CN113691295B - 一种基于irs的异构网络中干扰抑制方法 - Google Patents

一种基于irs的异构网络中干扰抑制方法 Download PDF

Info

Publication number
CN113691295B
CN113691295B CN202110946461.8A CN202110946461A CN113691295B CN 113691295 B CN113691295 B CN 113691295B CN 202110946461 A CN202110946461 A CN 202110946461A CN 113691295 B CN113691295 B CN 113691295B
Authority
CN
China
Prior art keywords
interference
irs
noise ratio
signal
optimization model
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
CN202110946461.8A
Other languages
English (en)
Other versions
CN113691295A (zh
Inventor
曾鸣
宁祥瑞
王文欣
费泽松
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 Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
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 Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202110946461.8A priority Critical patent/CN113691295B/zh
Publication of CN113691295A publication Critical patent/CN113691295A/zh
Application granted granted Critical
Publication of CN113691295B publication Critical patent/CN113691295B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
    • H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
    • H04B7/0842—Weighted combining
    • H04B7/0848—Joint weighting
    • H04B7/0857—Joint weighting using maximum ratio combining techniques, e.g. signal-to- interference ratio [SIR], received signal strenght indication [RSS]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/336—Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
    • H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
    • H04B7/0842—Weighted combining
    • H04B7/086—Weighted combining using weights depending on external parameters, e.g. direction of arrival [DOA], predetermined weights or beamforming
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04J—MULTIPLEX COMMUNICATION
    • H04J11/00—Orthogonal multiplex systems, e.g. using WALSH codes
    • H04J11/0023—Interference mitigation or co-ordination
    • H04J11/0026—Interference mitigation or co-ordination of multi-user interference
    • H04J11/0036—Interference mitigation or co-ordination of multi-user interference at the receiver
    • 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)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Quality & Reliability (AREA)
  • Noise Elimination (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及一种基于IRS的异构网络干扰抑制方法，属于频谱资源分配技术领域。包括：1)遍历所有UE及活跃的WiFi用户，计算接收信号、信干噪比和活跃WiFi用户受到NR‑U系统的干扰，建立优化模型；2)分别设IRS反射系数矩阵、波束赋形矢量为固定值，基于内逼近框架的单层迭代将以上述优化模型转化为IRS反射系数矩阵或波束赋形矢量固定时的优化模型；3)基于优化模型迭代求取收敛的总信干噪比及对应的波束赋形矢量、IRS反射系数矩阵并配置在IRS消除免授权异构网络中。所述干扰抑制方法考虑蜂窝网UE间存在同频干扰的场景，提高了异构网络UE总信干噪比，大大减弱了用户间及噪声对用户接收信号的干扰。

