CN112804695B - 可重构智能表面辅助的无线通信方法及装置 - Google Patents

可重构智能表面辅助的无线通信方法及装置 Download PDF

Info

Publication number
CN112804695B
CN112804695B CN202011584901.1A CN202011584901A CN112804695B CN 112804695 B CN112804695 B CN 112804695B CN 202011584901 A CN202011584901 A CN 202011584901A CN 112804695 B CN112804695 B CN 112804695B
Authority
CN
China
Prior art keywords
ris
channel gain
determining
reconfigurable intelligent
intelligent surface
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011584901.1A
Other languages
English (en)
Other versions
CN112804695A (zh
Inventor
王莹
陈源彬
唐子行
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN202011584901.1A priority Critical patent/CN112804695B/zh
Publication of CN112804695A publication Critical patent/CN112804695A/zh
Application granted granted Critical
Publication of CN112804695B publication Critical patent/CN112804695B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
    • H04W72/541—Allocation or scheduling criteria for wireless resources based on quality criteria using the level of interference
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供一种可重构智能表面辅助的无线通信方法及装置，该方法包括：根据UE发射功率、UE到BS的信道增益、UE到可重构智能平面RIS的信道增益以及RIS到BS的信道增益，确定每一UE上行SINR；根据UE上行SINR，确定所有UE可达速率，以最大化所有UE可达速率的期望为目标，以每一UE上行SINR小于预设信干噪比的概率，小于最大中断概率为约束条件，确定对应的UE功率分配和RIS反射系数。该方法以每一UE上行SINR小于预设信干噪比的概率，小于最大中断概率为约束条件，能够实现所有UE可达速率期望值的最大化，并确定此条件下的UE功率分配和RIS反射系数，实现了智能表面辅助的优化配置。

