申请/专利权人：上海师范大学

申请日：2022-11-07

公开（公告）日：2024-04-23

公开（公告）号：CN116094553B

主分类号：H04B7/0413

分类号：H04B7/0413;H04B7/06;H04B7/08;H04B17/391;H04W4/44

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2023.05.26#实质审查的生效;2023.05.09#公开

摘要：本发明涉及一种基于张量分解的车联网RIS辅助注意力机制通信与感知方法，包括：构建系统模型；对感知目标用户的接收信号进行四维张量分解，得到毫米波信道时间空间增益矩阵和多普勒频移信道模型；利用智能超表面的毫米波计算成像，系统感知基站发送信号和目标用户无线环境信息，得到相应基站和感知目标用户之间的毫米波信道；构建基站发射波束信号和智能超表面反射信号的联合波形优化问题，并利用基于注意力机制的深度强化学习模型进行求解，优化信号成形、反射图案以及联合波束成形，得到优化系统模型；利用优化系统模型进行通信与感知。与现有技术相比，本发明具有无需频繁估计信道等优点。

主权项：1.一种基于张量分解的车联网RIS辅助注意力机制通信与感知方法，其特征在于，包括以下步骤：S1、构建基于基站、智能超表面和感知目标用户通信感知一体化的RIS辅助毫米波大规模MIMO车联网系统模型；S2、利用智能超表面信道矩阵的低秩特性和感知目标用户接收信号的张量结构，对感知目标用户的接收信号进行四维张量分解，将待探测的目标空间时间频率张量卷积分割成子张量块，得到毫米波信道时间空间增益矩阵和多普勒频移信道模型；S3、利用智能超表面的毫米波计算成像，系统感知基站发送信号和目标用户无线环境信息，并结合毫米波信道时间空间增益矩阵和多普勒频移信道模型得到相应基站和感知目标用户之间的毫米波信道；S4、构建基站发射波束信号和智能超表面反射信号的联合波形优化问题，并利用基于注意力机制的深度强化学习模型进行求解，优化信号成形、反射图案以及联合波束成形，得到优化系统模型；S5、利用优化系统模型进行通信与感知；所述步骤S1包括以下步骤：S11、设定系统模型的参数，所述参数包括基站端发射天线数量、感知目标用户端接收天线数量、智能超表面端无源发射单元数量、俯仰角、方位角；S12、构建基于基站、智能超表面和感知目标用户的两阶段级联信道通信系统模型；S13、基于毫米波大规模MIMO通信系统模型，对步骤S12构建的基站-智能超表面和智能超表面-感知目标用户的两阶段信道矩阵分别建模，得到基于基站、智能超表面和感知目标用户通信感知一体化的RIS辅助毫米波大规模MIMO车联网系统模型；所述两阶段级联信道通信系统模型为：Yi＝HTΦkHR+Wi其中，Φk为智能超表面反射图案，HT、HR分别为基站到智能超表面和智能超表面到感知目标用户之间的等效信道矩阵，Wi为重建噪声矩阵；所述步骤S2包括以下步骤：S21、利用接收信号的稀疏矩阵模型，将基站、智能超表面、感知目标用户的发射天线空间特征、接收天线空间特征、时间特征和频率特征进行四维张量分解；S22、将待探测的感知目标用户的双空间、时间和频率张量卷积分割成子张量块，得到毫米波信道时间空间增益矩阵和多普勒频移的信道模型；引入一个混合学习因子h用来增强信道特征，则接收信号张量形式表示为： 其中，为噪声张量，为四维的核张量，HT、HR分别为基站到智能超表面和智能超表面到感知目标用户之间的等效信道矩阵，为智能超表面反射图案；所述步骤S4包括以下步骤：S41、基于求解的信道构建基站发射波束信号和智能超表面反射信号的联合波形优化问题；S42、构建基于注意力机制的深度强化学习模型，其中，所述注意力机制用于提取关键信道特征，利用基于注意力机制的深度强化学习模型求解联合波形优化问题，优化信号成形、反射图案以及联合波束成形，得到优化系统模型；所述基于注意力机制的深度强化学习模型的actor模块和critic模块采用结构一致的循环神经网络，模型的输入为：系统的基站到智能超表面的等效信道矩阵HT、智能超表面到感知目标用户端的等效信道矩阵HR、发射信号候选集合X、反射信号候选集合Θ，输出为达到最小化误码率上限的最优信号成形、反射图案和联合波束成形；所述步骤S42包括以下步骤：S421、基于智能超表面毫米波成像得到的感知目标用户的无线通信环境，构建感知环境，感知环境中包括感知目标以及其他干扰源；S422、基于注意力机制对感知环境中的感知目标以及其他干扰源进行权重配置，输出具有关键信道特征的特征图；S423、将具有关键信道特征的特征图与感知目标用户的环境信息连接成一个张量，输入critic模块；S424、基于actor模块计算车辆运动信息，并通过最大化优势函数进行优化，直到获取最小化误码率上限；S425、基于最小化误码率上限，得到联合波形优化问题的求解结果，优化信号成形、反射图案以及联合波束成形。

全文数据：

权利要求：

百度查询： 上海师范大学 基于张量分解的车联网RIS辅助注意力机制通信与感知方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD