微信公众号：EW Frontier
关注可了解更多的雷达、通信、人工智能相关代码。问题或建议，请公众号留言;
如果你觉得EW Frontier对你有帮助，欢迎加入我的知识星球或面包多，更多代码等你来学
知识星球：https://wx.zsxq.com/dweb2/index/group/15552518881412
面包多：https://mbd.pub/o/author-a2mYl2tsbA==/workQQ交流群：1022600869
摘要
在车联网 （V2X） 应用场景中，我们提出了一种基于深度学习 （DL） 的新型混合波束赋形 （HBF） 设计，用于毫米波 （mmWave） 的双功能雷达通信 （DFRC） 系统 大规模多输入多输出 （MIMO） 架构可实现实时数据交换和环境感知。至关重要的是，数值模拟显示误码率 （BER） 显著降低，从自与其他算法相比，信噪比 （SNR） 为 0 dB，凸显了其在确保传输过程中数据完整性和可靠性方面的优势。BER 的降低，以及和速率的 1 dB 增益和 rad-com 权衡波束模式的 3 dB 改进，突显了我们用于 DFRC 系统的基于 DL 的 HBF 设计相对于现有 HBF 设计的综合优势，为未来的智能交通系统提供了强大的支持。
引言
双功能雷达通信（DFRC）系统可以同时实现协作通信和雷达感知，这对于第六代移动的通信（6 G）时代的车对车（V2X）等应用至关重要[1]-[4]。同时，作为一种有前途的雷达与通信联合系统技术，HBF已经被广泛研究，以权衡雷达和通信性能（[1]，[4]，[5]）。
对于MIMO系统，特别是基站同时与多个用户通信的多用户多输入多输出（MU-MIMO）系统，HBF的相关工作有很多深入的研究。[6]提出了一种放大转发（AF）中继辅助MU-MIMO下行链路传输系统的相关衰落信道的性能评估。[7]提出了两种用于可重配置智能表面（RIS）辅助的MU-MIMO双正交空间调制（DQSM）下行链路传输系统的预编码技术。最近，具有良好训练的卷积神经网络（CNN）的深度学习（DL）为毫米波MIMO系统中的HBF设计提供了新的思路[8]-[11]。文献[8]提出了具有多用户优化算法的基于动态部分连接（DPC）结构的CNN混合预编码。在[9]中开发了一种创新的基于DL的混合预编码方法，以最大化频谱效率（SE）。DL可以从数据/信号集进行特征学习和分层特征提取[10]。然而，基于DL的算法没有考虑雷达感测功能。尽管[11]研究了用于联合雷达和通信（JRC）波束形成的基于DL的优化方法，以增强通信用户的SE并保证检测目标的概率，但是该研究仅考虑了理想信道状态信息（CSI），这在真实的场景中是不合适的[12]。因此，有必要寻求一种低复杂度、高效的算法。
基于上述文献分析，我们希望DFRC系统能够对不完美的CSI具有鲁棒性，因为在Telecom系统下，信道环境通常是这种情况。此外，为了得到更好的HBF设计，我们尝试提高CNN算法的性能，包括雷达感测功能作为约束。此外，我们希望提高CNN神经网络的计算速度，并能够基于大量数据分析所有可能的HBF设计组合。本文的主要贡献如下：
·提出了一种新的HBF设计，用于DFRC系统，最小化多用户下行链路的和MSE，同时满足良好设计的雷达波束方向图。该方案非常接近理想HBF方案的性能，并且比现有的雷达通信综合平衡波束算法具有3dB的性能优势。
·HBF设计源自具有惩罚项的权衡优化。一个有效的解决方案，可以通过基于CNN的方法，使用预先设计的最佳匹配搜索算法。与其他现有算法相比，所提出的CNN-HBF算法在BER和速率和方面提供了更好的改进，其中在BER为10 - 4时获得至少2 dB的SNR改进和大约1 dB的速率和改进。
·使用足够大的训练数据来制作CNN，该方法对CSI不完美的信道具有鲁棒性，在低信噪比下，与其他算法相比，该方法平均提高了5 dB的速率和性能。此外，注意机制的引入可以减少75%到80%的计算时间。
文章插图
图1.用于V2X中毫米波DFRC的HBF架构。
图2.毫米波DFRC中HBF的CNN框图。
图4.（a）和速率对SNR，（B）基于QPSK调制的BER，（c）和速率对SNRTEST。
图5.（a）雷达波束图与罚因子，（B）雷达波束图与期望值，（c）雷达波束图与其他算法。
图6.在NT = 64，NRF = NS = 3的情况下，（a）Rad-Com折衷波束方向图，（B）Rad-Com在雷达波束方向图MSE MSER与下行通信和速率之间的折衷，（c）注意机制分布模型。
结论
利用DL框架研究了一种CNN-HBF的设计。仿真结果表明，在相同的误码率下，与其他方法相比，该方法的信噪比增益至少为2 dB。同时，该方法在相同SNR下比现有算法提高了至少1bit/s/Hz/W的和速率。当信道干扰功率增大时，和速率稳定在20-22 bit/s/Hz/W，算法对信道干扰具有较强的鲁棒性。雷达通信折衷波束图优于其他算法，且最接近最佳情况。在未来的工作中，我们可以进一步考虑雷达端的性能指标，优化波束设计，以适应Telematics等雷达通信应用场景的需求。
