CN112272384B - 一种基于可重构智能表面的通信系统吞吐量优化方法 - Google Patents

Abstract

本发明提供一种基于可重构智能表面的通信系统吞吐量优化方法，包括以下步骤：S1：构建以最大化系统吞吐量为目标函数的优化问题P1；S2：将优化问题P1转化为迭代优化问题P2；S3：初始化迭代优化参数；S4：求解迭代优化问题P2，得到优化结果；S5：根据优化结果判断系统吞吐量是否达到最大化。本发明提供一种基于可重构智能表面的通信系统吞吐量优化方法，解决了目前在较长的距离传输中，基站与用户之间存在障碍物时用户不能有效收集到基站传输的能量，导致系统吞吐量性能降低的问题。

Description

一种基于可重构智能表面的通信系统吞吐量优化方法

技术领域

本发明涉及无线通信优化技术领域，更具体的，涉及一种基于可重构智能表面的通信系统吞吐量优化方法。

背景技术

可重构智能表面(reconfigurable intelligent surface,RIS)是一种在无线网络中实现无线电信号传输的智能技术。智能表面是由大量低成本无源反射元件组成的平面阵列，可以无源反射入射电磁波，同时改变其振幅和相移。

随着物联网(Internet-of-Things,IoT)时代的到来，为了满足现代网络不断增长的设备能耗，无线供电通信网络中的主要技术挑战是长距离的低功率传输效率。但是目前在较长的距离传输中，基站与用户之间存在障碍物时用户不能有效收集到基站传输的能量，导致系统吞吐量性能降低。

现有技术中，如2018年01月23日公开的中国专利，一种基于无源通信系统的上行链路吞吐量优化方法，公开号为CN107623559A，从物理层和MAC层两个方面结合起来提升无源通信系统的上行链路吞吐量，但不适用于提高长距离传输的吞吐量。

发明内容

本发明为克服目前在较长的距离传输中，基站与用户之间存在障碍物时用户不能有效收集到基站传输的能量，导致系统吞吐量性能降低的技术缺陷，提供一种基于可重构智能表面的通信系统吞吐量优化方法。

为解决上述技术问题，本发明的技术方案如下：

一种基于可重构智能表面的通信系统吞吐量优化方法，包括以下步骤：

S1：构建以最大化系统吞吐量为目标函数的优化问题P1；

S2：将优化问题P1转化为迭代优化问题P2；

S3：初始化迭代优化参数；

S4：求解迭代优化问题P2，得到优化结果；

S5：根据优化结果判断系统吞吐量是否达到最大化；

若是，则得到系统最大吞吐量；

否则，根据优化结果更新迭代优化参数并返回步骤S4，进行下一次迭代优化。

优选的，设通信系统中一共有

个用户，被分为K簇，每一簇都有M_k个用户，k∈T＝{1,...,K}，T为簇序号集合；所有用户和基站都配备单个天线，障碍物存在于用户和基站的中间，导致用户和基站的直接链路被阻挡，用户和基站之间的通信通过RIS来辅助实现，RIS具有N个反射元件；

用户u_k,m获得的能量E_k,m为：

其中，u_k,m表示第k簇的第m个用户，m∈Ω＝{1,...,M_k}，Ω为用户序号集合，η表示能量转换效率，P₀是基站的发射功率，g_k,m表示从RIS到用户u_k,m传输能量的信道，

表示N×1维度的复值矩阵的集合，H表示共轭转置，Φ₀＝diag(φ_1,0,...,φ_N，0)是下行时隙τ₀的RIS反射系数矩阵，φ_1,0,...,φ_N，0均为RIS反射系数矩阵例的元素，g_BS表示基站与RIS之间传输能量的信道，

