为三个子问题来交替求解。

2.4.1)首先固定问题(P3)中的Ω、Θ_A和Θ_F来优化BBU池和RRH的发射波束成形矩阵F_l和v_k。第一个子问题由下式给出：

问题(P3.1)是凸的，可以通过一些标准的优化工具(如CVX)来解决。

2.4.2)第二个子问题固定F_l、v_k和Θ_A，优化前传量化噪声协方差矩阵Ω和用于辅助前传链路的IRS相移矩阵Θ_F。第二个子问题如下：

Ω±0. (15f)

可知目标(15a)、约束(15c)和(15d)相对于Ω是凸的。下面对约束(15b)进行转化，根据

和式(6)对

的定义，将(15b)重写为下式：

其中，

d_R是每个RRH的数据维度，上述各式中：

d_F,l＝diag(D_F,l),

问题(P3.2)转化为下述问题：

约束(17f)仍是非凸的，应用半定松弛法(SDR)，除去约束(17f)后求使用标准优化工具CVX得到最优解，如果求出的

最优解的秩不为1，那么对

进行随机化处理从而产生可行的次优解，并且只当(P3.2.1)的目标函数值增加时更新Ω和Θ_F。

2.4.3)固定F_l、v_k、Ω和Θ_F，对Θ_A进行优化，得到第三个子问题：

将目标函数改写如下：

其中，

上式中，

子问题(P3.3)可以重写为：

问题(P3.3.1)与(P3.2.1)类似，也可以通过半定松弛法(SDR)，采用随机化的方法获得可行次优解，并且只当(P3.3.1)的目标函数值增加时更新Θ_A。

2.5)重复2.4.1)-2.4.3)中的步骤至收敛。

2.6)当BBU池采用点对点压缩方法时，对BBU池和RRH的发射波束成形矩阵、IRS的相移矩阵和前传量化噪声协方差矩阵进行联合优化，考虑点对点压缩的前传压缩约束，该问题可以表述为：

s.t.(1b),(1d)～(1g), (19b)

问题(P4)和(P1)之间的区别在于约束(19c)和(19d)，其中(19c)相对于Ω_l,l和v_k是非凸的。令

(19c)被重写为：

log|O_l|的上限满足：

S_l±0是辅助变量，因此可以用下述凸约束代替(19c)：

问题(P4)中的目标函数和其他约束以与问题(P1)相同的方式处理，然后可以应用类似的方法使用连续凸逼近方法和交替优化方法来解决问题。

2.7)对于IRS反射面相位离散情况，首先按照2.1)-2.3)中的步骤至收敛之后，获得Θ_A和Θ_F,将其对角线元素θ_A,i,m和θ_F,i,m映射到离散相位的点上，确定Θ_F后对Ω进行放缩得到满足问题(P3.2.1)的限制条件的

计算机仿真表明，对于信道状态信息不准确的智能反射面辅助时分双工云接入网无线下行前传链路和接入链路的通信系统，采用本专利的联合优化方法后，其下行和速率获得了有效的增益，显著高于无智能反射面辅助的传统云接入网。

Claims (2)

1.非理想CSI的IRS辅助云接入网下行的波束成形方法，其特征在于：针对信道状态信息CSI不准确时，对于智能反射面IRS辅助云接入网下行前传链路和接入链路的通信系统，以提升系统和速率为目的，对BBU池和RRH的发射波束成型矩阵、反射面的相移矩阵、前传量化噪声协方差矩阵进行联合优化，具体包括如下步骤：

1.1)智能反射面辅助云接入网下行前传链路和接入链路的通信系统中，多天线BBU池通过L个多天线RRH与K个单天线用户进行通信，其中BBU池通过点对点压缩或多元压缩处理基带信号，并通过前传链路将量化比特发送给RRH，RRH附近部署了I个智能反射面，在不同时隙辅助无线前传链路和接入链路的IRS数量分别为I_F和I_A，以上三组IRS分别表示为I、I_F和I_A,每个BBU和RRH的天线数分别为N_B和N_R，IRS的反射单元数为M；RRH是半双工节点，工作在时分双工TDD模式,每个时隙分为(1-α₀)和α₀两部分，分别用于BBU-RRH前传链路和RRH-用户接入链路的传输；

