CN114339791A - 智能反射面辅助的noma系统中最大吞吐量优化方法 - Google Patents
智能反射面辅助的noma系统中最大吞吐量优化方法 Download PDFInfo
- Publication number
- CN114339791A CN114339791A CN202111399530.4A CN202111399530A CN114339791A CN 114339791 A CN114339791 A CN 114339791A CN 202111399530 A CN202111399530 A CN 202111399530A CN 114339791 A CN114339791 A CN 114339791A
- Authority
- CN
- China
- Prior art keywords
- theta
- objective function
- intelligent
- internet
- maximum
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005457 optimization Methods 0.000 title claims abstract description 26
- 206010042135 Stomatitis necrotising Diseases 0.000 title claims 6
- 201000008585 noma Diseases 0.000 title claims 6
- 230000010363 phase shift Effects 0.000 claims abstract description 27
- 230000005540 biological transmission Effects 0.000 claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000009795 derivation Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 239000012141 concentrate Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明属于无线通信技术领域,具体为智能反射面辅助的NOMA系统中最大吞吐量优化方法,适用于包括一个发电站、一个智能反射面、一个智能反射面控制、K个物联网用户和一个接入点的无线供电传感器网络系统,且所有设备都配置单天线;K个物联网设备首先收集发电站辐射的能量,然后通过利用收集的能量将其个人信息传递到接入点,与此同时智能反射面通过对能量和信息的反射来增强系统的能量收集和数据传输能力;通过联合优化传输能量和信号的时间分配和智能反射面的相移来获取最大吞吐量,提高系统的性能;本发明极大地提高了系统的吞吐量,具有很大的应用价值。
Description
技术领域
本发明属于无线通信技术领域,具体为智能反射面辅助的NOMA系统中最大吞吐量优化方法。
背景技术
智能反射面(IRS)技术是通过重新配置无线传播环境来智能提高无线通信网络总吞吐量的一项革命性技术,IRS有大量的低功率反射元件,这些元件是IRS的核心,具体地说,IRS是根据实际情况部署元件改变相位和振幅,以实现能量和信息的增强;目前有大量关于IRS辅助无线通信网络的研究,从上行或下行两方面分析了应用IRS后系统性能的改善;但是无线通信网络造成了严重的用户不公平,因为它们有所谓的双重近距离问题;非正交多址接入(NOMA)因其低功耗高速率的特点被认为是一种很有前途的5G网络数据传输处理技术,因此在第五代(5G)和移动通信网络中引起了学术界和业界的广泛关注;与传统的正交多址接入技术相比,NOMA的显著特征是允许多个用户通过叠加编码和功率复用在相同的频谱和时间资源上传输不同的叠加信号,而在接收端则利用连续干扰消除对信号进行提取,此外,NOMA可以通过将更多的传输功率分配给远端的用户,而将更少的功率分配给近端的用户,以此来确保用户的公平性。
众所周知,NOMA可以通过SIC解码有效提高用户公平性,但对在IRS辅助的无线通信网络中有关NOMA的相关研究还不够全面,对IRS在WPSN中的效益研究中存在一定缺口。
发明内容
本发明的目的在于提供智能反射面辅助的NOMA系统中最大吞吐量优化方法,以解决上述背景技术中提出的问题,该方法适用于包括一个发电站、一个智能反射面、一个智能反射面控制、K个物联网用户和一个接入点的无线供电传感器网络系统,且所有设备都配置单天线。
本发明提供的智能反射面辅助的NOMA系统中最大吞吐量优化方法,包括如下步骤:
S1:系统根据传输能量和信息的时间以及相移矩阵的约束求解第K个物联网的吞吐量;
S2:系统基于时间分配和相移矩阵的多目标联合优化构建出K个物联网设备的和吞吐量最大优化问题;
S3:求解步骤S2中的优化问题,使系统实现最大和吞吐量的目标;
S4:在算法收敛的情况下求解最终优化结果。
