CN113709687A

CN113709687A - 一种智能反射面辅助的无线传感器网络的资源分配方法

Info

Publication number: CN113709687A
Application number: CN202110971274.5A
Authority: CN
Inventors: 朱政宇; 徐金雷; 楚征; 孙钢灿; 李铮; 杨晨一; 郝万明; 刘沛佳; 王宁; 王忠勇
Original assignee: Zhengzhou University
Current assignee: Zhengzhou University
Priority date: 2021-08-23
Filing date: 2021-08-23
Publication date: 2021-11-26

Abstract

本发明涉及一种智能反射面辅助的无线传感器网络的资源分配方法，所述方法包括：建立基于智能反射面辅助的多天线功率发射站通过能量波束成形为多个物联网设备无线充电的系统模型，每个设备都利用收集的能量与接入点(AP)连接进行信息传输；联合优化能量波束成形、传输时间调度以及反射面相移的约束，构建系统和吞吐量最大化的问题；由于多个耦合变量的存在，首先以封闭形式导出最优的无线信息传输的智能反射面相移；提出了一种交替优化的低复杂度方案，通过拉格朗日对偶方法、卡鲁什‑库恩‑塔克条件和优化‑最小化算法得到能量波束成形、时间分配和无线能量传输的相移的最优解。本发明将智能反射面部署在物联网设备无线传感器网络的系统中，联合优化能量波束成形、传输时间调度以及反射面相移的约束，提高系统和吞吐量。

Description

一种智能反射面辅助的无线传感器网络的资源分配方法

技术领域

本发明属于通信技术领域，具体涉及一种智能反射面辅助的无线传感器网络的资源分配方法。

背景技术

物联网(Internet of thing，IoT)是第五代(5G)和宽带网络的重要组成部分，这显著提高了无处不在的无线设备(Wireless devices，WDs)的高数据访问速率。设备依赖于有限的能量模式来维持计算和通信操作。传感器通常配备传统的电池，这限制了它们潜在的实际应用。此外，传感器通常部署在极端环境、基础设施或人体中，因此电池维护或更换非常具有挑战性。因此，传感器有限的电池寿命仍然是设计未来无线网络的关键挑战。

最近，射频无线能量传输(Radio frequency wireless energy transfer，RFWET)实现了从专用能源到WDs的新型电能传输，而无需任何有线连接，这被认为是解决电池能量限制的有前途的解决方案之一。作为射频(Wireless information transfer，WIT)的重要组成部分，无线供电通信网络从专用能源收集能量，每个能源都有稳定的能源供应，支持无线信息传输。与传统的电池供电通信相比，(Wireless powered communicationnetworks，WPCN)有望提高系统吞吐量。因此，WPCN提高了无线网络中的能效，从而降低了其运行成本，使其更适合低能耗使用情况，即无线供电传感器网络(WPSNs)，这将降低网络维护成本并增强传感器的部署灵活性。此外，为了提高超高频谱效率和吞吐量，服务质量被认为是5G及更高网络的重要要求。

智能反射表面(Intelligent reflecting surface，IRS)作为智能无线电环境的关键使能器，是未来第六代(6G)无线网络中提高吞吐量的有前途的技术之一。IRS由大量可重新配置的反射单元组成，由智能控制器管理。这些元件在没有射频处理、编码/解码或重传的情况下操作预期信号的反射功能，这实现了三维(3-D)无源波束成形增益，以通过动态调谐每个元件的相移来将反射信号与直接链路信号构造性地相加，增强接收端期望信号功率，进而提高系统的总吞吐量。

发明内容

本发明的目的是为了克服现有技术的不足，而提供一种智能反射面辅助的无线传感器网络的资源分配方法。

本发明的目的是这样实现的：一种智能反射面辅助的无线传感器网络的资源分配方法，它包括：

S1：建立基于智能反射面辅助的多天线功率发射站通过能量波束成形为多个物联网设备无线充电的系统模型，每个设备都利用收集的能量与接入点连接进行信息传输；

S2：联合优化能量波束成形、传输时间调度以及反射面相移约束，构建系统和吞吐量最大化的问题；

S3：提出了一种交替优化的低复杂度方案，以封闭形式导出最优的无线信息传输的智能反射面相移，通过拉格朗日对偶方法、卡鲁什-库恩-塔克条件和优化-最小化算法得到能量波束成形、时间分配和无线能量传输的相移的最优解。