Description

一种基于IRS的异构网络中干扰抑制方法
技术领域
本发明涉及一种基于IRS的异构网络中干扰抑制方法，属于无线通信中的频谱资源分配技术领域。
背景技术
随着物联网(Internet of Things,IoT)技术的快速发展，虚拟现实、远程医疗、智慧家居、智能交通等各种新型智能业务的逐渐普及，无线网络对数据传输速率的要求也随之不断提高，无线通信技术面临着更多通信服务的挑战。传统通信中，系统的收发模块是一种相互对称的架构，具有独立射频链路，包含功率放大器和振荡器等高能耗元器件，用于射频信号的产生和接收。第五代移动通信(the fifth generation mobile communication,5G)网络设备大规模的接入使得无线传输过程功耗急剧增加，因此如何实现高速率低功耗数据传输将成为未来网络发展的关键。
智能反射面(intelligent reflecting surface，IRS)是一种由大量可重构无源元件组成的大规模天线阵列，其中每个元件都能够独立地使入射信号产生一定的相移，从而协同改变反射信号的传播。与通过放大和再生信号来辅助源-目的传输的放大转发(amplify-and-forward，AF)中继相比，IRS不使用发射模块，只是将接收到的信号反射为无源阵列，因此不消耗发射功率。此外，IRS主要用于提高现有的通信链路性能，而不是通过反射传递自身信息。反向散射通信中的直接路径信号属于干扰信号，一般需要在接收器上得到抑制或者消除，而在IRS增强通信中，直接路径和反射路径信号都携带有相同的有用信息，因此可以在接收器上相干叠加，从而最大限度地提高总接收功率。
IRS作为无源全双工元器件，不但能耗极低，而且全双工模式时其频谱效率较高，并且不存在自干扰，反射过程不进行信息干扰。由于IRS接受或者反射发送时不需要进行信息处理，提高了传输效率。与其他有源智能表面相比，具有成本低、功耗低、安装灵活等优势，对于未来的应急通信和军事通信等领域的应用具有重要的研究意义。
当前基于IRS辅助无线通信系统的研究处于刚起步阶段，其核心是利用具有可重构反射特性的IRS覆盖于地表、建筑物、无人机等处，通过调节反射波束最大限度提高接收信号增益，减少干扰。
发明内容
本发明的目的在于针对权异构网络内NR-U(New Radio in Unlicensed)系统和WiFi系统之间的干扰所造成的噪声影响较大、信噪比数值较低的影响，提出了一种基于IRS的异构网络中干扰抑制方法，用于消除NR-U系统和WiFi系统之间的干扰，以实现两者之间的有效共存。
本发明的核心思想是：遍历系统所有用户，通过表述用户接收信号、信干噪比以及信号干扰参数建立优化模型；通过控制变量将目标优化问题进行拆分，使用迭代进行凸逼近求解；通过迭代交替求取单变量问题，从而得到收敛解，将获得的收敛解应用于异构网络中，进一步提高了免授权频段的频谱使用效率。
为了达到上述目的，本发明采取如下技术方案：
所述基于IRS的异构网络中干扰抑制方法，依托的IRS消除免授权异构网络中，包括WiFi系统、NR-U系统和包含Nr个元素的IRS；
其中，WiFi系统包含AP和STA，且AP和STA均配置为单天线，两者统称为WiFi用户，且活跃的WiFi用户为M个；
其中，AP，即access point，为接入点；STA，即station；
NR-U系统内存在有1个gNB，该gNB配置有Nt根天线，服务于K个用户；
其中，用户，即user equipment,简称UE，每个用户配置单天线；
其中，IRS用以消除NR-U系统和WiFi系统间的干扰，并提升整个免授权异构网络的性能；
定义异构网络中的gNB、IRS、UE、WiFi用户之间获得的信道为完美信道，具体包括：
1)定义gNB和IRS、IRS和第k个UE、gNB和第k个UE之间的信道分别为hgr、hrk及hgk；
其中，k∈{1,2,…,K}、
Figure BDA0003216735340000031
以及
Figure BDA0003216735340000032
且
Figure BDA0003216735340000033
表示维度大小为Nt×Nr的复数集合，
Figure BDA0003216735340000034
表示维度大小为Nr×1的复数集合，
Figure BDA0003216735340000035
表示维度大小为Nt×1的复数集合；
2)定义第m个活跃的WiFi用户和IRS、IRS和第k个UE、第m个活跃的WiFi用户和第k个UE之间的信道分别为gmr、grk以及gmk；
