配电运维单兵装备与车载驾驶舱的误码率优化方法和装置与流程

1.本技术涉及电力控制技术领域，特别是涉及一种配电运维单兵装备与车载驾驶舱的误码率优化方法和装置。


背景技术：

2.配电网位于电力系统的末端，直接连接企业和用户，为人民群众的生产生活提供能源保障。由于现有配电网线路大多以架空线路形式存在，配电线路及相关电气设备长期暴露在外，大气污秽、雷击、强风、鸟害、树木遮挡等因素都会影响配电网的安全运行。因此，配电网巡检对于及时发现配电网缺陷和故障、有计划地安排检修、提高供电网络的可靠性具有重要的作用。
3.随着近年来配网投资建设速度的不断加快，以及电网智能化趋势的不断深入，逐渐通过引入配电运维单兵装备及配电运维车载驾驶舱，为配电网的运检、运营管理团队提供信息支撑。当下智能超表面辅助通信技术已经用来实现配电运维单兵装备及配电运维车载驾驶舱相关的通信实例。
4.目前对智能超表面辅助通信技术中波束形成和反射联合优化的研究，更多的是在假设信号输入为高斯分布的情况下最大化高频谱效率和能量效率、信噪比等。然而，高斯分布输入信号的假设是不切实际的，因为高斯分布信号是没有界限的。在如配电网通信系统的实践场景中，输入信号多是有限离散星座信号，如相移键控或正交幅度调制信号，因此需要针对性地设计一套通信优化方案，以提高配电运维单兵装备及配电运维车载驾驶舱的通信效果。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种配电运维单兵装备与车载驾驶舱的误码率优化方法、装置、计算机设备和存储介质，以降低配电运维单兵装备与车载驾驶舱的通信误码率。
6.第一方面，本技术提供了一种配电运维单兵装备与车载驾驶舱的误码率优化方法，所述方法包括：
7.构建配电运维单兵装备及车载驾驶舱的ris辅助mimo系统的系统模型，根据发射信号向量和接收信号向量确定所述系统模型的信道传输矩阵；
8.以最小化所述ris辅助mimo系统的误码率为优化目标，基于所述信道传输矩阵建立反射和预编码的联合优化模型；
9.根据预设预编码矩阵和所述联合优化模型，利用坐标下降法或对所述联合优化模型进行约束松弛后，搜索并输出反射矩阵的优化解；
10.基于所述反射矩阵的优化解简化所述联合优化模型，根据简化后的联合优化模型，利用梯度下降法搜索并输出预编码矩阵的优化解，或利用最大化接收信号向量间的最小欧氏距离方式求解预编码矩阵的优化解；
11.通过交替算法不断交替更新所述反射矩阵的优化解和所述预编码矩阵的优化解，直至所述ris辅助mimo系统的误码率的优化幅度小于预设值。
12.在其中一个实施例中，所述构建配电运维单兵装备及车载驾驶舱的ris辅助mimo系统，根据发射信号向量和接收信号向量确定所述ris辅助mimo系统中的信道传输矩阵，包括：
13.构建包含n
t
个天线的发射器与nr个天线的接收器，以及由n个反射单元组成的智能超表面的，配电运维单兵装备及车载驾驶舱的ris辅助mimo系统；
14.基于所述ris辅助mimo系统进行信号收发，获取发射信号向量和接收信号向量；
15.根据发射信号向量和接收信号向量，以及所述发射器的预设预编码矩阵和所述智能超表面的预设反射矩阵，确定所述ris辅助mimo系统中的信道传输矩阵。
16.在其中一个实施例中，所述以最小化所述ris辅助mimo系统的误码率为优化目标，基于所述信道传输矩阵建立反射和预编码的联合优化模型，包括：
17.利用所述发射信号向量间的欧氏距离构建所述ris辅助mimo系统的误码率公式；
18.基于发射信号向量的最大平均功率和反射矩阵的模值设置模型约束条件；
19.将所述信道传输矩阵作为已知项，将反射矩阵和预编码矩阵作为搜索项，将最小化所述误码率公式的取值作为目标，构建基于m-ary星座信号调制方法的反射和预编码的联合优化模型。
20.在其中一个实施例中，所述根据预设预编码矩阵和所述联合优化模型，利用坐标下降法或对所述联合优化模型进行约束松弛后，搜索并输出反射矩阵的优化解，包括：
21.基于预设预编码矩阵将误码率公式转换为反射矩阵的第一函数，并设定反射矩阵的初始解以及搜索步长系数和误码率优化阈值；
22.计算所述第一函数相对所述反射矩阵的梯度和搜索方向，并利用armijo准则确定搜索步长；
23.基于所述搜索步长和搜索方向，从所述反射矩阵的初始解开始搜索，直至搜索方向的模小于所述搜索步长系数或者搜索次数达到预设次数；
24.重置搜索次数并再次开始搜索，直至相邻两次搜索对应的误码率差值小于所述误码率优化阈值，输出反射矩阵的优化解。
25.在其中一个实施例中，所述根据预设预编码矩阵和所述联合优化模型，利用坐标下降法或对所述联合优化模型进行约束松弛后，搜索并输出反射矩阵的优化解，包括：
26.设定反射矩阵的初始解以及搜索步长阈值和误码率优化阈值；
27.利用凸l
∞
约束对所述联合优化模型进行约束松弛，并基于预设预编码矩阵，通过对数障碍函数构建所述联合优化模型的违反约束的代价函数；
28.计算所述代价函数相对所述反射矩阵的梯度和搜索方向，将搜索方向投影至所述反射矩阵的信号切平面；
29.设置第一搜索角度参数，在预设角度范围内搜索使得误码率最小的第一目标角度参数；
30.判断相邻两次搜索对应的误码率差值是否小于所述误码率优化阈值，且反射矩阵中各项是否均为单位向量；
31.如果否，则根据所述第一目标角度参数和所述搜索方向调整反射矩阵的当前解；
32.如果是，则增加所述凸l
∞
约束的范数指数并更新所述代价函数相对所述反射矩阵的梯度和搜索方向；
33.重新搜索直至所述凸l
∞
约束的范数指数大于预设指数，输出反射矩阵的优化解。
34.在其中一个实施例中，所述基于所述反射矩阵的优化解简化所述联合优化模型，根据简化后的联合优化模型，利用梯度下降法搜索并输出预编码矩阵的优化解，或利用最大化接收信号向量间的最小欧氏距离方式求解预编码矩阵的优化解，包括：
35.基于所述反射矩阵的优化解简化所述联合优化模型，生成将所述信道传输矩阵和反射矩阵作为已知项，将预编码矩阵作为搜索项，将最小化所述误码率公式的取值作为目标，预编码矩阵的向量内积和为约束的联合优化简化模型；
36.利用拉格朗日函数计算梯度和搜索方向，将搜索方向投影至所述预编码矩阵的信号切平面；
37.设置第二搜索角度参数，在预设角度范围内搜索使得误码率最小的第二目标角度参数；
38.如果所述搜索方向的单位向量不满足预设条件，则根据所述第二目标角度参数和所述搜索方向调整所述预编码矩阵的当前解，否则将所述当前解作为优化解输出。
39.在其中一个实施例中，所述基于所述反射矩阵的优化解简化所述联合优化模型，根据简化后的联合优化模型，利用梯度下降法搜索并输出预编码矩阵的优化解，或利用最大化接收信号向量间的最小欧氏距离方式求解预编码矩阵的优化解，包括：
40.基于所述反射矩阵的优化解简化所述联合优化模型，生成将所述信道传输矩阵和反射矩阵作为已知项，将预编码矩阵作为搜索项，将最小化所述误码率公式的取值作为目标，预编码矩阵的向量内积和为约束的联合优化简化模型；
41.利用无噪声状态下接收信号向量间的最小平方欧氏距离，对所述联合优化简化模型进行改写；
42.基于改写后的联合优化简化模型求解预编码矩阵的优化解，以满足发射信号向量的最大平均功率的约束条件。
43.在其中一个实施例中，所述通过交替算法不断交替更新所述反射矩阵的优化解和所述预编码矩阵的优化解，直至所述ris辅助mimo系统的误码率的优化幅度小于预设值，包括：
