CN113490223B - 一种基于irs的无线供能反向散射通信方法及系统 - Google Patents

一种基于irs的无线供能反向散射通信方法及系统 Download PDF

Info

Publication number
CN113490223B
CN113490223B CN202110932801.1A CN202110932801A CN113490223B CN 113490223 B CN113490223 B CN 113490223B CN 202110932801 A CN202110932801 A CN 202110932801A CN 113490223 B CN113490223 B CN 113490223B
Authority
CN
China
Prior art keywords
irs
optimization
backscatter
energy
backscatter communication
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
CN202110932801.1A
Other languages
English (en)
Other versions
CN113490223A (zh
Inventor
徐赛
肖素杰
刘家佳
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.)
Northwestern Polytechnical University
Taicang Yangtze River Delta Research Institute of Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical University
Taicang Yangtze River Delta Research Institute of Northwestern Polytechnical University
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 Northwestern Polytechnical University, Taicang Yangtze River Delta Research Institute of Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN202110932801.1A priority Critical patent/CN113490223B/zh
Publication of CN113490223A publication Critical patent/CN113490223A/zh
Application granted granted Critical
Publication of CN113490223B publication Critical patent/CN113490223B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/22—Traffic simulation tools or models
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
    • 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

Abstract

一种基于IRS的无线供能反向散射通信方法及系统，包括以下步骤：1)构建基于IRS的无线供能反向散射通信网络模型；2)表述反向散射通信吞吐量优化问题；3)求解反向散射通信吞吐量优化问题和算法复杂性分析：通过将优化问题分解成两个易于解决的优化问题，进而问题通过调用SDR、AO和高斯随机方法完成求解，对求解方案进行了复杂度分析；4)仿真验证。