其中，m∈{1,2,…,M}，
Figure BDA0003216735340000036
表示维度大小为1×Nr的复数集合，
Figure BDA0003216735340000037
表示维度大小为Nr×1的复数集合；
3)定义gNB和第m个活跃的WiFi用户之间的信道为hgm；
基于IRS的异构网络中干扰抑制方法，包含以下步骤：
步骤一：遍历所有UE以及活跃的WiFi用户，分别计算接收信号、信干噪比和活跃的WiFi用户受到NR-U系统的干扰，并建立优化模型，具体包括如下子步骤：
步骤1.1遍历所有UE，计算NR-U系统中所有UE的接收信号和信干噪比，具体为：遍历k，计算NR-U系统中所有UE的接收信号和信干噪比；
其中，第k个UE接收到的信号，记为yk；第k个UE的信干噪比，记为γk；k的取值范围为1到K；
其中，第k个UE接收到的信号如式(1)所示：
Figure BDA0003216735340000041
其中，
Figure BDA0003216735340000042
代表IRS反射系数矩阵，
Figure BDA0003216735340000043
表示维度大小为Nr×Nr的复数集合,具体表示为
Figure BDA0003216735340000044
为IRS各元素的幅度反射系数，sm为WiFi系统中AP发送给第m个STA的信号，且所有sm的功率相同，均为
Figure BDA0003216735340000045
m的取值范围为1到M；
Figure BDA0003216735340000046
为IRS各元素的相位偏移，j为虚数单位，上标H代表对矩阵的共轭转置变换；nk表示为第k个UE的高斯白噪声，满足
Figure BDA0003216735340000047
且CN代表复高斯分布，
Figure BDA0003216735340000048
是该高斯分布的方差；wk表示gNB与第k个UE间的波束赋形向量，wi表示gNB与第i个UE间的波束赋形向量，则：gNB与K个UE间的波束赋形矢量为
Figure BDA0003216735340000049
表示维度大小为Nt×K的复数集合；
xk表示第k个UE的符号，xi表示第i个UE的符号，且每个UE的符号具有单位功率，即：E[|xk|2]＝1,k＝1,...,K；gNB向K个UE发送的信号为x＝[x1,…,xK]∈CK×1,且CK×1表示维度大小为K×1的复数集合；
第k个UE的信干噪比用式(2)表示：
Figure BDA0003216735340000051
其中，信干噪比，即signal-to-interference-noise-ratio,SINR；
步骤1.2遍历所有活跃的WiFi用户，得到所有活跃的WiFi用户受到NR-U系统产生的干扰，具体为：
Figure BDA0003216735340000052
其中，
Figure BDA0003216735340000053
即hrm与gmr互为转置；
步骤1.3基于步骤1.1计算的接收信号、信干噪比以及步骤1.2得到的干扰，构造以最大化NR-U系统中所有UE总信干噪比为优化目标的优化模型，具体通过公式(4)所示的优化模型构造：
Figure BDA0003216735340000054
其中，Ith表示WiFi用户受到来自NR-U网系统干扰的最大阈值，上标H代表对矩阵的共轭转置变换，Tr(WWH)表示波束赋形矢量W的功率，P表示W的最大功率阈值，下标k代表第k个UE，下标m代表第m个WiFi用户；
公式(4)是以NR-U系统UE对每一个活跃的WiFi用户的干扰小于一定阈值，gNB处波束赋形矢量功率小于一定阈值以及IRS处相位偏移矢量满足[0,2π]的取值条件为约束条件，以提升NR-U系统性能即最大化网络中所有UE总信干噪比为优化目标的优化模型；
步骤二：将步骤1.3的以最大化NR-U系统中所有UE总信干噪比为优化目标的优化模型，转化为IRS反射系数矩阵固定的以最大化NR-U系统中所有UE总信干噪比为优化目标的优化模型，具体为：
引入新变量t、pk、qk，基于内逼近框架的单层迭代将优化模型(4)转化为公式(5)所示的等价凸优化模型：
Figure BDA0003216735340000061
其中，t为新引入的所有UE的总信干噪比，pk为新引入的第k个用户的信干噪比，qk为新引入的第k个UE受到的干扰；
Figure BDA0003216735340000062
