CN113068262B - 基于智能反射面辅助上行系统的动态资源分配方法 - Google Patents

基于智能反射面辅助上行系统的动态资源分配方法 Download PDF

Info

Publication number
CN113068262B
CN113068262B CN202110318893.4A CN202110318893A CN113068262B CN 113068262 B CN113068262 B CN 113068262B CN 202110318893 A CN202110318893 A CN 202110318893A CN 113068262 B CN113068262 B CN 113068262B
Authority
CN
China
Prior art keywords
user
base station
intelligent
power
reflecting 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.)
Expired - Fee Related
Application number
CN202110318893.4A
Other languages
English (en)
Other versions
CN113068262A (zh
Inventor
朱俏楠
高玉兰
肖悦
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202110318893.4A priority Critical patent/CN113068262B/zh
Publication of CN113068262A publication Critical patent/CN113068262A/zh
Application granted granted Critical
Publication of CN113068262B publication Critical patent/CN113068262B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明属于通信技术领域，具体来说涉及一种基于智能反射面辅助上行系统的动态资源分配方法。本发明涉及智能反射面辅助通信系统、李雅普诺夫优化理论框架、漂移加惩罚算法等知识。提出了一种动态选择智能反射面的方案，在每一帧的开始时刻，用户可以选择某个IRS来辅助通信或者选择直接与基站进行通信。同时，研究了该动态系统性能的长期稳定性和约束的长期满足性。此外，采用了基于拉格朗日对偶变换的分式规划方法迭代地优化用户的功率分配和智能反射面的相移。总体上，所提方法有很好的收敛性和有效性。与其他选择方案相比，所提的选择方案在能效方面具有明显优势。

Description

基于智能反射面辅助上行系统的动态资源分配方法
技术领域
本发明属于通信技术领域，具体来说涉及一种基于智能反射面辅助上行系统的动态资源分配方法。
背景技术
智能反射面(Intelligent Reflecting Surface，简称IRS)是由大量小的、低成本的、无源的单元组成的平面阵列，每个单元都可以由无线网络运营商通过智能软件控制器直接控制。通过设计每个单元的形状、大小、方向、排布，智能反射面可以相应地在入射电磁波上独立诱导一定的相移来改变其信号响应。实际中，通过使用PIN二极管(Positive-Intrinsic-Negative diodes，简称PIN)、微机电系统开关(Micro-electromechanicalSystems，简称MEMS)等电子元件实现对响应信号的实时调整。因此智能反射面具有复杂度很低的硬件结构，能够大规模的实现。另一方面，与现有的其他技术相比，如放大转发(Amplify and Forward，简称AF)，智能反射面在不使用任何功率放大器的情况下转发入射信号，不会产生额外的功率消耗。此外，智能反射面结构通常是低轮廓、轻重量的，使得它可以很容易地嵌入到传播环境中，例如，建筑物外墙、天花板、笔记本电脑外壳等，甚至可以被集成到人体服装上来适应空间和时间变化的无线环境。
智能反射面辅助通信系统指的是用户终端设备或者基站终端通过智能反射面来中继终端源数据的通信系统。智能反射面部署在现有的通信系统中不需要更改系统的标准和硬件，而只需要对通信协议进行修改即可。通常用于用户与基站之间的直接链路被障碍物严重阻碍或者小区边缘用户收到严重的信道干扰和信道衰减的情况。用户与部署基站通过智能反射面的反射信号绕过障碍物，从而在它们之间创建虚拟视线(Line of Sight，简称LoS)链路。在多个智能反射面辅助的通信系统中，用户可以根据自己的位置、信道条件、传输数据等来决定选择哪一个智能反射面来辅助通信。
发明内容
本发明考虑了多个智能反射面辅助的上行动态通信系统，提出了用户动态选择智能反射面的方案并给出了用于优化动态过程的算法。该算法基于李雅普诺夫优化框架，能够通过联合优化用户的功率分配和智能反射面的相位信息来提高通信系统整体通信性能的同时，使系统的性能趋于稳定。更具体地说，用户在变化的通信环境中移动，如信道状态、用户位置、需要传输数据量等都是时变的，用户可以选择不同的智能反射面来辅助自身通信。借助动态优化算法的惩罚机制，用户的功率和可达速率不仅要满足一定的约束，还要使得系统性能长期保持稳定。
动态优化算法将李雅普诺夫优化框架应用于智能反射面通信系统中，并且引入相关的奖罚机制以维持系统的稳定性。具体地，考虑一个上行的智能反射面辅助通信系统，具有一个带有全向天线的基站(Base Station，简称BS)，K个单天线的用户，N个智能反射面，其中每个智能反射面的单元数量为M。假设整个上行频谱被划分为N+1个相等大小的子频谱，每个智能反射面分配到的带宽为Bn,n∈{1,2,...,N}，基站分配到的带宽为BN+1，且各个带宽之间相互正交。接入同一智能反射面或者基站的用户使用相同的带宽进行通信，因此，用户受到的干扰来自接入同一个智能反射面或者同时接入基站的其他用户的干扰，智能反射面和基站之间相互不存在干扰。
S1、首先制定接入方案，假设一个智能反射面可以同时服务多个用户，而一个用户只能选择一个智能反射面或者基站接入。用户根据当前时刻的位置信息选择接入的智能反射面，具体为：
(1)若用户位于两个智能反射面覆盖的交叠的领域，用户选择最近的智能反射面接入；
(2)若用户位于一个智能反射面覆盖的区域但非交叠区域，用户选择该智能反射面接入；
(3)若用户位于非智能反射面覆盖的区域，用户选择基站直接接入。
S2、制定接入方案后，对问题进行建模。为了研究长期的动态系统，引入帧的概念，定义为单位时间长度。针对(1)(2)中用户选择智能反射面的情况，假设在帧t时，一组用户通过智能反射面n来与基站通信，那么经由反射面n辅助通信的用户k在基站处可达到的速率表示为：
Figure BDA0002992373950000021
其中
Figure BDA0002992373950000022
为基站与智能反射面n在帧t时的信道矢量，
Figure BDA0002992373950000023
为智能反射面n的相移对角矩阵；
Figure BDA0002992373950000024
为用户k与智能反射面n的信道矢量；
Figure BDA0002992373950000025
为用户k发射功率，
Figure BDA0002992373950000031
为用户i发射功率，i≠k；σ2为热噪声功率；
Figure BDA0002992373950000032
为帧t开始时用户k的接入选择指示量，定义如下
Figure BDA0002992373950000033
同理，针对(3)中用户接入基站的情况，假设在帧为t时，一组用户直接接入基站，那么直接与基站通信的用户k在基站处可达到的速率表示为：
Figure BDA0002992373950000034
其中
Figure BDA0002992373950000035
表示用户k与基站在帧t时的直接信道，
Figure BDA0002992373950000036
为帧t开始时用户k是否接入基站的指示量，定义如下：
Figure BDA0002992373950000037
用户k的速率可以表示为：
Figure BDA0002992373950000038
定义系统效用函数为：
Figure BDA0002992373950000039
通常用户对短期性能的瞬时波动不敏感，更关心长期性能的稳定性。因此，假设帧总数为τ，定义长期动态系统效用函数的帧平均期望为：
Figure BDA00029923739500000310
定义用户k功率消耗的帧平均期望为：
Figure BDA00029923739500000311
类似地，定义用户k可达速率的帧平均期望为：
Figure BDA0002992373950000041
在帧t开始时，假设用户k到达的、需要传输的数据量为Ak(t)，其帧平均期望为：
Figure BDA0002992373950000042
定义长期动态优化问题为：
Figure BDA0002992373950000043
其中P＝[p(0),p(1),…,p(τ-1)]表示由功率向量组成的功率分配矩阵，
Figure BDA0002992373950000044
表示所有智能反射面相移矩阵的组合；
Figure BDA0002992373950000045
表示用户k的长期平均功率约束；
Figure BDA0002992373950000046
表示用户k的峰值功率约束。为了保证长期动态系统的无差错传输和稳定性，要求每个用户长期内的帧平均可达速率大于等于其帧平均到达数据速率。考虑到单个帧，由于有限的硬件条件或外部环境规则，每个用户的功率开销受到峰值功率预算的限制；长期来看，通常试图在有限的能量资源下延长系统寿命，因此考虑了帧平均功率约束。
S3、长期帧平均约束使各个帧相互关联，形成一个动态的过程。因此，基于李雅普诺夫优化算法框架的动态优化理论用来解决该动态问题。针对每个用户k定义功率和速率队列分别为：
Figure BDA0002992373950000047
Figure BDA0002992373950000048
当约束不能长期满足时，队列堆积会越来越多，迫使系统对用户进行资源分配时优先满足队列较长的用户。当用户的队列都趋于0时，系统状态趋于稳定。
定义李雅普诺夫函数为
Figure BDA0002992373950000051
李雅普诺夫函数的单帧漂移△L(t)满足
Figure BDA0002992373950000052
△L(t)的期望满足
Figure BDA0002992373950000053
其中
Figure BDA0002992373950000054
U(t)＝{U1(t),U2(t),...,UK(t)}，Z(t)＝{Z1(t),Z2(t),...,ZK(t)}.
基于李雅普诺夫优化框架的漂移加惩罚算法(drift-plus-penalty，简称DPP)设计目的是使受峰值功率约束的单帧漂移界和惩罚项的总和最小。在不等式(14)的两边加上惩罚项-VF(t)，其中V为权衡系数：
Figure BDA0002992373950000055
在给定常数C≥0的情况下，可以找到功率和相移策略的C加性近似。定义
Figure BDA0002992373950000056
则有
Figure BDA0002992373950000057
假设在每一帧上实现C加性近似使(15)最小，可以通过联合设计功率分配和相移来优化下面的问题。
Figure BDA0002992373950000061
S4、利用基于拉格朗日对偶理论的分式规划方法，迭代求(17)的最小值，然后在每次迭代中导出功率和相移的闭式解。去掉无关常数项，(17)中的目标函数可以等价地写成：
Figure BDA0002992373950000062
其中
Figure BDA0002992373950000063
为用户k在帧t时的信干噪比(Signal to Interference plus NoiseRatio，简称SINR)。通过引入辅助变量并进行拉格朗日对偶转换，(18)可以等价地转换为
Figure BDA0002992373950000064
其中
Figure BDA0002992373950000065
为辅助变量集。当Ω(t)固定时，最优
Figure BDA0002992373950000066
可以由f1对
Figure BDA0002992373950000067
求导得到
Figure BDA0002992373950000068
给定γ(t)，优化功率和相移的目标函数转化为
Figure BDA0002992373950000069
其中
Figure BDA00029923739500000610
S5、下面将分别讨论每一个用户k选择BS和IRS时问题的解决方案。具体来说，当用户k与BS直接通信时，只需要优化功耗；否则需要同时优化功耗和相移，利用迭代方法，先固定相移优化功率，再固定功率消耗来优化相移。
S51、若用户k通过IRS辅助通信。首先，固定相移
Figure BDA00029923739500000611
并且定义
Figure BDA00029923739500000612
那么此时用户k的信干噪比表示为：
Figure BDA0002992373950000071
(22)代入(21)，目标函数化为
Figure BDA0002992373950000072
利用二次转换可得
Figure BDA0002992373950000073
其中
Figure BDA0002992373950000074
为辅助变量集。当p(t)固定，最优
Figure BDA0002992373950000075
为
Figure BDA0002992373950000076
固定β(t)，最优
Figure BDA0002992373950000077
为
Figure BDA0002992373950000078
Figure BDA0002992373950000079
由f4分别对
Figure BDA00029923739500000710
和
Figure BDA00029923739500000711
求导得到。
接下来固定功率优化相移。定义
Figure BDA00029923739500000712
那么用户k的信干噪比可以表示为：
Figure BDA00029923739500000713
其中
Figure BDA00029923739500000714
应用二次转化，目标函数转化为
Figure BDA0002992373950000081
其中
Figure BDA0002992373950000082
为辅助变量。固定
Figure BDA0002992373950000083
最优
Figure BDA0002992373950000084
为
Figure BDA0002992373950000085
固定ε(t)，最优
Figure BDA0002992373950000086
为
Figure BDA0002992373950000087
Figure BDA0002992373950000088
和
Figure BDA0002992373950000089
分别由f5对
Figure BDA00029923739500000810
和
Figure BDA00029923739500000811
求导得到。
S52、若用户k与基站直接通信，只需要优化功率。用户k的信干噪比可以表示为
Figure BDA00029923739500000812
(31)代入(21)，并应用二次转化，新的目标函数转化为
Figure BDA00029923739500000813
固定功率，最优
Figure BDA00029923739500000814
为
Figure BDA00029923739500000815
固定β(t)，最优功率为
Figure BDA00029923739500000816
本发明的有益效果为，本发明所提方法有很好的收敛性和有效性，与其他选择方案相比，所提的选择方法在能效方面具有明显优势。
附图说明
图1显示了权衡系数V对系统平均速率性能的影响；
图2比较了在不同权衡系数V下速率约束满足的情况；
图3比较了在不同权衡系数V下功率约束满足的情况；
图4比较了不同接入选择方案下随时间变化的系统目标值；
图5比较了不同接入选择方案下随时间变化的功率消耗；
图6比较了不同接入选择方案下随时间变化的能量效率；
具体实施方式
下面结合附图和实例，详细描述本发明的技术方案：
本例考虑一个半径为400m宏小区，基站为坐标原点。K＝30个用户在距离基站300–400m的环形区域内随机移动。N＝3个IRS均匀放置在距离基站100m处，坐标分别为
Figure BDA0002992373950000091
Figure BDA0002992373950000092
每个IRS覆盖区域的半径为310m，因而存在重叠区域。在不失一般性的前提下，所有用户的到达数据都服从参数为λ＝200kbps的泊松分布，并且所有用户具有相同的峰值功率
Figure BDA0002992373950000093
和平均功率约束
Figure BDA0002992373950000094
用户的移动采用高斯-马尔科夫移动模型(GMMM)，信道具有小尺度衰落加大尺度衰落。若无特别说明，其他参数设置如下：每个IRS元素个数M＝50；帧个数τ＝2000；载波频率fc＝2.3GHz；每个IRS(BS)带宽Bn＝1MHz,n∈{1,2,...,N+1}；噪声功率谱密度σ2＝-90dBm/Hz；用户-基站：路径衰落指数为2.8，信道增益为-50dB，瑞利衰落标准差10dB；用户-IRS-基站：路径衰落指数2，信道增益为-30dB,瑞利衰落标准差6dB。
图1说明了参数V对优化问题中用户帧平均速率的影响。观察到，系统的平均速率首先随着权衡参数V的增加而增加，然后在小范围内轻微波动，这是由所提出的交替优化功率和相移的迭代算法引起的。迭代算法可能会得到近似解而不是最优解，因此收敛趋势不是理想的，而是在收敛值周围浮动。
图2说明了编号为k＝28的用户帧平均速率逐渐收敛到约束0.2Mbps,并且V越大，收敛速度越快。目标函数中的权衡参数V在系统目标满足与约束满足之间起着平衡作用。当V较小时，系统目标的影响减弱，约束满足的重要性增加。
图3说明了编号为k＝28的用户功率约束满足情况。观察到，随着时间的推移，平均功率收敛到其约束0.002W,V值越小收敛速度越快。与图2的分析过程相似，V越小，表示越满足平均功率约束。
图4-6分别比较了不同接入选择方案下系统目标值、功率消耗、能量效率随时间变化的关系。对于所有的方案，系统的目标值总是可以在时间推移中很快达到一个稳定状态。本发明所提出的接入选择方案的系统目标值高于Baseline1和Baseline3，低于Baseline2。在Baseline2中，由于用户被平均分配给所有IRS和BS，即每个用户受到相同数量用户的干扰，实现了用户间干扰均衡，这是一种比较理想的情况。然而在实际情况中，用户可能会因为从众、活动或其他因素聚集在一起。因此，本发明所提的接入方案将在功率分配上进行权衡，以尽可能平衡用户间干扰。然而本发明所提方案比Baseline2节省能量。此外本发明所提的方案在系统目标值、能源效率方面优于Baseline1。这在本质上归因于由所提方案和Baseline1引起的信道差异，为了补偿信道对性能的影响，Baseline1将消耗更多的能量。Baseline3关于系统目标值和能量效率表现出了最差的性能。这是由于用户的聚类特性以及缺少直接接入基站链路导致IRS负载增加造成的，具体地说，接入IRS用户的数量导致了用户间干扰的增加，性能较差。

