CN114501497A - 一种基于信噪泄漏比的多智能反射面与多用户的匹配方法 - Google Patents

一种基于信噪泄漏比的多智能反射面与多用户的匹配方法 Download PDF

Info

Publication number
CN114501497A
CN114501497A CN202210073010.2A CN202210073010A CN114501497A CN 114501497 A CN114501497 A CN 114501497A CN 202210073010 A CN202210073010 A CN 202210073010A CN 114501497 A CN114501497 A CN 114501497A
Authority
CN
China
Prior art keywords
base station
intelligent
user
intelligent reflecting
reflecting surface
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.)
Granted
Application number
CN202210073010.2A
Other languages
English (en)
Other versions
CN114501497B (zh
Inventor
孙强
武宜阳
蒋行健
黄勋
邵蔚
王珏
杨永杰
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.)
Nantong University
Original Assignee
Nantong 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 Nantong University filed Critical Nantong University
Priority to CN202210073010.2A priority Critical patent/CN114501497B/zh
Publication of CN114501497A publication Critical patent/CN114501497A/zh
Application granted granted Critical
Publication of CN114501497B publication Critical patent/CN114501497B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
    • 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)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于信噪泄漏比的多智能反射面与多用户的匹配方法，该方法首先用户端发送正交导频信号，基站端根据接收的导频信号估计出直接链路和反射级联链路信道状态信息；然后基站端采用广义瑞利熵算法计算得到最佳预编码向量；接着基站端计算得出其通过每一个智能反射面服务不同用户端时的信噪泄漏比值；最后基站端采用基于信噪泄漏比权值的Kuhn‑Munkres算法，经迭代获得一组最大权值的智能反射面与用户端匹配结果，依据匹配结果配置智能反射面的幅度和相位进行下行链路数据通信。本发明增强了系统稳定性，提升了无线通信系统的频谱效率以及能量效率。