1.2)在前传链路，BBU池首先将用户k的下行链路消息编码为基带信号s_k，再将所有用户的信号线性预编码为

其中v_k是用户k在所有RRH上的发射波束成形矩阵，

是由RRH l传输的信号；在

被传输到RRH之前对

进行量化压缩：

E_l是LN_R×N_R的矩阵，除了(l-1)N_R+1行到lN_R行是尺寸为N_R的单位矩阵外，其余元素为0；q_l～CN(0,Ω_l,l)表示独立于

的量化噪声，将所有RRH的量化噪声向量定义为q＝[q₁；...；q_L]，q～CN(0,Ω)，Ω是q的复高斯分布协方差矩阵，Ω_l,l是Ω对角线上第l个尺寸为N_R的单位矩阵，为了将x_l传送到RRHl，BBU池对其相应的压缩索引进行编码，产生基带信号t_l，BBU池传输的信号为

其中F_l是发射波束成形矩阵，受BBU发射功率P_B约束：

1.3)定义H_l,B、G_i,B和G_l,i分别为BBU池到RRH l、BBU池到IRS i、IRS i到RRH l的信道矩阵，RRH l的接收信号为：

其中

分别是BBU池到IRS集I_F以及从IRS集I_F到RRH l的信道矩阵。其中

表示IRSi(i∈I_F)的无源波束成形矩阵，假设IRS只调整相移，IRSi(i∈I_F)的第m个元件的相移

其中

是BBU到RRH l所有信道的加性高斯白噪声，

是n_F,l复高斯分布协方差矩阵；RRH l的第r个天线的接收信号为：

其中h_l,B,r和

表示从BBU池到RRH l的第r个天线以及从IRS集I_F到RRH l的第r个天线的信道向量，分别是H_l,B和

的第r行向量，

是从BBU池通过IRS集I_F的反射到RRH l的第r个天线的级联信道，

是包含

对角元素的向量，n_F,l,r表示n_F,l的第r个元素；

1.4)在接入链路，RRH l将压缩后的信号x_l转发给所有用户；RRH的最大发射功率为P_R，由步骤1.2)，RRHl的发射功率约束为：

h_k,l和g_k,i分别表示从RRHl到用户k和从IRSi，i∈I_A到用户k的信道向量，G_i,l是从RRHl到IRSi的信道矩阵，

是IRSi的相移矩阵，其中

表示IRSi，i∈I_A的第m个元件的相移，用户k接收到的信号为：

其中

是包含

对角元素的向量，

h_k,L＝[h_k,1,...,h_k,L]是RRH集L(L＝＝{1,2,...,L})到用户k的信道矩阵，G_k,L＝[G_k,1,...,G_k,L]是从RRH集到用户k的级联信道，

是从RRH l经过IRS集I_A到达用户k的级联信道，

和

分别表示从IRS集I_A到用户k和从RRH l到IRS集I_A的信道矩阵，q是所有RRH的量化噪声向量，

是用户k处的加性白高斯噪声；

1.5)从BBU池到RRH l和从RRH l到用户k的直接信道表示为：

其中

和

是估计的CSI,

和

是对应的信道估计误差，

对于BBU-IRS-RRH和RRH-IRS-用户的级联信道，信道矩阵为：

和

是估计的级联CSI,

是对应的信道估计误差，

和

分别代表

和

复高斯分布的协方差矩阵，每条信道的CSI误差是相互独立的。

2.根据权利要求1所述的非理想CSI的IRS辅助云接入网下行的波束成形方法，其特征在于，所述的BBU池和RRH的发射波束成形矩阵F_l和v_k、辅助接入链路和前传链路的IRS相移矩阵Θ_A和Θ_F以及前传量化噪声协方差矩阵Ω，对其优化使系统和速率最大，具体步骤如下：

2.1)对于步骤1.1)-1.5)描述的智能反射面辅助下行时分双工云接入网无线前传链路和接入链路的通信系统其特征在于：

2.1.1)用户可达速率的下限为：

其中，

是IRS集I_A的反射元件的总数；

2.1.2)无线前传链路的可达速率应该满足：

其中，

2.1.3)BBU池对预编码信号

进行压缩，并且压缩器的输出速率不能超过前传链路的可达速率；考虑点对点压缩和多元压缩这两种压缩策略；

点对点压缩的前传约束为：

点对点压缩在RRH上产生独立的量化噪声，因此所有RRH的量化噪声协方差矩阵是块对角矩阵，即Ω＝diag({Ω_l,l}_l∈L)；

多元压缩的前传约束为：

多元压缩使得每个RRH的量化噪声之间具有相关性，因此整体量化噪声协方差矩阵Ω是一个完整的矩阵；

2.2)以下行和速率最大化为目标，BBU池采用多元压缩时优化上述系统参数的优化问题可表示为：

Ω±0. (1h)

ω_k代表每个用户的权重，(1b)代表前传链路的可达速率约束，(1c)是前传压缩约束，(1d)和(1e)分别代表BBU池和每个RRH的发射功率约束；(1f)和(1g)分别是IRS辅助前传链路和接入链路的无源波束成形矩阵的单位模1约束，(1h)表示前传量化噪声协方差矩阵是半正定矩阵；