所述的步骤S1具体包括：

考虑一个IRS辅助的WPSN，多天线PS采用能量波束成形来向K个物联网设备传输无线能量，物联网设备使用收集的能量向接入点发送信息，利用IRS反射系数被动反射射频能量和信息信号，假设PS配备N_T发射天线，IRS由N_R反射元件组成，而AP和所有物联网设备均为单天线节点。信道系数

PS-IRS,

以及IRS-AP分别定义为

和

所述的步骤S2具体包括：

IRS辅助的WPSN中使用一个通用的先服务后传输协议，持续时间设置为T。下行链路WET持续时间为τ₀∈[0,1]，同时，IRS收集能量信号，并反射信号。此外，上行链路带宽持续时间也采用时分多址(TDMA).其中每个物联网设备的上行链路WIT持续时间由τ_k∈[0,1]表示。时间分配满足

定义

在τ_k的持续时间内作为与相移相关联的对角矩阵，假设在

收集的所有能量都用于其信息传输，从而实现最大可达吞吐量，上行链路带宽持续时间τ_k期间，在

可实现吞吐量由下式给出

其中，η∈[0，1]能量转换效率，w表示满足的PS的能量波束形成||w||²≤P₀，P₀是PS处可用的最大发射功率，

²是接入点的噪声方差，联合优化能量波束成形、传输时间调度以及反射面相移约束，构建系统和吞吐量最大化的问题

s.t.|exp jα_k,n|＝1，n∈[1,N_R], (2a)

||w||²≤P₀. (2c)

在问题(2)中，(2a)是IRS相移约束，(2b)表示传输时间约束，(2c)是PS的PS发射功率约束。

所述的步骤S3具体包括：

提出了一个低复杂度的交替优化方案，首先给定的WET IRS相移，通过应用特征值分解，以及拉格朗日对偶方法和卡鲁什库恩-塔克(KKT)条件，分别导出了最优闭环能量波束成形和传输时间分配，然后，对于给定的能量波束成形和传输时间分配，优化-最小化(MM)算法推导出了WET的闭式IRS相移。

本发明的有益效果：由上述技术方案可知，通过本发明提供一种智能反射面辅助的无线供电方法和装置，其中多天线PS应用能量波束形成向多个物联网设备发射射频能量信号，联合优化能量波束成形、传输时间调度以及反射面相移约束，构建系统和吞吐量最大化的问题，提出了一种交替优化的低复杂度方案，以封闭形式导出最优的无线信息传输的IRS，通过优化设计无源反射元件的相移，IRS被用来改善物联网设备的能量接收和接入点的信息接收。

附图说明

图1是本发明提供的一种智能反射面辅助的无线传感器网络的资源分配方法的结构示意图；

图2系统部署图；

图3示出算法的收敛性；

图4PS处发射功率与总吞吐量对比图；

图5总吞吐量与反射面反射元素N_R的关系；

图6评估了IRS(用X_IRS表示)和IoT设备(用X_U表示)的x坐标中对总吞吐量的影响；

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他的实施例，都属于本发明保护的范围。

本发明提供本发明提供一种智能反射面辅助的无线传感器网络的资源分配方法。联合优化能量波束成形、传输时间调度以及反射面相移约束，构建系统和吞吐量最大化的问题。如图1所示，该方法包括步骤：

S3：提出了一种交替优化的低复杂度方案，以封闭形式导出最优的无线信息传输的智能反射面相移，并通过拉格朗日对偶方法、卡鲁什-库恩-塔克条件和优化-最小化算法得到能量波束成形、时间分配和无线能量传输的相移的最优解。

本实施例中，步骤S1具体过程如下：

考虑一个IRS辅助的WPSN，更具体地说，多天线PS采用能量波束成形来向K个物联网设备传输无线能量，然后使用收集的能量向接入点发送信息。部署IRS系统，利用反射系数被动反射射频能量和信息信号，由IRS系统控制器管理。假设PS配备N_T发射天线，IRS由N_R反射元件组成，而AP和所有物联网设备均为单天线节点。在本发明中，假设完美信道状态信息(CSI)是已知的，考虑模型的吞吐量性能的上限。信道系数

PS-IRS,

以及IRS-AP分别定义为

和

图2是该系统部署结构示意图，PS、AP和IRS部署在(10，0，0)、(10，0，0)和(2，6，0)。所有物联网传感器节点位于

如果n＝1,…,2k+1，和

当n＝2,…,2k。其中l是两个相邻物联网设备之间的间隔。设置路径衰落模型P_L＝Ad^-ε，其中A＝-30dB，ε定义为路径损耗指数，d代表任意两个节点之间的物理距离，PS-IRS,

