IRS辅助C-RAN簇内信道估计量化比特优化方法

irs辅助c-ran簇内信道估计量化比特优化方法
技术领域
1.本发明涉及无线通信技术领域，具体涉及一种针对智能反射面irs辅助云接入网c-ran簇内信道估计rrh量化比特优化方法。


背景技术：

2.5g技术已经在社会生产中得到了广泛应用，但是随着移动设备数量的快速增长，用户对通信系统的要求越来越高，所以为了满足迅速增长的移动互联网研究者提出了云无线接入网(c-ran)的新型天线部署构架。c-ran是由基带处理单元(bbu)和射频拉远头(rrh)组成。bbu充当数字单元，实现从基带处理到数据包处理的基站功能，而rrh执行无线电功能，包括频率转换、放大以及a/d和d/a转换。
3.然而城市里太多的建筑物的遮挡会影响通信质量，将智能反射面(irs)技术引入到c-ran系统中可以有效的提升系统的通信质量。irs是近些年被提出的一种新型无源反射阵列技术。每块irs表面排列了多个由超材料制成的无源反射单元，每个反射单元的反射特性是数字可控的。所以irs可以对入射的rf信号进行智能反射，形成期望的反射信号。
4.量化，在数字信号处理领域，是指将信号的连续取值近似为有限多个离散值的过程，在c-ran前传时，对要传的信号进行量化处理，可以有效的提高前传速率。信道估计是一种获取用户与接收端之间信道状态信息的一种技术，它可以很好地提升通信性能，提高接收端正确解调出发射信号的概率。


技术实现要素：

5.针对现有技术中存在的问题，本发明提供了irs辅助c-ran簇内信道估计及量化比特优化方法，在引入量化噪声的情况下，分三个阶段对用户ue到提供服务的射频拉远头(rrh)和irs的直连信道和反射信道进行估计并得到mse表达式，然后在rrh量化比特和的限制下，以每个阶段mse最小化提出优化问题，并使用优化算法进行求解，使用优化算法最小化每个阶段的信道估计误差。
6.本发明的技术方案如下：
7.一种irs辅助c-ran簇内信道估计量化比特优化方法，对于智能反射面辅助的云无线接入网的上行通信系统，根据簇内前传容量的限制，分配各rrh各天线的量化比特，以最小化信道估计误差，具体步骤如下：
8.1.1)k个单天线用户ue通过i个rrh与bbu池进行通信，其中rrh分为两个集合和集合中的rrh与ue之间的通信需要irs辅助，而集合中的rrh则不需要irs辅助通信。每个rrh有m根天线，装有n个反射单元得irs部署在用户和rrh之间。rrh对接收信号进行压缩，再通过前传链路传输到bbu池。
9.1.2)在只考虑有irs辅助的c-ran系统中，在信道估计阶段的t时刻用户k向rrh发送信号各rrh通过直连链路和irs的反射链路接收用户发送的信号，我们假定第i(i＝
1,
…
,i1)个rrh收到的反射信号是由第i个irs辅助完成的，其中。因此rrhi在时刻t接收到的信号表示为：
[0010][0011]
其中表示第k个用户到rrhi的直连信道,h
i,k
的协方差矩阵为的协方差矩阵为表示h
i,k
的路径损耗。p表示用户的相同发射功率。φ
i,n,t
表示第i个irs的第n个反射单元在t时刻对所考虑的相干块的反射系数，满足
[0012][0013]gk,n,i
＝s
k,i,nri,n
表示从第k个用户通过第i个irs的第n个反射单元到第i个rrh的ue-irs-rrh反射信道。其中为用户k到第i个irs的信道，其中s
k,i
的协方差矩阵为表示s
k,i
的路径损耗。为第i个irs到第i个rrh的信道，其中ri的协方差矩阵为表示ri的路径损耗。表示t时刻rrhi处的加性高斯白噪声(awgn)，其协方差矩阵为
[0014]
1.3)信道估计分为三个阶段，在第一阶段中关闭所有irs反射单元，即φ
i,n,t
＝0，估计所有用户到提供服务的rrh的直连信道。定义为一阶段用户k发送的导频序列，其中q2＝-1，τ1≥k，则rrhi在第一阶段时刻t(t＝1,
···
,τ1)的接收信号为