上行链路信息传输期间每个用户的发射功率为：

其中，P_k,m代表用户u_k,m的发射功率，τ_k代表第k簇用户的上行信息的传输时间；

根据NOMA协议，基站使用连续干扰消除来解码每个用户群的信息，即当解码第k簇的用户信息时，为了检测第m个用户的消息，基站首先解码第i个用户的消息，

然后从接收的消息中移除该消息，则其它用户的信号则视为干扰信号；基站接收的第k簇用户的信号y_k为

其中，h_BS表示从RIS到基站传输信息的反射信道，

h_k,m表示从用户u_k,m到IRS传输信息的信道，

Φ_k＝diag(φ_1,k,...,φ_N,k)是下行时隙τ_k的RIS反射系数矩阵，φ_1,k,...,φ_N,k均为RIS反射系数矩阵例的元素，s_k,m表示用户u_k,m的传输数据符号，其均值为0和方差为1；n_k表示零均值和方差σ²的加性噪声；

第k簇中第m个用户的可实现吞吐量R_k,m为：

其中，P_k,i代表用户u_k,i的发射功率，h_k,i表示从用户u_k,i到IRS传输信息的信道；

综上，系统总吞吐量R由下式给出：

因此，在步骤S1中，优化问题P1为：

|φ_n,0|＝1,n∈N

|φ_n,k|＝1,n∈N

τ₀≥0，τ_k≥0，k∈T；

其中，T_total为总时间。

优选的，在步骤S2中，通过定义

下行时隙τ₀的RIS相移矩阵

下行时隙τ_k的RIS相移矩阵

其中，⊙表示哈达玛积；得到

从而将优化问题P1转化为迭代优化问题P2；

所述迭代优化问题P2为：

|w_n,0|＝1，n＝1,...,N

τ₀≥0,τ_k≥0，k∈T。

优选的，步骤S3具体为：初始化τ₀、τ_k、迭代前的矩阵

迭代前的矩阵

迭代前的系统吞吐量R⁽⁰⁾，并令迭代次数r＝0，差阈值ε＝10^-4。

优选的，在步骤S4求解迭代优化问题P2之前，还包括将迭代优化问题P2分解为子问题P6和子问题P7；其中，

子问题P6为：

s.t.|w_n,0|≤1，n＝1,...,N

子问题P7为：

τ₀≥0，τ_k≥0，k∈T；

其中，b_k,m、c_k,m为松弛变量，

优选的，根据迭代优化问题P2得到子问题P6的步骤为：

A1：将迭代优化问题P2转换为子问题P3，所述子问题P3为：

s.t.|w_n,0|＝1,n＝1,...,N

A2：构建与子问题P3等价的子问题P4，所述子问题P4为：

s.t|w_n，0|≤1，n＝1,...,N

A3：通过引入松弛变量b_k,m、c_k,m，将子问题P4简化为子问题P5，所述子问题P5为：

s.t.|w_n,0|≤1，n＝1,...,N

A4：构建得到与子问题P5等价的子问题P6。

优选的，在求解子问题P6之前，还包括将子问题P6分解为子问题P6.1和子问题P6.2；其中，

子问题P6.1为：

s.t.|w_n,0|≤1，n＝1,...,N

子问题P6.2为：

优选的，在步骤S4中，通过以下步骤求解迭代优化问题P2得到优化结果：

S4.1：求解子问题P6.1和P6.2，得到

其中，

为最优的w₀，

为最优的w_k；

S4.2：将

代入子问题P7，求解得到

其中，

为最优的τ₀，

为最优的τ_k；

S4.3：将

代入迭代优化问题P2，求得优化结果R^(r+1)。

优选的，在步骤S5中，

当

时，判断系统吞吐量达到最大化；

否则，判断系统吞吐量未达到最大化。

优选的，在步骤S5中，当系统吞吐量未达到最大化时，令r＝r+1、

返回步骤S4.1，进行下一次迭代优化。

与现有技术相比，本发明技术方案的有益效果是：

本发明提供了一种基于可重构智能表面的通信系统吞吐量优化方法，使用可重构智能表面重新调整基站与用户之间的信道，创建新的反射链路支持基站与用户之间的通信，通过优化求解以最大化系统吞吐量为目标函数的优化问题，实现对通信系统吞吐量的优化，提高通信系统的能量效率和吞吐量性能。

