CN114337902A

CN114337902A - 一种irs辅助的毫米波多小区间干扰的抑制方法

Info

Publication number: CN114337902A
Application number: CN202210062053.0A
Authority: CN
Inventors: 宋雅鑫; 徐少毅
Original assignee: Beijing Jiaotong University
Current assignee: Beijing Jiaotong University
Priority date: 2022-01-19
Filing date: 2022-01-19
Publication date: 2022-04-12
Anticipated expiration: 2042-01-19
Also published as: CN114337902B

Abstract

本发明公开了一种IRS辅助的毫米波多小区间干扰的抑制方法，包括以下步骤：步骤1)，建立IRS辅助mmWave通信的系统模型，并对系统模型存在的优化问题进行描述；步骤2)，将优化问题等价转换为等效问题；步骤3)，利用AO算法将等效问题解耦成三个子问题；步骤4)，三个子问题经过非凸优化问题到凸优化问题的转化，得出步骤1)描述的原优化问题的结果。本发明提出的IRS辅助mmWave多小区通信，为增强mmWave覆盖范围的同时抑制ICI来提高用户的通信质量提供重要保障。通过联合优化MBS的发射波束成形、IRS的反射波束成形以及IRS的位置，来最大化最小用户的SINR。

Description

一种IRS辅助的毫米波多小区间干扰的抑制方法

技术领域

本申请涉及无线通信技术领域，尤其涉及一种IRS辅助的mmWave多小区间干扰的抑制方法，用在增强mmWave通信覆盖范围的同时，解决ICI来提高边缘用户的通信质量。

背景技术

毫米波(Millimeter Wave，mmWave)通信是满足B5G和6G无线网络对高数据速率需求的有效解决方案。然而，毫米波基站(mmWave Base Station，MBS)的密集部署在增强mmWave覆盖范围的同时也会产生严重的小区间干扰(Inter-cell Interference，ICI)。智能反射面(Intelligent Reflecting Surface，IRS)辅助通信作为一项革命性新技术，其每个元件可以独立调相来协作改变反射信号的传播特性。因此，可以利用IRS辅助mmWave多小区通信，在增强mmWave通信覆盖范围的同时，解决ICI来提高边缘用户的通信质量。

现有的技术中公开了：

Q.Wu and R.Zhang的文献“Intelligent Reflecting Surface EnhancedWireless Network via Joint Active and Passive Beamforming(通过联合主动和被动波束成形的智能反射面增强无线网络),”IEEE Transactions on WirelessCommunications,vol.18,no.11,pp.5394-5409,Nov.2019，通过联合优化接入点(AccessPoint，AP)的发射波束成形和IRS的反射波束成形，来最小化AP的总发射功率，提出利用交替优化(Alternating Optimization，AO)将变量解耦分解成两个子问题进行求解。

G.Zhou,C.Pan,H.Ren,K.Wang,M.Elkashlan and M.D.Renzo的文献“StochasticLearning-Based Robust Beamforming Design for RIS-Aided Millimeter-WaveSystems in the Presence of Random Blockages(存在随机阻塞的RIS辅助毫米波系统的基于随机学习的鲁棒波束成形设计),”IEEE Transactions on Vehicular Technology,vol.70,no.1,pp.1057-1061,Jan.2021，在mmWave频段考虑了随机阻塞的影响，提出了基于随机学习的鲁棒波束成形设计方案。

H.Xie,J.Xu and Y.-F.Liu的文献“Max-Min Fairness in IRS-Aided Multi-Cell MISO Systems With Joint Transmit and Reflective Beamforming(具有联合发射和反射波束成形的IRS辅助多小区MISO系统中的最大-最小公平性),”IEEE Transactionson Wireless Communications,vol.20,no.2,pp.1379-1393,Feb.2021，在多小区多输入单输出的系统中利用IRS辅助多小区通信，通过最大化最小用户的加权信干燥比(Signal-to-Interference-Plus-Noise Ratio，SINR)来抑制ICI。

C.Pan et al.的文献“Multicell MIMO Communications Relying onIntelligent Reflecting Surfaces(依赖于智能反射面的多小区MIMO通信),”IEEETransactions on Wireless Communications,vol.19,no.8,pp.5218-5233,Aug.2020，提出了通过联合优化发射和反射预编码矩阵来最大化多小区中用户的加权和速率。