[0015][0016]
因此在时刻t(t＝1,
···
,τ1)，rrhi的第m根天线收到的信号为
[0017][0018]
其中h
i,m
＝[h
i,1,m
,
···
,h
i,k,m
]，
[0019]
1.4)在收到来自用户的信号后，每个rrh将其量化，然后将量化信号转发到bbu池。这种量化方法可以通过调整量化器分辨率来实现。首先将rrhi的第m根天线接收到的信号归一化为其中是一个比例因子：
[0020][0021]
归一化信号通过量化器后，可量化为量化后的信号可以从归一化信号计算为
[0022][0023]
其中符号表示离x最近的整数，q
i,m
表示量化器对rrhi的第m根天线的接收信号进行量化时的分辨率。rrhi的第m根天线处的量化误差为量化时的分辨率。rrhi的第m根天线处的量化误差为和可以近似为[-δ
i,m
,δ
i,m
]的均匀随机变量，其中]的均匀随机变量，其中的均值为零且方差随后量化后的信号将通过无差错的前传链路发送到bbu池。
[0024]
1.5)在第一阶段时刻t(t＝1,
···
,τ1)在bbu池接收到的信号为
[0025][0026]
其中为压缩噪声。
[0027]
在整个一阶段bbu池处接收到的信号两边同时乘上可得
[0028][0029]
其中
[0030]
然后采用线性最小均方误差方法，可以得到h
i,k
的估计为
[0031][0032]
所以h
i,k
的mse为
[0033][0034]
其中
[0035][0036]
得到一阶段信道估计总误差为
[0037][0038]
1.6)在第二阶段中，我们任意选择其中一个用户(假定其为用户1)向rrhi发送导频符号，即估计其到提供服务的rrhi和irsi的反射信道。定义
为用户1在二阶段的导频序列，则rrhi在第二阶段时刻t(t＝τ1+1,
…
,τ1+τ2)的接收信号为
[0039][0040]
其中g
1,n,i
＝[g
1,n,i,1
,
···
,g
1,n,i,m
]
t
。
[0041]
则在时刻t(t＝τ1+1,
…
,τ1+τ2)，rrhi的第m根天线收到的信号为
[0042][0043]
因此
[0044][0045]
所以可得的均值为零且方差为
[0046][0047]
1.7)在整个第二阶段，bbu池处的有效接收信号则表示为
[0048][0049]
其中其中
[0050]
令作为总噪声，则可得到
[0051][0052]
其中
[0053][0054]
再定义然后采用lmmse方法，可以得到[g
1,1,i
,
···
,g
1,n,i
]的估计为
[0055][0056]
所以可得到二阶段估计[g
1,1,i
,
···
,g
1,n,i
]的mse为
[0057][0058]
则二阶段总的mse为
[0059][0060]
1.8)在第三阶段的信道估计中，剩余用户向rrhi发送导频符号，定义k＝2,
···
,k为用户k的导频序列，则rrhi在第三阶段时刻t(t＝τ1+τ2+1,
…
,τ1+τ2+τ3)的接收信号为
[0061][0062]
因为用户1和其他用户的ue-irs-rrh反射信道之间的有以下关系：
[0063][0064]
因此，rrhi在第三阶段时刻t(t＝τ1+τ2+1,
…
,τ1+τ2+τ3)的接收信号可重新表示如下：
[0065][0066]
当t≥τ1+τ2+1时，定义在每个时刻t，只有用户序号为k
t
,2≤k
t
≤k的用户可以将其导频符号传输给rrh，并且n个irs反射单元中只有m
t
≤m，用集合δ
t
表示，其中m
t
＝|δ
t
|≤m，开启以反映导频符号，以便rrh可以估计其中
[0067]
[0068][0069]
其中因此，对于用户序号为k
t
的用户，分配时隙来估计其反射信道。在第一个时隙中，m个irs反射单元处于开启状态，在最后一个时隙中，其余个irs反射单元处于开启状态。总的来说，需要时隙来估计
[0070]
1.9)在时刻我们设置