44.将所述预编码矩阵的优化解代入所述联合优化模型，并重新执行反射矩阵和预编码矩阵的优化解的求解过程；
45.当第k+1次求解后得到的误码率与第k次求解后得到的误码率之差小于预设值时，输出第k+1次求解过程中的反射矩阵和预编码矩阵的优化解。
46.在其中一个实施例中，所述方法还包括：
47.根据所述ris辅助mimo系统中发射器、接收器和反射单元的数量，以及信号调制的符号数量，确定反射矩阵和/或预编码矩阵的优化解的计算复杂度；
48.根据所述计算复杂度选取反射矩阵和/或预编码矩阵的优化解的求解方案。
49.第二方面，本技术还提供了一种配电运维单兵装备与车载驾驶舱的误码率优化装置，所述装置包括：
50.信道传输矩阵构建模块，用于构建配电运维单兵装备及车载驾驶舱的ris辅助
mimo系统，根据发射信号向量和接收信号向量确定所述ris辅助mimo系统中的信道传输矩阵；
51.联合优化模型建立模块，用于以最小化所述ris辅助mimo系统的误码率为优化目标，基于所述信道传输矩阵建立反射和预编码的联合优化模型；
52.反射矩阵求解模块，用于根据预设预编码矩阵和所述联合优化模型，利用坐标下降法或对所述联合优化模型进行约束松弛后，搜索并输出反射矩阵的优化解；
53.预编码矩阵求解模块，用于基于所述反射矩阵的优化解简化所述联合优化模型，根据简化后的联合优化模型，利用梯度下降法搜索并输出预编码矩阵的优化解，或利用最大化接收信号向量间的最小欧氏距离方式求解预编码矩阵的优化解；
54.模型求解迭代模块，用于通过交替算法不断交替更新所述反射矩阵的优化解和所述预编码矩阵的优化解，直至所述ris辅助mimo系统的误码率的优化幅度小于预设值。
55.第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述配电运维单兵装备与车载驾驶舱的误码率优化方法中的步骤。
56.第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述配电运维单兵装备与车载驾驶舱的误码率优化方法中的步骤。
57.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述配电运维单兵装备与车载驾驶舱的误码率优化方法中的步骤。
58.上述配电运维单兵装备与车载驾驶舱的误码率优化方法，首先提出了配电运维单兵装备及车载驾驶舱的ris辅助mimo系统中，最小化误码率时反射和预编码的优化方案。由于预编码和反射在最小化误码率方面是耦合的，并且在物理上是隔离的，因此可以采用交替策略，以最大限度地提高信噪比等指标。其次，对反射矩阵优化过程进行设计，以找到最佳的反射角度，使误码率最小化，并通过坐标下降法来求解；同时，为了降低复杂度，将非凸约束转化为凸约束，并通过矢量梯度下降法共同求解反射矩阵的优化解。再者，将信道传输矩阵、预编码矩阵和传输的符号向量以新的形式表达出来，并将预编码矩阵的优化转化为向量优化问题，具体可以通过投影梯度下降法来解决。而在高信噪比条件下，提出了mmed预编码优化方案，可以在较低的计算复杂度的情况下取得较好的性能。
附图说明
59.图1为一个实施例中配电运维单兵装备及车载驾驶舱的误码率优化方法的流程示意图；
60.图2为一个实施例中确定信道传输矩阵的流程示意图；
61.图3为一个实施例中配电运维单兵装备及车载驾驶舱的ris辅助mimo系统的架构示意图；
62.图4为一个实施例中构建反射和预编码矩阵的联合优化模型的流程示意图；
63.图5为一个实施例中利用坐标下降法搜索并输出反射矩阵的优化解的流程示意图；
64.图6为一个实施例中对联合优化模型进行约束松弛后搜索并输出反射矩阵的优化解的流程示意图；
65.图7为一个实施例中利用梯度下降法搜索并输出预编码矩阵的优化解的流程示意图；
66.图8为一个实施例中利用最大化接收信号向量间的最小欧氏距离方式求解预编码矩阵的优化解的流程示意图；
67.图9为一个实施例中交替更新反射矩阵和预编码矩阵的流程示意图；
68.图10为一个实施例中根据计算复杂度选取求解方案的流程示意图；
69.图11为一个实施例中不同反射-预编码方案组合之间的误码率比较图；
70.图12为一个实施例中不同反射-预编码方案组合的计算复杂度和cpu运行时间图；
71.图13为一个实施例中不同的反射-预编码方案组合收敛所需的平均迭代次数图；
72.图14为本实施例中反射优化方案与sdp优化反射方案之间的误码率比较图；
73.图15为本实施例中的预编码优化方案与eigen预编码优化方案的误码率比较图；
74.图16为一个实施例中vmser-mmed,vmser-eigen,sdp-mmed和sdp-eigen方案组合之间的误码率比较图；
75.图17为一个实施例中不同n下vmser-mser方案组合的误码率比较图；
76.图18为一个实施例中存在信道状态信息估计误差的误码率比较图；
77.图19为一个实施例中ris辅助mimo系统和af中继系统的误码率比较图；
78.图20为一个实施例中配电运维单兵装备及车载驾驶舱的误码率优化装置的结构框图；
79.图21为一个实施例中计算机设备的内部结构图。
具体实施方式
80.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
81.传统以“人力为主”的巡检模式逐渐难以满足日益增长的配网运维检修工作需求；巡检人员只适合携带轻型手持巡检仪器设备，线路及相关设备运行状态数据获取手段较为单一；其次，缺陷故障仍以人工观测判断为主，巡检结果主观性强；最后，巡检得到的纸质报告数量较大，一定程度存在着人工分类整理耗时长、数据真实性有待考察、为消缺提供依据不够充分、巡检过程信息化水平不高等问题。在此背景下，配电运维单兵装备及车载驾驶舱逐渐被投入到配网运维检修工作中。配电运维单兵装备是指用于电力系统运维的手持终端设备，主要用于实时监控和控制电网中各节点的状态和运行情况，以及开展维护和修复工作。配电运维车载驾驶舱是指专门用于配电运维的车辆中的设备，包括配电运维设备和驾驶舱设备两个部分。配电运维设备主要用于监测、维护、诊断电力系统，而驾驶舱设备则用于提供车辆驾驶工具和信息交流。为了提高配电运维单兵装备及车载驾驶舱的通信服务质量和效率，可以采用新型通信技术，如ris(reconfigurable intelligent surface，智能反射面)辅助mimo(multiple input multiple output，多输入多输出)系统，来辅助实现。ris辅助mimo系统结合了多输入多输出技术和智能反射面技术，能够优化信道传输的质量和效
率，提高信号的传输容量和范围，为配电运维单兵装备及车载驾驶舱等设备提供更加便捷、高效的通信服务。
82.为了进一步有效提升配电运维单兵装备及车载驾驶舱的通信效率，本技术实施例提供了一种配电运维单兵装备及车载驾驶舱的误码率优化方法，如图1所示，包括以下步骤：
83.步骤102，构建配电运维单兵装备及车载驾驶舱的ris辅助mimo系统，根据发射信号向量和接收信号向量确定ris辅助mimo系统中的信道传输矩阵。
84.其中，ris辅助mimo系统是指将ris技术应用于mimo通信系统中的一种新型通信技术，配电运维单兵装备及车载驾驶舱的ris辅助mimo系统是用于现代化电力系统中的一种新型通信技术。ris可以改变电磁波的反射、传输和干扰特性，从而能够优化信道传输的质量和效率，提高信号的传输容量和范围。mimo技术则是通过使用多个天线发送和接收信号来提高通信质量和速率。