综上所述，尽管在以上的研究中，考虑了不同场景下应用IRS辅助通信，但是上述研究中并未涉及到IRS辅助mmWave多小区通信场景。mmWave多小区的ICI的无线资源管理是mmWave通信中的关键问题。目前，已有文献为mmWave多小区的干扰协调做出重要贡献，但是，据我们所知，很少有mmWave波束协调的文献利用如IRS这种新材料辅助mmWave通信协调ICI。然而，IRS具有独立调相并协作改变反射信号的传播特性的功能，并且具有成本低，功耗小，易安装等特性。因此，有必要研究将IRS应用于mmWave通信来增强mmWave信号的覆盖范围的同时抑制ICI的方法。

发明内容

本发明旨在在mmWave多小区通信的场景中，为了增强mmWave信号的覆盖范围以提高mmWave通信链路的可靠性，降低ICI以提高小区边缘用户的通信性能。研究一种利用IRS辅助mmWave多小区通信，抑制ICI来提高小区边缘用户下行通信的方案。目的是：通过联合优化MBS的有源波束成形矢量、IRS的相移以及IRS的位置来最大化最小加权SINR。所构建的优化问题通常为非凸优化问题，需设计将非凸优化问题转化为凸优化问题的算法，以使求解的凸优化问题的解更接近原问题的最优解。

为实现本发明的发明目的，本发明提供的技术方案是：1、一种IRS辅助的毫米波多小区间干扰的抑制方法，其特征在于，包括以下步骤：

步骤1)，建立IRS辅助mmWave通信的系统模型，并对系统模型存在的优化问题进行描述；

步骤2)，将优化问题等价转换为等效问题；

步骤3)，利用AO算法将等效问题解耦成三个子问题；

步骤4)，三个子问题经过非凸优化问题到凸优化问题的转化，得出步骤1)描述的原优化问题的结果。

其中，所述的步骤1)中，所述的系统模型构建步骤包括：

步骤1.1)，IRS辅助mmWave多小区下行通信，具体设置如下：

MBS具有M≥1个天线服务K_l≥1个单天线用户，IRS具有N≥1个无源反射单元；

小区l中的MBS的集合、IRS反射单元的集合以及小区l的用户个数的集合分别为

以及

所有用户的个数为K＝∑_l∈LK_l；

从MBS i到小区l中的用户k，从MBS l到IRS，从IRS到小区l中的用户k的信道矩阵分别表示为：h_i,l,k∈C^M×1,G_l∈C^N×M以及r_l,k∈C^N×1；w_l,k和s_l,k分别为MBS l到用户k的预编码矢量和发送数据；

对于IRS，θ＝[θ₁,…,θ_N]和

分别为IRS的相移矢量和对角反射系数矩阵，其中，θ_n∈[0,2π)和

以获得最大反射效率；

步骤1.2)，MBS l的发射信号为：

假设MBS的最大发射功率为P_l，则

小区l中用户k从MBS-user和MBS-IRS-user信道接收到的信号为：

其中，

为加性高斯白噪声；

步骤1.3)，计算小区l中用户k的SINR：

步骤1.4)，采用的信道模型：MBSi到小区l中用户k的信道、MBS i到IRS的信道、IRS到小区l中用户k的信道分别表示为：

其中，{C_i,l,k,C_i,C_l,k}和{α_i,l,k,c,α_i,c,α_l,k,c}分别表示传播路径个数和大规模衰落系数；定义α∈{α_i,l,k,c,α_i,c,α_l,k,c}，则α～CN(0,10^PL(R)/10)，其中，PL(R)[dB]＝-A₀-10nlog₁₀(R)，A_o表示一米参考距离处的路径损耗，R为传输距离，单位为m，n表示路径损耗指数；假设MBSi的坐标为q_i＝(x_i,y_i,z_i)，用户随机分布在以(x_i+Δx_i,y_i+y_i,0)为中心的圆内并且坐标为q_i,k＝(x_i,k,y_i,k,0)；IRS的坐标为q＝(x,y,z)，位于一个以q_c为中心、半径为r的球中，并且这个球表示为B＝{q|||q-q_c||₂≤r}；在MBS和IRS处采用均匀平面阵列(Uniform PlanarArrays，UPA)，则UPA的响应向量表示为：