Description

可重构智能表面辅助的无线通信方法及装置
技术领域
本发明涉及无线通信技术领域，尤其涉及一种可重构智能表面辅助的无线通信方法及装置。
背景技术
得益于各种关键的使能技术，例如超高密度技术，通过即将到来的第五代(5G)无线网络已实现了目标的1000倍网络容量增加和至少1000亿个设备的普遍无线连接网络(UDN)，大规模多输入多输出(MIMO)，毫米波(mmWave)通信等。但是，所需的高复杂性和硬件成本以及增加的能耗仍然是尚未解决的关键问题。例如，在UDN中密集部署基站(BS)或接入点(AP)不仅增加了硬件支出和维护成本，而且加剧了网络干扰问题。另外，将大规模MIMO从6GHz以下频段扩展到毫米波频段通常需要更复杂的信号处理以及更昂贵和耗能的硬件(例如射频(RF)链)。因此，为未来/超越5G无线网络寻找创新，频谱和能源效率高且成本效益高的解决方案的研究仍然势在必行。
目前，可重构智能平面(RIS)已被提出作为一种有前途的新技术，用于通过软件控制的反射来重新配置无线传播环境。具体来讲，RIS是一个包含大量低成本无源反射元件的平面，每个元件都能够独立地对入射信号产生幅度和/或相位变化，从而共同实现精细的三维(3D)反射波束成形。与发射器/接收器上的现有无线链路自适应技术形成鲜明对比的是，RIS通过高度可控的智能信号反射来主动修改它们之间的无线信道。因此，这提供了新的自由度以进一步增强无线通信性能，并为实现智能和可编程的无线环境铺平了道路。由于RIS消除了对发射RF链的使用，并且仅在短距离内运行，因此它可以以可伸缩的成本和低的能耗进行密集部署，而无需在无源RIS之间进行复杂的干扰管理。此外，RIS可以实际制造为适合安装在任意形状的表面上，以适应不同的应用场景。相应地，如何优化配置RIS的反射参数，实现RIS的优化配置成为目前亟待解决的问题。
发明内容
针对现有技术存在的不足，本发明提供一种可重构智能表面辅助的无线通信方法及装置。
本发明提供一种可重构智能表面辅助的无线通信方法，包括：根据UE发射功率、UE到BS的信道增益、UE到可重构智能平面RIS的信道增益以及RIS到BS的信道增益，确定每一UE上行SINR；根据UE上行SINR，确定所有UE可达速率，以最大化所有UE可达速率的期望为目标，以每一UE上行SINR小于预设信干噪比的概率，小于最大中断概率为约束条件，确定对应的UE功率分配和RIS反射系数。
根据本发明一个的可重构智能表面辅助的无线通信方法，所述根据UE发射功率、UE到BS的信道增益、UE到可重构智能平面RIS的信道增益以及RIS到BS的信道增益，确定每一UE上行SINR，包括：
Figure BDA0002866568470000021
其中，m表示UE序号，Pm表示第m个UE传输功率；σ2是加性高斯白噪声；
Figure BDA0002866568470000022
为第m个UE到基站的级联信道增益，hm,r为第m个UE到RIS的信道增益，hr,b为RIS到BS的信道增益；/>
Figure BDA0002866568470000031
为RIS反射系数对角矩阵Θ元素的列向量，hm,b表示从第m个UE到BS的信道增益；/>
Figure BDA0002866568470000032
是第m个UE的多用户探测向量；N为RIS反射元素的数量，K为线性阵列数量。
根据本发明一个的可重构智能表面辅助的无线通信方法，UE到BS的信道增益、UE到RIS的信道增益以及RIS到BS的信道增益，分别确定如下：
Figure BDA0002866568470000033
Figure BDA0002866568470000034
Figure BDA0002866568470000035
其中，m表示用户序号，hm,b、hm,r和hr,b分别为UE到BS的信道增益、UE到RIS的信道增益以及RIS到BS的信道增益；αr,b、αm,r是相应链路的路径损耗指数，dr,b、dm,r是基站与RIS之间以及第m个UE到RIS的距离，κr,b和κm,r是和小尺度衰落有关的莱斯因子；
Figure BDA0002866568470000036
与
Figure BDA0002866568470000037
是确定性分量，NLoS分量/>
Figure BDA0002866568470000038
与/>
Figure BDA0002866568470000039
中的每个元素均服从
Figure BDA00028665684700000310
ρ是参考距离为d0＝1m时的路径损耗，dm,b是第m个UE和BS之间的距离，αm,b是路径损耗指数；/>
Figure BDA00028665684700000311
中的每个元素都是独立同分布且均值为0，方差为1的复高斯随机变量。
根据本发明一个的可重构智能表面辅助的无线通信方法，所述根据UE发射功率、UE到BS的信道增益、UE到可重构智能平面RIS的信道增益以及RIS到BS的信道增益，确定每一UE上行SINR之前，还包括：
对于UE到BS的信道增益、UE到可重构智能平面RIS的信道增益，分别根据上一时隙的信道增益，和当前时隙的信道增益估计值，确定当前信道增益。
根据本发明一个的可重构智能表面辅助的无线通信方法，所述以最大化所有UE可达速率的期望为目标，以每一UE上行SINR小于预设信干噪比的概率，小于最大中断概率为约束条件，确定对应的UE功率分配和RIS反射系数，包括：
以目标为：
Figure BDA0002866568470000041
约束条件为：
Figure BDA0002866568470000042
Figure BDA0002866568470000043
Figure BDA0002866568470000044
优化求解，得到对应的UE功率分配和RIS反射系数；
其中，p0是最大中断概率，γth是信干噪比阈值；Pmax为UE最大传输功率；θn为第n个反射元素的反射系数，m表示用户序号。
根据本发明一个的可重构智能表面辅助的无线通信方法，所述优化求解，包括将优化问题转换为如下形式进行求解：
以第二优化问题为：
Figure BDA0002866568470000051
以第二约束条件为:
Figure BDA0002866568470000052
Figure BDA0002866568470000053
Figure BDA0002866568470000054
进行优化求解；
其中：
Figure BDA0002866568470000055
Figure BDA0002866568470000056
Figure BDA0002866568470000057