在步骤S1中,系统的智能反射面有N个反射元素,物联网设备有K个;发电站到第k个物联网设备、发电站到智能反射面、智能反射面到第k个物联网设备、第k个物联网设备到智能反射面、第k个物联网设备接入点和智能反射面到接入点的信道参数分别为 和用τ0和Θ0表示下行链路传输能量的时间和相移矩阵,τ1和Θ1表示上行链路传输信息的时间和相移矩阵,其中τ0,τ1∈[0,1],τ0+τ1=T,Θk=diag[βk,1exp(jαk,1),…,βk,Nexp(jαk,N)],αk,n∈[0,2π),βk,n∈[0,1]。
在能量传输的时间τ0中,发电站将能量传输给物联网设备,第k个物联网设备所接收到的能量为其中P0是发电站的传输功率,η是能量传输效率且η∈[0,1];在第k个物联网设备处所能够达到的吞吐量为其中τ=[τ0,τ1],Θ=[Θ0,Θ1],σ2表示噪声功率。
在步骤S2中,通过对时间τ0、τ1和相移矩阵Θ0、Θ1的联合优化达到和吞吐量最大,可将最大优化问题在数学上表示为
s.t.|exp(jαk,n)|=1,k∈[0,1],n∈[1,N]
τ0+τ1=T,0≤τ0≤1,0≤τ1≤1。
在步骤S3中,求解步骤S2中的优化问题,以得到优化后的和吞吐量,具体过程如下:
S3.1:由于目标函数中存在干扰项,多个个变量,很难直接得到最优解,为了有效地解决这个问题,首先固定Θ求解τ0和τ1,然后再将求得的τ0和τ1带入目标函数求解Θ。
S3.2:将优化后的时间带入目标函数求解相移矩阵,但对于该函数来说仍然含有两个变量,所以首先固定Θ1求解Θ0,然后再将求解到的Θ0带入目标函数求Θ1;针对此过程本发明采用两种求解相移矩阵的方法,分别基于元素的块坐标象形法(EBCD)和复杂圆流形法(CCM)迭代求解闭合型相移;固定Θ1,(1)式可以转化为
其中Mk=ηP0|hr,kΘ1hr+hd,k|2/σ2,(2)式可以等同于
s.t.|θ0(n)|=1,n∈[1,N]
s.t.|θ0(n)|=1,n∈[1,N]
对问题(4)采用基于元素的块坐标象形法(EBCD),该方法的中心思想是对于给定的其他相移元素θ0(v),v∈[1,N],优化相移的一个元素θ0(u),u∈[1,N],其中v≠u,经过数学推导(4)式可转变为
s.t.|θ0(u)|=1
用求得的Θ0带入目标函数求Θ1;令Tk=ηP0|a0Θ0pr,k+pd,k 2/σ2,(1)式可简化为
s.t.|θ1(n)|=1,n∈[1,N]
s.t.|θ1(n)|=1,n∈[1,N]
对于给定的其他相移元素θ1(v),v∈[1,N],优化相移的一个元素θ1(u),u∈[1,N]其中v≠u,经过数学推导(8)式可转变为
s.t.|θ1(u)|=1
s.t.|θ0(n)|=1
s.t.|θ1(n)|=1
在步骤S4中,设置迭代次数,令i=i+1并设置最大迭代次数为imax;重复步骤S3.2,当和或者i>imax,算法EBCD收敛,将求解结果带入目标函数计算最大和吞吐量;重复步骤S3.3,当和或者i>imax算法CCM收敛,将求解结果带入目标函数计算最大和吞吐量。
本发明的有益效果如下:
本发明提供的智能反射面辅助的NOMA系统中最大吞吐量优化方法,适用于包括一个发电站、一个智能反射面、一个智能反射面控制、K个物联网用户和一个接入点的无线供电传感器网络系统,且所有设备都配置单天线;K个物联网设备首先收集发电站辐射的能量,然后通过利用收集的能量将其个人信息传递到接入点,与此同时智能反射面通过对能量和信息的反射来增强系统的能量收集和数据传输能力;通过联合优化传输能量和信号的时间分配和智能反射面的相移来获取最大吞吐量,提高系统的性能;本发明极大地提高了系统的吞吐量,具有很大的应用价值。
附图说明
图1为本发明实施的系统模型图;
图2为本发明的流程图。
具体实施方式
为了更清楚地说明本发明实例中的技术方法,下面将结合附图对本发明做进一步详细说明。
如图1所示,本系统包括一个发电站、一个智能反射面、一个智能反射面控制、K个物联网用户和一个接入点的无线供电传感器网络系统,且所有设备都配置单天线,如图2所示,本发明的智能反射面辅助的NOMA系统中最大吞吐量优化方法具体流程如下:
该系统的智能反射面(IRS)有N个反射元素,物联网设备有K个;发电站(PS)到第k个物联网设备、发电站到智能反射面、智能反射面到第k个物联网设备、第k个物联网设备到智能反射面、第k个物联网设备接入点和智能反射面到接入点的信道参数分别为 和用τ0和Θ0表示下行链路传输能量的时间和相移矩阵,τ1和Θ1表示上行链路传输信息的时间和相移矩阵,其中τ0,τ1∈[0,1],τ0+τ1=T,Θk=diag[βk,1exp(jαk,1),…,βk,Nexp(jαk,N)],αk,n∈[0,2π),βk,n∈[0,1]。
在能量传输的时间τ0中,PS将能量传输给物联网设备,第k个设备所接收到的能量为其中P0是发电站的传输功率,η是能量传输效率且η∈[0,1];在第k个物联网设备处所能够达到的吞吐量为其中τ=[τ0,τ1],Θ=[Θ0,Θ1],σ2表示噪声功率。
对时间τ0、τ1和相移矩阵Θ0、Θ1的联合优化达到总吞吐量最大,可将所考虑的问题在数学上表示为
s.t.|exp(jαk,n)|=1,k∈[0,1],n∈[1,N]
τ0+τ1=T,0≤τ0≤1,0≤τ1≤1。
固定Θ求解τ0和τ1,然后再将求得的τ0和τ1带入目标函数求解Θ。