Description

一种基于信噪泄漏比的多智能反射面与多用户的匹配方法
技术领域
本发明涉及无线通信技术领域，特别涉及一种基于信噪泄漏比的多智能反射面与多用户的匹配方法。
背景技术
随着5G通信网络的商业化，第六代通信技术旨在实现更快、更可靠的数据传输。在这些技术中，智能反射面最近吸引了学术界和工业的广泛兴趣。智能反射面作为新兴技术，其定义了新的无线传输和传播模式，并控制通信信道。智能反射面是一种包含电子可控和低功耗模拟处理元件的智能超表面，它可实时调整无源反射元件的相位、幅度、频率甚至极化，从而将入射电磁信号引导到所需方向，提高无线通信系统的覆盖率和速率。
多个智能反射面辅助的无线通信系统的性能通常会比单个智能反射面辅助的无线通信系统性能更好。因为多个智能反射面可以提供多条通信链路来增强接收到的信号强度，并且分布在不同位置的多个智能反射面可以提供灵活的链路，从而减少其中一个或多个链路被某些障碍物阻塞的情况所带来的影响。尽管多个智能反射面辅助可以提高无线通信系统的性能，但是由于智能反射面个数增加，需要使用更准确的相移进行被动预编码，以保证智能反射面反射的信号能够更精确地到达用户。此外，高维级联信道和智能反射面的无源反射单元数也随之显著增加，其级联信道状态信息的估计将产生大量的导频训练开销和硬件复杂度，从而使系统性能下降，数据传输速率降低。
因此，减少服务单个用户的智能反射面的数量十分必要，故需合理地为每个用户选择适当的智能反射面来为其服务。目前常采用的就近选择的智能反射面选择方案，基站端只选择距离其较近的智能反射面来为用户服务，不仅不能保证所选智能反射面确实能够增强通信质量，而且整个无线通信系统的性能也没有提升。面对这一问题，本发明设计了一种基于信噪泄漏比的多智能反射面与多用户的匹配方法，用于在多个智能反射面辅助的无线通信系统中选择最优的一个智能反射面辅助通信，提高了能量效率，提升了无线通信系统性能。
发明内容
为解决上述背景技术中提出的问题，本发明提出了一种基于信噪泄漏比的多智能反射面与多用户的匹配方法，用于在多个智能反射面辅助的无线通信系统中选择最优的一个智能反射面辅助通信，从而能够更好地进行下行链路数据通信。
为了达到上述目的，本发明提出的一种基于信噪泄漏比的多智能反射面与多用户的匹配方法，包括如下步骤：
S1：考虑无线网络中的下行链路通信，无线通信系统依靠直接通信链路以及智能反射面辅助信道进行通信。用户端进行上行链路通信，首先其直接向基站端发送正交导频信号，然后通过智能反射面反射的方式向基站端发送正交导频信号，基站端控制智能反射面依次打开其所有无源元件反射导频信号，基站端根据接收的导频信号估计出直接链路和反射级联链路信道状态信息；
S2：基站端依据已知的信道状态信息，采用广义瑞利熵算法计算得到最佳预编码向量；
S3：基站端依据所求最佳预编码向量，计算其通过直接链路和每一个智能反射面服务不同用户端时的信噪泄漏比值；
S4：基站端依据遍历所获得的信噪泄漏比值，采用Kuhn-Munkres算法，以信噪泄漏比作为权值，获得一组最大权值的智能反射面与用户端匹配结果；
S5：基站端依据所求最佳预编码向量设置预编码，并依据获得的基于最大权值的智能反射面与用户端匹配结果，选择智能反射面，设置智能反射面的幅度、相位，进行下行链路数据通信。
优选地，所述步骤S1中，考虑无线网络中的下行链路通信，无线通信系统依靠直接通信链路以及智能反射面辅助进行通信。基站端配备多根天线，多个智能反射面在基站端与用户端之间分布式布设。具体的，考虑配备M根天线的单个基站，J个智能反射面在单个基站端与K个用户端之间分布式布设，每个智能反射面包含N个无源反射单元，用户端配备单根天线，智能反射面的位置信息在基站端已知。用户端进行上行链路通信，发送维度为τ×1的正交导频信号，τ为正交导频序列长度，满足τ＝K，基站端通过控制器使智能反射面依次打开N个无源反射单元反射正交导频信号，基站端根据接收的导频信号估计出直接链路和反射级联链路信道状态信息，具体组成部分包括基站端到第k个用户之间的直接通信链路
Figure BDA0003482975850000031
基站端通过第j个智能反射面服务第k个用户的级联信道
Figure BDA0003482975850000032
其中
Figure BDA0003482975850000041
()H表示共轭转置矩阵，包括基站端到第j个智能反射面的信道矩阵
Figure BDA0003482975850000042
第j个智能反射面到第k个用户间的信道向量
Figure BDA0003482975850000043