Figure BDA0002866568470000058
Figure BDA0002866568470000059
Figure BDA00028665684700000510
Figure BDA00028665684700000511
Figure BDA00028665684700000512
表示变量集合；τ0＞0用于保证/>
Figure BDA00028665684700000513
对所有变量是一个凸函数，且τ1＜0用于保证/>
Figure BDA00028665684700000514
对所有变量是一个凹函数。
根据本发明一个的可重构智能表面辅助的无线通信方法，所述进行优化求解，包括：
按照不同时隙对第二优化问题进行求解，若第二优化问题无法求解，则对如下第三优化问题进行求解：
第三优化问题为:
Figure BDA0002866568470000061
第三约束条件为:
Figure BDA0002866568470000062
Figure BDA0002866568470000063
Figure BDA0002866568470000064
并根据当前时隙的第三优化问题的解，以及上一时隙的第二优化问题的解，确定当前时隙的第二优化问题的解。
本发明还提供一种可重构智能表面辅助的无线通信装置，包括：获取模块，用于根据UE发射功率、UE到BS的信道增益、UE到可重构智能平面RIS的信道增益以及RIS到BS的信道增益，确定每一UE上行SINR；处理模块，用于根据UE上行SINR，确定所有UE可达速率，以最大化所有UE可达速率的期望为目标，以每一UE上行SINR小于预设信干噪比的概率，小于最大中断概率为约束条件，确定对应的UE功率分配和RIS反射系数。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述可重构智能表面辅助的无线通信方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述可重构智能表面辅助的无线通信方法的步骤。
本发明提供的可重构智能表面辅助的无线通信方法及装置，以每一UE上行SINR小于预设信干噪比的概率，小于最大中断概率为约束条件，能够实现所有UE可达速率期望值的最大化，并确定此条件下的UE功率分配和RIS反射系数，实现了智能表面辅助的优化配置。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的可重构智能表面辅助的无线通信方法的流程示意图；
图2是本发明提供的可重构智能表面辅助的多用户无线通信系统结构示意图；
图3是本发明提供的可重构智能表面辅助的无线通信方法求解示意图；
图4是本发明提供的可重构智能表面辅助的无线通信装置的结构示意图；
图5是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
基于上述背景技术与目前存在的技术挑战，本发明首先提出一种RIS辅助的用户上行无线通信方法，其中RIS以被动的、无源的形式反射来自用户的信号，使其在AP处接收。RIS的反射可以将有用的信号相长叠加，将干扰信号进行相消减少。。
下面结合图1-图5描述本发明的可重构智能表面辅助的无线通信方法及装置。图1是本发明提供的可重构智能表面辅助的无线通信方法的流程示意图，如图1所示，本发明提供可重构智能表面辅助的无线通信方法，包括：
101、根据UE发射功率、UE到BS的信道增益、UE到可重构智能平面RIS的信道增益以及RIS到BS的信道增益，确定每一UE上行SINR。
图2是本发明提供的可重构智能表面辅助的多用户无线通信系统结构示意图，考虑一个RIS辅助的上行无线通信系统，其中有一个多天线基站，配备有K个元素的均匀线性阵列(ULA)。同时该网络中包含有M个单天线用户设备(UE)，直接与基站进行上行通信。令
Figure BDA0002866568470000081
表示所有UE的集合。RIS是一个均匀矩形阵列(URA)，包含Nh个水平排列的和Nv个垂直排列的反射元素，因此RIS反射元素的数量为N＝Nh×Nv。对于RIS，将所有反射元素的幅度反射系数设置为1并且令第n个反射单元的相移反射系数为/>
Figure BDA0002866568470000082
其中
Figure BDA0002866568470000083
定义RIS的反射系数矩阵为Θ＝diag(θ1,...,θN)，这里的Θ是一个N×N的对角矩阵，也称作被动波束矩阵。
由于在实际的无线环境中，UE与BS之间存在很多建筑物的阻碍，几乎没有确定性的LoS分量，可使用瑞利衰落来建模BS-UE之间的信道。当RIS被部署在建筑物表面时，大大提升了LoS分量在实际无线通信网络环境中存在的几率，因此在考虑BS-RIS与RIS-UE信道时，可采用Rician衰落信道进行建模。具体来说，从RIS到BS的信道增益、第m个UE到RIS的信道增益
Figure BDA0002866568470000084
以及第m个UE到BS的信道增益hm,b，可以确定UE上行SINR。
102、根据UE上行SINR，确定所有UE可达速率，以最大化所有UE可达速率的期望为目标，以每一UE上行SINR小于预设信干噪比的概率，小于最大中断概率为约束条件，确定对应的UE功率分配和RIS反射系数。
考虑到统计CSI下的鲁棒资源调度问题，本发明主要最大化所有UE可达速率，联合优化UE功率控制、信道分配变量、RIS反射系数以及在基站处的MUD矩阵，同时受限于和鲁棒性相关的中断约束。
在一个实施例中，相应的问题可以制定为：
Figure BDA0002866568470000091
S.T.：
Figure BDA0002866568470000092
Figure BDA0002866568470000093
Figure BDA0002866568470000094
概率约束(P1b)描述了通信链路的统计特性，p0是最大中断概率，γth是信干噪比阈值；(P1c)为UE最大传输功率控制；(P1d)保证了上行功率控制不超过设备所能承受的最大功率。
优化求解，可得到对应的UE功率分配P和RIS反射系数Θ，以及还可得到m个UE的多用户探测向量构成的矩阵F。
本发明提供的方法，以每一UE上行SINR小于预设信干噪比的概率，小于最大中断概率为约束条件，能够实现所有UE可达速率期望值的最大化，并确定此条件下的UE功率分配和RIS反射系数，实现了智能表面辅助的优化配置。
在一个实施例中，所述根据UE发射功率、UE到BS的信道增益、UE到可重构智能平面RIS的信道增益以及RIS到BS的信道增益，确定每一UE上行SINR，包括：