Figure BDA0003216735340000063
以及
Figure BDA0003216735340000064
中的下标k代表第k个UE，下标m代表第m个WiFi用户，
Figure BDA0003216735340000065
表示第n次迭代得到的wk、qk，上标n代表第n次迭代，下标k代表第k个UE；
步骤三：将步骤1.3中的以最大化NR-U系统中所有UE总信干噪比为优化目标的优化模型，转化为波束赋形矢量固定时的以最大化NR-U系统中所有UE总信干噪比为优化目标的优化模型，具体为：
基于内逼近框架的单层迭代将优化模型(4)转化为公式(6)所示的等价凸优化模型：
Figure BDA0003216735340000071
其中，z为模型(6)新引入的所有UE总信干噪比，lk为新引入的第k个用户的信干噪比，ek为新引入的第k个UE受到的干扰；
矩阵v满足Θ＝diag(vT)，
Figure BDA0003216735340000072
Figure BDA0003216735340000073
Figure BDA0003216735340000074
下标k代表第k个UE，上标n代表第n次迭代，其初始值为1；v(n)、
Figure BDA0003216735340000075
代表迭代中的第n次迭代得到的v、ek，下标k代表第k个UE；
步骤四：基于步骤二及步骤三中的优化模型(5)(6)迭代求取收敛的总信干噪比以及对应的波束赋形矢量、IRS反射系数矩阵，包括如下子步骤：
步骤4.1初始化IRS反射系数矩阵以及迭代次数，具体为：初始化迭代次数u＝1，且初始化IRS反射系数矩阵被初始化为Θ＝Θ(u)；
步骤4.2基于给定的IRS反射系数矢量Θ(u)求解凸优化模型(5)，第n次迭代后的解作为第n+1次迭代的初始点进行求解，并更新凸优化模型(5)中的波束赋形矢量、总信干噪比、所有UE的信干噪比以及所有UE受到干扰的取值直到收敛，得到收敛的所有UE的总信干噪比和波束赋形矢量W(u)；
其中，W(u)表示第u次迭代的IRS反射系数矩阵；
步骤4.3基于给定的波束赋形矢量W(u)求解凸优化模型(6)，第n次迭代后的解作为第n+1次迭代的初始点进行求解，更新模型(6)中的IRS反射系数矩阵、总信干噪比、所有UE的信干噪比以及所有UE受到的干扰，直到收敛，得到收敛的所有UE的总信干噪比和IRS反射系数矩阵Θ(u)；
其中，Θ(u)表示第u次迭代的IRS反射系数矩阵；
步骤4.4当迭代次数u≥2且总信干噪比开始收敛时，终止迭代过程，得到最终收敛的波束赋形矢量、IRS反射系数矩阵以及总信干噪比；否则令迭代次数u＝u+1后执行步骤4.2；
其中，开始收敛是指第u次迭代的信干噪比相较于第u-1次迭代的减少量小于一定阈值；
步骤五：将波束赋形矢量以及IRS反射系数配置为步骤四得到的收敛解，使得异构网络中UE的总信干噪比得到增加，从而实现干扰抑制；
至此，从步骤一到步骤五，完成了一种基于IRS的异构网络中干扰抑制方法。
有益效果
本发明提出一种基于IRS的异构网络中干扰抑制方法，与现有技术相比，具有以下有益效果：
1、所述方法考虑到异构系统中存在来自其他UE以及WiFi用户产生的干扰，对于上述干扰具有较强的抑制作用，从而实现了系统用户之间的协调共存；
2、所述方法考虑到异构网络总信干噪比对于系统性能的影响，将最大化总信干噪比作为优化目标，使得异构网络总信干噪比(吞吐量)性能得到了提升；
3、所述方法通过建立波束赋形矢量W，使用交替优化的方法抑制了NR-U系统之间的干扰，从而实现了系统用户的协调共存。
附图说明
图1为本发明一种基于IRS的异构网络中干扰抑制方法共存系统模型场景图；
图2为本发明一种基于IRS的异构网络中干扰抑制方法具体实施例中gNB、IRS、UE、WiFi用户分布场景图；
图3为本发明一种基于IRS的异构网络中干扰抑制方法具体实施例中基于IRS的异构网络中干扰抑制方法信干噪比收敛结果图；
图4为本发明一种基于IRS的异构网络中干扰抑制方法具体实施例中本发明方法、NoIRS以及RandIRS的性能对比结果图。
具体实施方式
下面结合附图和具体实施例子对本发明一种基于IRS的异构网络中干扰抑制方法进行详细说明。
实施例1
设定实施例1的场景为存在1个gNB的NR-U系统，一个gNB配备4根天线，系统内部署有一个包含8个反射单元的IRS，且gNB和IRS之间的距离为100m。异构系统中存在4个UE，分布方式为以IRS为圆心，10–30米为半径的均匀分布；存在2个活跃WiFi用户，分布方式为以gNB为中心，边长60米的正方形均匀分布。高斯白噪声满足方差