Claims (1)

1.基于智能反射面辅助上行系统的动态资源分配方法，在智能反射面辅助上行系统中，包括一个带有全向天线的基站，K个单天线的用户，N个智能反射面，其中每个智能反射面的单元数量为M；假设整个上行频谱被划分为N+1个相等大小的子频谱，每个智能反射面分配到的带宽为Bn,n∈{1,2,...,N}，基站分配到的带宽为BN+1，且各个带宽之间相互正交；假设接入同一智能反射面或者基站的用户使用相同的带宽进行通信，因此，用户受到的干扰来自接入同一个智能反射面或者同时接入基站的其他用户的干扰，智能反射面和基站之间相互不存在干扰；其特征在于，所述动态资源分配方法包括：
S1、定义接入方案，假设一个智能反射面可以同时服务多个用户，而一个用户只能选择一个智能反射面或者基站接入，用户根据当前时刻的位置信息选择接入的智能反射面，具体为：
(1)若用户位于两个智能反射面覆盖的交叠的领域，用户选择最近的智能反射面接入；
(2)若用户位于一个智能反射面覆盖的区域，用户选择该智能反射面接入；
(3)若用户位于非智能反射面覆盖的区域，用户选择基站直接接入；
S2、根据步骤S1定义的接入方案，对问题进行建模，引入帧的概念，定义为单位时间长度，针对用户选择智能反射面接入的情况，假设在帧t时，一组用户通过智能反射面n来与基站通信，经由反射面n辅助通信的用户k在基站处可达到的速率表示为：
Figure FDA0002992373940000011
其中
Figure FDA0002992373940000012
为基站与智能反射面n在帧t时的信道矢量；
Figure FDA0002992373940000013
为智能反射面n的相移对角矩阵；
Figure FDA0002992373940000014
为用户k与智能反射面n的信道矢量；
Figure FDA0002992373940000015
为用户k发射功率，
Figure FDA0002992373940000016
为用户i发射功率，i≠k；σ2为热噪声功率；
Figure FDA0002992373940000017
为帧t开始时用户k的接入选择指示量，定义如下
Figure FDA0002992373940000018
同理，针对用户接入基站的情况，假设在帧t时，一组用户直接接入基站，直接与基站通信的用户k在基站处可达到的速率表示为：
Figure FDA0002992373940000021
其中
Figure FDA0002992373940000022
表示用户k与基站在帧t时的直接信道，
Figure FDA0002992373940000023
为帧t开始时用户k是否接入基站的指示量，定义如下：
Figure FDA0002992373940000024
任一用户k的速率表示为：
Figure FDA0002992373940000025
定义系统效用函数为：
Figure FDA0002992373940000026
假设帧总数为τ，则长期动态优化问题为：
Figure FDA0002992373940000027
Figure FDA0002992373940000028
Figure FDA0002992373940000029
Figure FDA00029923739400000210
其中，
Figure FDA00029923739400000211
为长期动态系统效用函数的帧平均期望：
Figure FDA00029923739400000212
Figure FDA00029923739400000213
为户k功率消耗的帧平均期望：
Figure FDA00029923739400000214
Figure FDA0002992373940000031
为用户k可达速率的帧平均期望：
Figure FDA0002992373940000032
Figure FDA0002992373940000033
为在帧t开始时，假设用户k到达的、需要传输的数据量为Ak(t)的帧平均期望：
Figure FDA0002992373940000034
P＝[p(0),p(1),…,p(τ-1)]表示由功率向量组成的功率分配矩阵，
Figure FDA0002992373940000035
Figure FDA0002992373940000036
表示所有智能反射面相移矩阵的组合；
Figure FDA0002992373940000037
表示用户k长期平均功率约束，
Figure FDA0002992373940000038
表示用户k的峰值功率约束；
S3、基于李雅普诺夫优化框架的漂移加惩罚算法对步骤S2建立的长期动态优化问题进行处理，得到目标函数：
Figure FDA0002992373940000039
Figure FDA00029923739400000310
其中
Figure FDA00029923739400000311
-VF(t)为惩罚项；V为权衡系数，用来权衡目标值和约束满足之间的关系；Uk(t)为用户k的速率约束队列，定义为
Uk(t+1)＝max{Uk(t)+Ak(t)-Rk(t),0}
Zk(t)为用户k的功率约束队列，定义为
Figure FDA00029923739400000312
当约束不能长期满足时，对列堆积越来越多，Uk(t)，Zk(t)数值越来越大，迫使系统对用户进行资源分配时优先满足队列较长的用户；当用户的队列都趋于0时，系统状态趋于稳定；