Description

一种基于IRS的无线供能反向散射通信方法及系统
技术领域
本发明属于无线供能反向散射通信技术领域，特别涉及一种基于IRS的无线供能反向散射通信方法及系统。
背景技术
低功耗无线网络通信技术中的重要问题之一是能量限制与吞吐量最大化之间的关系。
无线能量收集技术能够使无线系统收集并存储无线环境中的信号能量，实现无源无线通信。另一方面，反向散射通信可以通过调制环境中的无线信号来发送自身的数据。最近，新兴的IRS技术为上述两种低功耗通信技术注入了新的活力。IRS是一种二维超表面，能够通过其反射单元来实时动态控制入射的电磁波特性，包括反射、传播/折射、聚焦/波束成形、极化、准直、分离和模拟处理等。IRS并没有配备有源射频链，通过被动运行，能够实现增强目的信号和抑制干扰的目标。目前，不少研究已经将IRS用于无线能量收集技术或反向散射通信当中。然而，这三种技术的有机结合尚无相关研究。此外，因IRS具有空间调制能力还被用来将反向散射通信与IRS相结合。
发明内容
本发明的目的在于提供一种基于IRS的无线供能反向散射通信方法及系统，以解决上述问题。
为实现上述目的，本发明采用以下技术方案：
一种基于IRS的无线供能反向散射通信方法，包括以下步骤：
1)构建基于IRS的无线供能反向散射通信网络模型：当天线AP发送承载信息的信号给单天线主用户PU时，一部分无线信号能量被反射单元IRS接收到，该能量能够保存到能量存储器或用于反向散射通信，将IRS在一个时间块的运行，建模为一个简单的两阶段过程；
2)表述反向散射通信吞吐量优化问题：以单位带宽的反向散射通信吞吐量最大化为目标，以AP和IRS处的波束成形以及两阶段过程的时间分配为优化变量，对优化问题进行表述；
3)求解反向散射通信吞吐量优化问题和算法复杂性分析：通过将优化问题分解成两个易于解决的优化问题，进而问题通过调用SDR、AO和高斯随机方法完成求解，随后，对求解方案进行了复杂度分析；
4)仿真验证：使用数值仿真对提出的仿真进行验证，通过对比最大比传输、随机相位、随机时间和有源天线方案，证实提出方案的可行性和通信性能增益。
进一步的，无线供能反向散射通信网络模型包括一个N根天线的AP、一个单天线主用户PU、一个单天线次级用户SU和一个具有L个反射单元的IRS。
进一步的，IRS在该时间块的运行可以建模为一个简单的两阶段过程，将该时间块分成前后两个时间段1-t和t；在第一时间段1-t内，IRS切换为能量收集模式，其接收的无线信号能量被收集并存储在其连接的能量存储器中；在第二时间段t内，先前存储的能量被用于维持IRS的反射元素运行。
进一步的，在第一阶段，PU处和SU处的信干噪比SINR由下式表示
Figure BDA0003211728170000021
Figure BDA0003211728170000022
其中P是AP的发射功率，
Figure BDA0003211728170000023
是AP到PU的信道增益，/>
Figure BDA0003211728170000024
是AP到SU的信道增益，w1是第一阶段用于的信号/>
Figure BDA0003211728170000025
的波束成形，/>
Figure BDA0003211728170000026
和/>
Figure BDA0003211728170000027
分别是PU处和SU处的高斯白噪声的方差；假定IRS处所收集的能量总和正比于接收信号的功率，即如下列关系式所示
E＝η(1-t)P||Hw1||2，
其中
Figure BDA0003211728170000028
是AP到IRS的信道增益，η是IRS的能量收集效率；
在第二阶段，环境无线信号s到达IRS时被调制成新的信号
Figure BDA0003211728170000029
并被反向散射，本阶段PU处和SU处接收的信号s的表达式由下式表示
Figure BDA00032117281700000210
Figure BDA0003211728170000031
其中w2是第二阶段AP的波束成形，
Figure BDA0003211728170000032
和/>
Figure BDA0003211728170000033
分别是PU和SU处的高斯白噪声，/>
Figure BDA0003211728170000034
和/>
Figure BDA0003211728170000035
分别是从AP到PU的和从AP到SU的信道增益，Ψ＝ΘΞ由反射系数矩阵Θ与调制矩阵Ξ决定；令/>
Figure BDA0003211728170000036
其中/>
Figure BDA0003211728170000037
l∈L＝{1,2,...,L}且αl＝[0,2π]分别指IRS第l个反射单元的振幅和相位；推导出以下表达式
Figure BDA0003211728170000038
Figure BDA0003211728170000039
本阶段PU处和SU处的SINR由下式表示
Figure BDA00032117281700000310
Figure BDA00032117281700000311
第二阶段和第一阶段所收集能量，满足能量约束η(1-t)P||Hw1||2≥tLμ，其中μ指反射元素单元的功耗；
联合优化AP和IRS处的波束成形以及两阶段过程的时间分配；该优化问题可表示为
Figure BDA00032117281700000312
s.t.η(1-t)P||Hw1||2≥tLμ， (1)
Figure BDA00032117281700000313
Figure BDA00032117281700000314
Figure BDA00032117281700000315
其中Γp指PU处要求的SINR最小值，Θl,l指Θ的第l个对角元素；假定AP和IRS之间的信息交换足够顺畅，联合优化参数w1、w2、Θ和t使单位带宽的反向散射通信吞吐量最大化。
进一步的，将问题P1分解为两个更便于解决的优化问题，即反向散射通信速率最大化和参数t和w1的最优解。
进一步的，反向散射通信速率最大化：
在解答问题(P1)之前先考察如下不含w1和t的问题
Figure BDA0003211728170000041
s.t. (3)(4).
定义