Figure BDA0002866568470000095
其中，m表示UE序号，Pm表示第m个UE传输功率；σ2是加性高斯白噪声；
Figure BDA0002866568470000101
为第m个UE到基站的级联信道增益，hm,r为第m个UE到RIS的信道增益，hr,b为RIS到BS的信道增益；/>
Figure BDA0002866568470000102
为RIS反射系数对角矩阵Θ元素的列向量，hm,b表示从第m个UE到BS的信道增益；/>
Figure BDA0002866568470000103
是第m个UE的多用户探测向量，并且
Figure BDA0002866568470000104
(也是所谓的combining matrix)。
在一个实施例中，UE到BS的信道增益、UE到RIS的信道增益以及RIS到BS的信道增益，分别确定如下：
Figure BDA0002866568470000105
Figure BDA0002866568470000106
Figure BDA0002866568470000107
其中，m表示用户序号，hm,b、hm,r和hr,b分别为UE到BS的信道增益、UE到RIS的信道增益以及RIS到BS的信道增益；αr,b、αm,r是相应链路的路径损耗指数，dr,b、dm,r是基站与RIS之间以及第m个UE到RIS的距离，κr,b和κm,r是和小尺度衰落有关的莱斯因子；
Figure BDA0002866568470000108
与
Figure BDA0002866568470000109
是确定性分量，NLoS分量/>
Figure BDA00028665684700001010
与/>
Figure BDA00028665684700001011
中的每个元素均服从
Figure BDA00028665684700001012
ρ是参考距离为d0＝1m时的路径损耗，dm,b是第m个UE和BS之间的距离，αm,b是路径损耗指数；/>
Figure BDA0002866568470000111
中的每个元素都是独立同分布且均值为0，方差为1的复高斯随机变量。
在一个实施例中，所述根据UE发射功率、UE到BS的信道增益、UE到可重构智能平面RIS的信道增益以及RIS到BS的信道增益，确定每一UE上行SINR之前，还包括：对于UE到BS的信道增益、UE到可重构智能平面RIS的信道增益，分别根据上一时隙的信道增益，和当前时隙的信道增益估计值，确定当前信道增益。
进一步地，所述根据上一时隙t的信道增益，和当前时隙
Figure BDA0002866568470000112
的信道增益估计值，确定当前信道增益，包括根据下式确定：
Figure BDA0002866568470000113
其中，μ是和上一时隙信道增益h(t)对应的自相关函数，0≤μ≤1。
由于RIS通常被部署在建筑物表面，其位置相对固定，因此BS-RIS链路的信道服从准静态平坦衰落。但是由于用户的移动性导致了RIS-用户链路的信道是时变的，这对CSI的获取带来了挑战。用户的移动性通常会导致多普勒频移，同时AP处的相应CSI也可能已过时，因此需要考虑由于用户移动性导致的CSI获取误差，这更加使得在AP处获取理想的CSI成为目前亟待解决的问题。
由于用户的移动性会导致信道非视距分量的变化，频繁的反馈信道的瞬时CSI会导致大量的信令开销，这使得在实际情况中追踪移动信道的瞬时CSI变得不可信。因此，在本发明中假设BS仅能访问此类信道的统计衰落信息(statistical-CSI)，且这种衰落信息的变化速度较慢。同时，在假定信道统计CSI的统计特性已知的情况下，BS无法获取快速衰落信息。此外，由于传输延迟和处理导频信号的延迟、以及用户的移动性同时存在。因此，当BS和RIS向MUs发送数据流时，CSI已经过时。一旦将此过时的CSI用于波束设计，将对UE发出的信号的解调产生负面影响，从而导致大量的性能损失。因此，有必要在所考虑的RIS辅助的无线通信系统中考虑过时的CSI。
令
Figure BDA0002866568470000121
表示过时(outdated)CSI和实时(real-time)CSI之间的时延。换句话说，当BS在时隙t接收到VUE发送的导频序列时，它将完成信道估计过程，并开始在时隙/>
Figure BDA0002866568470000122
上进行数据传输过程。因此，过时的信道向量h(t)和实时的信道向量/>
Figure BDA0002866568470000123
之间关系可以表示为：
Figure BDA0002866568470000124
在上式中，
Figure BDA0002866568470000125
是和时延相关的信道估计误差，且有/>
Figure BDA0002866568470000126
即该信道误差服从复高斯分布。同时/>
Figure BDA0002866568470000127
与h(t)和/>
Figure BDA0002866568470000128
独立同分布。。μ是和过时信道增益h(t)对应的自相关函数(也成为过时CSI系数)并且0≤μ≤1，由下式给出：
Figure BDA0002866568470000129
其中，I0(·)是第一类0阶贝塞尔函数，fv是和用户移动速度v、载波频率fc和光速c相关的多普勒扩展，即fv＝vfc/c。需要说明的是μ＝1表示过时CSI效应已经被消除，μ＝0表示无CSI。进一步来讲，
Figure BDA00028665684700001210
是当前时刻的真实信道，/>
Figure BDA00028665684700001211
是当前时刻的信道估计误差，而h(t)是上一时刻的真实信道。因此，由于用户移动性导致的多普勒扩展所带来的信道估计误差由CSI相关系数μ进行联系。
定义
Figure BDA00028665684700001212
是第m个UE的多用户探测向量，并且/>
Figure BDA00028665684700001213
(也是所谓的combining matrix)。第m个UE在BS处恢复出的信号为：
Figure BDA0002866568470000131
其中，sm和Pm分别表示第m个UE发送的信息符号与传输功率。同时
Figure BDA0002866568470000132
定义从第m个UE到基站的级联信道为/>
Figure BDA0002866568470000133
定义/>
Figure BDA0002866568470000134
