[发明专利]基于无蜂窝大规模多输入多输出系统的计算成像方法

说明书

本发明公开了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。在无蜂窝大规模多输入多输出系统中，多个接入点通过无线或有线方式连接到一个中央处理单元，通过利用来自多个设备的无线信号实现目标成像。为恢复环境中感兴趣的目标物，多个用户设备同时发射感知信号，经过目标物的散射后到达各个接入点，接入点对各自接收到的信号进行计算，得到本地初步的物体图像。随后接入点将初步图像数据传送到中央处理单元进行融合处理，从而实现目标物的精确成像。本发明为复杂环境中感兴趣目标物的精确成像提供了一种简单有效的计算成像方法。

技术领域

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

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。

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。

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。

发明内容

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。

本发明所采用的具体技术方案如下：

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：

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x_n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,...,x_N]^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；

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s_d，发射功率为d＝1,2,...,D，其中||s_d||表示求s_d的模，表示求期望；