其中，

和

属于[0,2π]分别为离开或到达的方位角和仰角；

基于步骤1.1)至步骤1.4)建立的系统模型，对系统模型存在的优化问题进行描述：

构建最大化最小加权SINR的优化目标，约束为MBS的发射功率的约束、IRS的相移约束以及IRS的位置约束，优化问题表示为：

(P1):

q∈B,0≤ρ_l,k≤1,

其中，ρ_l,k是小区l中用户k的权重，ρ_l,k越小，小区l中用户k的优先级越高；max-min形式的目标函数是非凸的，(P1)问题是非凸问题，并且SINR中存在耦合变量；相移约束经过变量代换v＝[v₁,…,v_N]^T，其中，

和

之后，相当于单位模约束，该约束为非凸约束。

步骤2)中，将优化问题等价转换为等效问题具体为：

引入辅助变量γ，(P1)问题可以转化成如下的(P2)问题：

(P2):

γ

‖q-q_c‖₂≤r,

0≤ρ_l,k≤1,

其中，V＝diag(v)∈C^N×N，

步骤3)中，利用AO算法将等效问题解耦成三个子问题，利用AO交替优化W_l、v以及q，具体包括以下步骤：

步骤3.1)：给定v和q，求W_l，具体步骤如下：

步骤3.1.1)：在给定v和q的情况下，(P2)问题可以简化为(P3)问题：

(P3):

γ

步骤3.1.2)：引入辅助变量

并将

视为辅助变量，第一个非凸约束可以转化为如下表达式：

步骤3.1.3)：经过一系列数学运算，可将上述两个表达式写成SOCP的标准表达式：

其中，

表示第g_l,k个变量为1，其他变量为0；

干扰矩阵B∈C^K×K表示为：

步骤3.1.4)：求解等效的优化问题，

(P3.2):find w_l,k

然后，利用二维搜索求γ，上述问题为凸优化问题，用标准凸优化工具求解；

步骤3.2)：给定W_l和q，求v，具体步骤如下：

步骤3.2.1)：给定W_l和q，求v的情况下，(P2)问题可以简化为(P4)问题：

(P4):

γ

步骤3.2.2)：经变量替换后得到如下问题：

(P4.1):

γ

其中，

步骤3.2.3)：引入辅助变量t，(P4.1)问题可以转化为(P4.2)问题：

(P4.2):find

其中，

上述优化问题为SDP问题，用CVX求解；利用高斯随机化得到(P4.1)的可行解；

步骤3.3)：给定W_l和v，求q，具体步骤如下：

步骤3.3.1)：给定W_l和v，求q的情况下，(P2)问题可以简化为(P5)问题：

(P5):

γ

||q-q_c||₂≤r.

步骤3.3.2)：：引入辅助变量u，(P5)问题可以转化为(P5.1)问题：

(P5.1):find

‖q-q_c‖₂≤r,

其中，

步骤3.3.3)：求解(P5.1)问题：用CVX求解，采用高斯随机化得到可行解，根据特征值分解和奇异值分解得到

和

进一步可以得到

和

得到IRS的位置q；

步骤3.3.4)：松弛后的解不满足约束‖q-q_c‖₂≤r，

检查是否满足约束：

其中，

是由q的T—transport得到的：对于

可以通过T—transport将

的点映射到q∈B上，

本发明的有益效果是：

本发明提出的IRS辅助mmWave多小区通信，为增强mmWave覆盖范围的同时抑制ICI来提高用户的通信质量提供重要保障。

本发明提出的IRS辅助的mmWave多小区ICI的抑制方法，通过联合优化MBS的发射波束成形、IRS的反射波束成形以及IRS的位置，来最大化最小用户的SINR。构建的优化问题为非凸的，利用AO算法将原问题解耦成三个子问题，再分别经过非凸优化问题到凸优化问题的转化，可以得到原问题的近似解。这为求解类似非凸优化问题提供解决思路。

本发明用到的中英文词语对照表：

附图说明

图1为本发明方法的流程图；

图2为本发明中IRS辅助mmWave多小区系统示意图。

具体实施方式

下面将结合附图对本申请实施例中的技术方案进行清楚、完整地描述。

图1为本发明方法的流程图，图2为本发明中IRS辅助mmWave多小区系统示意图，如图1、图2中所示出的，本发明的一种IRS辅助的毫米波多小区间干扰的抑制方法，包括以下步骤：