以及智能反射面的相移矩阵
Figure BDA0003482975850000044
其中
Figure BDA0003482975850000045
αj,n∈[0,1]为第j个智能反射面的第n块无源反射单元的幅度，θj,n∈[0,2π]为第j个智能反射面的第n块无源反射单元的相位，设置所有智能反射面的所有无源反射单元的幅度α1,1＝α1,2＝...＝αj,n＝1，相位
Figure BDA0003482975850000046
其中arg(fk)为基站端到第k个用户之间直接链路的相位，fk为基站端到第k个用户之间的直接链路信道，基站端到第k个用户之间的M条直接链路的相位设为一致，
Figure BDA0003482975850000047
是基站端通过第j个智能反射面中第n块无源反射单元反射给第k个用户的级联链路的相位，
Figure BDA0003482975850000048
为基站端与第j个智能反射面之间的信道，基站端到第j个智能反射面上第n块无源反射单元的M条反射链路的相位设为一致。
优选地，根据权利要求1所述的一种基于信噪泄漏比的多智能反射面与多用户的匹配方法，其特征在于：所述步骤S2中，基站端依据已知的信道状态信息，采用广义瑞利熵算法计算得到最佳预编码向量；具体的，基站端通过第j块智能反射面服务第k个用户时的信噪泄漏比可表示为
Figure BDA0003482975850000049
其中
Figure BDA00034829758500000410
Figure BDA00034829758500000411
为基站端在通过直接通信链路和第j个智能反射面来为第k个用户服务时的预编码向量，
Figure BDA00034829758500000412
为基站端所求到第k个用户之间的直接通信链路，
Figure BDA00034829758500000413
为基站端通过第j个智能反射面服务第k个用户的级联信道，
Figure BDA0003482975850000051
其包括基站端到第j个智能反射面的信道矩阵
Figure BDA0003482975850000052
第j个智能反射面到第k个用户间的信道向量
Figure BDA0003482975850000053
以及智能反射面的相移矩阵
Figure BDA0003482975850000054
Figure BDA0003482975850000055
为基站端与第k个用户之间的直接链路和通过第j个智能反射面的反射链路的复合信道，
Figure BDA0003482975850000056
Figure BDA0003482975850000057
为基站端在通过直接链路和第j个智能反射面服务第k个用户时对第t个用户所造成的干扰，
Figure BDA0003482975850000058
其中
Figure BDA0003482975850000059
为基站端通过直接通信链路服务第k个用户时给第t个用户带来的干扰，
Figure BDA00034829758500000510
为基站端通过第j个智能反射面服务第k个用户时给第t个用户带来的干扰，
Figure BDA00034829758500000511
加性高斯白噪声
Figure BDA00034829758500000512
σ2为n的方差；采用广义瑞利熵算法，当考虑max(SLNRj,k)时，可求得基站端通过直接链路以及第j块智能反射面服务第k个用户最优预编码向量
Figure BDA00034829758500000513
其中()-1为逆矩阵，IM为M×M单位矩阵。
优选地，所述步骤S3中，基站端依据所求最佳预编码向量，计算其通过直接链路和每一个智能反射面服务不同用户端时的信噪泄漏比值；基站端计算其通过直接链路和每一个智能反射面服务不同用户端时的信噪泄漏比值，共计算JK次，当J＝K时需计算J2次；第j块智能反射面服务第k个用户时的信噪泄漏比
Figure BDA00034829758500000514
Figure BDA00034829758500000515
优选地，所述步骤S4中，基站端依据遍历所获得的信噪泄漏比值，采用Kuhn-Munkres算法，该算法具体步骤如下：
T1：判断智能反射面数J与用户数K是否一致；当智能反射面布设数J等于用户数K时，跳转至步骤T2；当智能反射面布设数J大于用户数K时，增设X位通过任意智能反射面反射时信噪泄漏比皆为0的虚拟用户，即在二部图中，这些虚拟用户的权值为0，其中X＝J-K；
T2：将智能反射面集与用户集划分为
Figure BDA0003482975850000061
两类顶点集，
Figure BDA0003482975850000062
顶点集中顶点j、k分别代表第j个智能反射面和第k位用户，
Figure BDA00034829758500000613
分别作为二部图G的一部；对
Figure BDA0003482975850000064
顶点集中顶点设置顶标，分别为LR(j)与LU(k)；列出二部图G和信噪泄漏比权重矩阵W，其中
Figure BDA0003482975850000065
SLNRj,k为第j块智能反射面服务第k个用户时的信噪泄漏比；
T3：运用贪心算法，设定顶点集
Figure BDA0003482975850000066
顶标LR(j)的初始值为
Figure BDA0003482975850000067
顶点集
Figure BDA0003482975850000068
顶标LU(k)的初始值为0；
T4：在顶点集
Figure BDA0003482975850000069
中选择一个未匹配顶点j，与顶点集
Figure BDA00034829758500000610
中顶点进行匹配；当LR(j)+LU(k)＝SLNRj,k时，判定满足匹配条件，为可行边，则顶点集
Figure BDA00034829758500000611
中顶点j与顶点集
Figure BDA00034829758500000612
中顶点k连接完成匹配；
T5：判断顶点j是否完成匹配，若完成匹配，则转至步骤T6；若顶点j若不满足匹配条件，没有找到可行边或与其他已配对点相冲突，未完成匹配，则修改有关顶点的顶标的值，延伸增广路径；顶标修改规则为：LR(j)←LR(j)-d，LU(k)←LU(k)+d，其中
Figure BDA0003482975850000071
在修改顶标值后，再次对顶点j进行匹配，若修改后值满足匹配条件，则匹配完成，否则重复步骤T5直至完成匹配连接；
T6：判断二部图G是否为完备匹配；若是完备匹配，则获得基于信噪泄漏比权值的智能反射面与用户的最优匹配；若不是完备匹配，则转至步骤T4。
增广路径：由顶点集
Figure BDA0003482975850000072
一个未匹配的顶点开始，经过若干个匹配顶点，最后到达顶点集
Figure BDA0003482975850000073
的一个未匹配顶点的路径，即这条路径将两个不同集合的两个未匹配顶点通过一系列匹配顶点相连。
完备匹配：当顶点集
Figure BDA0003482975850000074
中所有顶点与顶点集
Figure BDA0003482975850000075
中所有顶点都一一匹配相连接时，称匹配结果为二部图G的一种完备匹配。
与现有技术相比，本发明的有益效果是：
(1)本发明为每个用户在多个智能反射面中选择一个合适的智能反射面辅助通信，提高了能量效率，提升了无线通信系统性能。
(2)本发明通过多个智能反射面的分布式布设可为用户端提供更加灵活的通信链路，从而减小其中一条或多条通信链路被某些障碍物阻塞的情况对通信效果带来的影响，增强了通信系统的稳定性。
(3)本发明通过在基站端设计所选智能反射面的相位以及预编码，保证智能反射面反射的信号能够更精确地到达用户，显著提升了通信服务质量。
(4)本发明基于信噪泄漏比的智能反射面选择方案可为每个用户提供匹配最佳的智能反射面，提升了无线通信系统频谱效率。
附图说明
图1为本发明的多个智能反射面辅助的无线通信系统模型示意图。
图2为本发明的步骤流程图。
图3为本发明基于信噪泄漏比权值的Kuhn-Munkres算法流程图。
具体实施方式
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、完整地描述，显然，所描述的实施例仅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，都属于本发明保护的范围。
参照图1，一种由多个智能反射面辅助通信的无线通信系统，系统依靠直接通信链路以及智能反射面辅助进行通信。基站端配备多根天线，考虑配备M根天线的单个基站，J个智能反射面在单个基站端与K个用户端之间分布式布设，每个智能反射面包含N个无源反射单元，用户端配备单根天线，智能反射面的位置信息在基站端已知。
参照图2，首先用户端进行上行链路通信，通过直接发送以及智能反射面反射两种方式发送τ×1的正交导频信号，τ为正交导频序列长度且τ＝K，基站端通过控制器使智能反射面依次打开N个无源反射单元反射导频信号，并根据接收的导频信号估计出直接链路和反射级联链路信道状态信息。在获取信道状态信息后，基站端设计智能反射面的幅度αj,n与相位θj,n，并采用广义瑞利熵算法，计算出最佳预编码向量。然后基站端依据所得最佳预编码向量，计算得出其通过每一个智能反射面服务不同用户端时的信噪泄漏比。接着基站端根据所求信噪泄漏比值来进行智能反射面与用户端匹配，采用基于信噪泄漏比权值的Kuhn-Munkres算法，经迭代获得一组最大权值的智能反射面与用户端匹配结果，即为智能反射面与用户端的最优匹配。最后基站端依据所得智能反射面与用户端的最优匹配结果进行下行链路通信。
参照图3，基站端根据所求信噪泄漏比来进行智能反射面与用户端匹配。将匹配问题视作带权二部图的最优匹配问题，采用基于信噪泄漏比权值的Kuhn-Munkres算法，将智能反射面和用户端作为二部图的两部分，以遍历所得的信噪泄漏比值作为权值，经迭代获得一组最大权值的智能反射面与用户端匹配结果，即为智能反射面与用户端的最优匹配。
基于信噪泄漏比权值的Kuhn-Munkres算法具体步骤如下：
T1：判断智能反射面数J与用户数K是否一致；当智能反射面布设数J等于用户数K时，跳转至步骤T2；当智能反射面布设数J大于用户数K时，增设X位通过任意智能反射面反射时信噪泄漏比皆为0的虚拟用户，即在二部图中，这些虚拟用户的权值为0，其中X＝J-K；
T2：将智能反射面集与用户集划分为
Figure BDA0003482975850000091
两类顶点集，
Figure BDA0003482975850000092
顶点集中顶点j、k分别代表第j个智能反射面和第k位用户，
Figure BDA0003482975850000095
分别作为二部图G的一部；对
Figure BDA0003482975850000094
顶点集中顶点设置顶标，分别为LR(j)与LU(k)；列出二部图G和信噪泄漏比权重矩阵W，其中
Figure BDA0003482975850000101
Figure BDA0003482975850000102
SLNRj,k为第j块智能反射面服务第k个用户时的信噪泄漏比；
T3：运用贪心算法，设定顶点集
Figure BDA0003482975850000103
顶标LR(j)的初始值为
Figure BDA0003482975850000104
顶点集
Figure BDA0003482975850000105
顶标LU(k)的初始值为0；
T4：在顶点集
Figure BDA0003482975850000106
中选择一个未匹配顶点j，与顶点集
Figure BDA0003482975850000107
中顶点进行匹配；当LR(j)+LU(k)＝SLNRj,k时，判定满足匹配条件，为可行边，则顶点集
Figure BDA0003482975850000108
中顶点j与顶点集
Figure BDA0003482975850000109
中顶点k连接完成匹配；
T5：判断顶点j是否完成匹配，若完成匹配，则转至步骤T6；若顶点j若不满足匹配条件，没有找到可行边或与其他已配对点相冲突，未完成匹配，则修改有关顶点的顶标的值，延伸增广路径；顶标修改规则为：LR(j)←LR(j)-d，LU(k)←LU(k)+d，其中
Figure BDA00034829758500001010
在修改顶标值后，再次对顶点j进行匹配，若修改后值满足匹配条件，则匹配完成，否则重复步骤T5直至完成匹配连接；
T6：判断二部图G是否为完备匹配；若是完备匹配，则获得基于信噪泄漏比权值的智能反射面与用户的最优匹配；若不是完备匹配，则转至步骤T4。
增广路径：由顶点集
Figure BDA00034829758500001011
一个未匹配的顶点开始，经过若干个匹配顶点，最后到达顶点集
Figure BDA00034829758500001012
的一个未匹配顶点的路径，即这条路径将两个不同集合的两个未匹配顶点通过一系列匹配顶点相连。
完备匹配：当顶点集
Figure BDA0003482975850000111
中所有顶点与顶点集
Figure BDA0003482975850000112
中所有顶点都一一匹配相连接时，称匹配结果为二部图G的一种完备匹配。
本发明中披露的说明和实践，对于本技术领域的普通技术人员来说，都是易于思考和理解的，且在不脱离本发明原理的前提下，还可以做出若干改进和润饰。因此，在不偏离本发明精神的基础上所做的修改或改进，也应视为本发明的保护范围。

Claims (5)

1.一种基于信噪泄漏比的多智能反射面与多用户的匹配方法，其特征在于，包括以下步骤：
S1：考虑无线网络中的下行链路通信，无线通信系统依靠直接通信链路以及智能反射面辅助信道进行通信；用户端进行上行链路通信，首先其直接向基站端发送正交导频信号，然后通过智能反射面反射的方式向基站端发送正交导频信号，基站端控制智能反射面依次打开其所有无源元件反射导频信号，基站端根据接收的导频信号估计出直接链路和反射级联链路信道状态信息；
S2：基站端依据已知的信道状态信息，采用广义瑞利熵算法计算得到最佳预编码向量；
S3：基站端依据所求最佳预编码向量，计算其通过直接链路和每一个智能反射面服务不同用户端时的信噪泄漏比值；
S4：基站端依据遍历所获得的信噪泄漏比值，采用Kuhn-Munkres算法，以信噪泄漏比作为权值，获得一组最大权值的智能反射面与用户端匹配结果；
S5：基站端依据所求最佳预编码向量设置预编码，并依据获得的基于最大权值的智能反射面与用户端匹配结果，选择智能反射面，设置智能反射面的幅度、相位，进行下行链路数据通信。
2.根据权利要求1所述的一种基于信噪泄漏比的多智能反射面与多用户的匹配方法，其特征在于：所述步骤S1中，考虑无线网络中的下行链路通信，无线通信系统依靠直接通信链路以及智能反射面辅助进行通信；基站端配备多根天线，多个智能反射面在基站端与用户端之间分布式布设：具体的，考虑配备M根天线的单个基站，J个智能反射面在单个基站端与K个用户端之间分布式布设，每个智能反射面包含N个无源反射单元，用户端配备单根天线，智能反射面的位置信息在基站端已知；用户端进行上行链路通信，发送维度为τ×1的正交导频信号，τ为正交导频序列长度，满足τ＝K，基站端通过控制器使智能反射面依次打开N个无源反射单元反射正交导频信号，基站端根据接收的导频信号估计出直接链路和反射级联链路信道状态信息；具体组成部分包括基站端到第k个用户之间的直接通信链路
Figure FDA0003482975840000021
基站端通过第j个智能反射面服务第k个用户的级联信道
Figure FDA0003482975840000022
其中
Figure FDA0003482975840000023
()H表示共轭转置矩阵，包括基站端到第j个智能反射面的信道矩阵
Figure FDA0003482975840000024
第j个智能反射面到第k个用户间的信道向量
Figure FDA0003482975840000025
以及智能反射面的相移矩阵
Figure FDA0003482975840000026
其中
Figure FDA0003482975840000027
为第j个智能反射面的第n块无源反射单元的幅度，θj,n∈[0,2π]为第j个智能反射面的第n块无源反射单元的相位，设置所有智能反射面的所有无源反射单元的幅度α1,1＝α1,2＝...＝αj,n＝1，相位
Figure FDA0003482975840000028
其中arg(fk)为基站端到第k个用户之间直接链路的相位，fk为基站端到第k个用户之间的直接链路信道，基站端到第k个用户之间的M条直接链路的相位设为一致，
Figure FDA0003482975840000029
是基站端通过第j个智能反射面中第n块无源反射单元反射给第k个用户的级联链路的相位，
Figure FDA00034829758400000210
为基站端与第j个智能反射面之间的信道，基站端到第j个智能反射面上第n块无源反射单元的M条反射链路的相位设为一致。
3.根据权利要求1所述的一种基于信噪泄漏比的多智能反射面与多用户的匹配方法，其特征在于：所述步骤S2中，基站端依据已知的信道状态信息，采用广义瑞利熵算法计算得到最佳预编码向量；具体的，基站端通过第j块智能反射面服务第k个用户时的信噪泄漏比可表示为
Figure FDA0003482975840000031
其中
Figure FDA0003482975840000032
为基站端在通过直接通信链路和第j个智能反射面来为第k个用户服务时的预编码向量，
Figure FDA0003482975840000033
为基站端所求到第k个用户之间的直接通信链路，
Figure FDA0003482975840000034
为基站端通过第j个智能反射面服务第k个用户的级联信道，
Figure FDA0003482975840000035
其包括基站端到第j个智能反射面的信道矩阵
Figure FDA0003482975840000036
第j个智能反射面到第k个用户间的信道向量
Figure FDA0003482975840000037
以及智能反射面的相移矩阵
Figure FDA0003482975840000038
Figure FDA0003482975840000039
为基站端与第k个用户之间的直接链路和通过第j个智能反射面的反射链路的复合信道，
Figure FDA00034829758400000310