Figure BDA0003216735340000091
WiFi用户受到的来自异构网络的干扰最大阈值Ith＝-50dbm；波束赋形矢量W功率最大阈值P＝2W。
具体操作流程如下：
步骤A：遍历4个UE以及2个活跃的WiFi用户，根据式(1)(2)(3)分别计算接收信号、信干噪比和活跃的WiFi用户受到NR-U系统的干扰，并建立优化模型；其中，
Figure BDA0003216735340000101
Ith＝-50dbm；P＝2W；k的取值为1到4，m的取值为1到2。
步骤B：设IRS反射系数矩阵为固定值，基于内逼近框架的单层迭代将以最大化NR-U系统中所有UE总信干噪比为优化目标的优化模型，转化为IRS反射系数矩阵固定时的以最大化NR-U系统中所有UE总信干噪比为优化目标的优化模型。
步骤C：设波束赋形矢量为固定值，基于内逼近框架的单层迭代将以最大化NR-U系统中所有UE总信干噪比为优化目标的优化模型，转化为波束赋形矢量固定时的以最大化NR-U系统中所有UE总信干噪比为优化目标的优化模型。
步骤D：基于步骤B及步骤C中的优化模型(5)(6)迭代求取收敛的总信干噪比以及对应的波束赋形矢量、IRS反射系数矩阵，包括如下子步骤：
步骤D.1初始化IRS反射系数矩阵以及迭代次数，具体为：初始化迭代次数u＝1，且初始化IRS反射系数矩阵被初始化为Θ＝Θ(u)；
步骤D.2基于给定的IRS反射系数矢量Θ(u)求解凸优化模型(5)，第n次迭代后的解作为第n+1次迭代的初始点进行求解，并更新凸优化模型(5)中的波束赋形矢量、总信干噪比、所有UE的信干噪比以及所有UE受到干扰的取值直到收敛，得到收敛的所有UE的信干噪比和波束赋形矢量；
步骤D.3基于给定的波束赋形矢量W(u)求解凸优化模型(6)，第n次迭代后的解作为第n+1次迭代的初始点进行求解，更新模型(6)中的IRS反射系数矩阵、总信干噪比、所有UE的信干噪比以及所有UE受到的干扰，直到收敛，得到收敛的所有UE的信干噪比和IRS反射系数矩阵；
其中，Θ(u)表示第u次迭代的IRS反射系数矩阵；
步骤D.4当迭代次数u≥2且总信干噪比开始收敛时，终止迭代过程，得到最终收敛的波束赋形矢量、IRS反射系数矩阵以及总信干噪比做为最终的收敛解；否则令迭代次数u＝u+1后执行步骤D.2；
其中，开始收敛是指第u次迭代的信干噪比相较于第u-1次迭代的减少量小于一定阈值；
步骤E：将波束赋形矢量以及IRS反射系数配置为步骤D得到的收敛解，使得异构网络中UE的总信干噪比得到增加，从而实现干扰抑制；
从步骤A到步骤E，完成了本实施例1中基于IRS的异构网络中干扰抑制方法。
对实施例1基于图2本发明具体实施例中gNB、IRS、UE、WiFi用户分布场景图以及上述步骤A到步骤D进行仿真，得到基于IRS的异构网络中干扰抑制方法下的UE总信干噪比SINR，对应于图3本发明“一种基于IRS的异构网络中干扰抑制方法”具体实施例中基于IRS的异构网络中干扰抑制方法信干噪比收敛结果图；将本发明提出的方法与NoIRS以及RandIRS两种对比方法进行比对分析，得到图4本发明“一种基于IRS的异构网络中干扰抑制方法”具体实施例中本发明提出的方法、NoIRS以及RandIRS的性能对比结果图。
从图3可以看出，基于IRS的异构网络中干扰抑制方法的NR-U系统中UE的总信干噪比在迭代一定次数后收敛，并稳定于90附近，此结果表明，对实施例1应用本发明提出的基于IRS的异构网络中干扰抑制方法，能够使得异构网络的UE总信干噪比可以达到90以上，即设备间干扰以及噪声得到有效抑制；将本发明提出的方法与NoIRS以及RandIRS的仿真结果进行对比分析，从图4可以看出，相比于NoIRS以及RandIRS两种对比方法，本发明提出的方法使得异构网络能够获得更高的UE总信干噪比，且随着IRS单元个数的增多，本发明提出的方法与对比方法之间UE总信干噪比的差距也在不断增加，说明本发明所提出的方法相较于已有方法抑制干扰的效果更加明显。因此，本发明提出的基于IRS的异构网络中干扰抑制方法能够大大降低NR-U系统和WiFi系统间的干扰，实现两者之间的有效共存，从而提升了整个共存系统的性能。
以上所述为本发明的较佳实施例而已，本发明不应该局限于该实施例和附图所公开的内容。凡是不脱离本发明所公开的精神下完成的等效或修改，都落入发明保护的范围。