[0071][0072][0073]
此时，rrhi的第m根天线收到的信号为
[0074][0075]
因此
[0076][0077]
由于
[0078][0079][0080]
因此
[0081][0082]
所以可得的均值为零且方差为
[0083][0084]
1.10)在第三阶段时，假设信道估计误差由于对h
i,k
和g
1,n,i
的估计不完善，bbu池在时刻t(t＝τ1+τ2+1,
…
,τ1+τ2+τ3)的有效接收信号为
[0085][0086]
其中其中
[0087]
由上式可得
[0088][0089]
其中
[0090][0091][0092]
定义然后采用lmmse方法，可以得到的估计为
[0093][0094]
则在给定g
1,t,i
的情况下，估计的mse为
[0095][0096]
通过平均g
1,t,i
的所有通道实现，估计的mse为
[0097][0098]
所以第三阶段总的mse为
[0099][0100]
进一步的，对于智能反射面辅助的云无线接入网的上行通信系统，根据簇内前传容量的限制，分配各rrh各天线的量化比特，以最小化信道估计误差。具体步骤如下：
[0101]
2.1)在信道估计的各阶段中，rrhi的第m根天线的量化比特数为q
i,m
。rrh天线量化比特数限制可以表示为其中c为rrh天线量化比特数之和。以rrh天线量化比
特数之和为约束，使各阶段mse最小化的优化问题可以分别表示为如下的(p1)，(p2)和(p3)：
[0102]
(p1)
[0103]
s.t.
[0104]
(c2):q
i,m
≥0且q
i,m
为整数
[0105]
(p2)
[0106]
s.t.
[0107]
(c2):q
i,m
≥0且q
i,m
为整数
[0108]
(p3)
[0109]
s.t.
[0110]
(c2):q
i,m
≥0且q
i,m
为整数
[0111]
阶段一、二、三的信道估计总误差ε
ι
，ε
ιι
，ε
ιιι
分别由步骤1.6)，1.7)，1.10)给出，优化步骤如下。
[0112]
2.2)对于优化问题p1，初始化(每个元素都大于等于0)，d0，δ0，d。令p∈[0,d0]，f
best
＝f(x0)，其中函数f(x)是ε
ι
关于x0的函数。定义迭代上限次数为steps，迭代次数t≤steps。定义随机搜索方向的向量集为：限次数为steps，迭代次数t≤steps。定义随机搜索方向的向量集为：代表第i次探索的方向。
[0113]
2.3)首先确定搜索方向为通过x
t
得到左右点的位置x
lt
和x
rt
，其中带入到函数f(x)中可以得到左右点位置的函数值f
l
＝f(x
lt
)和fr＝f(x
rt
)。
[0114]
2.4)如果f
best
≤f
l
&&f
best
≤fr，则更新搜索方向记为根据x
t
得到新的左右点位置x
lt
和x
rt
，将新的左右点位置的函数值与f
best
比较。如果同时满足f
best
≤f
l
&&f
best
≤fr&&i≤d，则继续更新并继续寻找新的左右点；若有一项不满足则停止寻找新的左右点。
[0115]
2.5)根据步骤2.4)得到的左右点的函数值f(x
lt
)、f(x
rt
)和x
t
可以得到x
t+1
，其中其中左右点之间的距离为d
t+1
＝ad
t
+b，a,b∈(0,1)。并且令f
best
＝f(x
t+1
)，迭代次数变为t＝t+1，更新步长为δ
t+1
＝uδ
t
,u∈(0,1)。如果此时t≤steps，则回到步骤2.3)；否则停止迭代且最后一次得到的x
t
就是最优解，
问题p1中最小的估计误差值ε
ι
就等于函数值f(x
t
)。
[0116]
2.6)优化问题p2,p3的求解步骤与p1的步骤相同，所以用上述的步骤就可以解出三个优化问题的最优解。
[0117]
本发明的有益效果如下：本发明在簇内前传容量的限制下，分配各rrh各天线的量化比特，以最小化信道估计误差。因此通过该方法可以更好的估计信道，获得更加准确的信道参数，从而有效提高通信质量。