附图说明

图1为本发明的技术方案实施步骤流程图；

图2为本发明中通信系统的应用示意图；

图3为本发明中通信系统的时隙与下行能量传输、上行信息传输之间的关系示意图；

图4为本发明中RIS反射元件数量对通信系统吞吐量性能的影响示意图；

图5为本发明中通信系统吞吐量随用户与RIS的距离变化的趋势示意图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；

对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

下面结合附图和实施例对本发明的技术方案做进一步的说明。

实施例1

如图1所示，一种基于可重构智能表面的通信系统吞吐量优化方法，包括以下步骤：

S1：构建以最大化系统吞吐量为目标函数的优化问题P1；

S2：将优化问题P1转化为迭代优化问题P2；

S3：初始化迭代优化参数；

S4：求解迭代优化问题P2，得到优化结果；

S5：根据优化结果判断系统吞吐量是否达到最大化；

若是，则得到系统最大吞吐量；

否则，根据优化结果更新迭代优化参数并返回步骤S4，进行下一次迭代优化。

更具体的，如图2-3所示，设通信系统中一共有

个用户，被分为K簇，每一簇都有M_k个用户，k∈T＝{1,...,K}，T为簇序号集合；所有用户和基站都配备单个天线，障碍物存在于用户和基站的中间，导致用户和基站的直接链路被阻挡，用户和基站之间的通信通过RIS(可重构智能表面，reconfigurable intelligent surface)来辅助实现，RIS具有N个反射元件；

用户u_k,m获得的能量E_k,m为：

其中，u_k,m表示第k簇的第m个用户，m∈Ω＝{1,...,M_k}，Ω为用户序号集合，η表示能量转换效率，P₀是基站的发射功率，g_k,m表示从RIS到用户u_k,m传输能量的信道，

表示N×1维度的复值矩阵的集合，H表示共轭转置，Φ₀＝diag(φ_1,0,...,φ_N，0)是下行时隙τ₀的RIS反射系数矩阵，φ_1,0,...,φ_N，0均为RIS反射系数矩阵例的元素，g_BS表示基站与RIS之间传输能量的信道，

上行链路信息传输期间每个用户的发射功率为：

其中，P_k,m代表用户u_k,m的发射功率，τ_k代表第k簇用户的上行信息的传输时间；

根据NOMA协议，基站使用连续干扰消除来解码每个用户群的信息，即当解码第k簇的用户信息时，为了检测第m个用户的消息，基站首先解码第i个用户的消息，

然后从接收的消息中移除该消息，则其它用户的信号则视为干扰信号；基站接收的第k簇用户的信号y_k为

其中，h_BS表示从RIS到基站传输信息的反射信道，

h_k,m表示从用户u_k,m到IRS传输信息的信道，

Φ_k＝diag(φ_1,k,...,φ_N,k)是下行时隙τ_k的RIS反射系数矩阵，φ_1,k,...,φ_N,k均为RIS反射系数矩阵例的元素，s_k,m表示用户u_k,m的传输数据符号，其均值为0和方差为1；n_k表示零均值和方差σ²的加性噪声；

第k簇中第m个用户的可实现吞吐量R_k,m为：

其中，P_k,i代表用户u_k,i的发射功率，h_k,i表示从用户u_k,i到IRS传输信息的信道；

综上，系统总吞吐量R由下式给出：

因此，在步骤S1中，优化问题P1为：

|φ_n,0|＝1,n∈N (8)

|φ_n,k|＝1,n∈N (9)

τ₀≥0，τ_k≥0，k∈T (10)

