基于无蜂窝大规模多输入多输出系统的计算成像方法

1.本发明涉及无线网络的感知领域，尤其涉及一种基于无蜂窝大规模多输入多输出系统的计算成像方法。


背景技术：

2.未来的6g系统，频段更高、带宽更大、大规模天线阵列分布更密集，因此单个系统集成的功能更多，例如集无线通信、感知和定位等功能于一体，大幅降低由额外的感知设备带来的成本，并且可以利用广泛部署的接入点和用户设备间的通信协作提升感知性能。基于当前通信系统和雷达系统的共存与合作问题的软硬件研究，利用无线电信号进行感知切实可行。整个通信系统可以作为传感器，利用无线电波的传输、反射和散射，以便更好的理解物理世界，提供更多业务。而且由于无线电感知其特有的优点——能够克服天气、光线等因素，可以实现全天候感知。
3.无蜂窝大规模多输入多输出技术是未来无线网络的核心技术之一，具有超高的可靠性、数据吞吐量、能源效率和均匀覆盖等特点。相对于目前的蜂窝系统，无蜂窝网络中没有小区或小区边界。因此，这种方法能够缓解无线网络的一个主要瓶颈和固有限制，即强大的小区间干扰。作为一个典型的分布式系统，无蜂窝大规模多输入多输出系统中大量的分布式接入点连接到一个中央处理单元，在相同的时频资源上为数量更小的用户服务，系统的性能依赖于高效的分布式处理算法。
4.当前，雷达成像以及光学成像都已经得到了长远成熟的发展，但是在通信领域进行成像的研究较少。在雷达传感或计算成像的广阔领域，利用环境中物体或散射体的本征稀疏性是有效检测的关键。这类问题往往根据压缩感知理论、建模为基于像素划分的稀疏信号恢复问题，并通过稀疏贝叶斯学习、正交匹配追踪、近似消息传递等广泛使用的方法求解。但是大多数且仅考虑单个接入点计算成像。单个接入点可以恢复环境中感兴趣的目标物体，但是由于受信道噪声污染、接收信号不完整等因素影像，成像效果往往不够理想。通过无蜂窝大规模多输入多输出系统架构可以实现综合多接入点估计信息，融合得到精确的估计值，所恢复的图像效果比单接入点更好。


技术实现要素：

5.本发明的目的是为了解决上述方案中通信网络计算成像难、单接入点成像效果差、计算效率低等问题，提出了一种无蜂窝大规模多输入多输出系统的计算成像方法。
6.本发明所采用的具体技术方案如下：
7.一种基于无蜂窝大规模多输入多输出系统的计算成像方法，其包括如下步骤：
8.s1、将整个环境空间作为一个三维立体空间，进行离散化处理，得到n＝p*p*p个小立方体，每个小立方体代表一个像素点；感兴趣的目标物存在于该环境空间内，该目标物共由k个像素点组成，且是稀疏的，稀疏率为λ＝k/n；用散射系数xn表示第n个像素点的散射系数；整个环境空间的任一个像素点具有属于非目标物或者属于目标物两种可能性；整个环
境空间散射系数表示为x＝[x1,x2,...,xn]
t
，x中每个元素互不相关且服从伯努利-高斯分布，其概率函数表示为其中λ为稀疏率，δ(x)为在x＝0处的狄拉克函数，表示任一像素x服从均值为θ、方差为φ的高斯分布概率密度函数，q＝(λ,θ,φ)为先验参数的集合；
[0009]
s2、在无蜂窝大规模多输入多输出系统中部署1个中央处理单元，b个接入点且每个接入点配置有m根天线，以及d个单天线用户设备；第d个用户设备发送的感知信号为sd，发射功率为d＝1,2,...,d，其中||sd||表示求sd的模，表示求期望；
[0010]
s3、第b个接入点基于接收到的信号yb，利用单接入点计算成像方法，得到本地的初步估计图像和方差矩阵σb，b＝1,2,...,b，然后将b个接入点各自的估计信息发送到中央处理单元；
[0011]
s4、中央处理单元基于b个接入点估计的信号和方差矩阵{σ1,σ2,
…