步骤2)，将优化问题等价转换为等效问题；

步骤3)，利用AO算法将等效问题解耦成三个子问题；

下面结合附图1、附图2，对本发明的一种IRS辅助的毫米波多小区间干扰的抑制方法具体步骤描述如下：

为了增强mmWave信号的覆盖范围以提高mmWave通信链路的可靠性，降低ICI以提高小区边缘用户的通信性能。本发明提出一种IRS辅助的mmWave多小区间干扰的抑制方法。系统模型具体如下：

步骤1.1)，IRS辅助mmWave多小区下行通信，具体设置如下：MBS具有M≥1个天线服务K_l≥1个单天线用户，IRS具有N≥1个无源反射单元。小区l中的MBS的集合、IRS反射单元的集合以及小区l的用户个数的集合分别为

以及

相应地，所有用户的个数为K＝∑_l∈LK_l。此外，从MBS i到小区l中的用户k，从MBS l到IRS，从IRS到小区l中的用户k的信道矩阵分别表示为：h_i,l,k∈C^M×1,G_l∈C^N×M以及r_l,k∈C^N×1。w_l,k和s_l,k分别为MBS l到用户k的预编码矢量和发送数据。对于IRS，θ＝[θ₁,…,θ_N]和

以获得最大反射效率。

步骤1.2)，MBS l的发射信号为：

假设MBS的最大发射功率为P_l，则

小区l中用户k从MBS-user和MBS-IRS-user信道接收到的信号为：

其中，

为加性高斯白噪声。

步骤1.3)，计算小区l中用户k的SINR：

步骤1.4)，采用的信道模型如下：MBSi到小区l中用户k的信道、MBS i到IRS的信道、IRS到小区l中用户k的信道分别表示如下：

其中，{C_i,l,k,C_i,C_lk,}和{α_i,l,k,c,α_i,c,α_l,k,c}分别表示传播路径个数和大规模衰落系数。定义α∈{α_i,l,k,c,α_i,c,α_l,k,c}，则α～CN(0,10^PL(R)/10)，其中，PL(R)[dB]＝-A₀-10nlog₁₀(R)，A_o表示一米参考距离处的路径损耗，R为传输距离，单位为m，n表示路径损耗指数。假设MBSi的坐标为q_i＝(x_i,y_i,z_i)，用户随机分布在以(x_i+Δx_i,y_i+Δy_i,0)为中心的圆内并且坐标为q_i,k＝(x_i,k,y_i,k,0)。IRS的坐标为q＝(x,y,z)，位于一个以q_c为中心、半径为r的球中，并且这个球表示为B＝{q|||q-q_c||₂≤r}。在MBS和IRS处采用均匀平面阵列(UniformPlanar Arrays，UPA)，则UPA的响应向量表示如下：

其中，

和

属于[0,2π]分别为离开或到达的方位角和仰角。

基于步骤1.1)至步骤1.4)建立的系统模型，对系统模型存在的优化问题进行描述如下：

在本发明中，考虑用户之间的公平性，构建最大化最小加权SINR的优化目标，约束为MBS的发射功率的约束、IRS的相移约束以及IRS的位置约束。因此，优化问题表示如下：

(P1):

q∈B,0≤ρ_l,k≤1,

其中，ρ_l,k是小区l中用户k的权重，ρ_l,k越小，小区l中用户k的优先级越高。可以看到(P1)问题是非凸问题，因为，max-min形式的目标函数是非凸的，并且SINR中存在耦合变量。另外，相移约束经过变量代换v＝[v₁,…,v_N]^T，其中，

和

之后，相当于单位模约束，该约束为非凸约束，增加了优化问题的求解难度。目前，并没有标准的方法求解此问题。因此，接下来，利用AO算法来迭代优化W_l、v以及q。

步骤2)，将优化问题等价转换为等效问题；

为了解决这个非凸最小加权SINR最大化问题，提出了利用AO算法迭代优化W_l、v以及q，原问题可以分解成三个子问题，分别为：一个二阶锥规划(Second-Order ConeProgram，SOCP)问题和两个半定规划(Semidefinite Program，SDP)问题。具体如下：

问题转换

引入辅助变量γ，(P1)问题可以转化成如下的(P2)问题：

(P2):

γ

‖q-q_c‖₂≤r,

0≤ρ_l,k≤1,

其中，V＝diag(v)∈C^N×N，

步骤3)，利用AO算法将等效问题解耦成三个子问题；

利用AO交替优化W_l、v以及q

步骤3.1)：给定v和q，求W_l，具体步骤如下：

(P3):