Claims (7)

1.一种基于IRS的异构网络中干扰抑制方法，其特征在于：依托的IRS消除免授权异构网络中，包括WiFi系统、NR-U系统和包含Nr个元素的IRS；
其中，WiFi系统包含AP和STA，且AP和STA均配置为单天线，两者统称为WiFi用户，且活跃的WiFi用户为M个；
其中，AP，即access point，为接入点；STA，即station；
NR-U系统内存在有1个gNB，该gNB配置有Nt根天线，服务于K个用户；
其中，用户，即user equipment,简称UE，每个用户配置单天线；
其中，IRS用以消除NR-U系统和WiFi系统间的干扰，并提升整个免授权异构网络的性能；
定义异构网络中的gNB、IRS、UE、WiFi用户之间获得的信道为完美信道，具体包括：
1)定义gNB和IRS、IRS和第k个UE、gNB和第k个UE之间的信道分别为hgr、hrk及hgk；
其中，k∈{1,2,…,K}、
Figure FDA0003998542720000011
以及
Figure FDA0003998542720000012
且
Figure FDA0003998542720000013
表示维度大小为Nt×Nr的复数集合，
Figure FDA0003998542720000014
表示维度大小为Nr×1的复数集合，
Figure FDA0003998542720000015
表示维度大小为Nt×1的复数集合；
2)定义第m个活跃的WiFi用户和IRS、第m个活跃的WiFi用户和第k个UE之间的信道分别为gmr以及gmk；
其中，m∈{1,2,…,M}，
Figure FDA0003998542720000016
表示维度大小为1×Nr的复数集合，
Figure FDA0003998542720000017
表示维度大小为Nr×1的复数集合；
3)定义gNB和第m个活跃的WiFi用户之间的信道为hgm；
其中，
Figure FDA0003998542720000021
所述干扰抑制方法，包含以下步骤：
步骤一：遍历所有UE以及活跃的WiFi用户，分别计算接收信号、信干噪比和活跃的WiFi用户受到NR-U系统的干扰，并建立优化模型；
步骤一具体包括如下子步骤：
步骤1.1：遍历所有UE，计算NR-U系统中所有UE的接收信号和信干噪比，具体为：遍历k，计算NR-U系统中所有UE的接收信号和信干噪比；
步骤1.2：遍历所有活跃的WiFi用户，得到所有活跃的WiFi用户受到NR-U系统产生的干扰；
步骤1.3：基于步骤1.1计算的接收信号、信干噪比以及步骤1.2得到的干扰，构造以最大化NR-U系统中所有UE总信干噪比为优化目标的优化模型；
步骤二：将步骤1.3的以最大化NR-U系统中所有UE总信干噪比为优化目标的优化模型，转化为IRS反射系数矩阵固定的以最大化NR-U系统中所有UE总信干噪比为优化目标的优化模型；
步骤三：将步骤1.3中的以最大化NR-U系统中所有UE总信干噪比为优化目标的优化模型，转化为波束赋形矢量固定时的以最大化NR-U系统中所有UE总信干噪比为优化目标的优化模型；
步骤四：基于步骤二及步骤三中的优化模型迭代求取收敛的总信干噪比以及对应的波束赋形矢量、IRS反射系数矩阵；
步骤五：将波束赋形矢量以及IRS反射系数矩阵配置为步骤四得到的收敛解，使得异构网络中UE的总信干噪比得到增加，从而实现干扰抑制。
2.根据权利要求1所述的一种基于IRS的异构网络中干扰抑制方法，其特征在于：步骤1.1中，第k个UE接收到的信号，记为yk；第k个UE的信干噪比，记为γk；k的取值范围为1到K；
其中，第k个UE接收到的信号如式(1)所示：
Figure FDA0003998542720000031
其中，
Figure FDA0003998542720000032
代表IRS反射系数矩阵，
Figure FDA0003998542720000033
表示维度大小为Nr×Nr的复数集合,具体表示为
Figure FDA0003998542720000034
Figure FDA0003998542720000035
为IRS各元素的幅度反射系数，sm为WiFi系统中AP发送给第m个STA的信号，且所有sm的功率相同，均为
Figure FDA0003998542720000036
m的取值范围为1到M；
Figure FDA0003998542720000037
为IRS各元素的相位偏移，j为虚数单位，上标H代表对矩阵的共轭转置变换；nk表示为第k个UE的高斯白噪声，满足
Figure FDA0003998542720000038
且CN代表复高斯分布，
Figure FDA0003998542720000039
是该高斯分布的方差；wk表示gNB与第k个UE间的波束赋形向量，wi表示gNB与第i个UE间的波束赋形向量，则：gNB与K个UE间的波束赋形矢量为
Figure FDA00039985427200000310
Figure FDA00039985427200000311
表示维度大小为Nt×K的复数集合；
xk表示第k个UE的符号，xi表示第i个UE的符号，且每个UE的符号具有单位功率，即：Ε[|xk|2]＝1,k＝1,...,K；gNB向K个UE发送的信号为x＝[x1,…,xK]∈C1×K,且C1×K表示维度大小为1×K的复数集合；
