本发明属于无线通信中信号处理，尤其涉及一种noma辅助的去蜂窝通感一体化系统波束赋形方法。
背景技术：
1、人工智能业务、沉浸式交互业务及数字孪生业务等新兴业务不断涌现，正深入渗透到智能交通、智慧医疗、智能制造等垂直应用领域，对6g网络信息处理能力提出了更高的诉求。通信感知一体化(integrated sensing and communication,isac)通过空口及协议联合设计、时频空资源复用、硬件共享等手段实现通信和感知功能的统一设计，使无线网络在进行高质量通信的同时，具有高精度、精细化感知功能，实现网络整体性能和业务能力提升，被认为是6g无线网络中的基础性核心技术之一。然而，现有isac系统大多基于蜂窝网络架构，这种集中式部署方式以定形小区覆盖增强为出发点，存在明显的边缘性能损失。此外，随着6g移动通信网络的密集化和网络环境的复杂化，网络拓扑具有高度不规则性，造成严重的小区间干扰和频繁的小区切换问题。
2、去蜂窝大规模多输入多输出(cell-free multiple-input multiple-output,cfmm)系统通过将大量接入点(access point,ap)分布在广阔区域，并通过前传链路与集中处理单元(central processing unit,cpu)相连。这种分布网络式架构通过缩短路径传输可有效解决小区边缘用户性能损失问题，并且通过ap间协同处理可显著降低用户间干扰及提升感知服务性能。从工程实现的角度来看，cfmm中的每个ap配置少量的天线，从而有效降低实现复杂度和成本，相比集中式大规模天线系统更易实现。
3、在突发终端接入场景中，如物联网智慧交通场景，海量用户同时接入网络造成干扰急剧增加，使得感知和通信性能迅速下降。非正交多址接入(non-orthogonal multipleaccess,noma)技术可以有效解决终端接入和干扰管理问题。通过在发射端使用叠加编码，接收端使用串行干扰删除(successive interference cancellation,sic)，noma支持多用户占用相同的时频资源，从而有效提升系统连接数和带宽效率。结合noma技术，去蜂窝通感一体化(cfmm-isac)系统可以满足多址接入需求，同时提升感知和通信的服务质量。然而，目前研究者提出了基于noma的cfmm系统设计和isac系统设计，但是相关noma辅助的cfmm-isac系统设计尚处于空白阶段。因此，需要设计一种noma辅助的cfmm-isac系统，提升cfmm-isac系统接入能力和服务性能，解决突发用户接入场景下cfmm-isac系统性能损失问题。
4、目前研究者提出了基于noma的cfmm系统设计和isac系统设计，但是相关noma辅助的cfmm-isac系统设计尚处于空白阶段。此外，在现有基于noma的isac系统设计或cfmm系统设计中，研究者只考虑了系统波束赋形设计，没有考虑用户分簇或者配对策略。通常用户分簇或者配对策略在noma辅助系统中具有重要作用，直接影响着系统性能。sic的译码顺序取决于用户的信道条件，由于来自同一用户簇中其它用户的干扰，信道增益较弱的用户性能会下降。并且sic的误差传播特性可能导致具有更好信道条件的用户性能恶化。因此，noma技术在两用户配对时能够发挥其最佳性能。
技术实现思路
1、针对上述问题，本发明提出一种noma辅助的去蜂窝通感一体化系统波束赋形方法，适应实际cfmm-isac系统特性及需求。本发明的核心在于，考虑将noma技术与cfmm-isac技术结合，发挥noma技术在用户接入、干扰管理及资源利用方面的优势，同时考虑noma用户配对策略，提出自适应的noma用户配对和波束赋形设计，通过引入用户配对因子表征用户簇中任意用户的noma配对关系，联合波束赋形设计最大化系统通信速率同时保证感知服务质量。本发明通过系统中noma用户配对和波束赋形的联合设计，有效提升cfmm-isac系统中用户接入能力和通感一体化服务性能，满足突发终端接入场景需求，具有显著的应用价值。