将优化后的时间带入目标函数求解相移矩阵,但对于该函数来说仍然含有两个变量,所以首先固定Θ1求解Θ0,然后再将求解到的Θ0带入目标函数求Θ1;针对此过程本发明采用了两种求解相移矩阵的方法,分别基于元素的块坐标象形法(EBCD)和复杂圆流形法(CCM)迭代求解闭合型相移;固定Θ0,(1)式可以转化为
其中Mk=ηP0|hr,kΘ1hr+hd,k|2/σ2,(2)式可以等同于
s.t.|θ0(n)|=1,n∈[1,N]
s.t.|θ0(n)|=1,n∈[1,N]
对问题(4)采用基于元素的块坐标象形法(EBCD),该方法的中心思想是对于给定的其他相移元素θ0(v),v∈[1,N],优化相移的一个元素θ0(u),u∈[1,N]其中v≠u,经过数学推导(4)式可转变为
s.t.|θ0(u)|=1
用求得的Θ0带入目标函数求Θ1;令Tk=ηP0|a0Θ0pr,k+pd,k|2/σ2,(1)式可简化为
s.t.|θ1(n)|=1,n∈[1,N]
s.t.|θ1(n)|=1,n∈[1,N]
对于给定的其他相移元素θ1(v),v∈[1,N],优化相移的一个元素θ1(u),u∈[1,N]其中v≠u,经过数学推导(8)式可转变为
s.t.|θ1(u)|=1
s.t.|θ0(n)|=1
s.t.|θ1(n)|=1
设置迭代次数,令i=i+1并设置最大迭代次数为imax:重复步骤S3.2,当和或者i>imax,算法EBCD收敛,将求解结果带入目标函数计算最大和吞吐量;重复CCM算法步骤,当和或者i>imax算法CCM收敛,将求解结果带入目标函数计算最大和吞吐量。
本发明提供的智能反射面辅助的NOMA系统中最大吞吐量优化方法,适用于包括一个发电站、一个智能反射面、一个智能反射面控制、K个物联网用户和一个接入点的无线供电传感器网络系统,且所有设备都配置单天线;K个物联网设备首先收集发电站辐射的能量,然后通过利用收集的能量将其个人信息传递到接入点,与此同时智能反射面通过对能量和信息的反射来增强系统的能量收集和数据传输能力;通过联合优化传输能量和信号的时间分配和智能反射面的相移来获取最大吞吐量,提高系统的性能;本发明极大地提高了系统的吞吐量,具有很大的应用价值。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (5)
1.智能反射面辅助的NOMA系统中最大吞吐量优化方法,其特征在于:包括如下步骤:
S1:系统根据传输能量和信息的时间以及相移矩阵的约束求解第K个物联网的吞吐量;
S2:系统基于时间分配和相移矩阵的多目标联合优化构建出K个物联网设备的和吞吐量最大优化问题;
S3:求解步骤S2中的优化问题,使系统实现最大和吞吐量的目标;
S4:在算法收敛的情况下求解最终优化结果。
2.根据权利要求1所述的智能反射面辅助的NOMA系统中最大吞吐量优化方法,其特征在于:在步骤S1中,系统的智能反射面有N个反射元素,物联网设备有K个;发电站到第k个物联网设备、发电站到智能反射面、智能反射面到第k个物联网设备、第k个物联网设备到智能反射面、第k个物联网设备接入点和智能反射面到接入点的信道参数分别为 和
用τ0和Θ0表示下行链路传输能量的时间和相移矩阵,τ1和Θ1表示上行链路传输信息的时间和相移矩阵,其中τ0,τ1∈[0,1],τ0+τ1=T,Θk=diag[βk,1exp(jαk,1),…,βk,Nexp(jαk,N)],αk,n∈[0,2π),βk,n∈[0,1]。
4.根据权利要求1所述的智能反射面辅助的NOMA系统中最大吞吐量优化方法,其特征在于:在步骤S3中,求解步骤S2中的优化问题,以得到优化后的和吞吐量,具体过程如下:
S3.1:首先固定Θ求解τ0和τ1,然后再将求得的τ0和τ1带入目标函数求解Θ。
S3.2:将优化后的时间带入目标函数求解相移矩阵,首先固定Θ1求解Θ0,然后再将求解到的Θ0带入目标函数求Θ1;此过程分别基于元素的块坐标象形法(EBCD)和复杂圆流形法(CCM)迭代求解闭合型相移;固定Θ1,(1)式可以转化为
其中Mk=ηP0|hr,kΘ1hr+hd,k|2/σ2,(2)式可以等同于
s.t.|θ0(n)|=1,n∈[1,N]
s.t.|θ0(n)|=1,n∈[1,N]
对问题(4)采用基于元素的块坐标象形法(EBCD),该方法的中心思想是对于给定的其他相移元素θ0(v),v∈[1,N],优化相移的一个元素θ0(u),u∈[1,N],其中v≠u,经过数学推导(4)式可转变为
s.t.|θ0(u)|=1
用求得的Θ0带入目标函数求Θ1;令Tk=ηP0|a0Θ0pr,k+pd,k|2/σ2,(1)式可简化为
s.t.|θ1(n)|=1,n∈[1,N]
s.t.|θ1(n)|=1,n∈[1,N]
对于给定的其他相移元素θ1(v),v∈[1,N],优化相移的一个元素θ1(u),u∈[1,N]其中v≠u,经过数学推导(8)式可转变为
s.t.|θ1(u)|=1
s.t.|θ0(n)|=1
s.t.|θ1(n)|=1
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111399530.4A CN114339791A (zh) | 2021-11-19 | 2021-11-19 | 智能反射面辅助的noma系统中最大吞吐量优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111399530.4A CN114339791A (zh) | 2021-11-19 | 2021-11-19 | 智能反射面辅助的noma系统中最大吞吐量优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114339791A true CN114339791A (zh) | 2022-04-12 |