γ

步骤3.1.2)：引入辅助变量

并将

视为辅助变量，第一个非凸约束可以转化为如下表达式：

其中，

表示第g_l,k个变量为1，其他变量为0。干扰矩阵B∈C^K×K表示为：

步骤3.1.4)：求解等效的优化问题，

(P3.2):find w_l,k

然后，利用二维搜索求γ，上述问题为凸优化问题，可用标准凸优化工具求解，如CVX求解器。

步骤3.2)：给定W_l和q，求v，具体步骤如下：

(P4):

γ

步骤3.2.2)：经变量替换后得到如下问题：

(P4.1):

γ

其中，

步骤3.2.3)：：引入辅助变量t，(P4.1)问题可以转化为(P4.2)问题：

(P4.2):find

其中，

上述优化问题为SDP问题，因此，可以用CVX求解。然而，由上述SDP问题求解得到的解的秩可能不为1，不满足(P4.1)问题，可以利用高斯随机化得到(P4.1)的可行解。

步骤3.3)：给定W_l和v，求q，具体步骤如下：

(P5):

γ

||q-q_c||₂≤r.

(P5.1):find

‖q-q_c‖₂≤r,其中，

步骤3.3.3)：求解(P5.1)问题：上述问题为凸优化问题，可以用CVX求解，同样采用高斯随机化得到可行解。再根据特征值分解和奇异值分解得到

和

进一步可以得到

和

然后经过一系列数学运算可以得到IRS的位置q。

步骤3.3.4)：松弛后的解可能不满足约束‖q-q_c‖₂≤r，因此，需检查是否满足约束：

其中，

是由q的T—transport得到的：对于

可以通过T—transport将

的点映射到q∈B上，

所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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实施例，都属于本申请保护的范围。

Claims

1.一种IRS辅助的毫米波多小区间干扰的抑制方法，其特征在于，包括以下步骤：

步骤2)，将优化问题等价转换为等效问题；

步骤3)，利用AO算法将等效问题解耦成三个子问题；

2.根据权利要求1所述的一种IRS辅助的毫米波多小区间干扰的抑制方法，其特征在于，所述的步骤1)中，所述的系统模型构建步骤包括：

步骤1.1)，IRS辅助mmWave多小区下行通信，具体设置如下：

以及

所有用户的个数为K＝∑_l∈LK_l；

从MBSi到小区l中的用户k，从MBS l到IRS，从IRS到小区l中的用户k的信道矩阵分别表示为：h_i,l,k∈C^M×1,G_l∈C^N×M以及r_l,k∈C^N×1；w_l,k和s_l,k分别为MBS l到用户k的预编码矢量和发送数据；

对于IRS，θ＝[θ₁,…,θ_N]和

分别为IRS的相移矢量和对角反射系数矩阵，其中，θ_n∈[0,2π)和β_n＝1,

以获得最大反射效率；

步骤1.2)，MBS l的发射信号为：

假设MBS的最大发射功率为P_l，则

小区l中用户k从MBS-user和MBS-IRS-user信道接收到的信号为：

其中，

为加性高斯白噪声；

步骤1.3)，计算小区l中用户k的SINR：

步骤1.4)，采用的信道模型：MBS i到小区l中用户k的信道、MBSi到IRS的信道、IRS到小区l中用户k的信道分别表示为：

其中，{C_i,l,k,C_i,C_lk,}和{α_i,l,k,c,α_i,c,α_l,k,c}分别表示传播路径个数和大规模衰落系数；定义

则α～CN(0,10^PL(R)/10)，其中，PL(R)[dB]＝-A₀-10nlog₁₀(R)，A_o表示一米参考距离处的路径损耗，R为传输距离，单位为m，n表示路径损耗指数；假设MBSi的坐标为q_i＝(x_i,y_i,z_i)，用户随机分布在以(x_i+Δx_i,y_i+Δy_i,0)为中心的圆内并且坐标为q_i,k＝(x_i,k,y_i,k,0)；IRS的坐标为q＝(x,y,z)，位于一个以q_c为中心、半径为r的球中，并且这个球表示为B＝{q|||q-q_c||₂≤r}；在MBS和IRS处采用均匀平面阵列(Uniform PlanarArrays，UPA)，则UPA的响应向量表示为：