2、本发明提供了一种noma辅助的去蜂窝通感一体化系统中波束赋形设计方法，充分利用noma技术和去蜂窝网络架构优势，同时考虑noma技术受用户簇间干扰及串行干扰删除误差传播特性的影响，通过noma用户配对和系统波束赋形协同设计，显著提升系统接入能力及服务性能，可应用于去蜂窝通感一体化系统发射机产品设计，具体采用以下技术方案来实现。
3、本发明提供了一种noma辅助的去蜂窝通感一体化系统波束赋形方法，包括以下步骤：
4、构建noma辅助的去蜂窝通感一体化系统的下行通信模型，其中，所述下行通信模块包括多个通信数据流经过接入点ap进行下行通信的发射型号、通信数据流的期望接收信号、目标接收信号和下行可达速率；
5、构建noma辅助的去蜂窝通感一体化系统的雷达感知模型，其中，将雷达目标作为虚拟通信用户，雷达感知模型包括雷达目标的方位信息和雷达感知能量；
6、根据所述下行通信模型和所述雷达感知模型构建联合noma用户配对和波束赋形的优化问题，其中，将所述去蜂窝通感一体化系统的通信可达速率最大化得到所述优化问题的多个约束条件，根据多个约束条件实现用户配对；
7、基于半定松弛算法对所述优化问题求解得到目标优化问题，对所述目标优化问题分别进行初始点构造和波束赋形校准以完成noma辅助的去蜂窝通感一体化系统的波束赋形。
8、作为上述技术方案的优选，构建noma辅助的去蜂窝通感一体化系统的下行通信模型，包括：
9、将m个叠加的通信数据流通过所有ap进行下行通信同时进行雷达目标感知，则apm的发射型号表示为：
10、
11、其中，sc,u表示用户uec,u的数据流信号，具有归一化能量，m∈m，wm,c,u∈cn表示apm到uec,u的波束赋形向量，cn表示n维复向量空间；
12、预设pmax为ap的最大发射功率，则发送信号xm需要满足的发送功率约束条件：其中，e{·}表示期望值运算，||·||2表示向量二范数平方运算；
13、预设定义hm,c,u∈cn～cn(0,rm,c,u)为apm与uec,u间的信道，其中，cn(0,rm,c,u)表示服从均值为0，协方差为rmk的复高斯分布，rm,c,u∈n×n表示空间相关矩阵，βm,c,u＝tr(rm,c,u)/n为大尺度衰落系数，tr(·)表示矩阵求迹运算；
14、预设uec,u和uec,u'为选定的noma用户对，则uec,u需要获取在uec,u和uec,u'处的目标信号以进行sic操作，在uec,u处的接收信号可表示为：
15、
16、其中，nc,u～cn(0,σ2)表示uec,u处的加性高斯白噪声，[·]h表示矩阵共轭转置运算，desired signal表示期望信号，intra-cluster interference表示用户簇内干扰，inter-cluster interference表示用户簇间干扰，noise表示噪声，在uec,u'处uec,u的接收信号表示为：
17、
18、
19、其中，nc,u'～cn(0,σ2)表示uec,u'处的加性高斯白噪声。
20、作为上述技术方案的优选，引入变量αc,u,u'表示用户簇kc中uec,u和uec,u'的noma配对因子，对应的表达式为：
21、
22、其中，condition 1表示uec,u和uec,u'被选定为noma用户对，并且uec,u'为弱用户在uec,u之前进行译码；
23、预设用户簇kc中所有用户已预先按照大尺度衰落因子βm,c,u进行降序排序,则uec,1为最强用户，而uec,u为最弱用户；
24、基于接收信号表达式和多个预设确定用户在uec,u和uec,u'处的信干噪比sinr，对应的计算表达式为：
25、
26、
27、其中，α∈{αc,u,u'}和w∈{wc,u}，c∈c，uec,u的sinr为：