为基站端在通过直接链路和第j个智能反射面服务第k个用户时对第t个用户所造成的干扰，
Figure FDA00034829758400000311
其中
Figure FDA00034829758400000312
为基站端通过直接通信链路服务第k个用户时给第t个用户带来的干扰，
Figure FDA00034829758400000313
为基站端通过第j个智能反射面服务第k个用户时给第t个用户带来的干扰，
Figure FDA00034829758400000314
加性高斯白噪声
Figure FDA00034829758400000315
σ2为n的方差；采用广义瑞利熵算法，当考虑max(SLNRj,k)时，可求得基站端通过直接链路以及第j块智能反射面服务第k个用户最优预编码向量
Figure FDA00034829758400000316
其中()-1为逆矩阵，IM为M×M单位矩阵。
4.根据权利要求1所述的一种基于信噪泄漏比的多智能反射面与多用户的匹配方法，其特征在于：所述步骤S3中，基站端依据所求最佳预编码向量，计算其通过直接链路和每一个智能反射面服务不同用户端时的信噪泄漏比值；基站端计算其通过直接链路和每一个智能反射面服务不同用户端时的信噪泄漏比值，共计算JK次，当J＝K时需计算J2次；第j块智能反射面服务第k个用户时的信噪泄漏比
Figure FDA0003482975840000041
5.根据权利要求1所述的一种基于信噪泄漏比的多智能反射面与多用户的匹配方法，其特征在于：所述步骤S4中，基站端依据遍历所获得的信噪泄漏比值，采用Kuhn-Munkres算法，该算法具体步骤如下：
T1：判断智能反射面数J与用户数K是否一致；当智能反射面布设数J等于用户数K时，跳转至步骤T2；当智能反射面布设数J大于用户数K时，增设X位通过任意智能反射面反射时信噪泄漏比皆为0的虚拟用户，即在二部图中，这些虚拟用户的权值为0，其中X＝J-K；
T2：将智能反射面集与用户集划分为
Figure FDA0003482975840000042
两类顶点集，
Figure FDA0003482975840000043
顶点集中顶点j、k分别代表第j个智能反射面和第k位用户，
Figure FDA0003482975840000044
分别作为二部图G的一部；对
Figure FDA0003482975840000045
顶点集中顶点设置顶标，分别为LR(j)与LU(k)；列出二部图G和信噪泄漏比权重矩阵W，其中
Figure FDA0003482975840000051
SLNRj,k为第j块智能反射面服务第k个用户时的信噪泄漏比；
T3：运用贪心算法，设定顶点集
Figure FDA0003482975840000052
顶标LR(j)的初始值为
Figure FDA0003482975840000053
顶点集
Figure FDA0003482975840000054
顶标LU(k)的初始值为0；
T4：在顶点集
Figure FDA0003482975840000055
中选择一个未匹配顶点j，与顶点集
Figure FDA0003482975840000056
中顶点进行匹配；当LR(j)+LU(k)＝SLNRj,k时，判定满足匹配条件，为可行边，则顶点集
Figure FDA0003482975840000057
中顶点j与顶点集
Figure FDA0003482975840000058
中顶点k连接完成匹配；
T5：判断顶点j是否完成匹配，若完成匹配，则转至步骤T6；若顶点j若不满足匹配条件，没有找到可行边或与其他已配对点相冲突，未完成匹配，则修改有关顶点的顶标的值，延伸增广路径；顶标修改规则为：LR(j)←LR(j)-d，LU(k)←LU(k)+d，其中
Figure FDA0003482975840000059
在修改顶标值后，再次对顶点j进行匹配，若修改后值满足匹配条件，则匹配完成，否则重复步骤T5直至完成匹配连接；
T6：判断二部图G是否为完备匹配；若是完备匹配，则获得基于信噪泄漏比权值的智能反射面与用户的最优匹配；若不是完备匹配，则转至步骤T4。
CN202210073010.2A 2022-01-21 2022-01-21 一种基于信噪泄漏比的多智能反射面与多用户的匹配方法 Active CN114501497B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210073010.2A CN114501497B (zh) 2022-01-21 2022-01-21 一种基于信噪泄漏比的多智能反射面与多用户的匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210073010.2A CN114501497B (zh) 2022-01-21 2022-01-21 一种基于信噪泄漏比的多智能反射面与多用户的匹配方法