Figure BDA0003211728170000042
那么Θ＝diag{θH}；然后得到/>
Figure BDA0003211728170000043
和/>
Figure BDA0003211728170000044
其中/>
Figure BDA0003211728170000045
和/>
Figure BDA0003211728170000046
于是，问题(P2)表示为
Figure BDA0003211728170000047
Figure BDA0003211728170000048
Figure BDA0003211728170000049
问题(P3)通过调用半正定松弛SDR、交替优化AO和高斯随机方法来解决；首先将该问题分解成以下两个子问题来解决；定义
Figure BDA00032117281700000410
当θ为定值时，问题(P3)被简化为
Figure BDA00032117281700000411
Figure BDA00032117281700000412
W2≥0，Tr(W2)≤1，rank(W2)＝1.
由矩阵论得到
Figure BDA00032117281700000413
Figure BDA00032117281700000414
令Q＝W2/ξ(ξ＞0)，那么子问题(P3.1)等价于
Figure BDA00032117281700000415
Figure BDA00032117281700000416
Figure BDA00032117281700000417
Figure BDA00032117281700000418
Q≥0，Tr(Q)≤ξ，rank(Q)＝1，
其中
Figure BDA00032117281700000419
Figure BDA00032117281700000420
去掉约束条件rank(W)＝1，子问题(P3.2)是一个易于解答的凸问题；当w2为定值时，问题(P3)被简化为
Figure BDA0003211728170000051
Figure BDA0003211728170000052
Figure BDA0003211728170000053
子问题(P3.3)等价于
Figure BDA0003211728170000054
Figure BDA0003211728170000055
Figure BDA0003211728170000056
Figure BDA0003211728170000057
去掉约束条件
Figure BDA0003211728170000058
子问题(P3.4)是一个易于解答的凸问题；只要子问题(P3.2)和(P3.4)用半正定规划依次优化后，问题(P3)的解就能够用高斯随机方法恢复。
进一步的，参数t和w1的优化
问题(P1)中t的增大引起(P1)中对应的
Figure BDA00032117281700000515
的增大，在约束条件(1)下推导出最优t*的解析式
Figure BDA0003211728170000059
结合从问题(P2)中得到的w2和Θ，问题(P1)简化为
Figure BDA00032117281700000510
Figure BDA00032117281700000511
依SDR理论和函数t*(w1)的单调性，问题(P5)被表示为
Figure BDA00032117281700000512
Figure BDA00032117281700000513
W1≥0，Tr(W1)≤1，rank(W1)＝1.
去掉约束条件rank(W1)＝1，子问题(P4)是一个易于解决的凸问题；然后可以用高斯随机方法恢复秩-1解
Figure BDA00032117281700000514
和t*，问题(P1)得以求解。
进一步的，计算复杂性分析
在交替优化(P3)的两个子问题(P3.2)和(P3.4)后可获得问题(P3)的一组解，再通过(P3)(P5)得到问题(P1)的解；由内点法IPM得到子问题(P3.2)的复杂性为
Figure BDA0003211728170000061
以及子问题(P3.4)的复杂性为
Figure BDA0003211728170000062
其中n1＝Ο{4N2}、n2＝Ο{4L2}和ε指优化精度；于是，问题(P3)的复杂性为C3＝K(C1+C2)，
K表示迭代次数；问题(P5)的复杂性表示为
Figure BDA0003211728170000063
综上，整个求解过程的复杂度可表示为Ctotal＝C3+C4；当得到矩阵解时，初始问题(P1)用高斯随机方法恢复它的一组安全近似向量解。
进一步的，一种基于IRS的无线供能反向散射通信系统，包括：
网络模型构建模块，用于构建基于IRS的无线供能反向散射通信网络模型：当天线AP发送承载信息的信号给单天线主用户PU时，一部分无线信号能量被反射单元IRS接收到，该能量能够保存到能量存储器或用于反向散射通信，将IRS在一个时间块的运行，建模为一个简单的两阶段过程；
反向散射通信吞吐量优化模块，用于表述反向散射通信吞吐量优化问题：以单位带宽的反向散射通信吞吐量最大化为目标，以AP和IRS处的波束成形以及两阶段过程的时间分配为优化变量，对优化问题进行表述；
求解分析模块，用于求解反向散射通信吞吐量优化问题和算法复杂性分析：通过将优化问题分解成两个易于解决的优化问题，进而问题通过调用SDR、AO和高斯随机方法完成求解，随后，对求解方案进行了复杂度分析；
仿真验证模块，用于仿真验证：使用数值仿真对提出的仿真进行验证，通过对比最大比传输、随机相位、随机时间和有源天线方案，证实提出方案的可行性和通信性能增益。
与现有技术相比，本发明有以下技术效果：
本发明将无线能量收集技术和基于IRS的反向散射通信技术有机结合。相比于有源中继通信系统对于外界供能的稳定性和安全性要求，本系统中IRS收集环境内的能量而不使用任何有源发射模块，即不依赖外界供能，降低了系统能耗；对于无线携能传输中的反向散射吞吐量最大化问题，本系统对AP和IRS处的波束成形以及两阶段过程的时间分配进行优化，取得了令人满意的通信性能。
附图说明
图1.一种基于IRS的无线供能反向散射通信系统模型；
图2.SU处单位带宽吞吐量与AP处发射功率；
图3.SU处单位带宽吞吐量与IRS反射单元的关系；