为包含对角矩阵Θ元素的列向量
在一个实施例中，第m个UE到基站的级联信道和m个UE到基站的直连信道，根据信道估计值和信道误差确定。
当RIS被部署在实际环境中，需要考虑最坏的信道状态信息(CSI)假设，即在AP处获取的CSI并不是理想的，需要考虑由于信道估计所带来的估计误差，然而不同的误差模型又服从不同的分布。由于基站处的主动波束与RIS处的被动波束设计依赖于获取的CSI，因此CSI的误差模型的选取对所考虑系统的实际性能有较大的影响。
在本发明的无线系统中，有两类信道：直接信道(hm,b)和级联信道(hm)。RIS辅助的系统性能在很大程度上受到在BS处获取的CSI的准确的影响，并且在实际系统中，BS和RIS很难获得理想的CSI。通常来讲，有两种类型的CSI错误模型，分别为Bounded CSI ErrorModel(有界误差模型)和Statistical CSI Error Model(统计误差模型)。前者的错误模型表征了自然条件下属于有界区域的信道量化误差，而后者是由于信道估计误差引起的。需要说明的是，在本发明所考虑的场景下，中断约束的Statistical CSI Error Model更贴合用户移动场景下无法获取瞬时CSI的实际情况，采用基于中断约束的统计CSI误差模型的鲁棒资源调度可以更有效地描述估计信道统计信息所带来的误差。相比之下，Bounded CSIError Model更为保守一些。
在所考虑的RIS辅助的无线网络中，所有的信道都是不确定的。对于直连信道可以表示为：
Figure BDA0002866568470000141
其中，
Figure BDA0002866568470000142
是在基站处获知的估计到的直连CSI，Δhm,b是未知的直连信道误差。
对于级联的信道hm可以表示为
Figure BDA0002866568470000143
其中，
Figure BDA0002866568470000144
是在BS处得知的估计到的级联CSI，Δhm是未知的级联信道误差。
对于statistical CSI error model相关的中断约束鲁棒资源调度，其中每个CSIerror向量假设服从CSCG，即
Figure BDA0002866568470000145
Figure BDA0002866568470000146
其中，
Figure BDA0002866568470000147
以及/>
Figure BDA0002866568470000148
为半正定协方差矩阵，上标“c”表示cascaded，上标“d”表示direct。为了后续推导的简便，同时定义/>
Figure BDA0002866568470000149
Figure BDA00028665684700001410
其中
Figure BDA00028665684700001411
以及/>
Figure BDA00028665684700001412
Figure BDA00028665684700001413
其中/>
Figure BDA00028665684700001414
在一个实施例中，所述优化求解，包括将优化问题转换为如下形式进行求解：
以第二优化问题为：
Figure BDA00028665684700001415
以第二约束条件为:
Figure BDA0002866568470000151
Figure BDA0002866568470000152
Figure BDA0002866568470000153
进行优化求解。
由于目标函数是一个带有期望的随机函数，通过性能分析得到的闭式表达式是一个相当复杂的式子，这不利于进行鲁棒资源分配以及主被动波束设计。因此在发明中借助一种低复杂度的随机连续凸逼近的优化方法，主要思想是对于约束随机化的随机优化问题而言，可以在每一次迭代中利用强凹/凸的替代函数来替换原始的随机目标函数以及随机约束，使其能在每一次迭代的过程中变为一个凸规划问题进行求解。同时，由于迭代地最小化了一系列具有强凸/凹性的代理函数序列，因此可以获得更快的收敛速度。接着，将具体展开对问题P1的求解。
首先，定义在第t迭代时随机生成的TH个估计信道样本为：
Figure BDA0002866568470000154
真实信道集合可以定义为：
Figure BDA0002866568470000155
其中，hm(j)和hm,b(j)分别由之前的即CSI error model。为了解决(P1b)中的中断概率约束，将其转换为如下的期望约束形式。借助步长函数u(x)，有：
Figure BDA0002866568470000156
令
Figure BDA0002866568470000157
表示阶跃函数的光滑逼近，光滑参数可用于控制逼近误差。为简便表示，首先定义此问题需要优化的变量集合为/>
Figure BDA0002866568470000161
接着将问题P1的目标函数和约束(P1b)分别表示为：
Figure BDA0002866568470000162
其中：
Figure BDA0002866568470000163
Figure BDA0002866568470000164
接着，基于上述定义，在每t次迭代时，通过获取新的信道样本
Figure BDA0002866568470000165
以及第(t-1)次迭代的结果/>
Figure BDA0002866568470000166
可以通过替代函数来近似非凸的随机函数/>
Figure BDA0002866568470000167
和/>
Figure BDA0002866568470000168
即：
Figure BDA0002866568470000169
其中：
Figure BDA00028665684700001610
Figure BDA00028665684700001611
常数τ0＞0用于保证
Figure BDA00028665684700001612
对所有变量是一个凸函数，且τ1＜0用于保证/>
Figure BDA00028665684700001613
对所有变量是一个凹函数。ρ(t)的选取原则满足下述条件1。对于常数项，有
Figure BDA00028665684700001614
且
Figure BDA00028665684700001615
因此，基于在每次迭代开始随机生成的信道样本/>
Figure BDA00028665684700001616
以及在上一次迭代得到的结果/>
Figure BDA00028665684700001617
可达遍历容量/>