附图说明
[0118]
图1为不同前传容量限制下本发明方法和对比方案达到的信道估计误差；
[0119]
图2为本发明中irs辅助c-ran单簇上行通信系统的模型图。
具体实施方式
[0120]
以下结合说明书附图，对本发明做进一步描述。
[0121]
一种irs辅助c-ran簇内信道估计量化比特优化方法，对于智能反射面辅助的云无线接入网的上行通信系统，根据簇内前传容量的限制，分配各rrh各天线的量化比特，以最小化信道估计误差，具体步骤如下：
[0122]
1.1)k个单天线用户ue通过i个rrh与bbu池进行通信，其中rrh分为两个集合和集合中的rrh与ue之间的通信需要irs辅助，而集合中的rrh则不需要irs辅助通信。每个rrh有m根天线，装有n个反射单元得irs部署在用户和rrh之间。rrh对接收信号进行压缩，再通过前传链路传输到bbu池。
[0123]
1.2)在只考虑有irs辅助的c-ran系统中，在信道估计阶段的t时刻用户k向rrh发送信号各rrh通过直连链路和irs的反射链路接收用户发送的信号，我们假定第i(i＝1,
…
,i1)个rrh收到的反射信号是由第i个irs辅助完成的，其中。因此rrhi在时刻t接收到的信号表示为：
[0124][0125]
其中表示第k个用户到rrhi的直连信道,h
i,k
的协方差矩阵为的协方差矩阵为表示h
i,k
的路径损耗。p表示用户的相同发射功率。φ
i,n,t
表示第i个irs的第n个反射单元在t时刻对所考虑的相干块的反射系数，满足
[0126][0127]gk,n,i
＝s
k,i,nri,n
表示从第k个用户通过第i个irs的第n个反射单元到第i个rrh的ue-irs-rrh反射信道。其中为用户k到第i个irs的信道，其中s
k,i
的协方差矩阵为表示s
k,i
的路径损耗。为第i个irs到第i个rrh的信道，其中ri的协方差矩阵为表示ri的路径损耗。表示t时刻
rrhi处的加性高斯白噪声(awgn)，其协方差矩阵为
[0128]
1.3)信道估计分为三个阶段，在第一阶段中关闭所有irs反射单元，即φ
i,n,t
＝0，估计所有用户到提供服务的rrh的直连信道。定义为一阶段用户k发送的导频序列，其中q2＝-1，则rrhi在第一阶段时刻t(t＝1,
···
,τ1)的接收信号为
[0129][0130]
因此在时刻t(t＝1,
···
,τ1)，rrhi的第m根天线收到的信号为
[0131][0132]
其中h
i,m
＝[h
i,1,m
,
···
,h
i,k,m
]，
[0133]
1.4)在收到来自用户的信号后，每个rrh将其量化，然后将量化信号转发到bbu池。这种量化方法可以通过调整量化器分辨率来实现。首先将rrhi的第m根天线接收到的信号归一化为其中是一个比例因子：
[0134][0135]
归一化信号通过量化器后，可量化为量化后的信号可以从归一化信号计算为
[0136][0137]
其中符号表示离x最近的整数，q
i,m
表示量化器对rrhi的第m根天线的接收信号进行量化时的分辨率。rrhi的第m根天线处的量化误差为进行量化时的分辨率。rrhi的第m根天线处的量化误差为和可以近似为[-δ
i,m
,δ
i,m
]的均匀随机变量，其中]的均匀随机变量，其中的均值为零且方差随后量化后的信号将通过无差错的前传链路发送到bbu池。
[0138]
1.5)在第一阶段时刻t(t＝1,
···
,τ1)在bbu池接收到的信号为
[0139]
[0140]
其中为压缩噪声。
[0141]
在整个一阶段bbu池处接收到的信号两边同时乘上可得
[0142][0143]
其中
[0144]
然后采用线性最小均方误差方法，可以得到h
i,k
的估计为
[0145][0146]
所以h
i,k
的mse为
[0147][0148]
其中
[0149][0150]
得到一阶段信道估计总误差为