第k个UE的信干噪比用式(2)表示：
Figure FDA0003998542720000041
其中，信干噪比，即signal-to-interference-noise-ratio,SINR。
3.根据权利要求2所述的一种基于IRS的异构网络中干扰抑制方法，其特征在于：步骤1.2，活跃的WiFi用户受到NR-U系统产生的干扰，具体为：
Figure FDA0003998542720000042
其中，
Figure FDA0003998542720000043
即hrm与gmr互为转置。
4.根据权利要求3所述的一种基于IRS的异构网络中干扰抑制方法，其特征在于：步骤1.3的优化模型构造，具体通过公式(4)所示：
Figure FDA0003998542720000044
其中，Ith表示WiFi用户受到来自NR-U系统干扰的最大阈值，上标H代表对矩阵的共轭转置变换，Tr(WWH)表示波束赋形矢量W的功率，P表示W的最大功率阈值，下标k代表第k个UE，下标m代表第m个活跃的WiFi用户；
公式(4)是以NR-U系统UE对每一个活跃的WiFi用户的干扰小于一定阈值，gNB处波束赋形矢量功率小于一定阈值以及IRS处相位偏移矢量满足[0,2π)的取值条件为约束条件，以提升NR-U系统性能即最大化网络中所有UE总信干噪比为优化目标的优化模型。
5.根据权利要求4所述的一种基于IRS的异构网络中干扰抑制方法，其特征在于：步骤二具体为：引入新变量t、pk、qk，基于内逼近框架的单层迭代将优化模型(4)转化为公式(5)所示的等价凸优化模型：
Figure FDA0003998542720000051
其中，t为新引入的所有UE的总信干噪比，pk为新引入的第k个用户在IRS反射系数矩阵Θ固定时的信干噪比，qk为新引入的第k个UE在IRS反射系数矩阵Θ固定时受到的干扰；
Figure FDA0003998542720000052
Figure FDA0003998542720000053
以及
Figure FDA0003998542720000054
中的下标k代表第k个UE，下标m代表第m个活跃的WiFi用户，
Figure FDA0003998542720000055
表示第n次迭代得到的wk、qk，上标n代表第n次迭代。
6.根据权利要求5所述的一种基于IRS的异构网络中干扰抑制方法，其特征在于：步骤三具体为：基于内逼近框架的单层迭代将优化模型(4)转化为公式(6)所示的等价凸优化模型：
Figure FDA0003998542720000061
其中，z为模型(6)新引入的所有UE总信干噪比，lk为新引入的第k个用户在波束赋形矢量W固定时的信干噪比，ek为新引入的第k个UE在波束赋形矢量W固定时受到的干扰；
向量v满足Θ＝diag(vT)，
Figure FDA0003998542720000062
Figure FDA0003998542720000063
Figure FDA0003998542720000064
下标k代表第k个UE，上标n代表第n次迭代，其初始值为1；v(n)、
Figure FDA0003998542720000065
代表迭代中的第n次迭代得到的v、ek。
7.根据权利要求6所述的一种基于IRS的异构网络中干扰抑制方法，其特征在于：步骤四包括如下子步骤：
步骤4.1：初始化IRS反射系数矩阵以及迭代次数，具体为：初始化迭代次数u＝1，且初始化IRS反射系数矩阵被初始化为Θ＝Θ(u)；
步骤4.2：基于给定的IRS反射系数矩阵Θ(u)求解凸优化模型(5)，第n次迭代后的解作为第n+1次迭代的初始点进行求解，并更新凸优化模型(5)中的波束赋形矢量、总信干噪比、所有UE的信干噪比以及所有UE受到干扰的取值直到收敛，得到收敛的所有UE的总信干噪比和波束赋形矢量W(u)；
其中，W(u)表示第u次迭代的波束赋形矢量；
步骤4.3：基于给定的波束赋形矢量W(u)求解凸优化模型(6)，第n次迭代后的解作为第n+1次迭代的初始点进行求解，更新模型(6)中的IRS反射系数矩阵、总信干噪比、所有UE的信干噪比以及所有UE受到的干扰，直到收敛，得到收敛的所有UE的总信干噪比和IRS反射系数矩阵Θ(u)；
其中，Θ(u)表示第u次迭代的IRS反射系数矩阵；
步骤4.4：当迭代次数u≥2且总信干噪比开始收敛时，终止迭代过程，得到最终收敛的波束赋形矢量、IRS反射系数矩阵以及总信干噪比；否则令迭代次数u＝u+1后执行步骤4.2；
其中，开始收敛是指第u次迭代的信干噪比相较于第u-1次迭代的减少量小于一定阈值。
CN202110946461.8A 2021-08-18 2021-08-18 一种基于irs的异构网络中干扰抑制方法 Active CN113691295B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110946461.8A CN113691295B (zh) 2021-08-18 2021-08-18 一种基于irs的异构网络中干扰抑制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110946461.8A CN113691295B (zh) 2021-08-18 2021-08-18 一种基于irs的异构网络中干扰抑制方法