其中，T_total为总时间。

在具体实施过程中，通信系统包括基站、用户、障碍物和RIS，通信系统的工作被分成两个部分，其中包括下行传输能量和上行传输信息。通过优化上行信息传输时间、下行能量传输时间以及不同时隙中RIS的反射系数来最大化系统吞吐量。(7)是总时间约束。由于优化问题P1的目标函数是非凹的，约束(8)和(9)都是非凸的约束，使得优化问题P1难以求解。

更具体的，在步骤S2中，通过定义

下行时隙τ₀的RIS相移矩阵

下行时隙τ_k的RIS相移矩阵

其中，⊙表示哈达玛积；得到

从而将优化问题P1转化为迭代优化问题P2；

所述迭代优化问题P2为：

|w_n,0|＝1，n＝1,...,N (13)

τ₀≥0,τ_k≥0，k∈T (15)。

在具体实施过程中，从问题P2看出，约束(12)和(15)只包含变量τ₀、τ_k；约束(13)只包含变量w₀，约束(14)只包含变量w_k，因此我们可以通过交替优化τ₀、τ_k和w₀、w_k来解决问题P2。

更具体的，步骤S3具体为：初始化τ₀、τ_k、迭代前的矩阵

迭代前的矩阵

迭代前的系统吞吐量R⁽⁰⁾，并令迭代次数r＝0，差阈值ε＝10^-4。

更具体的，在步骤S4求解迭代优化问题P2之前，还包括将迭代优化问题P2分解为子问题P6和子问题P7；其中，

子问题P6为：

s.t.|w_n,0|≤1，n＝1,...,N(17)

子问题P7为：

τ₀≥0，τ_k≥0，k∈T(23)；

其中，b_k,m、c_k,m为松弛变量，

在具体实施过程中，通过迭代求解子问题P6和子问题P7来求解迭代优化问题P2。子问题P7的目标函数是关于τ₀、τ_k的联合凹函数，约束(22)和(23)都是凸约束，所以子问题P7是标准的凸优化问题，可以使用内点法或者通过标准的凸优化问题求解器如CVX工具箱有效地解决。

更具体的，根据迭代优化问题P2得到子问题P6的步骤为：

A1：将迭代优化问题P2转换为子问题P3，所述子问题P3为：

s.t.|w_n,0|＝1,n＝1,...,N (25)

A2：构建与子问题P3等价的子问题P4，所述子问题P4为：

s.t|w_n，0|≤1，n＝1,...,N (28)

A3：通过引入松弛变量b_k,m、c_k,m，将子问题P4简化为子问题P5，所述子问题P5为：

s.t.|w_n,0|≤1，n＝1,...,N (31)

A4：构建得到与子问题P5等价的子问题P6。

在具体实施过程中，子问题P3为用给定的时隙τ₀、τ_k优化w₀、w_k。

通过将子问题P3的约束(25)和(26)松弛为不等式约束从而构建与子问题P3等价的子问题P4。通过以下数学证明松弛后的子问题P4和子问题P3是等价的：

假设子问题P3的最优解为

并且满足

1≤L≤N,

假设有向量α＝[α₁,...,α_L,I_1×(N-L)]^T，β_k＝[β_1,k,...,β_L,k,I_1×(N-L)]^T，I_1×x表示1×x维度元素全为1的向量，其中

假设存在一组可行解

且满足

我们可以推导出以下不等式：

上面两个不等式使用了三角不等式，当且仅当所有求和的矢量的相位相同时等式成立，所以最优解

满足

可以由上面的讨论中得出:

由于

是关于

单调递增的函数，所以由上述不等式得

与原假设矛盾，因此子问题P3的约束(25)和(26)可以松弛为不等式约束。所以子问题P3可以等价为子问题P4。

对于子问题P5，其非凸约束(33)和(34)，其不等式右侧分别是相对于w₀和w_k的凸函数，在给定局部点

和

处具有一阶泰勒展开的下界可以表示为

因此，子问题P5可以等价为子问题P6。

更具体的，在求解子问题P6之前，还包括将子问题P6分解为子问题P6.1和子问题P6.2；其中，

子问题P6.1为：

s.t.|w_n,0|≤1，n＝1,...,N (36)