[0151][0152]
1.6)在第二阶段中，我们任意选择其中一个用户(假定其为用户1)向rrhi发送导频符号，即估计其到提供服务的rrhi和irsi的反射信道。定义为用户1在二阶段的导频序列，则rrhi在第二阶段时刻t(t＝τ1+1,
…
,τ1+τ2)的接收信号为
[0153][0154]
其中g
1,n,i
＝[g
1,n,i,1
,
···
,g
1,n,i,m
]
t
。
[0155]
则在时刻t(t＝τ1+1,
…
,τ1+τ2)，rrhi的第m根天线收到的信号为
[0156][0157]
因此
[0158][0159]
所以可得的均值为零且方差为
[0160]
[0161]
1.7)在整个第二阶段，bbu池处的有效接收信号则表示为
[0162][0163]
其中其中
[0164]
令作为总噪声，则可得到
[0165][0166]
其中
[0167][0168]
再定义然后采用lmmse方法，可以得到[g
1,1,i
,
···
,g
1,n,i
]的估计为
[0169][0170]
所以可得到二阶段估计[g
1,1,i
,
···
,g
1,n,i
]的mse为
[0171][0172]
则二阶段总的mse为
[0173][0174]
1.8)在第三阶段的信道估计中，剩余用户向rrhi发送导频符号，定义
k＝2,
···
,k为用户k的导频序列，则rrhi在第三阶段时刻t(t＝τ1+τ2+1,
…
,τ1+τ2+τ3)的接收信号为
[0175][0176]
因为用户1和其他用户的ue-irs-rrh反射信道之间的有以下关系：
[0177][0178]
因此，rrhi在第三阶段时刻t(t＝τ1+τ2+1,
…
,τ1+τ2+τ3)的接收信号可重新表示如下：
[0179][0180]
当t≥τ1+τ2+1时，定义在每个时刻t，只有用户序号为k
t
,2≤k
t
≤k的用户可以将其导频符号传输给rrh，并且n个irs反射单元中只有m
t
≤m，用集合δ
t
表示，其中m
t
＝|δ
t
|≤m，开启以反映导频符号，以便rrh可以估计其中
[0181][0182][0183]
其中因此，对于用户序号为k
t
的用户，分配时隙来估计其反射信道。在第一个时隙中，m个irs反射单元处于开启状态，在最后一个时隙中，其余个irs反射单元处于开启状态。总的来说，需要时隙来估计
[0184]
1.9)在时刻我们设置
[0185][0186]
[0187]
此时，rrhi的第m根天线收到的信号为
[0188][0189]
因此
[0190][0191]
由于
[0192][0193][0194]
因此
[0195][0196]
所以可得的均值为零且方差为
[0197][0198]
1.10)在第三阶段时，假设信道估计误差由于对h
i,k
和g
1,n,i
的估计不完善，bbu池在时刻t(t＝τ1+τ2+1,
…
,τ1+τ2+τ3)的有效接收信号为
[0199][0200]
其中其中
[0201]
由上式可得
[0202][0203]
其中
[0204][0205][0206]
定义然后采用lmmse方法，可以得到的估计为
[0207][0208]
则在给定g
1,t,i
的情况下，估计的mse为
[0209][0210]
通过平均g
1,t,i
的所有通道实现，估计的mse为
[0211][0212]
所以第三阶段总的mse为
[0213][0214]
对于智能反射面辅助的云无线接入网的上行通信系统，根据簇内前传容量的限制，分配各rrh各天线的量化比特，以最小化信道估计误差。具体步骤如下：
[0215]
2.1)在信道估计的各阶段中，rrhi的第m根天线的量化比特数为q
i,m
。rrh天线量化比特数限制可以表示为其中c为rrh天线量化比特数之和。以rrh天线量化比特数之和为约束，使各阶段mse最小化的优化问题可以分别表示为如下的(p1)，(p2)和(p3)：
[0216]
(p1)
[0217]
s.t.
