CN114531699B - 一种ris辅助无线供电通信网络的优化方法 - Google Patents
一种ris辅助无线供电通信网络的优化方法 Download PDFInfo
- Publication number
- CN114531699B CN114531699B CN202210028797.0A CN202210028797A CN114531699B CN 114531699 B CN114531699 B CN 114531699B CN 202210028797 A CN202210028797 A CN 202210028797A CN 114531699 B CN114531699 B CN 114531699B
- Authority
- CN
- China
- Prior art keywords
- sub
- ris
- convex
- wireless power
- communication network
- 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
Links
- 238000004891 communication Methods 0.000 title claims abstract description 75
- 238000005457 optimization Methods 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000005540 biological transmission Effects 0.000 claims abstract description 35
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 7
- 239000013598 vector Substances 0.000 claims description 38
- 239000011159 matrix material Substances 0.000 claims description 24
- 230000014509 gene expression Effects 0.000 claims description 18
- 229920006395 saturated elastomer Polymers 0.000 claims description 8
- 206010042135 Stomatitis necrotising Diseases 0.000 claims description 4
- 201000008585 noma Diseases 0.000 claims description 4
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 3
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000021615 conjugation Effects 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000011144 upstream manufacturing Methods 0.000 description 5
- 238000003306 harvesting Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000011480 coordinate descent method Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- 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
本发明提供了一种RIS辅助无线供电通信网络的优化方法,涉及无线供电系统优化技术领域。包括步骤:S1:建立RIS辅助无线供电通信网络系统模型;S2:确定模型优化的原问题,所述原问题是指,在满足预设的初始约束条件的情况下,使系统吞吐量最大;S3:将所述原问题简化为若干个子问题;S4:对不可解非凸子问题进行凸优化处理,从而将所有不可解非凸子问题转化为可解的凸子问题;S5:建立迭代算法,通过所述迭代算法对所述子问题进行交替迭代求解,得到使系统吞吐量最大时的各系统参数,采用包括可重构智能反射面的RIS辅助无线供电通信网络系统模型,实现更长的无线能量传输距离。
Description
技术领域