图4.SU处单位带宽吞吐量与IRS到SU的距离的关系；
图5.方案实施流程。
具体实施方式
以下结合附图对本发明进一步说明：
请参阅图1至图5，
图1给出了一种基于IRS的无线供能反向散射通信系统模型，包括一个N根天线的AP、一个单天线主用户(PU)，一个单天线次级用户(SU)和一个具有L个反射单元的IRS。当AP发送承载信息的信号给PU时，一部分无线信号能量可以被IRS接收到，该能量能够保存到能量存储器或用于反向散射通信。考虑一个慢衰落时间块(假定为单位时长)，在此过程中所有信道保持不变。IRS在该时间块的运行可以建模为一个简单的两阶段过程，即将该时间块分成前后两个时间段1-t和t。在第一时间段1-t内，IRS切换为能量收集模式，其接收的无线信号能量被收集并存储在其连接的能量存储器中。在第二时间段t内，先前存储的能量被用于维持IRS的反射元素运行。
具体来说，在第一阶段，PU处和SU处的信干噪比(Signal-to-Interference-plus-Noise-Ratio，SINR)由下式表示
Figure BDA0003211728170000081
Figure BDA0003211728170000082
其中P是AP的发射功率，
Figure BDA0003211728170000083
是AP到PU的信道增益，/>
Figure BDA0003211728170000084
是AP到SU的信道增益，w1是第一阶段用于的信号/>
Figure BDA0003211728170000085
的波束成形，/>
Figure BDA0003211728170000086
和/>
Figure BDA0003211728170000087
分别是PU处和SU处的高斯白噪声的方差。另一方面，假定IRS处所收集的能量总和正比于接收信号的功率，即如下列关系式所示
E＝η(1-t)P||Hw1||2，
其中
Figure BDA0003211728170000088
是AP到IRS的信道增益，η是IRS的能量收集效率。
在第二阶段，环境无线信号s到达IRS时被调制成新的信号
Figure BDA0003211728170000089
并被反向散射，本阶段PU处和SU处接收的信号s的表达式由下式表示
Figure BDA00032117281700000810
Figure BDA00032117281700000811
其中w2是第二阶段AP的波束成形，
Figure BDA00032117281700000812
和/>
Figure BDA00032117281700000813
分别是PU和SU处的高斯白噪声，/>
Figure BDA00032117281700000814
和/>
Figure BDA00032117281700000815
分别是从AP到PU的和从AP到SU的信道增益，Ψ＝ΘΞ由反射系数矩阵Θ与调制矩阵Ξ决定。令/>
Figure BDA00032117281700000816
Figure BDA00032117281700000817
其中/>
Figure BDA00032117281700000818
l∈L＝{1,2,...,L}且αl＝[0,2π]分别指IRS第l个反射单元的振幅和相位。因此，可以推导出以下表达式
Figure BDA00032117281700000819
Figure BDA00032117281700000820
本阶段PU处和SU处的SINR由下式表示
Figure BDA00032117281700000821
Figure BDA00032117281700000822
一般而言，IRS的电耗量与它的反射元素数量和相位分辨率有关，IRS的尺寸和相位分辨率越大那么电耗越高。由于IRS的运行由环境无线能供能，因此第二阶段的功耗必须小于第一阶段所收集能量，具体来说是必须满足能量约束η(1-t)P||Hw1||2≥tLμ，其中μ指反射元素单元的功耗。
为了最大化单位带宽反向散射通信的吞吐量，需要联合优化AP和IRS处的波束成形以及两阶段过程的时间分配。该优化问题可表示为
Figure BDA0003211728170000091
s.t.η(1-t)P||Hw1||2≥tLμ， (1)
Figure BDA0003211728170000092
Figure BDA0003211728170000093
Figure BDA0003211728170000094
其中Γp指PU处要求的SINR最小值，Θl,l指Θ的第l个对角元素。假定AP和IRS之间的信息交换足够顺畅，所以可以联合优化参数w1、w2、Θ和t使单位带宽的反向散射通信吞吐量最大化。
由于目标函数和约束中的耦合变量w1、w2、Θ和t，所以(P1)是一个非凸问题。接下来我们将呈现一个两步的解答过程，将问题(P1)分解为两个更便于解决的优化问题，即反向散射通信速率最大化和参数t和w1的最优解。
1)反向散射通信速率最大化
对于给定的t，易知问题(P1)的目标函数仅与约束(3)和(4)有直接关系，因为约束(1)和(2)中不含Θ和w2。因此在解答问题(P1)之前可以先考察如下不含w1和t的问题
Figure BDA0003211728170000095
s.t.(3)(4).
定义
Figure BDA0003211728170000096
那么Θ＝diag{θH}。然后我们得到/>
Figure BDA0003211728170000097
Figure BDA0003211728170000098
和/>
Figure BDA0003211728170000099
其中/>
Figure BDA00032117281700000910
和/>
Figure BDA00032117281700000911
于是，问题(P2)可表示为
Figure BDA0003211728170000101
Figure BDA0003211728170000102
Figure BDA0003211728170000103
问题(P3)可以通过调用半正定松弛(Semi-Definite Relaxation，SDR)、交替优化(Alternate Optimization，AO)和高斯随机方法来解决。首先将该问题分解成以下两个子问题来解决。定义
Figure BDA0003211728170000104
当θ为定值时，问题(P3)被简化为
Figure BDA0003211728170000105
Figure BDA0003211728170000106
W2≥0，Tr(W2)≤1，rank(W2)＝1.
由矩阵论不难得到
Figure BDA0003211728170000107
Figure BDA0003211728170000108
令Q＝W2/ξ(ξ＞0)，那么子问题(P3.1)等价于
Figure BDA0003211728170000109
Figure BDA00032117281700001010
Figure BDA00032117281700001011
Figure BDA00032117281700001012
Q≥0，Tr(Q)≤ξ，rank(Q)＝1，
其中
Figure BDA00032117281700001013
Figure BDA00032117281700001014
去掉约束条件rank(W)＝1，那么子问题(P3.2)是一个易于解答的凸问题。当w2为定值时，问题(P3)被简化为
Figure BDA0003211728170000111
Figure BDA0003211728170000112
Figure BDA0003211728170000113
子问题(P3.3)等价于
Figure BDA0003211728170000114
Figure BDA0003211728170000115
Figure BDA0003211728170000116
Figure BDA0003211728170000117
去掉约束条件
Figure BDA0003211728170000118
那么子问题(P3.4)是一个易于解答的凸问题。只要子问题(P3.2)和(P3.4)用半正定规划依次优化后，那么问题(P3)的解就能够用高斯随机方法恢复。注意到AO过程是收敛的，因为两个子问题(P3.2)和(P3.4)在迭代中都是非递减的。
2)参数t和w1的优化
时间分配参数t在反向散射通信吞吐量中具有重要影响。从问题(P1)中我们可以看到t的增大必然引起(P1)中对应的
Figure BDA00032117281700001114
的增大，在约束条件(1)下可以推导出最优t*的解析式
Figure BDA0003211728170000119
结合从问题(P2)中得到的w2和Θ，问题(P1)可以简化为
Figure BDA00032117281700001110
Figure BDA00032117281700001111
依SDR理论和函数t*(w1)的单调性，问题(P5)可被表示为
Figure BDA00032117281700001112
Figure BDA00032117281700001113
W1≥0，Tr(W1)≤1，rank(W1)＝1.
去掉约束条件rank(W1)＝1，那么子问题(P4)是一个易于解决的凸问题。然后可以用高斯随机方法可以恢复秩-1解
Figure BDA0003211728170000121
和t*。到此为止，问题(P1)得以求解。
3)计算复杂性分析
在交替优化(P3)的两个子问题(P3.2)和(P3.4)后可获得问题(P3)的一组解，再通过(P3)(P5)可得到问题(P1)的解。由内点法(Interior Point Method，IPM)可得子问题(P3.2)的复杂性为
Figure BDA0003211728170000122
以及子问题(P3.4)的复杂性为
Figure BDA0003211728170000123
其中n1＝Ο{4N2}、n2＝Ο{4L2}和ε指优化精度。于是，问题(P3)的复杂性为C3＝K(C1+C2)，
K表示迭代次数。问题(P5)的复杂性可表示为
Figure BDA0003211728170000124
综上，整个求解过程的复杂度可表示为Ctotal＝C3+C4。当得到矩阵解时，初始问题(P1)可用高斯随机方法恢复它的一组安全近似向量解。
该部分将通过数值仿真评估提出的基于IRS的无线供能反向散射通信系统的通信性能。对比方案如下：
1)最大比传输：AP处的波束成形器与从AP到PU信道同向；
2)随机相位：IRS反射单元的振幅和相位分别设置成单位值和随机值；
3)随机时间：时间分配参数t随机产生于t～U(0,1)；
4)有源天线：采用发射功率为Pa的四根有源天线来代替同一位置的IRS。
在仿真中，假设所有信道都是慢衰落莱斯信道，从AP到PU、SU和IRS的莱斯因子设为κa＝2，从IRS到SU和PU的莱斯因子均设为κi＝3。所有信道的路径损耗表示为PL＝PL0-20log(d/d0)dB，其中PL0＝-20dB表示在d＝d0处的路径损耗，d指传输距离，d0＝1m指参考距离。因为IRS为平面散射，所以其元素单元有3dBi增益。其他的参数设置如下：AP处发射功率P＝5W；AP到PU、SU和IRS的距离分别为dp＝50m、ds＝55m和di＝48m；IRS到PU和SU的距离为dip＝12m和dis＝10m，AP处的天线数量为N＝4，IRS元素单元数量置为L＝80，噪声方差为
Figure BDA0003211728170000131
元素单元功耗μ＝1.5×10-7；IRS的能量收集效率η＝0.8。有源天线对比方案中，有源天线的功率设置为Pa＝0.1W或Pa＝0.05W。注意：当Pa、L和dis作为仿真变量时，不再使用上述赋值。
图2、3和4分别表示SU处的单位带宽吞吐量tlog(1+γs,2)与AP处的发射功率P、IRS元素单元数量L和IRS到SU的间距dis的关系。从2、3和4图可以看到，P和L的增加有利于吞吐量的提高，然而随着d的增长吞吐量反而下降。其原因是更大的P和L意味着更多的能耗可被用于反向散射，但是更远的距离却导致更高的路径损耗。我们还发现当P、L足够大且d足够小时，我们提出的优化方案能够与有源天线取某一Pa值时实现相同甚至更高的吞吐量。
实施方案如图5所示，搭建一种基于IRS的无线供能反向散射通信系统分为四个步骤，依次是构建基于IRS的无线供能反向散射通信网络模型、表述反向散射通信吞吐量优化问题、求解反向散射通信吞吐量优化问题和算法复杂性分析、及仿真验证。

Claims (7)

1.一种基于IRS的无线供能反向散射通信方法，其特征在于，包括以下步骤：
1)构建基于IRS的无线供能反向散射通信网络模型：当天线AP发送承载信息的信号给单天线主用户PU时，一部分无线信号能量被反射单元IRS接收到，该能量能够保存到能量存储器或用于反向散射通信，将IRS在一个时间块的运行，建模为一个简单的两阶段过程；
2)表述反向散射通信吞吐量优化问题：以单位带宽的反向散射通信吞吐量最大化为目标，以AP和IRS处的波束成形以及两阶段过程的时间分配为优化变量，对优化问题进行表述；
3)求解反向散射通信吞吐量优化问题和算法复杂性分析：通过将优化问题分解成两个易于解决的优化问题，进而问题通过调用SDR、AO和高斯随机方法完成求解，随后，对求解方案进行了复杂度分析；
4)仿真验证：使用数值仿真对提出的仿真进行验证，通过对比最大比传输、随机相位、随机时间和有源天线方案，证实提出方案的可行性和通信性能增益；
在第一阶段，PU处和SU处的信干噪比SINR由下式表示
Figure QLYQS_1
其中P是AP的发射功率，
Figure QLYQS_2
是AP到PU的信道增益，/>
Figure QLYQS_3
是AP到SU的信道增益，w1是第一阶段用于的信号/>
Figure QLYQS_4
的波束成形，/>
Figure QLYQS_5
和/>
Figure QLYQS_6
分别是PU处和SU处的高斯白噪声的方差；假定IRS处所收集的能量总和正比于接收信号的功率，即如下列关系式所示
E＝η(1-t)P||Hw1||2，
其中
Figure QLYQS_7
是AP到IRS的信道增益，η是IRS的能量收集效率；
在第二阶段，环境无线信号s到达IRS时被调制成新的信号
Figure QLYQS_8
并被反向散射，本阶段PU处和SU处接收的信号s的表达式由下式表示
Figure QLYQS_9
Figure QLYQS_10
其中w2是第二阶段AP的波束成形，
Figure QLYQS_11
和/>
Figure QLYQS_12
分别是PU和SU处的高斯白噪声，/>
Figure QLYQS_13
和/>
Figure QLYQS_14
分别是从AP到PU的和从AP到SU的信道增益，Ψ＝ΘΞ由反射系数矩阵Θ与调制矩阵Ξ决定；令/>
Figure QLYQS_15
其中/>
Figure QLYQS_16
l∈L＝{1,2,...,L}且αl＝[0,2π]分别指IRS第l个反射单元的振幅和相位；推导出以下表达式
Figure QLYQS_17
本阶段PU处和SU处的SINR由下式表示
Figure QLYQS_18
第二阶段和第一阶段所收集能量，满足能量约束η(1-t)P||Hw1||2≥tLμ，其中μ指反射元素单元的功耗；
联合优化AP和IRS处的波束成形以及两阶段过程的时间分配；该优化问题可表示为(P1)
Figure QLYQS_19
s.t.η(1-t)P||Hw1||2≥tLμ， (1)
Figure QLYQS_20
Figure QLYQS_21
Figure QLYQS_22
其中Γp指PU处要求的SINR最小值，Θl,l指Θ的第l个对角元素；假定AP和IRS之间的信息交换足够顺畅，联合优化参数w1、w2、Θ和t使单位带宽的反向散射通信吞吐量最大化；
将问题P1分解为两个更便于解决的优化问题，即反向散射通信速率最大化和参数t和w1的最优解。
2.根据权利要求1所述的一种基于IRS的无线供能反向散射通信方法，其特征在于，无线供能反向散射通信网络模型包括一个N根天线的AP、一个单天线主用户PU、一个单天线次级用户SU和一个具有L个反射单元的IRS。
3.根据权利要求2所述的一种基于IRS的无线供能反向散射通信方法，其特征在于，IRS在该时间块的运行可以建模为一个简单的两阶段过程，将该时间块分成前后两个时间段1-t和t；在第一时间段1-t内，IRS切换为能量收集模式，其接收的无线信号能量被收集并存储在其连接的能量存储器中；在第二时间段t内，先前存储的能量被用于维持IRS的反射元素运行。
4.根据权利要求1所述的一种基于IRS的无线供能反向散射通信方法，其特征在于，
反向散射通信速率最大化：
在解答问题(P1)之前先考察如下不含w1和t的问题
(P2)
Figure QLYQS_23
s.t.(3)(4).
定义
Figure QLYQS_24
那么Θ＝diag{θH}；然后得到/>
Figure QLYQS_25
和
Figure QLYQS_26
其中/>
Figure QLYQS_27
和/>
Figure QLYQS_28
于是，问题(P2)表示为(P3)
Figure QLYQS_29
Figure QLYQS_30
Figure QLYQS_31
问题(P3)通过调用半正定松弛SDR、交替优化AO和高斯随机方法来解决；首先将该问题分解成以下两个子问题来解决；定义
Figure QLYQS_32
当θ为定值时，问题(P3)被简化为(P3.1)/>
Figure QLYQS_33
Figure QLYQS_34
Figure QLYQS_35
由矩阵论得到
Figure QLYQS_36
Figure QLYQS_37
令Q＝W2/ξ(ξ＞0)，那么子问题(P3.1)等价于
(P3.2)
Figure QLYQS_38
Figure QLYQS_39
Figure QLYQS_40
Figure QLYQS_41
Figure QLYQS_42
其中
Figure QLYQS_43
去掉约束条件rank(W)＝1，子问题(P3.2)是一个易于解答的凸问题；当w2为定值时，问题(P3)被简化为
(P3.3)
Figure QLYQS_44
Figure QLYQS_45
Figure QLYQS_46
子问题(P3.3)等价于
(P3.4)
Figure QLYQS_47
Figure QLYQS_48
Figure QLYQS_49
Figure QLYQS_50
去掉约束条件
Figure QLYQS_51
子问题(P3.4)是一个易于解答的凸问题；只要子问题(P3.2)和(P3.4)用半正定规划依次优化后，问题(P3)的解就能够用高斯随机方法恢复。
5.根据权利要求1所述的一种基于IRS的无线供能反向散射通信方法，其特征在于，
参数t和w1的优化
问题(P1)中t的增大引起(P1)中对应的tγs,2的增大，在约束条件(1)下推导出最优t*的解析式
Figure QLYQS_52
结合从问题(P2)中得到的w2和Θ，问题(P1)简化为
(P4)
Figure QLYQS_53
Figure QLYQS_54
依SDR理论和函数t*(w1)的单调性，问题(P5)被表示为
(P5)
Figure QLYQS_55
Figure QLYQS_56
Figure QLYQS_57
去掉约束条件rank(W1)＝1，子问题(P4)是一个易于解决的凸问题；然后可以用高斯随机方法恢复秩-1解
Figure QLYQS_58
和t*，问题(P1)得以求解。
6.根据权利要求1所述的一种基于IRS的无线供能反向散射通信方法，其特征在于，
计算复杂性分析
在交替优化(P3)的两个子问题(P3.2)和(P3.4)后可获得问题(P3)的一组解，再通过(P3)(P5)得到问题(P1)的解；由内点法IPM得到子问题(P3.2)的复杂性为
Figure QLYQS_59
以及子问题(P3.4)的复杂性为
Figure QLYQS_60
其中n1＝O{4N2}、n2＝O{4L2}和ε指优化精度；于是，问题(P3)的复杂性为C3＝K(C1+C2)，
K表示迭代次数；问题(P5)的复杂性表示为
Figure QLYQS_61
综上，整个求解过程的复杂度可表示为Ctotal＝C3+C4；当得到矩阵解时，初始问题(P1)用高斯随机方法恢复它的一组安全近似向量解。
7.一种基于IRS的无线供能反向散射通信系统，其特征在于，基于权利要求1至5任意一项所述的方法，包括：
网络模型构建模块，用于构建基于IRS的无线供能反向散射通信网络模型：当天线AP发送承载信息的信号给单天线主用户PU时，一部分无线信号能量被反射单元IRS接收到，该能量能够保存到能量存储器或用于反向散射通信，将IRS在一个时间块的运行，建模为一个简单的两阶段过程；
反向散射通信吞吐量优化模块，用于表述反向散射通信吞吐量优化问题：以单位带宽的反向散射通信吞吐量最大化为目标，以AP和IRS处的波束成形以及两阶段过程的时间分配为优化变量，对优化问题进行表述；
求解分析模块，用于求解反向散射通信吞吐量优化问题和算法复杂性分析：通过将优化问题分解成两个易于解决的优化问题，进而问题通过调用SDR、AO和高斯随机方法完成求解，随后，对求解方案进行了复杂度分析；
仿真验证模块，用于仿真验证：使用数值仿真对提出的仿真进行验证，通过对比最大比传输、随机相位、随机时间和有源天线方案，证实提出方案的可行性和通信性能增益。
CN202110932801.1A 2021-08-13 2021-08-13 一种基于irs的无线供能反向散射通信方法及系统 Active CN113490223B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110932801.1A CN113490223B (zh) 2021-08-13 2021-08-13 一种基于irs的无线供能反向散射通信方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110932801.1A CN113490223B (zh) 2021-08-13 2021-08-13 一种基于irs的无线供能反向散射通信方法及系统