Figure BDA0002866568470000171
尽管不能精确的得到其闭式解，但是可以如式(const)和(grad)中以一种迭代更新的方式来近似目标函数。对于式(*)，会形成如下的问题：
P2：
Figure BDA0002866568470000172
S.T.：
Figure BDA0002866568470000173
(P1c)，(P1d) (P2c)
尽管已经将带有期望的目标函数以及概率约束进行了转化，但是单位模约束(P1c)使得这个问题依旧是一个非凸问题。对于非凸的单位模约束，可以利用SCA技巧，将其在每一次迭代中转化为一个tractable的函数。因此在第t次迭代的任意点
Figure BDA0002866568470000174
处有：
Figure BDA0002866568470000175
因此问题(P2)可以转换为如下的问题(即第二优化问题)：
P3：
Figure BDA0002866568470000176
S.T.：
(P1d)，(P2b) (P3b)
|θn|2≤1 (P3c)
Figure BDA0002866568470000177
此问题是一个凸问题，可以通过CVX进行有效地解决。
在一个实施例中，所述进行优化求解，包括：
按照不同时隙对第二优化问题进行求解，若第二优化问题无法求解，则对如下第三优化问题进行求解：
Figure BDA0002866568470000178
S.T.：
Figure BDA0002866568470000179
Figure BDA00028665684700001710
Figure BDA0002866568470000181
并根据当前时隙的第三优化问题的解，以及上一时隙的第二优化问题的解，确定当前时隙的第二优化问题的解。
当信道条件相当差的时候，问题(P3)不一定总是有可行解。如果问题(P3)不可行，则以下替代问题将作为当前的变量更新进行解决：
P4：
Figure BDA0002866568470000182
S.T.：
Figure BDA0002866568470000183
Figure BDA0002866568470000184
Figure BDA0002866568470000185
若当问题P3不可行时，令
Figure BDA0002866568470000186
表示问题(P4)的解。可以根据如下法则对变量进行更新：
Figure BDA0002866568470000187
Figure BDA00028665684700001814
满足如下条件：/>
Figure BDA0002866568470000188
此外，
Figure BDA0002866568470000189
和/>
Figure BDA00028665684700001810
每一项具体的推导如下：
Figure BDA00028665684700001811
Figure BDA00028665684700001812
为了便于求导，将Rm重新写为
Figure BDA00028665684700001813
其中：
Figure BDA0002866568470000191
Figure BDA0002866568470000192
Figure BDA0002866568470000193
Figure BDA0002866568470000194
Figure BDA0002866568470000195
为表示简便，令
Figure BDA0002866568470000196
因此有
Figure BDA0002866568470000197
对于各项梯度如下：
Figure BDA0002866568470000198
Figure BDA0002866568470000199
/>
Figure BDA00028665684700001910
图3是本发明提供的可重构智能表面辅助的无线通信方法求解示意图，具体可参加图3。
下面对本发明提供的可重构智能表面辅助的无线通信装置进行描述，下文描述的可重构智能表面辅助的无线通信装置与上文描述的可重构智能表面辅助的无线通信方法可相互对应参照。
图4是本发明实施例提供的可重构智能表面辅助的无线通信装置的结构示意图，如图4所示，该可重构智能表面辅助的无线通信装置包括：获取模块401和处理模块402。其中，获取模块401根据UE发射功率、UE到BS的信道增益、UE到可重构智能平面RIS的信道增益以及RIS到BS的信道增益，确定每一UE上行SINR；处理模块402根据UE上行SINR，确定所有UE可达速率，以最大化所有UE可达速率的期望为目标，以每一UE上行SINR小于预设信干噪比的概率，小于最大中断概率为约束条件，确定对应的UE功率分配和RIS反射系数。
本发明实施例提供的装置实施例是为了实现上述各方法实施例的，具体流程和详细内容请参照上述方法实施例，此处不再赘述。
本发明实施例提供的可重构智能表面辅助的无线通信装置，以每一UE上行SINR小于预设信干噪比的概率，小于最大中断概率为约束条件，能够实现所有UE可达速率期望值的最大化，并确定此条件下的UE功率分配和RIS反射系数，实现了智能表面辅助的优化配置。
图5是本发明提供的电子设备的结构示意图，如图5所示，该电子设备可以包括：处理器(processor)501、通信接口(Communications Interface)502、存储器(memory)503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信。处理器501可以调用存储器503中的逻辑指令，以执行可重构智能表面辅助的无线通信方法，该方法包括：根据UE发射功率、UE到BS的信道增益、UE到可重构智能平面RIS的信道增益以及RIS到BS的信道增益，确定每一UE上行SINR；根据UE上行SINR，确定所有UE可达速率，以最大化所有UE可达速率的期望为目标，以每一UE上行SINR小于预设信干噪比的概率，小于最大中断概率为约束条件，确定对应的UE功率分配和RIS反射系数。