85.在实施中，将ris辅助mimo系统应用到配电运维单兵装备及车载驾驶舱时，可以先建立配电运维单兵装备及车载驾驶舱的ris辅助mimo系统的系统模型，并对ris辅助mimo系统的信道传输矩阵进行分析。其中，信道传输矩阵是指从发射器的天线数组到接收器的天线数组，通过ris反射面的信号传输矩阵，用于表征ris对信号的反射和衰减情况以及路径损耗和噪声等因素。具体的，可以利用ris辅助mimo系统的系统模型来模拟信号发射过程，之后可以采集接收信号向量，根据发射信号向量和接收信号向量确定系统模型的信道传输矩阵。
86.在一个实施例中，可以通过给定预编码矩阵和反射矩阵来确定信道传输矩阵，相应的，如图2所示，步骤102的处理可以包括：
87.步骤1021，构建包含n
t
个天线的发射器与nr个天线的接收器，以及由n个反射单元组成的智能超表面的，配电运维单兵装备及车载驾驶舱的ris辅助mimo系统。
88.在实施中，如图3所示，配电运维单兵装备及车载驾驶舱的ris辅助mimo系统可以由包含n
t
个天线的发射器、nr个天线的接收器和由n个反射单元组成的智能反射面。智能反射面可以嵌入发射器和接收器周围的建筑物，以充当无源中继。
89.步骤1022，基于ris辅助mimo系统进行信号收发，获取发射信号向量和接收信号向量。
90.步骤1023，根据发射信号向量和接收信号向量，以及发射器的预设预编码矩阵和智能超表面的预设反射矩阵，确定ris辅助mimo系统中的信道传输矩阵。
91.在实施中，在发射过程中，每个信道使用的信息不仅由发射信号向量传递，而且由ris上的反射单元传递，利用两个设备之间信道的信道互易性，可以通过接收器反馈的接收信号向量来估计发射器和接收器之间的信道。因此，接收器处的接收信号向量可以表示为：
[0092][0093]
式中：ρ是信噪比；代表ris和接收器间信道的信道传输矩阵；代表ris和接收器间信道的信道传输矩阵；是ris上施加的有效相移的对角矩阵，φ＝{φ1，φ2，
…
，φn}
t
，其中，|
φn|＝1，|＝1，b是以bits为单位的相位分辨率；表示发射器与ris之间信道的信道传输矩阵，表示发射器与接收器之间信道的信道传输矩阵；是对ns个数据流进行编码的预编码矩阵；s为ns×
1发送数据符号向量，每一项从m-ary星座sm中选择，共有m
ns
个合法符号向量；是加性高斯白噪声向量，每个分量服从零均值方差σ2的复高斯分布。假设所有{s}的平均功率是归一化的。设x＝fs，表示来自多天线发射器的发射信号向量。
[0094]
步骤104，以最小化ris辅助mimo系统的误码率为优化目标，基于信道传输矩阵建立反射和预编码的联合优化模型。
[0095]
在实施中，ris辅助mimo系统的误码率是指在使用ris辅助mimo系统进行通信时，数据传输出现错误的概率。误码率取决于许多因素，包括ris的位置、天线的数量和配置、信息传输速率、所使用的调制方式以及信道条件等。在ris辅助mimo系统中，反射和预编码技术可用于优化信号的传输和接收，减少信号的干扰和增加信号的强度，从而降低误码率。具体而言，反射技术可以帮助调整传输信号的角度，并将其定向到期望的接收器；预编码技术则可以帮助优化传输信号的波形，从而控制信号的功率和相位。例如，通过ris辅助的mimo系统，在发送端优化预编码，可以使得传输信号的波形更加规则，从而在接收端降低解调器的复杂度，提高信号的接收性能。同时，优化反射可以帮助调整信号的角度，避免信号或多路径干扰的影响，并提高信号的接收效果，进而降低误码率。因此，可以以最小化ris辅助mimo系统的误码率为优化目标，基于步骤102中得到的信道传输矩阵建立反射和预编码的联合优化模型，以求解反射矩阵和预编码矩阵的优化解。
[0096]
在一个实施例中，可以由信号向量间的欧氏距离来定义误码率，从而构建反射和预编码矩阵的联合优化模型，相应的，如图4所示，步骤104的处理可以包括：
[0097]
步骤1041，利用发射信号向量间的欧氏距离构建ris辅助mimo系统的误码率公式。
[0098]
步骤1042，基于发射信号向量的最大平均功率和反射矩阵的模值设置模型约束条件。
[0099]
步骤1043，将信道传输矩阵作为已知项，将反射矩阵和预编码矩阵作为搜索项，将最小化误码率公式的取值作为目标，构建基于m-ary星座信号调制方法的反射和预编码的联合优化模型。
[0100]
在实施中，假设发射信号向量x满足最大平均发射功率约束在实施中，假设发射信号向量x满足最大平均发射功率约束其中，是信号协方差矩阵，pmax表示最大平均功率。由于系统利用了所有m
ns
个可行的发射向量，因此误码率公式可以表示为：
[0101][0102]
其中，pr{si→
sj}表示被错误地检测为sj的向量si的成对误码率。通过使用两个发射信号向量之间的欧氏距离可使
[0103]
基于发射信号向量的最大平均功率和反射矩阵的模值设置模型约束条件，反射和预编码联合优化模型(p1)可以具体表示为：
[0104]
given:h1,h2,hd,
[0105]
find:φ,f
[0106]
minimize:ps(φ，f)
[0107]
subjectto:tr(q)≤p
max
[0108][0109]
步骤106，根据预设预编码矩阵和联合优化模型，利用坐标下降法或对联合优化模型进行约束松弛后，搜索并输出反射矩阵的优化解。
[0110]
在实施中，在对反射和预编码的联合优化模型进行求解时，反射矩阵和预编码矩阵同时作为两个待求解的变量，可以先固定第一个变量的取值，对第二个变量进行求解，之后可以在求解得到的第二个变量基础上，再对第一个变量进行求解。故而，本实施例中选择先对反射矩阵进行求解，即先给定可行的预设预编码矩阵，基于该预设预编码矩阵和联合优化模型，搜索并输出反射矩阵的优化解。在具体求解过程中，本实施例可以采用坐标下降法或对联合优化模型进行约束松弛的方式来求解。
[0111]
在一个实施例中，利用坐标下降法搜索并输出反射矩阵的优化解的过程可以如图5所示，具体可以包括如下步骤：
[0112]
步骤10601，基于预设预编码矩阵将误码率公式转换为反射矩阵的第一函数，并设定反射矩阵的初始解以及搜索步长系数和误码率优化阈值。
[0113]
步骤10602，计算第一函数相对反射矩阵的梯度和搜索方向，并利用armijo准则确定搜索步长。
[0114]
步骤10603，基于搜索步长和搜索方向，从反射矩阵的初始解开始搜索，直至搜索方向的模小于搜索步长系数或者搜索次数达到预设次数。
[0115]
步骤10604，重置搜索次数并再次开始搜索，直至相邻两次搜索对应的误码率差值小于误码率优化阈值，输出反射矩阵的优化解。
[0116]
在实施中，当存在预设预编码矩阵时，平方欧氏距离可以为在实施中，当存在预设预编码矩阵时，平方欧氏距离可以为其中，x
ij
＝f(s
i-sj)，a
ij
是一个向量，其中第k个元素为这里h
d，2，k
是的第k列，h
l，k
表示的第k列。可转换得到：其中，q
ij
＝h1x
ij
，，而可得：因此，最小平方欧氏距离可以表示为
误码率公式则可以转换为反射矩阵的第一函数。同时，为了处理非凸问题，可以使用坐标下降法来获得反射矩阵的优化解，具体流程可以如下：
[0117]