,σb}，利用多元信号融合方法，得到目标物的成像信号
[0012]
基于上述技术方案，本发明中的各步骤还可以进一步采用如下优选方式实现。
[0013]
作为优选，步骤s3中所述的单接入点计算成像方法的具体实现步骤如下：
[0014]
a)从第d个用户设备到目标物的信道矩阵为第d个用户设备信号从目标物反射到第b个接入点的信道矩阵为其中αd和β
b,d
均为基于路径损失和阴影衰落的大尺度衰落系数，hd和g
b,d
均为小尺度衰落系数，且服从标准高斯分布；则第b个接入点接收到的信号模型表达为将该信号模型表达进一步简化为标准线性模型yb＝abxb+wb＝zb+wb，其中矩阵xb是第b个接入点估计的目标物，wb是加性高斯白噪声，噪声方差为ψb；
[0015]
b)对于任一接入点b，将a)中接收信号yb的矢量乘积转换为所有标量元素的乘积，其中xb＝[x
b,1
,...,x
b,n
,...,x
b,n
]
t
，zb＝[z
b,1
,...z
b,m
,...,z
b,m
]
t
、yb＝[y
b,1
,...y
b,m
,...,y
b,m
]
t
，则得环境散射系数的后验概率为：
[0016][0017]
其中p(yb|xb)为yb的似然函数，p(xb|q)为xb的先验概率，p(y
b,m
|z
b,m
)为y
b,m
的标量似然函数，p(x
b,n
|q)为x
b,n
的标量先验概率；
[0018]
c)分别对m＝1,2,...,m，求z
b,m
关于(yb；q)的边缘后验概率其中p(y
b,m
|z
b,m
)为y
b,m
的标量似然函数，表示z
b,m
服从均值为方差为的高斯分布概率密度函数；求得m个元素的p(z
b,m
|yb；q)后对其求期望即得到zb；然后通过矩阵求逆运算a
b-1
*zb＝rb，得到被噪声污染的目标物rb，即rb＝xb+vb，其中vb是加性高斯白噪声；最后对n＝1,2,...,n，分别求得x
b,n
关于(yb；q)的边缘后验概率其中p(x
b,n
|q)为x
b,n
的标量先验概率，为x
b,n
服从均值为方差为的高斯分布概率密度函数；
[0019]
d)将先验概率p
x
(x
b,n
|q)代入c)中x
b,n
关于(yb；q)的边缘后验概率公式，得到x
b,n
的边缘后验概率为：
[0020][0021]
其中，δ(x
b,n
)表示x
b,n
＝0处的狄拉克函数，ζ
b,n
为归一化因子：
[0022][0023]
参数
[0024]
e)通过线性最小均方误差估计，求得d)中边缘后验概率的期望和方差μ
b,n
：
[0025][0026][0027]
由此得到第b个接入点估计的目标图像信号以及对角方差矩阵σb＝diag[μ
b,1
,...,μ
b,n
,...,μ
b,n
]；
[0028]
f)重复步骤c)～e)进行迭代计算直至收敛，输出最终的和σb。
[0029]
进一步的，所述步骤f)中，在每一次迭代计算完毕后判断目标图像信号的所有n个元素在当前迭代轮次的计算结果与在上一迭代轮次的计算结果是否满足收敛条件ε为设定的误差精度，若不满足则继续迭代，若满足则停止迭代。
[0030]
进一步的，所述误差精度ε优选为10-5
。
[0031]
作为优选，步骤s4中的多元信号融合方法具体实现步骤如下：
[0032]
中央处理单元基于b个接入点上传的本地目标图像信号和方差矩阵{σ1,σ2,
…
,σb}，分别对第n个位置的元素加权求和得到该位置的估计值n＝1,2,...,n，其中权重且要满足μ
b,n
为对应的方差；所有n个组成最终精确估计得到的目标物成像信号
[0033]
