【2023研电赛】基于三维视觉感知的可重构智能表面通信方案

本文主要是介绍【2023研电赛】基于三维视觉感知的可重构智能表面通信方案，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

该作品参与极术社区组织的研电赛作品征集活动，欢迎同学们投稿，获取作品传播推广，并有丰富礼品哦~

基于三维视觉感知的可重构智能表面通信方案

在这里插入图片描述

参赛单位：华北水利水电大学
参赛队伍：智能队
指导老师：邵霞
参赛队员：段臣续闫天泽
赛道：技术竞赛类-开放命题-信息感知系统与应用类

作品简介

可重构智能表面（Intelligent reflective surface，RIS）技术是一种用于无线网络中无线信号传输的创新技术。RIS利用许多经济实惠的无源反射元件智能地调控信号的反射，能够实时改变无线信道，以提高通信性能。预计在未来，利用RIS辅助的混合无线网络（包括有源和无源元件）将成为一种极具成本效益和可持续增长容量的可行解决方案。尽管RIS具备巨大的潜力，但将其整合到无线网络中面临一些新的挑战，其中最主要的问题是构建以RIS为基础的通信系统时所需的信道估计。由于RIS由许多无源元件组成，因此无法主动进行信号处理，这是现有信道估计方法面临的主要难题。目前已有两种主要类型的RIS信道估计方法，即级联信道估计和压缩感知，但它们各自存在一些限制。

本作品利用三维视觉感知算法，通过实时感知用户位置，提前预测基站与用户之间的阻塞，将基站的定向天线转向RIS，基站通过定向天线将信号发射给RIS，然后可控RIS配置相关参数进而将信号反射给用户，从而提高实时通信的通信质量。其中发送模块由“基站——RIS表面接收”、“RIS表面接收——RIS表面发射”、“RIS表面发射——用户接收”三个小模块组成，再由传统的信道估计方案得出无线信道参数。在接收模块，也是由“基站——RIS表面——用户”三个小模块的信道估计级联而成

算法介绍

1.卷积神经网络
2.BM匹配算法
3.Bi-LSTM神经网络
以卷积神经网络为基础，得出用户目标，然后根据BM立体匹配算法，获取用户的位置，基于Bi-LSTM神经网络预测未来阻塞的到达，最后通过简单的位置进行波束跟踪可规避复杂的信道估计，提高系统的可实现度和通信及时性。

作品创新

(1) RIS小单元与深度相机传感器皆属于低成本材料，产品成本低；
(2) 基于可控RIS调整RIS的相位角度，有利于信号的提升；
(3)通过简单的位置进行波束跟踪可规避复杂的信道估计，提高了系统的可实现度和通信及时性；
(4)利用仿真软件模拟真实场景下有无RIS，用户随着位置变化接收信号的强弱，并保证通信质量的稳定性。

软件设计

此次实验主要由四个部分组成：无线信号发射信源、信号接收器、可控RIS天线板以及视觉传感器。在实验布置中，我们在室内环境中设置信号源波束以深度相机感知到的RIS面板角度入射RIS表面，发射信源与接收器之间距离2m,发射信源与RIS之间的距离设置为2m，RIS与信号接收器之间的距离设置为2m，并且在发生阻塞时信号接收器与发射信源之间由隔离罩隔开以便于验证由RIS所带来的增益效果。
在这里插入图片描述