2.3)对问题(P1)进行转化后再求解；

2.3.1)利用均方误差MSE的方法将(P1)的目标函数转化为：

w_A,k为引入的辅助变量，u_A,k是在用户k处从y_A,k中估计s_k的线性估计器，即预测得到的信号为

其中y_A,k为用户k接收到的信号，s_k为用户k的下行链路消息被BBU编码后得到的基带信号，1是s_k的维度，

是均方误差：

当w_A,k和u_A,k取得如下值时，R_sum取得最优值：

2.3.2)与2.3.1)类似，通过MSE方法，约束(1b)可以近似为：

W_F,l要求半正定，是引入的辅助变量，

是RRH l处从y_F,l中估计信号t_l的线性接收器,，即预测得到的信号为

其中y_F,l是RRH l接收到的信号，t_l是BBU对x_l的压缩索引进行编码后得到的基带信号，d_R是t_l的维度；

是均方误差矩阵：

当W_F,l和U_F,l取如下值时，(6)式右侧取得最大值：

2.3.3)对于约束(1c),令

(1c)可以重写为：

约束(1c)可以进一步转化为下述的近似约束：

∑_l要求半正定，是引入的辅助变量，|S|是集合S中RRH的数量；当∑_l取如下值时，

(10)和(1c)等价：

2.3.4)将优化问题(P1)转化为：

Ω±0. (12h)

通过(4)、(5)、(8)、(9)和(11)更新辅助变量w_A,k、u_A,k、W_F,l、U_F,l和∑_l。对于固定的w_A,k、u_A,k、W_F,l、U_F,l和∑_l，通过解决以下问题来优化F_l、v_k、Ω、Θ_A和Θ_F，下式中ω_k代表每个用户的权重：

s.t.(12b)～(12h). (13b)

2.4)下面将问题(P3)分解为三个子问题来交替求解；

2.4.1)首先固定问题(P3)中的Ω、Θ_A和Θ_F来优化BBU池和RRH的发射波束成形矩阵F_l和v_k；第一个子问题由下式给出：

问题(P3.1)是凸的，通过标准的优化工具CVX来解决；

2.4.2)第二个子问题固定F_l、v_k和Θ_A，优化前传量化噪声协方差矩阵Ω和用于辅助前传链路的IRS相移矩阵Θ_F；第二个子问题如下：

Ω±0. (15f)

可知目标(15a)、约束(15c)和(15d)相对于Ω是凸的；下面对约束(15b)进行转化，根据

和式(6)对

的定义，将(15b)重写为下式：

其中，

d_R是每个RRH的数据维度，上述各式中：

d_F,l＝diag(D_F,l),

问题(P3.2)转化为下述问题：

约束(17f)仍是非凸的，应用半定松弛法(SDR)，除去约束(17f)后求使用标准优化工具CVX得到最优解，如果求出的

最优解的秩不为1，那么对

进行随机化处理从而产生可行的次优解，并且只当(P3.2.1)的目标函数值增加时更新Ω和Θ_F；

2.4.3)固定F_l、v_k、Ω和Θ_F，对Θ_A进行优化，得到第三个子问题：

将目标函数改写如下：

其中，

上式中，

子问题(P3.3)可以重写为：

问题(P3.3.1)与(P3.2.1)类似，也可通过半定松弛法SDR，采用随机化的方法获得可行次优解，并且只当(P3.3.1)的目标函数值增加时更新Θ_A；

2.5)重复2.4.1)-2.4.3)中的步骤至收敛；

2.6)当BBU池采用点对点压缩方法时，对BBU池和RRH的发射波束成形矩阵、IRS的相移矩阵和前传量化噪声协方差矩阵进行联合优化，考虑点对点压缩的前传压缩约束，该问题可以表述为：

s.t.(1b),(1d)～(1g), (19b)

问题(P4)和(P1)之间的区别在于约束(19c)和(19d)，其中(19c)相对于Ω_l,l和v_k是非凸的。令

(19c)被重写为：

log|O_l|的上限满足：

S_l±0是辅助变量，因此可以用下述凸约束代替(19c)：

问题(P4)中的目标函数和其他约束以与问题(P1)相同的方式处理，然后可以应用类似的方法使用连续凸逼近方法和交替优化方法来解决问题；

2.7)对于IRS反射面相位离散情况，首先按照2.1)-2.3)中的步骤至收敛之后，获得Θ_A和Θ_F,将其对角线元素θ_A,i,m和θ_F,i,m映射到离散相位的点上，确定Θ_F后对Ω进行放缩得到满足问题(P3.2.1)的限制条件的

Images