子问题P6.2为：

在具体实施过程中，由于子问题P6的目标函数仍然不是b_k,m，c_k,m联合凹函数，所以需要将问题P6分成两个子问题求解。子问题P6.1和P6.2分别是w₀，b_k,m和w_k，c_k,m的凸优化问题，可以通过标准的凸优化问题求解器如CVX工具箱有效地解决。

更具体的，在步骤S4中，通过以下步骤求解迭代优化问题P2得到优化结果：

S4.1：求解子问题P6.1和P6.2，得到

其中，

为最优的w₀，

为最优的w_k；

S4.2：将

代入子问题P7，求解得到

其中，

为最优的τ₀，

为最优的τ_k；

S4.3：将

代入迭代优化问题P2，求得优化结果R^(r+1)。

更具体的，在步骤S5中，

当

时，判断系统吞吐量达到最大化；

否则，判断系统吞吐量未达到最大化。

更具体的，在步骤S5中，当系统吞吐量未达到最大化时，令r＝r+1、

返回步骤S4.1，进行下一次迭代优化。

在具体实施过程中，根据优化结果更新迭代优化参数具体包括令r＝r+1、

在本实施例中，通过采用本发明中所述的一种基于可重构智能表面的通信系统吞吐量优化方法进行实验，得到如图4和图5所示的数据，从图中可以看出，本发明中所述的一种基于可重构智能表面的通信系统吞吐量优化方法与其他优化方法相比，系统的吞吐量性能得到提高，并且当反射元件数量增大时，系统的吞吐量也随着增大。其中，Optimized RISfor different durations w/TA表示优化时隙和每个时隙的不同的RIS反射矩阵；Optimized RIS for all durations w/TA表示优化每一段时隙和多时隙中优化相同的RIS反射矩阵；Optimized RIS for different durations w/oTA表示时隙固定，只优化每个时隙不同的RIS反射矩阵；Optimized RIS forall durations w/oTA表示时隙固定，只优化每个时隙中的相同的RIS反射矩阵；Random RIS w/TA表示优化每段时隙，RIS的相移为随机相移；Random RIS w/oTA表示时隙固定，RIS的相移位随机相移。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (3)

1.一种基于可重构智能表面的通信系统吞吐量优化方法，其特征在于，包括以下步骤：

S1：构建以最大化系统吞吐量为目标函数的优化问题P1；

S2：将优化问题P1转化为迭代优化问题P2；

S3：初始化迭代优化参数；

S4：求解迭代优化问题P2，得到优化结果；

S5：根据优化结果判断系统吞吐量是否达到最大化；

若是，则得到系统最大吞吐量；

否则，根据优化结果更新迭代优化参数并返回步骤S4，进行下一次迭代优化；

设通信系统中一共有

个用户，被分为K簇，每一簇都有M_k个用户，k∈T＝{1,...,K}，T为簇序号集合；所有用户和基站都配备单个天线，障碍物存在于用户和基站的中间，导致用户和基站的直接链路被阻挡，用户和基站之间的通信通过RIS来辅助实现，RIS具有N个反射元件；

用户u_k,m获得的能量E_k,m为：

其中，u_k,m表示第k簇的第m个用户，m∈Ω＝{1,...,M_k}，Ω为用户序号集合，η表示能量转换效率，P₀是基站的发射功率，g_k,m表示从RIS到用户u_k,m传输能量的信道，

表示N×1维度的复值矩阵的集合，H表示共轭转置，Φ₀＝diag(φ_1,0,...,φ_N，0)是下行时隙τ₀的RIS反射系数矩阵，φ_1,0,...,φ_N，0均为RIS反射系数矩阵例的元素，g_BS表示基站与RIS之间传输能量的信道，