此外，上述的存储器503中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的可重构智能表面辅助的无线通信方法，该方法包括：根据UE发射功率、UE到BS的信道增益、UE到可重构智能平面RIS的信道增益以及RIS到BS的信道增益，确定每一UE上行SINR；根据UE上行SINR，确定所有UE可达速率，以最大化所有UE可达速率的期望为目标，以每一UE上行SINR小于预设信干噪比的概率，小于最大中断概率为约束条件，确定对应的UE功率分配和RIS反射系数。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的可重构智能表面辅助的无线通信方法，该方法包括：根据UE发射功率、UE到BS的信道增益、UE到可重构智能平面RIS的信道增益以及RIS到BS的信道增益，确定每一UE上行SINR；根据UE上行SINR，确定所有UE可达速率，以最大化所有UE可达速率的期望为目标，以每一UE上行SINR小于预设信干噪比的概率，小于最大中断概率为约束条件，确定对应的UE功率分配和RIS反射系数。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种可重构智能表面辅助的无线通信方法，其特征在于，包括：
根据UE发射功率、UE到BS的信道增益、UE到可重构智能表面RIS的信道增益以及RIS到BS的信道增益，确定每一UE上行SINR；
根据UE上行SINR，确定所有UE可达速率，以最大化所有UE可达速率的期望为目标，以每一UE上行SINR小于或等于预设信干噪比的概率，小于或等于最大中断概率为约束条件，确定对应的UE功率分配和RIS反射系数；
所述以最大化所有UE可达速率的期望为目标，以每一UE上行SINR小于或等于预设信干噪比的概率，小于或等于最大中断概率为约束条件，确定对应的UE功率分配和RIS反射系数，包括：
以目标为：
Figure QLYQS_1
；
约束条件为：
Figure QLYQS_2
；
Figure QLYQS_3
；
Figure QLYQS_4
；
优化求解，得到对应的UE功率分配和RIS反射系数；
其中，所述根据UE发射功率、UE到BS的信道增益、UE到可重构智能表面RIS的信道增益以及RIS到BS的信道增益，确定每一UE上行SINR，包括：
Figure QLYQS_5
；
其中，P为UE功率分配，
Figure QLYQS_6
是最大中断概率，/>
Figure QLYQS_7
是预设信干噪比；/>
Figure QLYQS_8
为UE最大传输功率，/>
Figure QLYQS_9
为第n个反射元素的反射系数，m表示UE序号，/>
Figure QLYQS_10
表示所有UE序号的集合，M为UE的数量；
其中，
Figure QLYQS_11
表示第m个UE传输功率；/>
Figure QLYQS_13
，K为所述BS上的均匀线性阵列的元素数量；/>
Figure QLYQS_16
为第m个UE到BS的级联信道增益，
Figure QLYQS_17
为RIS反射系数对角矩阵/>
Figure QLYQS_18
元素的列向量，/>
Figure QLYQS_19
表示从第m个UE到BS的信道增益；/>
Figure QLYQS_20
是第m个UE的多用户探测向量；/>
Figure QLYQS_12
是加性高斯白噪声，/>
Figure QLYQS_14
为第m个UE到RIS的信道增益，/>
Figure QLYQS_15
为RIS到BS的信道增益，N为RIS反射元素的数量。
2.根据权利要求1所述的可重构智能表面辅助的无线通信方法，其特征在于，UE到BS的信道增益、UE到RIS的信道增益以及RIS到BS的信道增益，分别确定如下：
Figure QLYQS_21
；
Figure QLYQS_22
；
Figure QLYQS_23
；
其中，
Figure QLYQS_26
、/>
Figure QLYQS_28
是相应链路的路径损耗指数，/>
Figure QLYQS_31
、/>
Figure QLYQS_32
是BS与RIS之间以及第m个UE到RIS的距离，/>
Figure QLYQS_34
和/>
Figure QLYQS_36
是和小尺度衰落有关的莱斯因子；/>
Figure QLYQS_37
与/>
Figure QLYQS_24
是确定性分量，NLoS分量/>
Figure QLYQS_27
与/>
Figure QLYQS_29
中的每个元素均服从/>
Figure QLYQS_30
；/>
Figure QLYQS_33
是参考距离为/>
Figure QLYQS_35
米时的路径损耗，/>
Figure QLYQS_38
是第m个UE和BS之间的距离，/>
Figure QLYQS_39
是路径损耗指数；/>
Figure QLYQS_25
中的每个元素都是独立同分布且均值为0，方差为1的复高斯随机变量。
3.根据权利要求1所述的可重构智能表面辅助的无线通信方法，其特征在于，所述根据UE发射功率、UE到BS的信道增益、UE到可重构智能表面RIS的信道增益以及RIS到BS的信道增益，确定每一UE上行SINR之前，还包括：
对于UE到BS的信道增益、UE到可重构智能表面RIS的信道增益，是根据上一时隙的信道增益和当前时隙的信道增益估计值，确定当前信道增益的。
4.一种基于权利要求1-3任一项方法的可重构智能表面辅助的无线通信装置，其特征在于，包括：
获取模块，用于根据UE发射功率、UE到BS的信道增益、UE到可重构智能表面RIS的信道增益以及RIS到BS的信道增益，确定每一UE上行SINR；
处理模块，用于根据UE上行SINR，确定所有UE可达速率，以最大化所有UE可达速率的期望为目标，以每一UE上行SINR小于或等于预设信干噪比的概率，小于或等于最大中断概率为约束条件，确定对应的UE功率分配和RIS反射系数。
5.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至3任一项所述可重构智能表面辅助的无线通信方法的步骤。
6.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述可重构智能表面辅助的无线通信方法的步骤。
CN202011584901.1A 2020-12-28 2020-12-28 可重构智能表面辅助的无线通信方法及装置 Active CN112804695B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011584901.1A CN112804695B (zh) 2020-12-28 2020-12-28 可重构智能表面辅助的无线通信方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011584901.1A CN112804695B (zh) 2020-12-28 2020-12-28 可重构智能表面辅助的无线通信方法及装置