28、
29、其中，表示最小值运算，uec,u的下行可达速率的计算表达式为：
30、rc,u(α,w)＝log(1+γc,u(α,w)) (8)。
31、作为上述技术方案的优选，构建noma辅助的去蜂窝通感一体化系统的雷达感知模型，包括：
32、入射信号的表达式为：
33、
34、其中，θm表示已通过深度学习算法获取的每个ap与雷达目标的方位信息，表示apm的发射波控向量，θ∈{θm}，λ和d分别表示载波波长和天线间距，并且满足d＝λ/2。则雷达感知能量可计算为：
35、
36、作为上述技术方案的优选，根据所述下行通信模型和所述雷达感知模型构建联合noma用户配对和波束赋形的优化问题，包括：
37、最大化用户的最小sinr并构建优化问题为：
38、
39、
40、
41、
42、
43、
44、
45、
46、
47、其中，表示保证感知性能所需的最小功率，约束条件(a)保证雷达感知性能，约束条件(b)保证最大发射功率满足功率约束，约束条件(c)～(i)为noma用户配对条件；其中约束条件(c)和(d)表示用户配对准则，约束条件(e)保证noma用户配对满足用户信道衰落顺序；约束条件(f)～(i)保证每个用户仅与一个用户进行配对。
48、作为上述技术方案的优选，基于半定松弛算法对所述优化问题求解得到优化问题，包括：
49、预设其中，wc,u≥0，rank(wc,u)＝1，rank(·)表示矩阵的秩，c∈c，则功率约束条件可转换为：
50、
51、其中，c∈c，公式(5)和公式(6)可重写为：
52、
53、
54、和
55、根据每个ap的发射功率约束引入m个辅助稀疏矩阵am∈rm×m，矩阵am的第m个对角元素为1，其它元素为0，则优化问题(11)中功率约束条件(b)可重写为：
56、
57、根据公式(15)的变换得到原始优化问题(11)等价于：
58、
59、
60、约束条件(c)～(i)，公式(13)，公式(14) (16)
61、优化问题(16)中的目标函数为非平滑函数，引入中间变量x将目标函数转化为平滑函数，对应的表达式为：
62、
63、约束条件(c)～(i)，(13),(14),(a1),(b1) (17)
64、根据公式(17)中的目标函数为仿射函数，所求变量α和w相互耦合，并且秩一约束条件和noma配对因子的二进制特性使优化问题的约束条件为非凸约束。
65、作为上述技术方案的优选，根据秩一约束条件和noma配对因子的二进制特性使优化问题的约束条件为非凸约束，使变换后的优化问题难以直接求解，包括：
66、将二进制变量α进行条件放松，将其近似为连续变量，对应将αc,u,u'∈{0,1}转换为0≤αc,u,u'≤1，
67、根据用户sinr定义，约束条件(a2)可等效为：
68、
69、
70、公式(18)中的右侧项右侧项的组成项是变量αc,u,u”和wc,u”的双线性函数，既不是凸函数也不是凹函数；
71、采用连续凸近似方案进行求解，将项改写为：
72、
73、
74、其中，第一项ac,u,u”为凸的，而第二项bc,u,u”非凸，在可行点基于(αc,u,u”,wc,u”)对其进行一阶泰勒展开，可得到bc,u,u”的下界，对应的表达式为：
75、
76、其中，i表示迭代次数，得到优化问题(11)的约束条件中其它近似形式，通过连续凸近似后并忽略秩一约束条件，可得到优化问题为：
77、
78、
79、
80、
81、
82、
83、
84、wc,u≥0
85、约束条件(d)～(i) (22)
86、其中，c∈c均为引入的中间变量，dc,u、ec,u,u'和fc,u,u'分别表示为：
87、
88、
89、
90、其中，公式(22)是一个凸的半定规划问题，采用cvx凸优化工具进行有效求解。
91、作为上述技术方案的优选，初始点构造包括：