S4、利用基于拉格朗日对偶理论的分式规划方法，迭代求步骤S3中目标函数的最小值，然后在每次迭代中导出功率和相移的闭式解，去掉无关常数项，目标函数等价为：
Figure FDA0002992373940000041
其中
Figure FDA0002992373940000042
为用户k在帧t时的信干噪比，通过引入辅助变量并进行拉格朗日对偶转换，转换为：
Figure FDA0002992373940000043
其中
Figure FDA0002992373940000044
Figure FDA0002992373940000045
为辅助变量集，当Ω(t)固定时，最优
Figure FDA0002992373940000046
由f1对
Figure FDA0002992373940000047
求导得到
Figure FDA0002992373940000048
给定γ(t)，得到优化功率和相移的目标函数：
Figure FDA0002992373940000049
其中
Figure FDA00029923739400000410
S5、基于步骤S4得到的优化功率和相移的目标函数进行动态资源分配，判断用户k是否通过IRS辅助通信，若是，则进入步骤S51，否则进入步骤S52：
S51、用户k通过IRSn辅助通信，需联合优化相移和功率分配； 固定相移
Figure FDA00029923739400000411
并且定义
Figure FDA00029923739400000412
此时用户k的信干噪比表示为：
Figure FDA00029923739400000413
将用户k的信干噪比代入优化功率和相移的目标函数：
Figure FDA00029923739400000414
利用二次转换得：
Figure FDA0002992373940000051
其中
Figure FDA0002992373940000052
为辅助变量集，当p(t)固定，最优
Figure FDA0002992373940000053
为
Figure FDA0002992373940000054
固定β(t)，最优功率
Figure FDA0002992373940000055
为
Figure FDA0002992373940000056
Figure FDA0002992373940000057
由f4分别对
Figure FDA0002992373940000058
和
Figure FDA0002992373940000059
求导得到；
定义
Figure FDA00029923739400000510
用户k的信干噪比可以表示为：
Figure FDA00029923739400000511
其中
Figure FDA00029923739400000512
应用二次转化，优化功率和相移的目标函数转化为：
Figure FDA00029923739400000513
其中
Figure FDA00029923739400000514
为辅助变量，固定
Figure FDA00029923739400000515
最优
Figure FDA00029923739400000516
为
Figure FDA00029923739400000517
固定ε(t)，最优
Figure FDA00029923739400000518
为
Figure FDA00029923739400000519
Figure FDA0002992373940000061
和
Figure FDA0002992373940000062
分别由f5对
Figure FDA0002992373940000063
和
Figure FDA0002992373940000064
求导得到；
S52、用户k与基站直接通信，只需要优化功率，用户k的信干噪比可以表示为
Figure FDA0002992373940000065
将用户k的信干噪比代入优化功率和相移的目标函数，并应用二次转化：
Figure FDA0002992373940000066
固定功率，最优
Figure FDA0002992373940000067
为
Figure FDA0002992373940000068
固定β(t)，最优功率
Figure FDA0002992373940000069
为
Figure FDA00029923739400000610
CN202110318893.4A 2021-03-25 2021-03-25 基于智能反射面辅助上行系统的动态资源分配方法 Expired - Fee Related CN113068262B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110318893.4A CN113068262B (zh) 2021-03-25 2021-03-25 基于智能反射面辅助上行系统的动态资源分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110318893.4A CN113068262B (zh) 2021-03-25 2021-03-25 基于智能反射面辅助上行系统的动态资源分配方法