1.初始化：给定反射矩阵的初始解θ0,，k＝0，n＝1，搜索步长系数ε0》0和误码率优化阈值ε1》0。
[0118]
2.计算第一函数相对反射矩阵的梯度和搜索方向：计算梯度gk，并推导出搜索方向为向为
[0119]
3.更新：利用armijo准则确定搜索步长α
n，k
并且θ
n，k+1
＝θ
n，k
+α
n，k
ω
n，k
，k＝k+1。
[0120]
4.搜索：如果|ω
n，k
|＜ε0并且n＜n，令n＝n+1，返回2；如果|ω
n，k
|＜ε0并且n＝n，则进入5。
[0121]
5.迭代：重置搜索次数设n＝1，返回2再次开始搜索，直到ps(θ
n，k+1
)-ps(θ
n，k
)＜ε1，即相邻两次搜索对应的误码率差值小于误码率优化阈值。
[0122]
6.输出：反射矩阵的优化解可以由φ
n*
＝exp[jθ
n，k
]得到。
[0123]
在一个实施例中，对联合优化模型进行约束松弛后搜索并输出反射矩阵的优化解的过程可以如图6所示，具体可以包括如下步骤：
[0124]
步骤10611，设定反射矩阵的初始解以及搜索步长阈值和误码率优化阈值。
[0125]
步骤10612，利用凸l
∞
约束对联合优化模型进行约束松弛，并基于预设预编码矩阵，通过对数障碍函数构建联合优化模型的违反约束的代价函数。
[0126]
步骤10613，计算代价函数相对反射矩阵的梯度和搜索方向，将搜索方向投影至反射矩阵的信号切平面。
[0127]
步骤10614，设置第一搜索角度参数，在预设角度范围内搜索使得误码率最小的第一目标角度参数。
[0128]
步骤10615，判断相邻两次搜索对应的误码率差值是否小于误码率优化阈值，且反射矩阵中各项是否均为单位向量。
[0129]
步骤10616，如果否，则根据第一目标角度参数和搜索方向调整反射矩阵的当前解。
[0130]
步骤10617，如果是，则增加凸l
∞
约束的范数指数并更新代价函数相对反射矩阵的梯度和搜索方向。
[0131]
步骤10618，重新搜索直至凸l
∞
约束的范数指数大于预设指数，输出反射矩阵的优化解。
[0132]
在实施中，对于反射和预编码的联合优化模型p1，由于|φi|＝1，可得tr(φφh)＝n。为了处理|φi|＝1的非凸约束，可以将反射和预编码的联合优化模型(p1)松弛为具有凸l
∞
约束的优化问题(p2)：
[0133]
given：h1，h2，hd，f
[0134]
find：φ
[0135]
minimize：ps(φ)
[0136]
subject to：tr(φφh)＝n
[0137]
||φ||
∞
≤1
[0138]
为求解p2，可以使用障碍法将非负约束与对数障碍函数i(u)结合起来，以近似违反l
p
约束的惩罚，因此，可以构建联合优化模型的违反约束的代价函数：
[0139][0140]
为了使用梯度法解决上述优化问题，给出代价函数g(φ，p)相对反射矩阵φ的梯度：
[0141][0142]
其中，设p
φ
＝[φ1·
|φ1|
p-2
，φ2·
|φ2|
p-2
，...，φn·
|φn|
p-2
]
t
[0143][0144]
根据莱布尼茨积分法则：
[0145][0146]
由此可得，
[0147]
利用作为搜索方向，以搜索反射矩阵的最优解，具体流程可以如下：
[0148]
1.初始化：给定一个反射矩阵的初始解φ0，p＞0，δp＞0，pmax＞0，k＝0，搜索步长阈值ε2＞0和误码率优化阈值ε3＞0，障碍因子t。
[0149]
2.计算梯度和搜索方向：计算梯度gk，推导搜索方向为
[0150]
3.搜索方向投影：通过将搜索方向投影到tr(φφh)＝n的切平面。
[0151]
4.设置第一搜索角度参数在预设角度范围0≤θ≤π/2内，搜索使得误码率最小的第一目标角度参数
[0152]
5.更新和规范化：如果且的第i项满足则执行6；否则调整反射矩阵的当前解k＝k+1，然后执行2。
[0153]
6.迭代：如果凸l
∞
约束的范数指数大于预设指数，即p≥pmax，执行7，否则令p＝p+δp，然后执行2。
[0154]
7.输出：反射矩阵的优化解由给出。
[0155]
在上述约束松弛的处理下，每次迭代得到的解可能不能保证满足|φ
k，i
|＝1。因此，目标函数对归一化不太敏感时，可以增加归一化步骤，即令为以确保解决
方案的可行性。
[0156]
步骤108，基于反射矩阵的优化解简化联合优化模型，根据简化后的联合优化模型，利用梯度下降法搜索并输出预编码矩阵的优化解，或利用最大化接收信号向量间的最小欧氏距离方式求解预编码矩阵的优化解。
[0157]
在实施中，在求解得到反射矩阵的优化解后，可以将联合优化模型简化为以预编码矩阵为单变量的模型。之后可以利用梯度下降法对简化后的联合优化模型进行求解，或者可以利用最大化接收信号向量间的最小欧氏距离的方式来求解预编码矩阵的优化解。可以理解，在接收端接收到多个天线发送的信号时，如果接收信号向量之间的距离越远，那么接收器在解码时，则可以更容易地区分不同的接收信号向量，从而提高解码的准确度，减少误码率。
[0158]
在一个实施例中，简化联合优化模型，利用梯度下降法搜索并输出预编码矩阵的优化解的过程可以如图7所示，具体可以包括如下步骤：
[0159]
步骤10801，基于反射矩阵的优化解简化联合优化模型，生成将信道传输矩阵和反射矩阵作为已知项，将预编码矩阵作为搜索项，将最小化误码率公式的取值作为目标，预编码矩阵的向量内积和为约束的联合优化简化模型。
[0160]
步骤10802，利用拉格朗日函数计算梯度和搜索方向，将搜索方向投影至预编码矩阵的信号切平面。
[0161]
步骤10803，设置第二搜索角度参数，在预设角度范围内搜索使得误码率最小的第二目标角度参数。
[0162]
步骤10804，如果搜索方向的单位向量不满足预设条件，则根据第二目标角度参数和搜索方向调整预编码矩阵的当前解，否则将当前解作为优化解输出。
[0163]
在实施中，基于反射矩阵的优化解φ，可以将联合优化模型p1简化为p3：
[0164]
given：h1，h2，hd，φ
[0165]
find：f
[0166]
minimize：ps(f)
[0167]
subject to：tr(q)≤p
max
[0168]
通过引入接受到的信号可以被重新表示为接受到的信号可以被重新表示为
[0169]
为方便处理，可以将信道传输矩阵、预编码矩阵和传输的数据流重建为新的形式：首先构造一个新的信道传输矩阵为其中，每个重复ns次。同时，将预编码矩阵集设定为
[0170]
[0171]
此时，可以将接收信号向量表示为平方欧氏距离表示为
[0172]
其中，其中，
[0173]
p3可以转化为p3-a：
[0174]
给定：
[0175]
find：f
[0176]
minimlze：ps(f)
[0177]
subject to：tr(ffh)≤p
max
[0178]
为求解上述模型，可以给出拉格朗日函数表达式l(f，μ)＝ps(f)+μ(tr(ffh)-p
max
o)，其中，μ是拉格朗日算子。引入卡罗需-库恩-塔克条件：
[0179][0180]
可以得到：
[0181]
使用梯度法，计算梯度下降方向为将搜索方向投影到tr(ffh)＝p
max
的切平面上，可以有通过沿着投影的搜索方向进行搜索来更新解其中，可由得到。最后迭代，直至达到终止条件其中ε4为终止判据。
[0182]
上述预编码矩阵的优化解的求解过程具体可以如下：
[0183]
1.初始化：给定一个预编码矩阵的初始解f0，k＝0和终止判据ε4＞0。
[0184]
2.计算梯度和搜索方向：计算梯度gk并得出搜索方向rk。
[0185]
3.搜索方向投影：将搜索方向投影到tr(ffh)＝p
max
的切平面。
[0186]
4.设置第二搜索角度参数在预设角度范围内，搜索使得误码率最小的第二目标角度参数
[0187]
5.更新：如果转到6，否则按调整预编码矩阵的当前解，并让k＝k+1，然后转到2。
[0188]
6.输出：预编码矩阵的优化解由公式给出，其中f
ki
为fk的第i
个元素。
[0189]
在一个实施例中，简化联合优化模型，利用最大化接收信号向量间的最小欧氏距离方式求解预编码矩阵的优化解的过程可以如图8所示，具体可以包括如下步骤：
[0190]
步骤10811，基于反射矩阵的优化解简化联合优化模型，生成将信道传输矩阵和反射矩阵作为已知项，将预编码矩阵作为搜索项，将最小化误码率公式的取值作为目标，预编码矩阵的向量内积和为约束的联合优化简化模型。
[0191]
步骤10812，利用无噪声状态下接收信号向量间的最小平方欧氏距离，对联合优化简化模型进行改写。
[0192]
步骤10813，基于改写后的联合优化简化模型求解预编码矩阵的优化解，以满足发射信号向量的最大平均功率的约束条件。
[0193]
在实施中，在高信噪比条件下，给定信道的误码率可简化为其中λ为最接近符号对的数值，为无噪声状态下接收信号向量之间的最小平方欧氏距离。因此p1可以改写为p4：
[0194]
given：h，
[0195]
find：f
[0196]
minimize：
[0197]
subject to：tr(q)≤p
max
[0198]
通过引入一个辅助变量r，得到p4的等价形式p4-a：
[0199]
given：h，
[0200]
find：f
[0201]
minimize：r
[0202]
subject to：
[0203]
tr(ffh)≤p
max
[0204]
另一种等价形式p4-b可以为：
[0205]
given：h，
[0206]
find：f
[0207]
minimize：||f||2[0208]
subject to：
[0209]
其中d
min
是期望的最小欧氏距离的平方。
[0210]
p4-a的原理是引入一个辅助变量r表示的下限值，因此可以将p4的目标函数转化为约束条件，即满足并将最小化r作为新的搜索目标，故而与p4原理相同，均为在满足功耗限制条件的同时追求的取值最小。p4-b的基本原理是保证最小的平方距离的同时追求功耗最小，是一个大规模非凸二次约束二次规划问题。通过最小欧氏距离对预编码矩阵进行优化后，可以将得到预编码矩阵的优化解进行缩放以满足发
射信号向量的最大平均功率的约束条件。模型p4-b的优化求解过程可以参考现有方案，本实施例不再赘述。
[0211]
步骤110，通过交替算法不断交替更新反射矩阵的优化解和预编码矩阵的优化解，直至ris辅助mimo系统的误码率的优化幅度小于预设值。
[0212]
在实施中，在求得预编码矩阵的优化解后，可以将该预编码矩阵的优化解替换预设预编码矩阵，进而可以采用步骤106的求解方法，利用预编码矩阵的优化解进一步求解反射矩阵的优化解，再采用步骤108的求解方法，利用反射矩阵的优化解再次更新预编码矩阵的优化解。这样，可以通过交替算法不断交替更新反射矩阵的优化解和预编码矩阵的优化解，直至ris辅助mimo系统的误码率的优化幅度小于预设值。
[0213]
在一个实施例中，步骤110中交替更新反射矩阵和预编码矩阵的过程可以如图9所示，具体可以包括如下步骤：
[0214]
步骤1101，将预编码矩阵的优化解代入联合优化模型，并重新执行反射矩阵和预编码矩阵的优化解的求解过程。
[0215]
步骤1102，当第k+1次求解后得到的误码率与第k次求解后得到的误码率之差小于预设值时，输出第k+1次求解过程中的反射矩阵和预编码矩阵的优化解。
[0216]
在实施中，上述交替算法可以如下流程所示：
[0217]
1.得到预编码矩阵的优化解fk。
[0218]
2.优化反射矩阵：基于fk，通过联合优化模型，求解得到φ
k+1
。
[0219]
3.优化预编码矩阵：基于φ
k+1
，通过联合优化模型，得到f
k+1
。
[0220]
4.迭代：使k＝k+1，执行2，直到ps(φk，fk)-ps(φ
k+1
，f
k+1
)＜ε
t
。
[0221]
5.输出φ
k+1
和f
k+1
。
[0222]
在另一个实施例中，在求解反射矩阵和预编码矩阵的优化解时，可以考虑计算复杂度，相应的，如图10所示，可以包括如下步骤：
[0223]
步骤1001，根据ris辅助mimo系统中发射器、接收器和反射单元的数量，以及信号调制的符号数量，确定反射矩阵和/或预编码矩阵的优化解的计算复杂度。
[0224]
步骤1002，根据计算复杂度选取反射矩阵和/或预编码矩阵的优化解的求解方案。
[0225]
其中，利用坐标下降法搜索并输出反射矩阵的优化解(可称为emser方案)的计算复杂度为
[0226]
对联合优化模型进行约束松弛后搜索并输出反射矩阵的优化解(可称为vmser方案)的计算复杂度为：
[0227]
利用梯度下降法搜索并输出预编码矩阵的优化解(可称为mser方案)的计算复杂度为：
[0228]
利用最大化接收信号向量间的最小欧氏距离方式求解预编码矩阵的优化解(可称为mmed方案)的计算复杂度为：
[0229]
在实施中，为了更好的说明本实施例，可以使用一台具有3.7ghz w-2145中心处理器(central processing unit，cpu)和32gb随机存取内存(random access memory，ram)的电脑。在不同配置(nr，n，nt，ns，m，k)系统中进行比较，其中k为瑞斯特衰落参数。
[0230]
在图11中，将所提出的反射-预编码优化方案组合与(1，2，2，1，2，5)系统在相同信
道实现下的穷举方案进行了比较。图12显示了不同反射-预编码优化方案组合的计算复杂度和cpu运行时间图；与穷举方案相比，本实施例提出的反射-预编码优化方案组合都能获得几乎最优的性能。图13为不同的反射-预编码优化方案组合收敛所需的平均迭代次数图；mmed方案比mser方案需要更多的迭代。交替优化所需的平均迭代次数随着n和n
t
的增加而增加，因为优化问题中的变量数量和约束数量随着n和n
t
的增加而增加。
[0231]
在给定f的基础上，优化问题的目标函数可以改变为最大化联合优化模型可写成p5：
[0232]
given：h1，h2，hd，f
[0233]
find：
[0234]
maximize：φhγφ+γhφ+φhγ
[0235]
subject to：
[0236]
其中，
[0237]
p5可以看作是一个齐次qcqp，可以通过现有的标准凸半定规划(standard convex semidefinite program，sdp)求解器进行求解，将该求解方案命名为sdp反射优化方案，其计算复杂度可分析为将本实施例中的反射优化方案与(3，2，4，2，4，3)系统的sdp优化反射方案进行比较。从图14可以看出，emser方案和vmser方案可以获得更好的性能。sdp反射优化方案在高信噪比情况下比其他两种优化方案差约2～3db，并且性能差距随着信噪比的增加而增加。与随机反射方案相比，emser方案和vmser方案具有明显的较低的误码率。