本发明涉及无线供电系统优化技术领域,更具体地,涉及一种RIS辅助无线供电通信网络的优化方法。
背景技术
到2030年,全球物联网设备将达到5000亿台。能源受限已经成为物联网发展的一个主要问题,能源收集技术的最新进展,特别是无线射频技术,为可持续物联网设备从专用的环境射频源收集能源开辟了一条新途径,这促使了无线供电通信网络(Wirelesspowered communication networks,WPCNs)的出现。在这种网络中,物联网设备可以从专用的混合接入点收集能量,然后使用收集的能量将数据传输到接入点。但是在广泛应用于实际应用之前,WPCNs还面临着一些挑战。特别是在大规模工业物联网中,设备的部署是随机的,无法控制它们所在的位置,射频能量信号会由于距离遭受衰减,并且出现障碍物时,影响通信质量。因此,需要更高效、更经济的解决方案来提高WPCNs的能量效率和通信质量,以保证WPCNs能够令人满意的性能适配到物联网环境中。
公开号CN112272384A,公开日为2021-01-26的发明专利一种基于可重构智能表面的通信系统吞吐量优化方法,应用于具有可重构智能反射面的通信系统,并对通信系统进行优化,但该专利技术方案未考虑RIS元件功耗,考虑的约束条件不够全面,因此与实际情况不够相符。
发明内容
本发明为克服上述技术问题,提供对能量传输距离较长,与实际情况更符合的一种RIS辅助无线供电通信网络的优化方法。
本发明技术方案如下:
一种RIS辅助无线供电通信网络的优化方法,包括以下步骤:
S1:建立RIS辅助无线供电通信网络系统模型;
S2:确定所述RIS辅助无线供电通信网络系统模型优化的原问题,所述原问题是指,在RIS辅助无线供电通信网络系统模型的系统参数满足预设的初始约束条件的情况下,使系统吞吐量最大;
S3:将所述原问题简化为若干个子问题,所述子问题需满足对应的子约束条件,若所述子问题的子约束条件存在非凸约束,则该子问题为非凸子问题,将所述非凸子问题分类为可解非凸子问题和不可解非凸子问题;
S4:对不可解非凸子问题进行凸优化处理,使其子约束条件的非凸约束全部转化为凸约束,从而将所有不可解非凸子问题转化为可解的凸子问题;
S5:建立迭代算法,通过所述迭代算法对所述子问题进行交替迭代求解,得到使RIS辅助无线供电通信网络系统模型的系统吞吐量最大时,所述RIS辅助无线供电通信网络系统模型模型的各系统参数。
本技术方案提出了一种RIS辅助无线供电通信网络的优化方法,首先构建包括可重构智能反射面的RIS辅助无线供电通信网络系统模型,其中,可重构智能反射面集成有大量低成本的无源反射元件,能自适应调整反射信号的相位,从而获得更高的反射波束赋形增益,实现更长的无线能量传输距离。并且通过更全面的考虑系统优化的约束条件,得到较好的系统优化效果,获得最优的系统吞吐量。
进一步地,步骤S1所述RIS辅助无线供电通信网络系统模型包括:具有N个反射元件的RIS、天线数为T的多天线基站、多个单天线用户;
其中RIS辅助无线供电通信网络系统模型中一共有个用户,被分为K簇,每一簇有Mk个用户,uk,m表示第k簇的第m个用户,/>m∈Ω={1,...,Mk};系统的工作被分成两个部分,包括下行传输能量和上行传输信息,基站通过下行链路给用户传输能量,用户通过上行链路向基站传输信息。
进一步地,步骤S2所述系统参数包括:w,τ0,{τk},Φ0,{Φk},βe,其中w表示基站的波束赋形矢量;τ0为基站通过下行链路传输能量的下行时隙;{τk}为用户簇中的用户终端通过上行链路向基站上行传输的上行时隙集合;Φ0为是下行时隙τ0的RIS反射系数矩阵;{Φk}为上行时隙集合{τk}中的上行时隙τk的RIS反射系数矩阵;βe为RIS的反射系数。
所述RIS辅助无线供电通信网络系统模型为非线性能量收集模型,因此RIS和用户uk,m所获得的能量分别表示为:
Ek,m=min(η|wH(GHβeΦ0gI,(k,m)+gd,(k,m)|2,p(k,m),sat)T0 (2)
其中η表示能量转换效率,Φ0=diag(φ1,0,...,φN,0)是下行时隙τ0的RIS反射系数矩阵,表示基站的波束赋形矢量,PRIS,sat和P(k,m),sat分别表示RIS和用户uk,m的饱和功率;
根据NOMA协议,基站使用连续干扰消除来解码每个用户群的信息;具体地,当解码第k个簇的用户信息时,为了检测第m个用户的消息,基站首先解码第i个用户的消息,然后从接收的消息中移除该消息;则其它用户的信号则视为干扰信号;假设用户将获得的能量全部用与上行信息传输,则基站接收的第k簇用户的信号表示为:
其中,sk,m表示用户uk,m的传输数据符号,其均值为0和方差为1;Φk表示τk时隙的RIS反射系数矩阵;nk表示零均值和方差σ2的加性噪声;第k个簇中第m个用户的可实现吞吐量表示为:
其中,Pk,m表示用户uk,m的发射功率;因此,系统总吞吐量由下式给出:
优化的原问题表示为最大化系统吞吐量,通过优化上行信息传输时间、下行能量传输时间,基站波束赋形矢量以及不同时隙中RIS的反射系数来最大化系统吞吐量;考虑的原问题的目标函数P1表述如下:
进一步地,步骤S2中原问题的目标函数P1预设的初始约束条件包括:
|φn,0|=1, n∈N; (9)
|φn,k|=1, n∈N; (10)
τ0≥0, τk≥0; (11)
w||2≤Pmax; (12)
0≤βe≤1; (14)
其中w表示基站的波束赋形矢量;τ0为基站通过下行链路传输能量的下行时隙;{τk}为用户终端通过上行链路向基站上行传输的上行时隙集合;Φ0为是下行时隙τ0的RIS反射系数矩阵,Φ0=diag(φ1,0,...,φN,0);{Φk}为上行时隙集合{τk}中的上行时隙τk的RIS反射系数矩阵,Φk=diag(φ1,k,...,φN,k);βe为RIS的反射系数;Pmax表示基站最大发射功率;ERIS表示RIS获得的能量;μ表示单位时间RIS每个反射元件所消耗的能量,N为RIS中反射单元的数量。
进一步地,步骤S3将所述原问题简化为四个子问题,分别是:
第一子问题P2:给定波束赋形矢量w,时隙τ0、{τk}以及{Φk},优化Φ0,令
s.t.|φn,0|=1, n∈N; (17)
第二子问题P3:给定其他变量优化{Φk},第二子问题P3表示为:
s.t.|φn,k|=1, n∈N; (33)
第三子问题P4:给定Φ0,{Φk}优化波束赋形矢量w,第三子问题P4表示为:
第四子问题P5:给定Φ0,{Φk}以及波束赋形矢量w,优化时隙τ0、{τk},第四子问题P5表示为:
其中,第二子问题为可解非凸子问题,第一子问题、第三子问题和第四子问题为不可解非凸子问题,经过步骤S4将第一子问题、第三子问题和第四子问题凸优化处理为可解的凸子问题。
进一步地,经过步骤S4得到第一子问题、第二子问题、第三子问题和第四子问题均为可解的子问题,步骤S5所述迭代算法包括以下步骤:
S51.初始化w、τ0、{τk}、{Φk}、Φ0,目标函数为R(0),差阈值ε=10-4;
进一步地,得到步骤S52所述第一个子问题P2的凸优化过程为:
通过引入松弛变量e,令e≤η|wH(GHβeΦ0gI,(k,m)+gd,(k,m))|2,e≤P(k,m),sat;因此,问题P2等价为:
|φn,0|=1,n∈Ν (21)
将η|wH(GHβeΦ0gI,(k,m)+gd,(k,m))|2等价表示为:
a0,(k,m)=diag(g′I,(k,m))G′w′wTGTdiag(gI,(k,m)) (23)
C0,(k,m)=g′d,(k,m)w′wTdiag(gI,(k,m)) (25)
因此,子问题P2.1等价为
rank(X0)=1 (29)
tr(E0X0)=1 (30)
其中,约束表达式(30)是约束表达式(9)的等价表达式,En满足在第(n,n)个元素为1,其它元素为0的矩阵,即:
子问题P2.2是关于ek,m的凹函数,约束表达式(27)、(28)、(30)均是仿射的,在不考虑秩1约束表达式(29)的情况下,此时该问题是标准的凸优化问题。
进一步地,得到步骤S54所述第三个子问题的凸优化过程为:
给定Φ0,{Φk}优化波束赋形矢量w,时隙τ0、{τk},则第三个子问题表示为
引入松弛变量ωk,m,令ω≤η|wH(GHβeΦ0gI,(k,m)+gd,(k,m))|2,ω≤P(k,m),sat;令HHβeΦkhI,(k,m)+hd,(k,m)=δh;定义W=wwH,GHβeΦ0gI,(k,m)+gd,(k,m)=δ9,因此问题P4等价为:
s.t. ω≤ηtr(WΘg) (42)
tr(W)≤Pmax (43)
rank(W)=1 (44)
ω≤P(k,m),sat (46)
在不考虑秩1约束表达式(44)的情况下,此时该问题是标准的半正定规划问题。
进一步地,得到步骤S55所述第四个子问题的凸优化过程为:
给定Φ0,{Φk}以及波束赋形矢量w,优化时隙τ0、{τk},则第四个子问题表示为
目标函数(50)是关于{τk}的凹函数,约束表达式(51)都是凸约束,所以问题P5.1是标准的凸优化问题。
本技术方案提出了一种RIS辅助无线供电通信网络的优化方法,与现有技术相比,本发明技术方案的有益效果是:本技术方案提出了一种RIS辅助无线供电通信网络的优化方法,首先构建包括可重构智能反射面的RIS辅助无线供电通信网络系统模型,其中,可重构智能反射面集成有大量低成本的无源反射元件,能自适应调整反射信号的相位,从而获得更高的反射波束赋形增益,实现更长的无线能量传输距离。并且通过更全面的考虑系统优化的约束条件,得到较好的系统优化效果,获得最优的系统吞吐量。