Publications (2)

Publication Number Publication Date
CN113068262A CN113068262A (zh) 2021-07-02
CN113068262B true CN113068262B (zh) 2022-03-29

Family

ID=76561852

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110318893.4A Expired - Fee Related CN113068262B (zh) 2021-03-25 2021-03-25 基于智能反射面辅助上行系统的动态资源分配方法

Country Status (1)

Country Link
CN (1) CN113068262B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023283759A1 (en) * 2021-07-12 2023-01-19 Qualcomm Incorporated Passive communication via multiple reflective surfaces
CN113613273B (zh) * 2021-08-09 2023-12-26 浙江中蓝创新科技股份有限公司 一种智能超表面辅助无线供电网络的稳健能效优化方法
CN113993180B (zh) * 2021-09-15 2023-12-05 北京邮电大学 一种基于最小化乘性路损的基站及智能反射面选择方法
CN114726418B (zh) * 2022-03-09 2023-06-13 广东工业大学 基于irs辅助af中继的无线通信方法、装置及设备
CN114629535A (zh) * 2022-03-14 2022-06-14 天津大学 智能反射面无蜂窝大规模mimo网络容量优化方法
CN114785387B (zh) * 2022-04-21 2023-08-18 北京邮电大学 智能全向面辅助的多用户miso下行加权和速率优化方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110621031A (zh) * 2019-07-31 2019-12-27 中南大学 一种基于异构能量获取的多用户多任务移动边缘计算节能方法
CN111447618A (zh) * 2020-03-13 2020-07-24 重庆邮电大学 一种基于安全通信的智能反射面能效最大资源分配方法
CN111698010A (zh) * 2020-06-11 2020-09-22 电子科技大学 一种基于智能反射曲面辅助通信的资源分配方法
CN111698046A (zh) * 2020-06-11 2020-09-22 电子科技大学 基于可重构智能反射面的绿色通信方法
CN111954236A (zh) * 2020-07-27 2020-11-17 河海大学 一种基于优先级的分层边缘计算卸载方法
CN112073102A (zh) * 2020-09-08 2020-12-11 郑州大学 一种基于irs的安全波束成形方法与装置
CN112153653A (zh) * 2020-09-23 2020-12-29 南京邮电大学 可重构智能表面辅助的noma下行低功耗传输方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102656612B1 (ko) * 2019-08-16 2024-04-12 삼성전자주식회사 무선 통신 시스템에서 이동 통신 사업자 간 주파수 자원을 공유하여 단말과 통신하는 방법 및 장치
KR20210026866A (ko) * 2019-09-02 2021-03-10 삼성전자주식회사 무선 통신 시스템에서 비동기적 신호를 송신 및 수신하기 위한 장치 및 방법