[0238]
在不考虑发射信号向量x的形式情况下来优化误码率，反射矩阵和预编码矩阵的优化问题可以转化为满足发射器最大发射功率约束下，最大化接收信号功率的问题，可以表示为p6：
[0239]
given：h，
[0240]
find：f
[0241]
maximize：
[0242]
subject to：tr(q)≤p
max
[0243]
由于f是全秩矩阵，可以得到解其中w的第k列是hhh的第k个特征向量，对应λk≥λk+1的第k个特征值，可以将该优化方案命名为eigen预编码优化方案。eigen预编码优化方案的计算复杂度为：其中n2nr+nrnn
t
为h的计算复杂度，为hhh的计算复杂度，为特征值分解复杂度。将本实施例中的mser方案和mmed方案与(3，20，3，2，4，1)系统的eigen预编码优化方案进行比较，结果如图15所示，所有方案都能提供比随机预编码更低的时延。mser方案的性能略好于mmed方案。由于mmed方案的复杂度比mser方案低，在实际中，与mser方案相比，mmed方案是一种更有吸引力的方案。eigen预编码优化方案比其他两种方案计算复杂度低，对误码率的优化性能较差。
[0244]
通过在(2，5，3，2，4，2)系统中对sdp反射优化方案和eigen预编码优化方案进行交替处理，仿真结果如图16所示。可以看出，欧氏距离对误码率有直接影响。
[0245]
图17中展示了n对(3，100，3，2，2，2)和(3，120，3，2，2，2)系统的反射设计、预编码设计和联合设计的影响。当n较大时，反射设计比预编码设计对误码率的影响更大。如果不优化反射矩阵，则没有明显的误码率增益。联合设计可以以更多次迭代为代价，获得更好的优化解，从而获得最优的性能。因此，通过在智能超表面处配备更多的反射单元并采用本实施例中的反射矩阵优化方案，可以显著降低通信误码率。如果没有反射设计，n将不会提供任何误码率增益。
[0246]
为证明本实施例所提方案在存在信道状态信息估计误差时的优越性，进一步评估本实施例所提方案在不完全状态信息条件下可以达到的误码率性能。以sdp-eigen方案组合和vmser-mmed方案组合为例。不完全状态信息实际上是存在信道状态信息估计误差，也就是信道状态信息不准确，不完全信道状态信息的模型可以由h’＝h+he给出，he为误差矩阵。图18比较了在(4，4，3，2，2，1)系统中，不同误差水平(即完美信道状态信息)、的sdp-eigen方案组合的误差性能。可以看到，不完全信道状态信息会降低误差性能。sdp-eigen方案组合和不完全信道状态信息的vmser-mmed方案组合可以达到的误码率性能，会随着信噪比的增长而达到一个下限。可以看出，与具有完美信道状态信息相比，具有不完全信道状态信息的方案仍然可以实现系统误码率的优化。
[0247]
比较(3，5，3，2，4，1)ris辅助mimo系统和全双工af中继系统。使用智能超表面的原因是与基于中继的系统相比，智能超表面的复杂性低，成本低。中继站配备有源电子元件，使用专用电源接收和转发信号。继电器的部署成本高，功耗大，特别是在实现多天线设计时。为了公平比较性能，假设在相同的信道实现和输入数据流下，由一个传统的n天线af中继代替智能超表面结构，并且接收信号向量可以表示为其中，
[0248]
v是对角af矩阵，nr是af中继处的附加噪声。共同交替优化v和f。预编码器和af矩阵的优化类似于具有功率约束的ris辅助mimo系统的预编码矩阵的优化。
[0249]
从图19可以看出，当r处没有噪声时，与相同n情况下的ris辅助mimo系统相比，af中继系统误码率更低。因为af中继系统消耗额外的功率来转发接收信号，而智能超表面中没有功率增益。ris辅助mimo系统和af中继系统之间的性能差距随着中继处噪声方差的增加而减小。此外，ris辅助mimo系统可以通过配备更多的反射单元以使性能优于af中继系统。
[0250]
综上可知，本实施例所提出的反射和预编码方案可以在不同的计算复杂度下实现良好的系统性能，可显著提高在不同的方案组合下的误码率性能，而反射方案将比预编码方案发挥更关键的作用。具有适当反射和预编码设计的ris辅助mimo系统在不完美信道状态信息的情况下具有良好的鲁棒性。通过配备更多的反射元件，本实施例可以更有效的提高系统性能。
[0251]
上述配电运维单兵装备与车载驾驶舱的误码率优化方法，首先提出了配电运维单兵装备及车载驾驶舱的ris辅助mimo系统中，最小化误码率时反射和预编码的优化方案。由于预编码和反射在最小化误码率方面是耦合的，并且在物理上是隔离的，因此可以采用交替策略，以最大限度地提高信噪比等指标。其次，对反射矩阵优化过程进行设计，以找到最佳的反射角度，使误码率最小化，并通过坐标下降法来求解；同时，为了降低复杂度，将非凸
约束转化为凸约束，并通过矢量梯度下降法共同求解反射矩阵的优化解。再者，将信道传输矩阵、预编码矩阵和传输的符号向量以新的形式表达出来，并将预编码矩阵的优化转化为向量优化问题，具体可以通过投影梯度下降法来解决。而在高信噪比条件下，提出了mmed预编码优化方案，可以在较低的计算复杂度的情况下取得较好的性能。
[0252]
应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0253]
基于同样的发明构思，本技术实施例还提供了一种配电运维单兵装备与车载驾驶舱的误码率优化装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个一种配电运维单兵装备与车载驾驶舱的误码率优化装置实施例中的具体限定可以参见上文中对于一种配电运维单兵装备与车载驾驶舱的误码率优化方法的限定，在此不再赘述。
[0254]
在一个实施例中，如图20所示，提供了一种配电运维单兵装备与车载驾驶舱的误码率优化装置，所述装置包括：信道传输矩阵构建模块2002、联合优化模型建立模块2004、反射矩阵求解模块2006、预编码矩阵求解模块2008、模型求解迭代模块2010，其中：
[0255]
信道传输矩阵构建模块2002，用于构建配电运维单兵装备及车载驾驶舱的ris辅助mimo系统，根据发射信号向量和接收信号向量确定所述ris辅助mimo系统中的信道传输矩阵；
[0256]
联合优化模型建立模块2004，用于以最小化所述ris辅助mimo系统的误码率为优化目标，基于所述信道传输矩阵建立反射和预编码的联合优化模型；
[0257]
反射矩阵求解模块2006，用于根据预设预编码矩阵和所述联合优化模型，利用坐标下降法或对所述联合优化模型进行约束松弛后，搜索并输出反射矩阵的优化解；
[0258]
预编码矩阵求解模块2008，用于基于所述反射矩阵的优化解简化所述联合优化模型，根据简化后的联合优化模型，利用梯度下降法搜索并输出预编码矩阵的优化解，或利用最大化接收信号向量间的最小欧氏距离方式求解预编码矩阵的优化解；
[0259]
模型求解迭代模块2010，用于通过交替算法不断交替更新所述反射矩阵的优化解和所述预编码矩阵的优化解，直至所述ris辅助mimo系统的误码率的优化幅度小于预设值。
[0260]
在其中一个实施例中，所述信道传输矩阵构建模块2002，具体用于：
[0261]
构建包含n
t
个天线的发射器与nr个天线的接收器，以及由n个反射单元组成的智能超表面的，配电运维单兵装备及车载驾驶舱的ris辅助mimo系统；