[0218]
(c2):q
i,m
≥0且q
i,m
为整数
[0219]
(p2)
[0220]
s.t.
[0221]
(c2):q
i,m
≥0且q
i,m
为整数
[0222]
(p3)
[0223]
s.t.
[0224]
(c2):q
i,m
≥0且q
i,m
为整数
[0225]
阶段一、二、三的信道估计总误差ε
ι
，ε
ιι
，ε
ιιι
分别由步骤1.6)，1.7)，1.10)给出，优化步骤如下。
[0226]
2.2)对于优化问题p1，初始化(每个元素都大于等于0)，d0，δ0，d。令p∈[0,d0]，f
best
＝f(x0)，其中函数f(x)是ε
ι
关于x0的函数。定义迭代上限次数为steps，迭代次数t≤steps。定义随机搜索方向的向量集为：
代表第i次探索的方向。
[0227]
2.3)首先确定搜索方向为通过x
t
得到左右点的位置x
lt
和x
rt
，其中带入到函数f(x)中可以得到左右点位置的函数值f
l
＝f(x
lt
)和fr＝f(x
rt
)。
[0228]
2.4)如果f
best
≤f
l
&&f
best
≤fr，则更新搜索方向记为根据x
t
得到新的左右点位置x
lt
和x
rt
，将新的左右点位置的函数值与f
best
比较。如果同时满足f
best
≤f
l
&&f
best
≤fr&&i≤d，则继续更新并继续寻找新的左右点；若有一项不满足则停止寻找新的左右点。
[0229]
2.5)根据步骤2.4)得到的左右点的函数值f(x
lt
)、f(x
rt
)和x
t
可以得到x
t+1
，其中其中左右点之间的距离为d
t+1
＝ad
t
+b，a,b∈(0,1)。并且令f
best
＝f(x
t+1
)，迭代次数变为t＝t+1，更新步长为δ
t+1
＝uδ
t
,u∈(0,1)。如果此时t≤steps，则回到步骤2.3)；否则停止迭代且最后一次得到的x
t
就是最优解，问题p1中最小的估计误差值ε
ι
就等于函数值f(x
t
)。
[0230]
2.6)优化问题p2,p3的求解步骤与p1的步骤相同，所以用上述的步骤就可以解出三个优化问题的最优解。

技术特征：
1.一种irs辅助c-ran簇内信道估计量化比特优化方法，其特征在于：对于智能反射面辅助的云无线接入网的上行通信系统，根据簇内前传容量的限制，分配各rrh各天线的量化比特，以最小化信道估计误差，具体步骤如下：1.1)k个单天线用户ue通过i个rrh与bbu池进行通信，其中rrh分为两个集合和集合中的rrh与ue之间的通信需要irs辅助，而集合中的rrh则不需要irs辅助通信；每个rrh有m根天线，装有n个反射单元得irs部署在用户和rrh之间；rrh对接收信号进行压缩，再通过前传链路传输到bbu池；1.2)在只考虑有irs辅助的c-ran系统中，在信道估计阶段的t时刻用户k向rrh发送信号各rrh通过直连链路和irs的反射链路接收用户发送的信号，假定第i(i＝1,
…
,i1)个rrh收到的反射信号是由第i个irs辅助完成的，其中，rrhi在时刻t接收到的信号表示为：其中表示第k个用户到rrhi的直连信道,h
i,k
的协方差矩阵为的协方差矩阵为表示h
i,k
的路径损耗，p表示用户的相同发射功率，φ
i,n,t
表示第i个irs的第n个反射单元在t时刻对所考虑的相干块的反射系数，满足：g
k,n,i
＝s
k,i,n
r
i,n
表示从第k个用户通过第i个irs的第n个反射单元到第i个rrh的ue-irs-rrh反射信道，其中为用户k到第i个irs的信道，其中s
k,i
的协方差矩阵为表示s
k,i
的路径损耗，为第i个irs到第i个rrh的信道，其中r
i
的协方差矩阵为表示r
i