Family
ID=81047192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111399530.4A Pending CN114339791A (zh) | 2021-11-19 | 2021-11-19 | 智能反射面辅助的noma系统中最大吞吐量优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114339791A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116056116A (zh) * | 2023-01-11 | 2023-05-02 | 深圳大学 | 无线通信系统访问控制的优化方法、系统、设备及介质 |
CN116867090A (zh) * | 2023-09-01 | 2023-10-10 | 华南师范大学 | 一种物联网资源分配方法、装置、设备以及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111954190A (zh) * | 2020-08-20 | 2020-11-17 | 深圳恩步通信技术有限公司 | 基于智能反射面的d2d通信吞吐量最大化的方法及装置 |
-
2021
- 2021-11-19 CN CN202111399530.4A patent/CN114339791A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111954190A (zh) * | 2020-08-20 | 2020-11-17 | 深圳恩步通信技术有限公司 | 基于智能反射面的d2d通信吞吐量最大化的方法及装置 |
Non-Patent Citations (4)
Title |
---|
JIAKUO ZUO.ET.AL: "The Application of Intelligent Reflecting Surface in Downlink NOMA Systems", 《2020 IEEE INTERNATIONAL CONFERENCE ON COMMUNICATIONS WORKSHOPS (ICC WORKSHOPS)》, 21 July 2020 (2020-07-21) * |
ZHENG CHU.ET.AL: ""Intelligent Reflecting Surface Assisted Wireless Powered Sensor Networks for Internet of Things"", 《IEEE TRANSACTIONS ON COMMUNICATIONS》, vol. 69, no. 7, 20 April 2021 (2021-04-20), pages 1 - 7, XP011865925, DOI: 10.1109/TCOMM.2021.3074539 * |
ZHENG CHU.ET.AL: ""Resource Allocation for IRS-Assisted Wireless-Powered FDMA IoT Networks"", 《IEEE INTERNET OF THINGS JOURNAL》, vol. 9, no. 11, 5 October 2021 (2021-10-05), XP011909094, DOI: 10.1109/JIOT.2021.3117791 * |
ZHENG CHU.ET.AL: "Intelligent Reflecting Surface Assisted Wireless Powered Sensor Networks for Internet of Things", 《IEEE TRANSACTIONS ON COMMUNICATIONS》, vol. 69, no. 7, 20 April 2021 (2021-04-20), pages 1 - 7, XP011865925, DOI: 10.1109/TCOMM.2021.3074539 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116056116A (zh) * | 2023-01-11 | 2023-05-02 | 深圳大学 | 无线通信系统访问控制的优化方法、系统、设备及介质 |
CN116056116B (zh) * | 2023-01-11 | 2023-08-29 | 深圳大学 | 无线通信系统访问控制的优化方法、系统、设备及介质 |
CN116867090A (zh) * | 2023-09-01 | 2023-10-10 | 华南师范大学 | 一种物联网资源分配方法、装置、设备以及存储介质 |