92、初始化可行点(α(0),w(0),x(0),ζ(0),η(0),ξ(0))，采用初始点构建算法对优化问题(22)引入一个误差参数变量δ≥0来构造一个可行问题，对应的表达式为：
93、
94、
95、
96、
97、
98、
99、
100、wc,u≥0
101、约束条件(d)～(i) (26)
102、其中，m∈m，u,u'∈kc,c∈c，δ表示约束条件与原优化问题(22)的差距，优化问题(26)是凸问题，采用cvx凸优化工具进行求解。
103、作为上述技术方案的优选，波束赋形校准包括：
104、获取收敛的二进制变量α，当αc,u',u＝0时，公式(14)中的γc,u,u'(α,w)将变为无穷大，给定α的数值uec,u的sinr可表示为：
105、
106、对应的目标优化问题可构建为：
107、
108、通过二分法对优化问题(28)进行求解。
109、作为上述技术方案的优选，在求解原优化问题时秩一约束条件被忽略，所获得的解w需要进一步处理，采用特征值分解算法将任意秩的矩阵w构造秩一约束的矩阵
110、本发明提供了一种noma辅助的去蜂窝通感一体化系统波束赋形方法，通过构建noma辅助的去蜂窝通感一体化系统的下行通信模型，构建noma辅助的去蜂窝通感一体化系统的雷达感知模型，根据所述下行通信模型和所述雷达感知模型构建联合noma用户配对和波束赋形的优化问题，基于半定松弛算法对所述优化问题求解得到目标优化问题，对所述目标优化问题分别进行初始点构造和波束赋形校准以完成noma辅助的去蜂窝通感一体化系统的波束赋形，对比现有去蜂窝通感一体化系统架构，本发明引入非正交接入方式，通过发送端叠加编码，接收端进行串行干扰删除，可以提升系统接入性能和资源利用率；同时，本发明基于noma技术特性，考虑用户配对策略，进行联合noma用户配对和波束赋形设计，针对不同场景需求灵活进行用户配对，提升系统通感一体化服务性能；此外，本发明采用半定松弛和连续凸近似方法，在保证系统性能的同时保持可控的计算复杂度，满足去蜂窝通感一体化系统突发终端接入场景需求。
1.一种noma辅助的去蜂窝通感一体化系统波束赋形方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的noma辅助的去蜂窝通感一体化系统波束赋形方法，其特征在于，构建noma辅助的去蜂窝通感一体化系统的下行通信模型，包括：
3.根据权利要求2所述的noma辅助的去蜂窝通感一体化系统波束赋形方法，其特征在于，引入变量αc，u，u′表示用户簇kc中uec,u和uec,u′的noma配对因子，对应的表达式为：
4.根据权利要求1所述的noma辅助的去蜂窝通感一体化系统波束赋形方法，其特征在于，构建noma辅助的去蜂窝通感一体化系统的雷达感知模型，包括：
5.根据权利要求1所述的noma辅助的去蜂窝通感一体化系统波束赋形方法，其特征在于，根据所述下行通信模型和所述雷达感知模型构建联合noma用户配对和波束赋形的优化问题，包括：
6.根据权利要求5所述的noma辅助的去蜂窝通感一体化系统波束赋形方法，其特征在于，基于半定松弛算法对所述优化问题求解得到优化问题，包括：
7.根据权利要求6所述的noma辅助的去蜂窝通感一体化系统波束赋形方法，其特征在于，根据秩一约束条件和noma配对因子的二进制特性使优化问题的约束条件为非凸约束，使变换后的优化问题难以直接求解，包括：
8.根据权利要求7所述的noma辅助的去蜂窝通感一体化系统波束赋形方法，其特征在于，初始点构造包括：
9.根据权利要求7所述的noma辅助的去蜂窝通感一体化系统波束赋形方法，其特征在于，波束赋形校准包括：
10.根据权利要求9所述的noma辅助的去蜂窝通感一体化系统波束赋形方法，其特征在于，在求解原优化问题时秩一约束条件被忽略，所获得的解w需要进一步处理，采用特征值分解算法将任意秩的矩阵w构造秩一约束的矩阵