的路径损耗，表示t时刻rrhi处的加性高斯白噪声awgn，其协方差矩阵为1.3)信道估计分为三个阶段，在第一阶段中关闭所有irs反射单元，即φ
i,n,t
＝0，估计所有用户到提供服务的rrh的直连信道，定义为一阶段用户k发送的导频序列，其中q2＝-1，τ1≥k，则rrhi在第一阶段时刻t(t＝1,
···
,τ1)的接收信号为：因此在时刻t(t＝1,
···
,τ1)，rrhi的第m根天线收到的信号为：其中h
i,m
＝[h
i,1,m
,
···
,h
i,k,m
]，
1.4)在收到来自用户的信号后，每个rrh将其量化，然后将量化信号转发到bbu池；首先将rrh i的第m根天线接收到的信号归一化为其中是rrhi接收到的噪声功率，是一个比例因子：归一化信号通过量化器后，量化为量化后的信号可从归一化信号计算为：其中符号表示离x最近的整数，q
i,m
表示量化器对rrhi的第m根天线的接收信号进行量化时的分辨率；rrhi的第m根天线处的量化误差为量化时的分辨率；rrhi的第m根天线处的量化误差为和近似为[-δ
i,m
,δ
i,m
]的均匀随机变量，其中]的均匀随机变量，其中的均值为零且方差随后量化后的信号将通过无差错的前传链路发送到bbu池；1.5)在第一阶段时刻t(t＝1,
···
,τ1)在bbu池接收到的信号为：其中为压缩噪声；在整个一阶段bbu池处接收到的信号两边同时乘上得：其中然后采用线性最小均方误差方法，得到h
i,k
的估计为：所以h
i,k
的mse为：其中
得到一阶段信道估计总误差为：1.6)在第二阶段中，任意选择其中一个用户，假定其为用户1，向rrhi发送导频符号，即估计其到提供服务的rrhi和irsi的反射信道，定义为用户1在二阶段的导频序列，则rrh i在第二阶段时刻t(t＝τ1+1,
…
,τ1+τ2)的接收信号为：其中g
1,n,i
＝[g
1,n,i,1
,
···
,g
1,n,i,m
]
t
；则在时刻t(t＝τ1+1,
…
,τ1+τ2)，rrhi的第m根天线收到的信号为：因此所以可得的均值为零且方差为：1.7)在整个第二阶段，bbu池处的有效接收信号则表示为：其中其中令作为总噪声，则得到：
其中是对括号内的矩阵求期望，且再定义然后采用lmmse方法，得到[g
1,1,i
,
···
,g
1,n,i
]的估计为：所以得到第二阶段估计[g
1,1,i
,
···
,g
1,n,i
]的mse为：则第二阶段总的mse为：1.8)在第三阶段的信道估计中，剩余用户向rrh i发送导频符号，定义为用户k的导频序列，则rrhi在第三阶段时刻t(t＝τ1+τ2+1,
…
,τ1+τ2+τ3)的接收信号为：因为用户1和其他用户的ue-irs-rrh反射信道之间的有以下关系：其中s
k,i,n
是用户k到第i个irs的第n个反射单元的信道；因此，rrhi在第三阶段时刻t(t＝τ1+τ2+1,
…
,τ1+τ2+τ3)的接收信号重新表示如下：当t≥τ1+τ2+1时，定义在每个时刻t，只有用户序号为k
t
,2≤k
t
≤k的用户能够将其导频符号传输给rrh，并且n个irs反射单元中只有m
t
≤m，用集合δ
t
表示，其中m
t
＝|δ
t
|≤m，开启以反映导频符号，以便rrh估计其中：
其中因此，对于用户序号为k
t
的用户，分配时隙来估计其反射信道；在第一个时隙中，m个irs反射单元处于开启状态，在最后一个时隙中，其余个irs反射单元处于开启状态；需要时隙来估计1.9)在时刻设置设置此时，rrhi的第m根天线收到的信号为：因此由于由于因此所以得的均值为零且方差为：
1.10)在第三阶段时，假设信道估计误差由于对h
i,k
和g
1,n,i
的估计不完善，bbu池在时刻t(t＝τ1+τ2+1,