本发明具有的有益效果是：本发明提出的基于无蜂窝大规模多输入多输出系统的分布式计算成像方法，利用通信系统中的无线电信号在环境中的散射，通过感知与计算得到目标物的图像，能够解决通信领域计算成像难、单接入点成像效果差、计算效率低等问题。本发明提出的单接入点计算成像方法和中央处理单元多元信号融合方法，具有实现复杂度低，减少额外感知设备的开销，以及作为6g的基石更好地观测和理解物理世界，提高无蜂窝大规模多输入多输出系统计算成像的性能。
附图说明
[0034]
图1是基于无蜂窝大规模多输入多输出系统的计算成像方法的框图；
[0035]
图2是原始目标成像图；
[0036]
图3是单接入点计算成像图；
[0037]
图4是中央处理单元多元信号融合成像图。
具体实施方式
[0038]
下面结合附图和具体实施方式对本发明做进一步阐述和说明。
[0039]
在本发明的一个较佳实施例中，基于无蜂窝大规模多输入多输出系统的计算成像方法的框图如图1所示，只考虑上行机制，即d个单天线用户设备同时通过共享信道向b个接入点发送相同的感知信号，信号经过直射和感兴趣目标的散射到达接入点，由于直射部分信号不含目标信息，因此只保留散射接收的信号。接入点首先需要使用线性均方误差估计器在本地端进行粗估计，可以恢复环境中感兴趣的目标物体。随后，将局部计算得到的后验概率均值和方差同步传送到中央处理单元，然后通过加权求和在中央处理单元上融合，最后得到环境目标向量。
[0040]
本实施例所采用的一种基于无蜂窝大规模多输入多输出系统的计算成像方法，其具体包括如下步骤：
[0041]
s1、将整个环境空间作为一个三维立体空间，进行离散化处理，得到n＝p*p*p个小立方体，每个小立方体代表一个像素点；感兴趣的目标物存在于该环境空间内，该目标物共由k(k＜＜n)个像素点组成，且是稀疏的，稀疏率为λ＝k/n；用散射系数xn表示第n个像素点的散射系数；整个环境空间的任一个像素点具有属于非目标物或者属于目标物两种可能性；整个环境空间散射系数表示为x＝[x1,x2,...,xn]
t
，x中每个元素互不相关且服从伯努利-高斯分布，其概率函数表示为其中λ为稀疏率，δ(x)为在x＝0处的狄拉克函数，表示任一像素x服从均值为θ、方差为φ的高斯分布概率密度函数，q＝(λ,θ,φ)为先验参数的集合。
[0042]
s2、在无蜂窝大规模多输入多输出系统中部署1个中央处理单元，b个接入点且每个接入点配置有m根天线，以及d个单天线用户设备；第d个用户设备发送的感知信号为sd，发射功率为d＝1,2,...,d，其中||sd||表示求sd的模，表示求期望。
[0043]
s3、第b个接入点基于接收到的信号yb，利用单接入点计算成像方法，得到本地的初步估计图像和方差矩阵σb，b＝1,2,...,b，然后将b个接入点各自的估计信息发送到中央处理单元。
[0044]
在本实施例中，上述步骤s3中所述的单接入点计算成像方法的具体实现步骤如下：
[0045]
a)从第d个用户设备到目标物的信道矩阵为第d个用户设备信号从目标物反射到第b个接入点的信道矩阵为其中αd和β
b,d
均为基于路径损失和阴影衰落的大尺度衰落系数，hd和g
b,d
均为小尺度衰落系数，且服从标准高斯分布；则第b个接入点接收到的信号模型表达为将该信号模型表达进一步简化为标准线性模型yb＝abxb+wb＝zb+wb，其中矩阵xb是第b个接入点估计的目标物，wb是加性高斯白噪声，噪声方差为ψb；
[0046]
b)对于任一接入点b，将a)中接收信号yb的矢量乘积转换为所有标量元素的乘积，其中xb＝[x
b,1
,...,x
b,n
,...,x
b,n
]
t
，zb＝[z
b,1
,...z
b,m
,...,z
b,m
]
t
、yb＝[y
b,1
,...y