[0262]
基于所述ris辅助mimo系统进行信号收发，获取发射信号向量和接收信号向量；
[0263]
根据发射信号向量和接收信号向量，以及所述发射器的预设预编码矩阵和所述智能超表面的预设反射矩阵，确定所述ris辅助mimo系统中的信道传输矩阵。
[0264]
在其中一个实施例中，所述联合优化模型建立模块2004，具体用于：
[0265]
利用所述发射信号向量间的欧氏距离构建所述ris辅助mimo系统的误码率公式；
[0266]
基于发射信号向量的最大平均功率和反射矩阵的模值设置模型约束条件；
[0267]
将所述信道传输矩阵作为已知项，将反射矩阵和预编码矩阵作为搜索项，将最小化所述误码率公式的取值作为目标，构建基于m-ary星座信号调制方法的反射和预编码的联合优化模型。
[0268]
在其中一个实施例中，所述反射矩阵求解模块2006，具体用于：
[0269]
基于预设预编码矩阵将误码率公式转换为反射矩阵的第一函数，并设定反射矩阵的初始解以及搜索步长系数和误码率优化阈值；
[0270]
计算所述第一函数相对所述反射矩阵的梯度和搜索方向，并利用armijo准则确定搜索步长；
[0271]
基于所述搜索步长和搜索方向，从所述反射矩阵的初始解开始搜索，直至搜索方向的模小于所述搜索步长系数或者搜索次数达到预设次数；
[0272]
重置搜索次数并再次开始搜索，直至相邻两次搜索对应的误码率差值小于所述误码率优化阈值，输出反射矩阵的优化解。
[0273]
在其中一个实施例中，所述反射矩阵求解模块2006，具体用于：
[0274]
设定反射矩阵的初始解以及搜索步长阈值和误码率优化阈值；
[0275]
利用凸l
∞
约束对所述联合优化模型进行约束松弛，并基于预设预编码矩阵，通过对数障碍函数构建所述联合优化模型的违反约束的代价函数；
[0276]
计算所述代价函数相对所述反射矩阵的梯度和搜索方向，将搜索方向投影至所述反射矩阵的信号切平面；
[0277]
设置第一搜索角度参数，在预设角度范围内搜索使得误码率最小的第一目标角度参数；
[0278]
判断相邻两次搜索对应的误码率差值是否小于所述误码率优化阈值，且反射矩阵中各项是否均为单位向量；
[0279]
如果否，则根据所述第一目标角度参数和所述搜索方向调整反射矩阵的当前解；
[0280]
如果是，则增加所述凸l
∞
约束的范数指数并更新所述代价函数相对所述反射矩阵的梯度和搜索方向；
[0281]
重新搜索直至所述凸l
∞
约束的范数指数大于预设指数，输出反射矩阵的优化解。
[0282]
在其中一个实施例中，所述预编码矩阵求解模块2008，具体用于：
[0283]
基于所述反射矩阵的优化解简化所述联合优化模型，生成将所述信道传输矩阵和反射矩阵作为已知项，将预编码矩阵作为搜索项，将最小化所述误码率公式的取值作为目标，预编码矩阵的向量内积和为约束的联合优化简化模型；
[0284]
利用拉格朗日函数计算梯度和搜索方向，将搜索方向投影至所述预编码矩阵的信号切平面；
[0285]
设置第二搜索角度参数，在预设角度范围内搜索使得误码率最小的第二目标角度参数；
[0286]
如果所述搜索方向的单位向量不满足预设条件，则根据所述第二目标角度参数和所述搜索方向调整所述预编码矩阵的当前解，否则将所述当前解作为优化解输出。
[0287]
在其中一个实施例中，所述预编码矩阵求解模块2008，具体用于：
[0288]
基于所述反射矩阵的优化解简化所述联合优化模型，生成将所述信道传输矩阵和
反射矩阵作为已知项，将预编码矩阵作为搜索项，将最小化所述误码率公式的取值作为目标，预编码矩阵的向量内积和为约束的联合优化简化模型；
[0289]
利用无噪声状态下接收信号向量间的最小平方欧氏距离，对所述联合优化简化模型进行改写；
[0290]
基于改写后的联合优化简化模型求解预编码矩阵的优化解，以满足发射信号向量的最大平均功率的约束条件。
[0291]
在其中一个实施例中，所述模型求解迭代模块2010，用于：
[0292]
将所述预编码矩阵的优化解代入所述联合优化模型，并重新执行反射矩阵和预编码矩阵的优化解的求解过程；
[0293]
当第k+1次求解后得到的误码率与第k次求解后得到的误码率之差小于预设值时，输出第k+1次求解过程中的反射矩阵和预编码矩阵的优化解。
[0294]
在其中一个实施例中，所述装置还包括复杂度计算模块，用于：
[0295]
根据所述ris辅助mimo系统中发射器、接收器和反射单元的数量，以及信号调制的符号数量，确定反射矩阵和/或预编码矩阵的优化解的计算复杂度；
[0296]
根据所述计算复杂度选取反射矩阵和/或预编码矩阵的优化解的求解方案。
[0297]
上述配电运维单兵装备与车载驾驶舱的误码率优化装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0298]
在一个实施例中，提供了一种计算机设备，其内部结构图可以如图21所示。该计算机设备包括处理器、存储器、输入/输出接口(input/output，简称i/o)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储初始正余弦信号、目标正余弦信号、阈值数据、第一/第二转子角度等。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种配电运维单兵装备与车载驾驶舱的误码率优化方法。
[0299]
本领域技术人员可以理解，图21中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0300]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
[0301]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0302]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0303]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以
通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0304]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0305]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。

技术特征：
1.一种配电运维单兵装备与车载驾驶舱的误码率优化方法，其特征在于，所述方法包括：构建配电运维单兵装备及车载驾驶舱的ris辅助mimo系统的系统模型，根据发射信号向量和接收信号向量确定所述系统模型的信道传输矩阵；以最小化所述ris辅助mimo系统的误码率为优化目标，基于所述信道传输矩阵建立反射和预编码的联合优化模型；根据预设预编码矩阵和所述联合优化模型，利用坐标下降法或对所述联合优化模型进行约束松弛后，搜索并输出反射矩阵的优化解；基于所述反射矩阵的优化解简化所述联合优化模型，根据简化后的联合优化模型，利用梯度下降法搜索并输出预编码矩阵的优化解，或利用最大化接收信号向量间的最小欧氏距离方式求解预编码矩阵的优化解；通过交替算法不断交替更新所述反射矩阵的优化解和所述预编码矩阵的优化解，直至所述ris辅助mimo系统的误码率的优化幅度小于预设值。2.根据权利要求1所述的方法，其特征在于，所述构建配电运维单兵装备及车载驾驶舱的ris辅助mimo系统，根据发射信号向量和接收信号向量确定所述ris辅助mimo系统中的信道传输矩阵，包括：构建包含n