Publications (2)

Publication Number Publication Date
CN112804695A CN112804695A (zh) 2021-05-14
CN112804695B true CN112804695B (zh) 2023-06-30

Family

ID=75805312

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011584901.1A Active CN112804695B (zh) 2020-12-28 2020-12-28 可重构智能表面辅助的无线通信方法及装置

Country Status (1)

Country Link
CN (1) CN112804695B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112995989B (zh) * 2021-04-30 2021-08-06 电子科技大学 面向5g应用的基于大规模可重构智能表面安全传输方法
CN113286292B (zh) * 2021-05-18 2022-11-22 广东工业大学 可重构智能表面辅助通信的隐蔽速率联合优化方法及系统
CN113644940B (zh) * 2021-07-05 2022-05-06 暨南大学 一种基于统计csi的智能反射面的相移设计方法
WO2023283760A1 (en) * 2021-07-12 2023-01-19 Qualcomm Incorporated Passive communication via multiple reflective surfaces
CN113645171B (zh) * 2021-07-13 2022-08-12 清华大学 可重构智能表面多用户mimo系统调制解调方法及装置
CN113783812B (zh) * 2021-07-20 2023-03-14 北京交通大学 基于同步透射反射智能表面同步信号增强及干扰抑制方法
CN113810087B (zh) * 2021-08-23 2022-10-28 华北电力大学（保定） Mimo-irs通信系统的离散相移量化方法
CN113726392B (zh) * 2021-11-03 2022-02-25 南京中网卫星通信股份有限公司 一种基于毫米波mimo系统上行链路的波束赋形设计方法
WO2023087165A1 (en) * 2021-11-17 2023-05-25 Qualcomm Incorporated Reconfigurable surface controller capability signaling
CN114142898B (zh) * 2021-12-03 2022-09-20 深圳市大数据研究院 智能反射面相移控制方法、装置及存储介质
WO2023102892A1 (en) * 2021-12-10 2023-06-15 Qualcomm Incorporated Inferring coefficients of inactive reconfigurable intelligent surface (ris) elements using mapping functions
CN114726416A (zh) * 2022-03-01 2022-07-08 杭州腓腓科技有限公司 基于可重构全息超表面的功率控制方法及装置
CN115021864B (zh) * 2022-04-29 2024-03-22 北京邮电大学 可重构智能表面信道反馈系统及其电子设备及介质
WO2024011577A1 (en) * 2022-07-15 2024-01-18 Lenovo (Beijing) Limited Power control scheme for active ris based on network requirements and rrc connection states
WO2024026827A1 (en) * 2022-08-05 2024-02-08 Qualcomm Incorporated Interference mitigation in reflective intelligent surface-based communication systems

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111163511A (zh) * 2019-12-20 2020-05-15 北京邮电大学 智能反射表面辅助的毫米波通信中延迟受限的上行功率分配方法
CN111162823A (zh) * 2019-12-25 2020-05-15 浙江工业大学 双向mimo通信系统中预编码矩阵和相移矩阵优化方法
CN111464223A (zh) * 2020-03-30 2020-07-28 电子科技大学 一种主动式智能反射表面辅助通信系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160219578A1 (en) * 2015-01-28 2016-07-28 Electronics And Telecommunications Research Institute Cooperative multi-antenna transmitting and receiving method and apparatus for mobile communication system, and method for configuring cluster for the same

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111163511A (zh) * 2019-12-20 2020-05-15 北京邮电大学 智能反射表面辅助的毫米波通信中延迟受限的上行功率分配方法
CN111162823A (zh) * 2019-12-25 2020-05-15 浙江工业大学 双向mimo通信系统中预编码矩阵和相移矩阵优化方法
CN111464223A (zh) * 2020-03-30 2020-07-28 电子科技大学 一种主动式智能反射表面辅助通信系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
顾洪宇 等.多媒体CDMA蜂窝网络上行顽健功率控制算法.《通信学报》.2009,第30卷(第5期),第114-121,127页. *

Also Published As

Publication number Publication date
CN112804695A (zh) 2021-05-14

Similar Documents

Publication Publication Date Title
CN112804695B (zh) 可重构智能表面辅助的无线通信方法及装置
Chen et al. Robust transmission for reconfigurable intelligent surface aided millimeter wave vehicular communications with statistical CSI
CN113906719A (zh) 使用机器学习网络处理通信信号
JP2012165370A (ja) 無線多入力多出力（ｍｉｍｏ）ネットワークにおいて送信機と受信機との間のチャネルのためのチャネル行列を推定するための方法
Liu et al. Two-timescale hybrid compression and forward for massive MIMO aided C-RAN
KR20120126572A (ko) 다중 사용자 다중 입출력 인지 무선 통신 시스템에서 인지 무선 기지국 및 인지 무선 기지국의 통신 방법 및 장치
WO2022174418A1 (en) Wireless telecommunications network
Najafi et al. C-RAN with hybrid RF/FSO fronthaul links: Joint optimization of fronthaul compression and RF time allocation
CN116508269B (zh) 无线电信网络
Kim et al. Massive data generation for deep learning-aided wireless systems using meta learning and generative adversarial network
Gomes et al. Channel estimation in RIS-assisted MIMO systems operating under imperfections
KR101022120B1 (ko) 빔포밍을 위한 가중치 행렬 결정 방법 및 장치
CN113676234A (zh) 具有长传播延迟的ntn中的增强csi反馈
US10579702B2 (en) Systems and methods for signal processing using coordinate descent techniques for unit modulus least squares (UMLS) and unit-modulus quadratic program (UMQP)
CN115549745B (zh) Ris相移设计方法、装置、计算机设备及存储介质
Stylianopoulos et al. Online RIS configuration learning for arbitrary large numbers of 1-bit phase resolution elements
Tang et al. Learn to beamform in reconfigurable intelligent surface aided MISO communications with channel aging
CN114765785B (zh) 一种基于最大信噪比的多智能反射面选择方法
JP2024512358A (ja) 情報報告方法、装置、第１機器及び第２機器
CN112910524A (zh) 基于概率模型的毫米波波束跟踪方法
US20220231750A1 (en) Link adaptation for spatial multiplexing
Narottama et al. Modular quantum machine learning for channel estimation in STAR-RIS assisted communication systems
Ravindran et al. Direction of arrival and channel estimation using machine learning for multiple input multiple output system
CN116582208B (zh) 一种ris辅助的空间相关去蜂窝大规模mimo系统优化方法
Liu et al. DRL-Based Orchestration of Multi-User MISO Systems with Stacked Intelligent Metasurfaces

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant