基于可重构智能表面的二维高精度角度估计方法

作     者：郑乐 赵钏皓 卢珊珊 陈鹏 龙佳敏 胡雪瑶 ZHENG Le;ZHAO Chuanhao;LU Shanshan;CHEN Peng;LONG Jiamin;HU Xueyao

作者机构：北京理工大学雷达技术研究院北京100081 北京理工大学重庆创新中心重庆401135 西安电子工程研究所陕西西安710100 东南大学毫米波全国重点实验室江苏南京210096 

出 版 物：《信号处理》 (Journal of Signal Processing)

年 卷 期：2024年第40卷第1期

页      面：216-224页

核心收录：

学科分类：080904[工学-电磁场与微波技术] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 

基　　金：国家自然科学基金(62388102) 国家重点研发计划(2018YFE0202101,2018YFE0202102,2018YFE0202103)。 

主　　题：DOA估计 可重构智能表面 非线性最小二乘 互耦 

摘      要：可重构智能表面(Reconfigurable Intelligent Surface)因其提高频谱和能量使用效率、成本低等特点,被认为是未来无线通信和目标感知的关键性技术。RIS在平面上集成了大量低成本的无源反射元件,通过连接RIS的智能控制器,可以控制入射到这些可重构元件的信号的相位和幅度,从而重新配置入射信号的传播。波达方向(Direction of Arrival)估计问题是实现目标感知的重要组成部分,而RIS因其能够重新配置信号的特性被用来提高DOA估计的准确性。然而,在实际使用RIS时,由于元件之间的距离小于半波长而引起的互耦效应以及无法完美控制反射过程导致的反射失配(反射相位和幅度误差)等问题会严重影响RIS的性能。本文针对基于RIS系统的二维DOA估计问题,建立了考虑互耦效应和反射失配的RIS系统模型;并基于该模型,提出了一种新的二维角度估计方法用于DOA估计。该方法首先通过深度神经网络(Deep Neural Network)将RIS接收的信号进行重构,以降低互耦效应和反射失配的影响,再进一步使用非线性最小二乘法(Nonlinear Least Square)进行高精度的DOA估计。本文通过仿真验证了算法的估计性能,并与快速傅里叶变换(Fast Fourier Transformation)、正交匹配追踪(Orthogonal Matching Pursuit)等传统方法进行比较,结果表明相对于快速傅里叶变换、正交匹配追踪等传统方法新算法具有更好的估计性能。