t
个天线的发射器与n
r
个天线的接收器，以及由n个反射单元组成的智能超表面的，配电运维单兵装备及车载驾驶舱的ris辅助mimo系统；基于所述ris辅助mimo系统进行信号收发，获取发射信号向量和接收信号向量；根据发射信号向量和接收信号向量，以及所述发射器的预设预编码矩阵和所述智能超表面的预设反射矩阵，确定所述ris辅助mimo系统中的信道传输矩阵。3.根据权利1所述的方法，其特征在于，所述以最小化所述ris辅助mimo系统的误码率为优化目标，基于所述信道传输矩阵建立反射和预编码的联合优化模型，包括：利用所述发射信号向量间的欧氏距离构建所述ris辅助mimo系统的误码率公式；基于发射信号向量的最大平均功率和反射矩阵的模值设置模型约束条件；将所述信道传输矩阵作为已知项，将反射矩阵和预编码矩阵作为搜索项，将最小化所述误码率公式的取值作为目标，构建基于m-ary星座信号调制方法的反射和预编码的联合优化模型。4.根据权利要求3所述的方法，其特征在于，所述根据预设预编码矩阵和所述联合优化模型，利用坐标下降法或对所述联合优化模型进行约束松弛后，搜索并输出反射矩阵的优化解，包括：基于预设预编码矩阵将误码率公式转换为反射矩阵的第一函数，并设定反射矩阵的初始解以及搜索步长系数和误码率优化阈值；计算所述第一函数相对所述反射矩阵的梯度和搜索方向，并利用armijo准则确定搜索步长；基于所述搜索步长和搜索方向，从所述反射矩阵的初始解开始搜索，直至搜索方向的模小于所述搜索步长系数或者搜索次数达到预设次数；重置搜索次数并再次开始搜索，直至相邻两次搜索对应的误码率差值小于所述误码率优化阈值，输出反射矩阵的优化解。
5.根据权利要求3所述的方法，其特征在于，所述根据预设预编码矩阵和所述联合优化模型，利用坐标下降法或对所述联合优化模型进行约束松弛后，搜索并输出反射矩阵的优化解，包括：设定反射矩阵的初始解以及搜索步长阈值和误码率优化阈值；利用凸l
∞
约束对所述联合优化模型进行约束松弛，并基于预设预编码矩阵，通过对数障碍函数构建所述联合优化模型的违反约束的代价函数；计算所述代价函数相对所述反射矩阵的梯度和搜索方向，将搜索方向投影至所述反射矩阵的信号切平面；设置第一搜索角度参数，在预设角度范围内搜索使得误码率最小的第一目标角度参数；判断相邻两次搜索对应的误码率差值是否小于所述误码率优化阈值，且反射矩阵中各项是否均为单位向量；如果否，则根据所述第一目标角度参数和所述搜索方向调整反射矩阵的当前解；如果是，则增加所述凸l
∞
约束的范数指数并更新所述代价函数相对所述反射矩阵的梯度和搜索方向；重新搜索直至所述凸l
∞
约束的范数指数大于预设指数，输出反射矩阵的优化解。6.根据权利要求3所述的方法，其特征在于，所述基于所述反射矩阵的优化解简化所述联合优化模型，根据简化后的联合优化模型，利用梯度下降法搜索并输出预编码矩阵的优化解，或利用最大化接收信号向量间的最小欧氏距离方式求解预编码矩阵的优化解，包括：基于所述反射矩阵的优化解简化所述联合优化模型，生成将所述信道传输矩阵和反射矩阵作为已知项，将预编码矩阵作为搜索项，将最小化所述误码率公式的取值作为目标，预编码矩阵的向量内积和为约束的联合优化简化模型；利用拉格朗日函数计算梯度和搜索方向，将搜索方向投影至所述预编码矩阵的信号切平面；设置第二搜索角度参数，在预设角度范围内搜索使得误码率最小的第二目标角度参数；如果所述搜索方向的单位向量不满足预设条件，则根据所述第二目标角度参数和所述搜索方向调整所述预编码矩阵的当前解，否则将所述当前解作为优化解输出。7.根据权利要求3所述的方法，其特征在于，所述基于所述反射矩阵的优化解简化所述联合优化模型，根据简化后的联合优化模型，利用梯度下降法搜索并输出预编码矩阵的优化解，或利用最大化接收信号向量间的最小欧氏距离方式求解预编码矩阵的优化解，包括：基于所述反射矩阵的优化解简化所述联合优化模型，生成将所述信道传输矩阵和反射矩阵作为已知项，将预编码矩阵作为搜索项，将最小化所述误码率公式的取值作为目标，预编码矩阵的向量内积和为约束的联合优化简化模型；利用无噪声状态下接收信号向量间的最小平方欧氏距离，对所述联合优化简化模型进行改写；基于改写后的联合优化简化模型求解预编码矩阵的优化解，以满足发射信号向量的最大平均功率的约束条件。8.根据权利要求1所述的方法，其特征在于，所述通过交替算法不断交替更新所述反射
矩阵的优化解和所述预编码矩阵的优化解，直至所述ris辅助mimo系统的误码率的优化幅度小于预设值，包括：将所述预编码矩阵的优化解代入所述联合优化模型，并重新执行反射矩阵和预编码矩阵的优化解的求解过程；当第k+1次求解后得到的误码率与第k次求解后得到的误码率之差小于预设值时，输出第k+1次求解过程中的反射矩阵和预编码矩阵的优化解。9.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据所述ris辅助mimo系统中发射器、接收器和反射单元的数量，以及信号调制的符号数量，确定反射矩阵和/或预编码矩阵的优化解的计算复杂度；根据所述计算复杂度选取反射矩阵和/或预编码矩阵的优化解的求解方案。10.一种配电运维单兵装备与车载驾驶舱的误码率优化装置，其特征在于，所述装置包括：信道传输矩阵构建模块，用于构建配电运维单兵装备及车载驾驶舱的ris辅助mimo系统，根据发射信号向量和接收信号向量确定所述ris辅助mimo系统中的信道传输矩阵；联合优化模型建立模块，用于以最小化所述ris辅助mimo系统的误码率为优化目标，基于所述信道传输矩阵建立反射和预编码的联合优化模型；反射矩阵求解模块，用于根据预设预编码矩阵和所述联合优化模型，利用坐标下降法或对所述联合优化模型进行约束松弛后，搜索并输出反射矩阵的优化解；预编码矩阵求解模块，用于基于所述反射矩阵的优化解简化所述联合优化模型，根据简化后的联合优化模型，利用梯度下降法搜索并输出预编码矩阵的优化解，或利用最大化接收信号向量间的最小欧氏距离方式求解预编码矩阵的优化解；模型求解迭代模块，用于通过交替算法不断交替更新所述反射矩阵的优化解和所述预编码矩阵的优化解，直至所述ris辅助mimo系统的误码率的优化幅度小于预设值。

技术总结
本申请涉及一种配电运维单兵装备与车载驾驶舱的误码率优化方法和装置。首先提出了配电运维单兵装备及车载驾驶舱的RIS辅助MIMO系统中，最小化误码率时反射和预编码的交替优化方案。其次，对反射矩阵优化过程进行设计，以找到最佳的反射角度，使误码率最小化，并通过坐标下降法来求解；同时，为了降低复杂度，将非凸约束转化为凸约束，并通过矢量梯度下降法共同求解反射矩阵的优化解。再者，将信道传输矩阵、预编码矩阵和传输的符号向量以新的向量形式表达出来，并将预编码矩阵的优化转化为向量优化问题，具体可以通过投影梯度下降法来解决。而在高信噪比条件下，提出了MMED预编码优化方案，可以在较低的计算复杂度的情况下取得较好的性能。的性能。的性能。


技术研发人员：方健 林翔 田妍 张敏 杨帆
受保护的技术使用者：广东电网有限责任公司广州供电局
技术研发日：2023.06.29
技术公布日：2023/10/6