包括IRS-AP的通道系数,

和

其中

和

是相应信道系数的非视距(NLOS)分量，它跟随高衰落。此外，K₁是设置为5dB的莱斯因数。剩余信道系数生成为

和

模拟的其他参数是:总传输时间周期T＝1，除非另有规定，再PS处发射天线数N_T＝6，IRS反射天线数N_R＝30，物联网设备数K＝5，再PS处的发射功率P₀＝25dBm，再AP处的的噪声功率＝90σ²＝-90dBm，能量转换效率η＝0.8。

在本发明中，IRS辅助的WPSN中使用了一个通用的先服务后传输协议，整个持续时间设置为T。下行链路无线能量传输持续时间由下式表示τ₀∈[0,1]。同时，IRS收集能量信号，并反射信号。此外，上行链路带宽持续时间也采用时分多址(TDMA).每个物联网设备的上行链路WIT持续时间由τ_k∈[0,1]表示。时间分配满足

此外，定义

在τ_k的持续时间内作为与相移相关联的对角矩阵。其中，β_k，n∈[0，1]和α_k，n∈[0，2π]，|exp jα_k，n|＝1分别是第n个反射系数的振幅和相移。设置β_k,n＝1，k∈[0,K]，n∈[1,N_R]为了最大化反射信号功率。因此，在

处的射频接收能量表达为

其中，η∈[0,1]是能量转换效率，w表示满足的PS的能量波束形成||w||²≤P₀，P₀是PS处可用的最大发射功率。本发明在

收集的所有能量都用于其信息传输，从而实现最大可达吞吐量。这实现了最大可达到的吞吐量。在上行链路带宽持续时间τ_k期间，在

可实现吞吐量由下式给出

其中，

σ²是接入点的噪声方差。

本实施例中，步骤S2具体过程如下：

联合设计能量波束形成、IRS相移以及传输时间分配来最大化其总吞吐量。因此，总吞吐量最大化问题被表述为

s.t.|exp jα_k,n|＝1,n∈[1,N_R], (7a)

||w||²≤P₀. (7c)

在问题(7)中，(7a)是IRS相移约束，(7b)表示传输时间约束，(7c)是PS的PS发射功率约束。

首先优化相移矩阵

提出以下建议

命题1:最优相移矩阵，即

给出如下

其中，

b_k＝diag h_k h_r。

进一步，表示t_k＝|h_kΘ_kh_r+h_d,k|²并代入问题(7)得到

s.t.|exp jα_0,n|＝1,n∈[1,N_R], (9b)

(7b)，(7c).

由于目标函数(9a)和模数约束(9b)的非凸性，问题(9)仍然非凸，提出了一种低复杂度的方案来获得能量波束形成、传输时间调度和湿相位相移的最优封闭解，有效地降低了由SDP松弛引起的计算复杂度。

本实施例中，步骤S3具体过程如下：

提出了一个低复杂度的AO方案，其中首先推导出了一个不可估计的封闭形式的解决方案来替代性地解决问题(9)，以显著降低计算复杂度。

给定Θ₀优化w和τ:首先，令W＝ww^H，给定Θ₀将问题(9)改写为(10)

s.t.Tr W≤P₀,(2b), (10b)

注意，由于SDP松弛(即，W＝ww^H)的rank W≥1可满足性问题(10)。为了解决问题(10)，考虑以下定理

定理1:问题(10)可以改写成以下问题

s.t.Tr W≤P₀,0≤τ₀≤T, (11b)

τ_k是的最优解以封闭形式导出为

问题(11)在和τ₀仍然非凸，给定τ₀时，给出了以下理论来推导W最优解。

为了证明定理1，首先考虑给定w的拉格朗日对偶函数，以导出的封闭形式解τ。

其中，μ≥0是与约束(4b)相关联的对偶变量。同样，它的对偶问题被写成

其中，

定义为任何的可行集τ_k。注意，由于

和

所以(7)可以重新表述为凸优化问题，强对偶成立，使得(7)的最优解满足以下KKT条件

从(15a)，得到最优对偶变量满足μ^*＞0，为了保证最优的时间分配

考虑(15b)来计算(13)的一阶导数，并将其设置为零，由下式给出

(16)的左边可以概括为

其中x单调递增，为了保证(16)的K个方程，有

令

有

将(18)代入约束(7b)，接下来的推导需要获得

将(19)式代入(18),τ_K的最优解通过(12)式给出。把(12)代入到问题(10)，且令

(10)重写为(11)。

定理2:问题(11)的最优解，即W，以封闭形式导出，如W^*＝P₀υ_max(GG^H)υ_max(GG^H)^H。

容易证明(11a)是一个对数函数，它相对于Tr(GG^HW)是递增的。因此，问题(11)的最优解相当于解决以下问题

考虑W的特征值分解

W＝U△U^H, (21)