…
,τ1+τ2+τ3)的有效接收信号为：其中其中由上式可得：其中其中定义然后采用lmmse方法，得到的估计为：则在给定g
1,t,i
的情况下，估计的mse为：通过平均g
1,t,i
的所有通道实现，估计的mse为：所以第三阶段总的mse为：2.根据权利要求1所述的一种irs辅助c-ran簇内信道估计量化比特优化的方法，其特征在于：对于智能反射面辅助的云无线接入网的上行通信系统，根据簇内前传容量的限制，分配各rrh各天线的量化比特，以最小化信道估计误差，具体步骤如下：2.1)在信道估计的各阶段中，rrh i的第m根天线的量化比特数为q
i,m
；rrh天线量化比特数限制表示为其中c为rrh天线量化比特数之和；以rrh天线量化比特数之和为约束，使各阶段mse最小化的优化问题分别表示为如下的(p1)，(p2)和(p3)：
(c2):q
i,m
≥0且q
i,m
为整数为整数(c2):q
i,m
≥0且q
i,m
为整数为整数(c2):q
i,m
≥0且q
i,m
为整数阶段一、二、三的信道估计总误差ε
ι
，ε
ιι
，ε
ιιι
分别由步骤1.6)，1.7)，1.10)给出，优化步骤如下：2.2)对于优化问题p1，初始化d0，δ0，d；d0为左右点距离的初始设定值，δ0为初始步长，d表示每次迭代时随机搜索方向向量集的最大向量个数；令p∈[0,d0]，f
best
＝f(x0)，其中函数f(x)是ε
ι
关于x0的函数；定义迭代上限次数为steps，迭代次数t≤steps；定义随机搜索方向的向量集为：steps，迭代次数t≤steps；定义随机搜索方向的向量集为：代表第i次探索的方向；2.3)首先确定搜索方向为通过x
t
得到左右点的位置x
lt
和x
rt
，其中带入到函数f(x)中可以得到左右点位置的函数值f
l
＝f(x
lt
)和f
r
＝f(x
rt
)；2.4)如果f
best
≤f
l
&&f
best
≤f
r
，则更新搜索方向记为根据x
t
得到新的左右点位置x
lt
和x
rt
，将新的左右点位置的函数值与f
best
比较；如果同时满足f
best
≤f
l
&&f
best
≤f
r
&&i≤d，则继续更新并继续寻找新的左右点；若有一项不满足则停止寻找新的左右点；2.5)根据步骤2.4)得到的左右点的函数值f(x
lt
)、f(x
rt
)和x
t
可以得到x
t+1
，其中其中左右点之间的距离为d
t+1
＝ad
t
+b，a,b∈(0,1)。并且令f
best
＝f(x
t+1
)，迭代次数变为t＝t+1，更新步长为δ
t+1
＝uδ
t
,u∈(0,1)。如果此时t≤steps，则回到步骤2.3)；否则停止迭代且最后一次得到的x
t
就是最优解，问题p1中最小的估计误差值ε
ι
就等于函数值f(x
t
)；
2.6)优化问题p2,p3的求解步骤与p1的步骤相同，所以用上述的步骤就能够解出三个优化问题的最优解。

技术总结
本发明公开了IRS辅助C-RAN簇内信道估计量化比特优化方法，单天线用户UE通过射频拉远头RRH与基带处理单元BBU池进行通信，IRS部署在RRH与UE之间辅助通信；RRH对来自UE的信号进行量化处理后通过前传链路传输给BBU池；本发明针对IRS辅助的C-RAN上行链路传输系统中的三个阶段信道估计方法，在每个阶段中RRH在向BBU池传输前对接收到的UE信号进行量化处理，提出了优化量化比特方法，在前传链路容量限制下最小化每个阶段的估计误差。下最小化每个阶段的估计误差。下最小化每个阶段的估计误差。


技术研发人员：张昱 蔡泽斐 杨鹏弘 彭宏 张清清
受保护的技术使用者：浙江工业大学
技术研发日：2023.05.16
技术公布日：2023/8/23