b,m
,...,y
b,m
]
t
，则得环境散射系数的后验概率为：
[0047][0048]
其中p(yb|xb)为yb的似然函数，p(xb|q)为xb的先验概率，p(y
b,m
|z
b,m
)为y
b,m
的标量似然函数，p(x
b,n
|q)为x
b,n
的标量先验概率，符号
∝
表示“正比于”。
[0049]
c)分别对m＝1,2,...,m，求z
b,m
关于(yb；q)的边缘后验概率其中符号表示“定义为”，p(y
b,m
|z
b,m
)为y
b,m
的标量似然函数，表示z
b,m
服从均值为方差为的高斯分布概率密度函数；求得m个元素的p(z
b,m
|yb；q)后对其求期望即得到zb；然后通过矩阵求逆运算a
b-1
*zb＝rb，得到被噪声污染的目标物rb，即rb＝xb+vb，其中vb是加性高斯白噪声；最后对n＝1,2,...,n，分别求得x
b,n
关于(yb；q)的边缘后验概率其中p(x
b,n
|q)为x
b,n
的标量先验概率，为x
b,n
服从均值为方差为的高斯分布概率密度函数；
[0050]
d)将先验概率p
x
(x
b,n
|q)代入c)中x
b,n
关于(yb；q)的边缘后验概率公式，得到x
b,n
的边缘后验概率为：
[0051][0052]
其中，δ(x
b,n
)表示x
b,n
＝0处的狄拉克函数，ζ
b,n
为归一化因子：
[0053]
[0054]
参数
[0055]
e)通过线性最小均方误差估计，求得d)中边缘后验概率的期望和方差μ
b,n
：
[0056][0057][0058]
由此得到第b个接入点估计的目标图像信号以及对角方差矩阵σb＝diag[μ
b,1
,...,μ
b,n
,...,μ
b,n
]；
[0059]
f)重复步骤c)～e)进行迭代计算直至收敛，输出最终的和σb。
[0060]
在上述步骤f)中，迭代计算是否收敛，可以通过设置收敛判断条件来实现。在本实施例中，可在每一次迭代计算完毕后判断目标图像信号的所有n个元素在当前迭代轮次(记为第t+1轮)的计算结果与在上一迭代轮次(记为第t轮)的计算结果是否满足收敛条件ε为设定的误差精度，若不满足则继续迭代，若满足则停止迭代。其中，误差精度ε。可根据实际进行设定。本实施例中设定为10-5
。
[0061]
所有接入点重复步骤a)～f)得到各自估计的后验期望和方差，进而可将b个接入点各自的估计信息发送到中央处理单元。
[0062]
s4、中央处理单元基于b个接入点估计的信号和方差矩阵{σ1,σ2,
…
,σb}，利用多元信号融合方法，得到目标物的成像信号
[0063]
在本实施例中，上述步骤s4中的多元信号融合方法具体实现步骤如下：
[0064]
中央处理单元基于b个接入点上传的本地目标图像信号和方差矩阵{σ1,σ2,
…
,σb}，分别对第n个位置的元素加权求和得到该位置的估计值n＝1,2,...,n，其中权重且要满足μ
b,n
为对应的方差；对其他元素同样处理，得到所有元素的估计值组成即所有n个组成最终精确估计得到的目标物成像信号
[0065]
下面将上述s1～s4所示的基于无蜂窝大规模多输入多输出系统的计算成像方法，应用于一个具体仿真实例中，其中真实目标的图像如图2所示。通过计算机仿真表明，本发明提出的单接入点计算成像方法，如图3所示，可以根据系统参数和信道条件，较好的恢复出环境中感兴趣的目标，但是由于受信道噪声污染、接收信号不完整等因素影像，成像效果往往不够理想。本发明提出的多元信号融合方法，如图4所示，成像效果明显优于单接入点成像，基本上精确恢复目标物。由此可见，本发明为无蜂窝大规模多输入多输出系统中实现成像提供了一种行之有效的计算方法。