Publications (2)

Publication Number Publication Date
CN114501497A true CN114501497A (zh) 2022-05-13
CN114501497B CN114501497B (zh) 2023-04-28

Family

ID=81472037

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210073010.2A Active CN114501497B (zh) 2022-01-21 2022-01-21 一种基于信噪泄漏比的多智能反射面与多用户的匹配方法

Country Status (1)

Country Link
CN (1) CN114501497B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115173914A (zh) * 2022-07-15 2022-10-11 南通大学 一种多智能反射面辅助通信主被动波束赋形迭代优化方法
CN115278810A (zh) * 2022-07-28 2022-11-01 南通大学 一种分布式可重构智能表面辅助的海上通信方法
CN115442828A (zh) * 2022-08-26 2022-12-06 深圳大学 一种基站、智能反射面和用户之间的关联匹配方法
CN115808236A (zh) * 2023-02-02 2023-03-17 武汉理工大学 船用涡轮增压器故障在线监测诊断方法、装置和存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109361438A (zh) * 2018-10-24 2019-02-19 西安电子科技大学 一种连续优化匹配泄漏加权的信漏噪比预编码方法
CN110225538A (zh) * 2019-06-21 2019-09-10 电子科技大学 反射面辅助的非正交多址接入通信系统设计方法
CN113055816A (zh) * 2021-03-23 2021-06-29 南通大学 一种基于位置信息的多智能反射面辅助两跳中继无线通信方法及其系统
CN113163325A (zh) * 2021-02-24 2021-07-23 南通大学 一种多个智能反射面辅助的无线通信方法及其系统
CN113179232A (zh) * 2021-04-22 2021-07-27 南通大学 一种基于深度学习的无源智能反射表面的信道估计方法
CN113225276A (zh) * 2021-05-08 2021-08-06 东南大学 一种面向智能反射面辅助通信系统的半盲信道估计方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109361438A (zh) * 2018-10-24 2019-02-19 西安电子科技大学 一种连续优化匹配泄漏加权的信漏噪比预编码方法
CN110225538A (zh) * 2019-06-21 2019-09-10 电子科技大学 反射面辅助的非正交多址接入通信系统设计方法
CN113163325A (zh) * 2021-02-24 2021-07-23 南通大学 一种多个智能反射面辅助的无线通信方法及其系统
CN113055816A (zh) * 2021-03-23 2021-06-29 南通大学 一种基于位置信息的多智能反射面辅助两跳中继无线通信方法及其系统
CN113179232A (zh) * 2021-04-22 2021-07-27 南通大学 一种基于深度学习的无源智能反射表面的信道估计方法
CN113225276A (zh) * 2021-05-08 2021-08-06 东南大学 一种面向智能反射面辅助通信系统的半盲信道估计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JIAYI ZHANG: "Physical Layer Security Enhancement With Reconfigurable Intelligent Surface-Aided Networks", 《IEEE TRANSACTIONS ON INFORMATION FORENSICS AND SECURITY》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115173914A (zh) * 2022-07-15 2022-10-11 南通大学 一种多智能反射面辅助通信主被动波束赋形迭代优化方法
CN115173914B (zh) * 2022-07-15 2023-12-26 南通大学 一种多智能反射面辅助通信主被动波束赋形迭代优化方法
CN115278810A (zh) * 2022-07-28 2022-11-01 南通大学 一种分布式可重构智能表面辅助的海上通信方法
CN115278810B (zh) * 2022-07-28 2023-11-07 南通大学 一种分布式可重构智能表面辅助的海上通信方法
CN115442828A (zh) * 2022-08-26 2022-12-06 深圳大学 一种基站、智能反射面和用户之间的关联匹配方法
CN115808236A (zh) * 2023-02-02 2023-03-17 武汉理工大学 船用涡轮增压器故障在线监测诊断方法、装置和存储介质
CN115808236B (zh) * 2023-02-02 2023-05-05 武汉理工大学 船用涡轮增压器故障在线监测诊断方法、装置和存储介质

Also Published As

Publication number Publication date
CN114501497B (zh) 2023-04-28

Similar Documents

Publication Publication Date Title
CN114501497A (zh) 一种基于信噪泄漏比的多智能反射面与多用户的匹配方法
CN111953391B (zh) 智能反射面辅助的多用户mimo上行能效谱效联合优化方法
CN113163325B (zh) 一种多个智能反射面辅助的无线通信方法及其系统
CN113179232B (zh) 一种基于深度学习的无源智能反射表面的信道估计方法
US6584302B1 (en) Method and arrangement for forming a beam
CN113055816B (zh) 一种基于位置信息的多智能反射面辅助两跳中继无线通信方法及其系统
CN113162876B (zh) 基于深度学习的irs反射图样和信道估计的联合设计方法
CN114070365B (zh) 一种智能反射表面辅助的低射频复杂度多用户mimo上行频谱效率优化方法
CN114828253A (zh) 一种ris辅助多无人机通信系统的资源分配方法
CN114095318A (zh) 智能超表面辅助的混合构型毫米波通信系统信道估计方法
CN114124258A (zh) 一种最大化安全传输速率的方法
Al-Nahhas et al. Intelligent reflecting surface assisted MISO downlink: Channel estimation and asymptotic analysis
US11962362B2 (en) Wireless telecommunications network
CN117375683A (zh) 通信为中心的ris辅助无蜂窝isac网络联合波束成形方法
CN102104406B (zh) 波束赋形和多输入多输出波束赋形的切换方法和系统
Taghavi et al. Joint user association and phase optimization for IRS-assisted multi-cell networks
Li et al. Joint admission control and beamforming for intelligent reflecting surface aided wireless networks
CN114244657A (zh) 多用户场景下的智能反射表面选择方法
Zhong et al. STAR-RISs assisted NOMA networks: A tile-based passive beamforming approach
CN102104403B (zh) 波束赋形和循环时延分集的切换方法和系统
Wang et al. Optimal cooperative beamforming design of AF MIMO two-way relay channels
CN105721031B (zh) 一种可实现绿色通信的终端多天线子集选择方法
CN117318771B (zh) 一种在非正交导频下实现mURLLC的系统传输方法
Wang et al. Joint Phase Shift and Deployment Optimization for Multi-RIS-aided Emergency Communications
CN114051251B (zh) 基于在智能反射面的辅助下来实现基站的动态开关方法

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