Publications (2)

Publication Number Publication Date
CN113490223A CN113490223A (zh) 2021-10-08
CN113490223B true CN113490223B (zh) 2023-06-23

Family

ID=77946581

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110932801.1A Active CN113490223B (zh) 2021-08-13 2021-08-13 一种基于irs的无线供能反向散射通信方法及系统

Country Status (1)

Country Link
CN (1) CN113490223B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114285862B (zh) * 2022-01-08 2022-09-27 西北工业大学 基于智能反射面反向散射通信的数据卸载通信方法及系统
CN114915989A (zh) * 2022-03-17 2022-08-16 重庆邮电大学 一种基于能量收集的全双工中继和智能反射面联合传输方法
CN115002794B (zh) * 2022-05-05 2024-04-02 北京科技大学 一种利用可自持智能反射面提高广播通信传输性能的方法
WO2023216128A1 (en) * 2022-05-11 2023-11-16 Qualcomm Incorporated Backscatter mode switching and beam management considerations
CN115734252A (zh) * 2022-11-30 2023-03-03 浙江工业大学 基于反向散射中继传输的认知无线供能网络优化方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112073107A (zh) * 2020-09-17 2020-12-11 南通大学 基于智能反射面的多组、多播联合波束赋形算法设计
CN112422162A (zh) * 2020-12-10 2021-02-26 中山大学 智能反射面鲁棒波束成形方法及系统
CN112953613A (zh) * 2021-01-28 2021-06-11 西北工业大学 一种基于智能反射面反向散射的车辆与卫星协作通信方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3335432B1 (en) * 2015-08-12 2024-02-14 University of Washington Backscatter devices and network systems incorporating backscatter devices

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112073107A (zh) * 2020-09-17 2020-12-11 南通大学 基于智能反射面的多组、多播联合波束赋形算法设计
CN112422162A (zh) * 2020-12-10 2021-02-26 中山大学 智能反射面鲁棒波束成形方法及系统
CN112953613A (zh) * 2021-01-28 2021-06-11 西北工业大学 一种基于智能反射面反向散射的车辆与卫星协作通信方法

Also Published As

Publication number Publication date
CN113490223A (zh) 2021-10-08

Similar Documents

Publication Publication Date Title
CN113490223B (zh) 一种基于irs的无线供能反向散射通信方法及系统
WO2023020080A1 (zh) 一种智能反射面辅助的无线通信系统
CN113613273B (zh) 一种智能超表面辅助无线供电网络的稳健能效优化方法
CN114285862B (zh) 基于智能反射面反向散射通信的数据卸载通信方法及系统
CN113556164B (zh) Irs辅助的swipt系统中基于能效优先的波束成型优化方法
CN115021792B (zh) 一种无线通信系统安全传输方法
Zhao et al. Energy-efficient trajectory design for secure SWIPT systems assisted by UAV-IRS
CN115484607A (zh) 一种ris辅助的swipt无线系统安全通信方法
CN116566444A (zh) 一种基于irs辅助的miso无线携能通信系统能效最大化方法
CN114531699A (zh) 一种ris辅助无线供电通信网络的优化方法
CN115378652A (zh) 一种ris辅助的wpcn系统物理层安全通信方法
Li et al. Double-active-IRS aided wireless communication with total amplification power constraint
CN113315552A (zh) 一种紧致平面天线阵列Massive MIMO系统的能效优化方法
Xu et al. An IRS backscatter enabled integrated sensing, communication and computation system
Hakimi et al. Sum rate maximization of full-duplex MIMO monostatic backscatter networks under residual self-interference
CN116709538A (zh) 一种双ris协作辅助的noma系统上行传输方法及装置
CN114554527B (zh) 联合irs技术和sr技术的物联网链路优化方法及系统
CN116546487A (zh) 一种智能反射表面辅助下的无人机安全通信方法
CN114157392A (zh) 一种分布式irs辅助通信系统安全传输的优化方法
Utkarsh et al. Transmit power reduction in an IRS aided Wireless Communication System using DNN
Xu et al. A self-sustainable wireless powered IRS-based backscatter communication system
CN113766492A (zh) 一种安全Massive MIMO网络资源配置方法
Yang et al. Joint beamforming for RIS-assisted integrated communication, sensing and power transfer systems
CN116545489B (zh) 一种无人机的震荡鲁棒性提升方法、系统、存储介质及计算设备
CN115765900B (zh) 一种叠加导频模式下智能反射面辅助的大规模mimo系统上行传输方法

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