其中，

是一个酉矩阵，

且

将(21)代入(20)的目标函数，得

其中，

注意(22)中的等式成立，如果

和

此外，最优的△表示为

△＝diag P₀，0，...，0. (23)

使

把(23)代入(21)，最优解为

此外，定义N＝min(N_T，K)和G的奇异值分解

其中，

和

是酉矩阵，和Γ＝diag(ρ₁，...，ρ_N)，ρ1≥，...，≥ρ_N。注意

其中

定义为U_G的第i个列向量。

由于公式(24)SVD，

是所有

的最大项，当且仅当

是U_G的第一列。因此，问题(20)的最优解为W^*＝P₀υ_max(GG^H)υ_max(GG^H)^H。

由于秩为1的条件rank W≥1，最优能量波束成形器很容易导出

通过应用定理2，问题(8)可以相对于τ₀重写

s.t.0≤τ₀≤T. (25)

问题(25)是τ₀中的单值优化问题，可以通过使用一维(1-D)线搜索，例如黄金搜索来容易地解决。然而，这种数值搜索将引入非常高的计算复杂度。因此，提出了一种低复杂度的方法来推导最优的封闭形式τ₀，需要以下理论

定理3:时间分配τ₀最佳地以封闭形式导出为

给定Θ₀和τ的优化:这里，首先用Θ₀重写问题(4)

s.t.|exp jα_0，n|＝1，n∈[1，N_R]， (27)

由于非凸单位模约束，问题(12)不是凸的。因此，提出了一种新的方法来获得最佳的封闭形式IRS相移Θ₀。很容易证明，最大化(12)是一个等价的后续问题

s.t.|θ₀(n)|＝1,n∈[1，N_R]， (29)

其中

和

通过对(13a)进行一些数学运算，我们已经

其中

和

因此，问题(16)相当于

s.t.(13b), (32)

其中Φ＝-Φ₁，和e＝-e₁。

为了解决问题(18)，应用了优化-最小化算法，其中问题(18)被迭代地近似为可行子问题序列。

命题3:给定

在第一次迭代中，目标函数(18a)近似为以下

其中

和

此外，

将近似解表示为θ₀，这是通过交替算法从上一次迭代中获得的。

通过利用位置3，构造(18a)的替代函数，问题(18)被重新表述为

s.t.|θ₀(n)|＝1,n∈[1,N_R], (34)

其中

此外，它很容易获得||θ₀||²N_R由于

可以最大化θ₀(n)和

完全相同。因此，式(20)的最优解导出为

通过应用算法2，问题(10)的目标值在迭代过程中具有非递减趋势，并且其收敛性得到保证。

图3示出了算法的收敛性能。如图所示，总吞吐量随着迭代而增加，然后在五次迭代内达到收敛值，这证实了所提出低复杂度方案的性能。

在图4中，为每个方案绘制了在PS处功率P₀下总吞吐量与发射功率的关系。可以看出，总吞吐量随着P₀而增加，物联网设备收集更多能量，从而产生更大的总吞吐量。所提出的低复杂度AO方案的性能显著优于基准方案，并且所提出的方案与基准方案之间的差距变得更大。表明IRS带来的WPSN总吞吐量优势。此外，所提出的方案优于固定/相等时间分配的方案，并且与P₀的差距变大，这突出了最优传输时间调度的优势。

在图5中，评估总吞吐量与反射面反射元素N_R的关系。从该图可以观察到，大尺寸反射阵列可以实现比所有基准方案更高的总吞吐量。在基准方案中，FTA实现了较慢的总吞吐量增长率，因为它采用给定的时间分配而不是最佳时间分配，而RPS和ETA由于使用随机IRS相移和相等的时间分配而具有不明显的增加。没有IRS的方案在N_R下保持不变，因为IRS在WET和WIT阶段不涉及能量和信息反射。

在图6评估了IRS(用X_IRS表示)和IoT设备(用X_U表示)的x坐标中对总吞吐量的影响。在图6中，绘制了总吞吐量与X_IRS的关系图。从该图可以明显看出，总吞吐量随着X_IRS先增加后减少。这说明IRS的最佳部署有效地改善了物联网设备的能量收集，从而最大限度地提高了接入点的信息接收。