本發明涉及無線通信，具體涉及一種ris輔助大規模mimo系統的優化方法。
背景技術：
1、傳統的大規模mimo系統的信道估計方法包括最小二乘法和最小均方誤差等。然而，這些方法在傳輸效率、覆蓋面積和實際應用方面存在不足。
2、隨著5g技術的飛速發展，人們對無線通信系統的性能和容量提出了越來越高的要求。大規模mimo系統作為一種通過使用大量的天線來實現空間復用的技術，顯著提高了通信系統性能，比如信號的傳輸效率和可靠性等，已經引起了廣泛的研究興趣。相比5g網絡，6g網絡對系統傳輸能力、可靠性、延遲和能量效率等性能指標具有更高的要求。在6g通信網絡中，因為各種能量密集型通信業務正在興起，而通信技術導致的溫室氣體排放的減少是不可替代的。
3、近年來，可重構智能反射表面(ris)作為一種新型的無線通信技術被提出。它由大量可控制的無源微小反射元件組成，可以通過可編程控制器巧妙的調整反射元素的反射系數，從而使反射信號可以以期望的方式傳播到預期的接收器，讓無線環境變得可控和可編程，并且能夠有效地調整信號的傳輸方向和增強信號的覆蓋范圍，從而提高了通信系統的性能。與現有的放大轉發中繼輔助通信相比，ris是一種更節能、更經濟的技術。
4、本發明是解決ris放置優化問題，充分利用基于梯度下降法改進的優化算法，達到較低誤碼率、擴大信號覆蓋面積的效果。但由于本通信系統是一個大規模系統，要綜合考慮算法本身的計算復雜度和隨著大規模系統計算復雜度的變化情況。因此，采用改進的梯度下降法，減少計算復雜度，但該算法在非凸問題求解時，容易陷入局部最小值的問題，所以引入自適應學習率解決陷入局部最小值的問題，最終獲得較好的信道狀態信息。
技術實現思路
1、本發明通過收斂性、計算復雜度、歸一化均方誤差、誤碼率、ris大小和導頻開銷來評價算法的效果。以改進的梯度下降法作為ris相移優化的基礎，引用自適應學習率解決ris優化過程中陷入局部最小值的問題，保證計算時間縮小74分鐘的同時，得到最佳的ris相移值的范圍在(-90°，-80°)之間，實現大規模mimo系統的信道狀態信息最佳。本發明中的高精度、高效率和貼合實際傳輸過程的ris輔助大規模mimo系統信道估計的優化算法，解決了目前傳統算法存在的問題。
2、該方法可由以下步驟實現：
3、步驟一、通過參數設置，建立系統模型，確定大規模mimo系統的發射天線、接收天線和ris反射元素數。
4、步驟二、建立目標函數，用于表示信道估計的性能指標。
5、步驟三、使用改進的梯度下降算法優化目標函數
6、步驟四、引入自適應學習率機制，確保在迭代過程中能夠更好地收斂到全局最優解。
7、步驟五、通過改進的梯度下降法和自適應學習率進行迭代優化，調整ris元素的相移配置。
8、步驟六、發送導頻序列并采樣接收信號，進行信道估計。
9、步驟七、根據信道估計性能評估結果，進一步優化系統配置和算法參數。
10、本發明的優點及有益效果如下：
11、1.本發明提供了一種新的模擬信道傳輸模型，采用隨機產生的出發角和到達角模擬隨機的傳輸信道，更加貼合實際生活通信過程；
12、2.本發明通過對反射元素的相位進行動態調節，有效減弱了信道衰落和多徑效應等干擾因素，并提升了信道估計的準確性。
1.一種ris輔助大規模mimo系統的優化方法，其特征是：該方法由以下步驟實現：
2.根據權利要求1所述的一種ris輔助大規模mimo系統的優化方法，其特征在于：步驟一中，在本通信系統進行仿真之前，需要設定一個符合現實通信需要的發射天線數目、接收天線數目、ris反射單元數目和少量的用戶，分別設置為，發射天線數目nm＝256、接收天線數目nl＝256、ris反射單元數目parameterb＝[816244072128]、用戶數目k＝4。
3.根據權利要求1所述的一種ris輔助大規模mimo系統的優化方法，其特征在于：步驟二中，對于系統性能評估的目標函數nmse，公式為：
4.根據權利要求1所述的一種ris輔助大規模mimo系統的優化方法，其特征在于：步驟三中，對于ris相移優化問題，采用了改進的梯度下降算法對nmse函數中的進行優化，公式為：
5.根據權利要求1所述的一種ris輔助大規模mimo系統的優化方法，其特征在于：步驟四中，為了確保可以在全局范圍內搜索到最優的ris反射單元相位值，因此在改進的梯度算法中引入了自適應學習率，聯合優化的公式為：
6.根據權利要求1所述的一種ris輔助大規模mimo系統的優化方法，其特征在于：步驟五中，通過將改進的梯度下降算法和自適應學習率算法進行迭代優化，調整ris反射元素的相移配置。在每次迭代中，利用上述公式計算梯度、更新相移配置，直到收斂，評判收斂的公式為：