Publications (2)

Publication Number Publication Date
CN113691295A CN113691295A (zh) 2021-11-23
CN113691295B true CN113691295B (zh) 2023-02-24

Family

ID=78580453

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110946461.8A Active CN113691295B (zh) 2021-08-18 2021-08-18 一种基于irs的异构网络中干扰抑制方法

Country Status (1)

Country Link
CN (1) CN113691295B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114599044B (zh) * 2022-03-07 2024-04-30 西北工业大学 基于智能反射面技术的认知网络中波束赋形优化方法
CN114665938B (zh) * 2022-04-21 2023-05-12 暨南大学 多用户ris预编码方法、装置、计算机设备及存储介质
CN114978263B (zh) * 2022-05-20 2023-10-20 西安电子科技大学 一种基于智能反射面辅助的回环干扰抑制装置及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107172705A (zh) * 2017-04-24 2017-09-15 北京理工大学 无线携能异构网络的波束优化方法及系统
CN111181615A (zh) * 2019-11-29 2020-05-19 广东工业大学 一种基于智能反射面的多小区无线通信方法
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
CN112383332A (zh) * 2020-11-03 2021-02-19 电子科技大学 一种基于智能反射表面的蜂窝基站通信系统
CN112398556A (zh) * 2020-11-04 2021-02-23 北京邮电大学 一种智能反射面通信系统中导频干扰的检测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112350759B (zh) * 2020-11-05 2021-10-26 北京理工大学 一种ris辅助的多用户多天线通信与雷达频谱共享方法
CN112929068B (zh) * 2021-02-04 2022-06-10 重庆邮电大学 基于sdr的irs-noma系统波束赋形优化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107172705A (zh) * 2017-04-24 2017-09-15 北京理工大学 无线携能异构网络的波束优化方法及系统
CN111181615A (zh) * 2019-11-29 2020-05-19 广东工业大学 一种基于智能反射面的多小区无线通信方法
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
CN112383332A (zh) * 2020-11-03 2021-02-19 电子科技大学 一种基于智能反射表面的蜂窝基站通信系统
CN112398556A (zh) * 2020-11-04 2021-02-23 北京邮电大学 一种智能反射面通信系统中导频干扰的检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Analysis and Optimization of an Intelligent Reflecting Surface-Assisted System With Interference;Yuhang Jia等，;《IEEE Transactions on Wireless Communications》;20200901;第19卷(第12期);第8068-8082页 *
Robust Design for Intelligent Reflecting Surface-Assisted MIMO-OFDMA Terahertz IoT Networks;Wanming Hao等，;《IEEE Internet of Things Journal》;20210305;第8卷(第16期);第13052-13064页 *
基于智能反射面的无线抗干扰通信方法;孙艺夫等，;《电波科学学报》;20210817;第36卷(第6期);第877-886页 *

Also Published As

Publication number Publication date
CN113691295A (zh) 2021-11-23

Similar Documents

Publication Publication Date Title
CN113691295B (zh) 一种基于irs的异构网络中干扰抑制方法
CN111954190B (zh) 基于智能反射面的d2d通信吞吐量最大化的方法及装置
CN107733490B (zh) 双向不可信中继网络中联合波束成形和最优功率分配方法
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
CN111726156A (zh) 一种基于noma的资源分配方法与装置
CN113114343B (zh) 一种多波束卫星的高能效智能动态波束成形方法
CN111901812B (zh) 一种全双工蜂窝通信网基站和智慧反射面联合控制方法
CN113938891B (zh) 一种反射面辅助的用户节点不可信noma网络安全通信方法
CN113114317B (zh) 一种irs辅助下行多用户通信系统的相移优化方法
CN112822703B (zh) 智能反射面辅助的非正交多址接入系统性能增益优化方法
CN113497649A (zh) 基于智能反射平面的太赫兹无线通信网络资源管控方法
CN111726151A (zh) 一种基于无线携能通信的资源分配方法与装置
CN113067610A (zh) 基于swipt的毫米波noma系统安全能效最大化功率分配方法
CN116033461B (zh) 一种基于star-ris辅助的共生无线电传输方法
CN111740766A (zh) 一种基于码本的波束设计方法与装置
CN116669073A (zh) 基于智能反射面辅助无人机认知网络的资源分配和轨迹优化方法
CN115334524B (zh) 一种基于全向智能超表面的通信和雷达目标检测方法
CN103368702B (zh) 无线局域网分布式干扰对齐中的流数自适应方法
CN114727318A (zh) 一种基于maddpg的多ris通信网络速率提升方法
Sheemar et al. Intelligent reflecting surfaces assisted millimeter wave MIMO full duplex systems
CN115038099A (zh) 一种非理想sic下的ris-noma上行传输方法及装置
CN111726157B (zh) 面向航空通信的自适应波束赋形方法
CN114157392A (zh) 一种分布式irs辅助通信系统安全传输的优化方法
CN116470938B (zh) Irs辅助通信服务质量公平的联合波束赋形优化方法及设备
WO2024113524A1 (zh) NAFD uRLLC系统的频谱效率确定方法及组件

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