CN116867090B (zh) * | 2023-09-01 | 2024-01-09 | 华南师范大学 | 一种物联网资源分配方法、装置、设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao | A survey of intelligent reflecting surfaces (IRSs): Towards 6G wireless communication networks | |
CN109981153B (zh) | 一种人工噪声辅助的大规模mimo安全统计预编码方法 | |
Mirza et al. | Channel estimation method and phase shift design for reconfigurable intelligent surface assisted MIMO networks | |
Yuan et al. | Transfer learning and meta learning-based fast downlink beamforming adaptation | |
CN109104225B (zh) | 一种能效最优的大规模mimo波束域多播传输方法 | |
CN114339791A (zh) | 智能反射面辅助的noma系统中最大吞吐量优化方法 | |
Chu et al. | Resource allocation for IRS-assisted wireless-powered FDMA IoT networks | |
CN103684657A (zh) | 预编码矩阵构造和索引值反馈方法及相关通信设备 | |
CN107592144B (zh) | Eh-mimo能量收集及多天线通信系统的节点天线选择方法及装置 | |
CN109714091B (zh) | 一种在毫米波mimo系统中基于分层设计的迭代混合预编码方法 | |
CN109150257B (zh) | 一种大规模mimo波束域安全多播无线传输方法 | |
Ye et al. | On the capacity of reconfigurable intelligent surface assisted MIMO symbiotic communications | |
CN105162507A (zh) | 大规模mimo fdd系统中基于信漏噪比的两阶段预编码方法 | |
Zheng et al. | Balancing accuracy and integrity for reconfigurable intelligent surface-aided over-the-air federated learning | |
CN109347527B (zh) | 一种服务质量保障的大规模mimo安全传输方法 | |
Souto et al. | An alternating direction algorithm for hybrid precoding and combining in millimeter wave MIMO systems | |
An et al. | Joint design of transmit waveform and passive beamforming for RIS-assisted ISAC system | |
Bhardwaj et al. | Deep learning-based MIMO and NOMA energy conservation and sum data rate management system | |
Li et al. | Joint beamforming and power allocation for intelligent reflecting surface-aided millimeter wave MIMO systems | |
Jing et al. | Transceiver beamforming for over-the-air computation in massive MIMO systems | |
CN116033461B (zh) | 一种基于star-ris辅助的共生无线电传输方法 | |
Zhang et al. | Channel estimation for mmWave massive MIMO systems with mixed-ADC architecture | |
Zhang et al. | Hybrid precoding design based on dual-layer deep-unfolding neural network | |
CN103441966A (zh) | 一种高速下基于ecm的分布式mimo频偏和信道估计 | |
Zou et al. | Secure transmission for intelligent reflecting surface assisted communication with deep learning |
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 |