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110621031A (zh) * 2019-07-31 2019-12-27 中南大学 一种基于异构能量获取的多用户多任务移动边缘计算节能方法
CN111447618A (zh) * 2020-03-13 2020-07-24 重庆邮电大学 一种基于安全通信的智能反射面能效最大资源分配方法
CN111698010A (zh) * 2020-06-11 2020-09-22 电子科技大学 一种基于智能反射曲面辅助通信的资源分配方法
CN111698046A (zh) * 2020-06-11 2020-09-22 电子科技大学 基于可重构智能反射面的绿色通信方法
CN111954236A (zh) * 2020-07-27 2020-11-17 河海大学 一种基于优先级的分层边缘计算卸载方法
CN112073102A (zh) * 2020-09-08 2020-12-11 郑州大学 一种基于irs的安全波束成形方法与装置
CN112153653A (zh) * 2020-09-23 2020-12-29 南京邮电大学 可重构智能表面辅助的noma下行低功耗传输方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
Intelligent Reflecting Surface Enhanced Wireless Network via Joint Active and Passive Beamforming;Qingqing Wu;《IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS》;20191130;全文 *
Reconfigurable Intelligent Surface Assisted Device-to-Device Communications;Yali Chen;《IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS》;20201221;全文 *
Resource Allocation for Intelligent Reflecting Surface Aided Vehicular Communications;Yuanbin Chen;《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》;20201031;全文 *
Resource Allocation for IntSurface Aided Cooperative Communicationselligent Reflecting;Yulan Gao;《Cornell University》;20201218;全文 *
Resource Allocation in Intelligent Reflecting Surface Assisted NOMA Systems;Jiakuo Zuo;《IEEE TRANSACTIONS ON COMMUNICATIONS》;20201130;全文 *
Weighted Sum Power Maximization for Intelligent Reflecting Surface Aided SWIPT;Qingqing Wu;《IEEE WIRELESS COMMUNICATIONS LETTERS》;20200531;全文 *
可重构智能表面辅助的四元数调制无线通信系统;钱良鑫;《无线电通信技术》;20210225;全文 *

Also Published As

Publication number Publication date
CN113068262A (zh) 2021-07-02

Similar Documents

Publication Publication Date Title
CN113068262B (zh) 基于智能反射面辅助上行系统的动态资源分配方法
KR102235763B1 (ko) 멀티 액세스 엣지 컴퓨팅 기반의 이기종 네트워크 시스템
Sharma et al. Resource allocation trends for ultra dense networks in 5G and beyond networks: A classification and comprehensive survey
CN107682935B (zh) 一种基于系统稳定性的无线自回传资源调度方法
CN113839704B (zh) 一种密集低轨卫星与陆地融合的移动边缘计算方法
Zhai et al. Energy-efficient UAV-mounted RIS assisted mobile edge computing
US11240752B2 (en) Adaptive energy efficient cellular network
Liu et al. Joint radio and computation resource management for low latency mobile edge computing
CN115278707A (zh) 基于智能反射面辅助的noma太赫兹网络能效优化方法
Yu et al. Power allocation for energy efficient optimization of distributed MIMO system with beamforming
Zhao et al. MADRL-based 3D deployment and user association of cooperative mmWave aerial base stations for capacity enhancement
Niu et al. Joint 3D beamforming and resource allocation for small cell wireless backhaul in HetNets
KR102072285B1 (ko) 대역 내 무선 백홀을 이용한 다계층 이종망의 상하향 링크 간섭제어 방법 및 장치
Ha et al. An advanced mobility-aware algorithm for joint beamforming and clustering in heterogeneous cloud radio access network
Ge et al. Reconfigurable wireless relaying with Multi-UAV-carried intelligent reflecting surfaces
JP6568964B2 (ja) 移動通信システム、基地局及び基地局間制御装置
Cho et al. IRS-aided energy efficient UAV communication
Mukherjee et al. Offloading in edge computing-enabled cell-free massive MIMO systems
CN113595599B (zh) 面向5g的群簇协作通信异构系统和干扰抑制的方法
Chen et al. Reconfigurable intelligent surface assisted D2D networks: Power and discrete phase shift design
CN115767703A (zh) 面向swipt辅助去蜂窝大规模mimo网络的长期功率控制方法
Douik et al. Joint scheduling and beamforming via cloud-radio access networks coordination
KR101275488B1 (ko) 무선 통신 기지국의 신호 처리 방법 및 장치
Alsharoa et al. Energy Efficient 5G Networks Using Joint Energy Harvesting and Scheduling
CN107484176B (zh) 一种异构网络中联合3d波束赋形和无线回程资源分配方法

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220329