本技术介绍了一种利用RIS辅助的MU-MISO通信系统智能波束成形设计方法，创新性地提出了基于CSI的DDPG模型，旨在实现基站主动发射波束成形矩阵与RIS相位矩阵的联合优化。
背景技术
未来的6G无线通信系统需要更高的系统吞吐量、频谱效率和能源效率。然而，现有的大规模多输入多输出(Multiple Input Multiple Output，MIMO)系统和毫米波技术在实际应用中面临着诸多挑战。大规模MIMO系统依赖于大量天线和复杂射频链路，导致高昂的硬件成本和巨大的能耗。此外，信道估计困难和多用户干扰限制了其实际性能。毫米波技术尽管提供高数据速率，但其信号易受路径损耗、建筑物遮挡和天气条件影响，导致传输不稳定，增加了系统复杂性和成本。
传统通信研究认为收发机之间的无线信道随机不可控，因此物理层安全传输方法局限于通过精确地测量信道建立信道模型，被动适应无线信道环境，而不能改变传输环境，由于无线信道的随机性，难以保证优势信道的稳定建立，导致安全传输性能的随机波动。这在一定程度上限制了物理层安全技术的应用效果。RIS作为一种新型可调控超材料设备，由大量无源、可配置的反射单元组成，通过调整入射信号的相位，能够使反射信号与其他路径上的信号相互增强或相互抵消，实现特定方向信号增强/减弱，达到重构无线信道环境的目的。RIS技术能够有效改善无线信道传播环境，提高系统传输效率和覆盖范围，且具有低功耗、低成本和易部署的特点。因此，RIS不仅能够作为提高物理层通信安全的绿色通信技术，还为未来的无线通信系统设计提供了新的自由度，在保证能效的同时，实现更高的数据传输速率，自适应重构信道传输环境，为物理层的安全传输开辟了新的途径。
为了充分利用RIS的优势，必须综合考虑基站的主动波束形成与RIS的被动波束形成的联合设计。在一般情况下，数学统计分析RIS反射链路与直接链路的合成随机信道模型非常困难，对于合成随机信道的统计分析和推导尚处于初始研究阶段。伴随RIS相移控制带来的高计算复杂度，多天线、多用户的安全波束成形优化变得非常困难。现有的方案通常采用多次迭代的凸优化方法分别获得RIS相移矩阵和波束成形协方差矩阵的最优解，优化算法的复杂度随天线、反射单元、用户数目的增加呈高次方阶增长。传统优化算法在解决上述问题时计算复杂度高、求解时间长，特别是在多用户、多天线和高频段通信环境中。新兴的计算方法如强化学习和深度学习为优化基站主动发射波束成形矩阵和RIS反射系数向量提供了新思路。
本发明提出了一种基于信道状态信息(Channel State Information，CSI)的深度确定性策略梯度(Deep Deterministic Policy Gradient，DDPG)方法，通过与环境的交互和学习，逐步优化通信系统波束成形参数，在实际信道条件下实现最优传输性能，显著提升MU-MISO通信系统的传输速率和覆盖范围，为6G无线通信系统的发展提供强有力的技术支持。
实现思路