上行链路信息传输期间每个用户的发射功率为：

其中，P_k,m代表用户u_k,m的发射功率，τ_k代表第k簇用户的上行信息的传输时间；

根据NOMA协议，基站使用连续干扰消除来解码每个用户群的信息，即当解码第k簇的用户信息时，为了检测第m个用户的消息，基站首先解码第i个用户的消息，

然后从接收的消息中移除该消息，则其它用户的信号则视为干扰信号；基站接收的第k簇用户的信号y_k为

其中，h_BS表示从RIS到基站传输信息的反射信道，

h_k,m表示从用户u_k,m到IRS传输信息的信道，

Φ_k＝diag(φ_1,k,...,φ_N,k)是下行时隙τ_k的RIS反射系数矩阵，φ_1,k,...,φ_N,k均为RIS反射系数矩阵例的元素，s_k,m表示用户u_k,m的传输数据符号，其均值为0和方差为1；n_k表示零均值和方差σ²的加性噪声；

第k簇中第m个用户的可实现吞吐量R_k,m为：

其中，P_k,i代表用户u_k,i的发射功率，h_k,i表示从用户u_k,i到IRS传输信息的信道；

综上，系统总吞吐量R由下式给出：

因此，在步骤S1中，优化问题P1为：

|φ_n,0|＝1,n∈N

|φ_n,k|＝1,n∈N

τ₀≥0，τ_k≥0，k∈T；

其中，T_total为总时间；

在步骤S2中，通过定义

下行时隙τ₀的RIS相移矩阵

下行时隙τ_k的RIS相移矩阵

其中，⊙表示哈达玛积；得到

从而将优化问题P1转化为迭代优化问题P2；

所述迭代优化问题P2为：

|w_n,0|＝1，n＝1,...,N

τ₀≥0,τ_k≥0，k∈T；

步骤S3具体为：初始化τ₀、τ_k、迭代前的矩阵

迭代前的矩阵

迭代前的系统吞吐量R⁽⁰⁾，并令迭代次数r＝0，差阈值ε＝10^-4；

在步骤S4求解迭代优化问题P2之前，还包括将迭代优化问题P2分解为子问题P6和子问题P7；其中，

子问题P6为：

s.t.|w_n,0|≤1，n＝1,...,N

子问题P7为：

τ₀≥0，τ_k≥0，k∈T；

其中，b_k,m、c_k,m为松弛变量，

在求解子问题P6之前，还包括将子问题P6分解为子问题P6.1和子问题P6.2；其中，

子问题P6.1为：

s.t.|w_n,0|≤1，n＝1,...,N

子问题P6.2为：

在步骤S4中，通过以下步骤求解迭代优化问题P2得到优化结果：

S4.1：求解子问题P6.1和P6.2，得到

其中，

为最优的w₀，

为最优的w_k；

S4.2：将

代入子问题P7，求解得到

其中，

为最优的τ₀，

为最优的τ_k；

S4.3：将

代入迭代优化问题P2，求得优化结果R^(r+1)；

在步骤S5中，

当

时，判断系统吞吐量达到最大化；

否则，判断系统吞吐量未达到最大化。

2.根据权利要求1所述的一种基于可重构智能表面的通信系统吞吐量优化方法，其特征在于，根据迭代优化问题P2得到子问题P6的步骤为：

A1：将迭代优化问题P2转换为子问题P3，所述子问题P3为：

s.t.|w_n,0|＝1,n＝1,...,N

A2：构建与子问题P3等价的子问题P4，所述子问题P4为：

s.t|w_n，0|≤1，n＝1,...,N

A3：通过引入松弛变量b_k,m、c_k,m，将子问题P4简化为子问题P5，所述子问题P5为：

s.t.|w_n,0|≤1，n＝1,...,N

A4：构建得到与子问题P5等价的子问题P6。

3.根据权利要求1所述的一种基于可重构智能表面的通信系统吞吐量优化方法，其特征在于，在步骤S5中，当系统吞吐量未达到最大化时，令r＝r+1、

返回步骤S4.1，进行下一次迭代优化。

Images