附图说明
图1为本发明优化方法步骤示意图
图2为RIS辅助无线供电通信网络系统模型示意图;
图3为RIS反射元件数量对系统吞吐量性能影响示意图;
图4为系统吞吐量与基站最大发射功率关系示意图;
图5为迭代算法流程图。
具体实施方式
为清楚地说明本发明一种RIS辅助无线供电通信网络的优化方法,结合实施例和附图对本发明作进一步说明,但不应以此限制本发明的保护范围。
实施例1
一种RIS辅助无线供电通信网络的优化方法,如图1所示,包括以下步骤:
S1:建立RIS辅助无线供电通信网络系统模型;
S2:确定所述RIS辅助无线供电通信网络系统模型优化的原问题,所述原问题是指,在RIS辅助无线供电通信网络系统模型的系统参数满足预设的初始约束条件的情况下,使系统吞吐量最大;
S3:将所述原问题简化为若干个子问题,所述子问题需满足对应的子约束条件,若所述子问题的子约束条件存在非凸约束,则该子问题为非凸子问题,将所述非凸子问题分类为可解非凸子问题和不可解非凸子问题;
S4:对不可解非凸子问题进行凸优化处理,使其子约束条件的非凸约束全部转化为凸约束,从而将所有不可解非凸子问题转化为可解的凸子问题;
S5:建立迭代算法,通过所述迭代算法对所述子问题进行交替迭代求解,得到使RIS辅助无线供电通信网络系统模型的系统吞吐量最大时,所述RIS辅助无线供电通信网络系统模型模型的各系统参数。
本实施例首先构建包括可重构智能反射面的RIS辅助无线供电通信网络系统模型,其中,可重构智能反射面集成有大量低成本的无源反射元件,能自适应调整反射信号的相位,从而获得更高的反射波束赋形增益,实现更长的无线能量传输距离。并且通过更全面的考虑系统优化的约束条件,得到较好的系统优化效果,获得最优的系统吞吐量。
实施例2
一种RIS辅助无线供电通信网络的优化方法,如图1所示,包括以下步骤:
S1:建立RIS辅助无线供电通信网络系统模型;
所述RIS辅助无线供电通信网络系统模型如图2所示,包括:基站、用户簇、RIS;
所述用户簇中包括至少一个用户终端,所述基站和用户簇连接通信,基站和可重构智能反射面RIS连接通信,RIS和用户簇连接通信,实现基站通过下行链路向用户终端传输能量,用户终端通过上行链路向基站传输信息。
S2:确定所述RIS辅助无线供电通信网络系统模型优化的原问题,所述原问题是指,在RIS辅助无线供电通信网络系统模型的系统参数满足预设的初始约束条件的情况下,使系统吞吐量最大;
系统参数包括:w,τ0,{τk},Φ0,{Φk},βe,其中w表示基站的波束赋形矢量;τ0为基站通过下行链路传输能量的下行时隙;{τk}为用户簇中的用户终端通过上行链路向基站上行传输的上行时隙集合;Φ0为是下行时隙τ0的RIS反射系数矩阵;{Φk}为上行时隙集合{τk}中的上行时隙τk的RIS反射系数矩阵;βe为RIS的反射系数。
所述预设的初始约束条件包括:
|φn,0|=1,n∈N; (9)
|φn,k|=1,n∈N; (10)
τ0≥0,τk≥0; (11)
w||2≤Pmax; (12)
0≤βe≤1; (14)
其中w表示基站的波束赋形矢量;τ0为基站通过下行链路传输能量的下行时隙;{τk}为用户终端通过上行链路向基站上行传输的上行时隙集合;Φ0为是下行时隙τ0的RIS反射系数矩阵,Φ0=diag(φ1,0,...,φN,0);{Φk}为上行时隙集合{τk}中的上行时隙τk的RIS反射系数矩阵,Φk=diag(φ1,k,...,φN,k);βe为RIS的反射系数;Pmax表示基站最大发射功率;ERIS表示RIS获得的能量;μ表示单位时间RIS每个反射元件所消耗的能量,N为RIS中反射单元的数量。
S3:使用块坐标下降法,将所述原问题简化为若干个子问题,所述子问题需满足对应的子约束条件,若所述子问题的子约束条件存在非凸约束,则该子问题为非凸子问题,将所述非凸子问题分类为可解非凸子问题和不可解非凸子问题;
步骤S3将所述原问题简化为四个子问题,分别是第一子问题:给定波束赋形矢量w,时隙τ0、{τk}以及{Φk},优化Φ0;第二子问题:给定其他变量优化{Φk};第三子问题:给定其他变量优化波束赋形矢量w;第四子问题:给定Φ0,{Φk}以及波束赋形矢量w,优化时隙τ0、{τk};其中第二子问题为可解非凸子问题,第一子问题、第三子问题和第四子问题为不可解非凸子问题,经过步骤S4将第一子问题、第三子问题和第四子问题凸优化处理为可解的凸子问题。
S4:对不可解非凸子问题进行凸优化处理,使其子约束条件的非凸约束全部转化为凸约束,从而将所有不可解非凸子问题转化为可解的凸子问题;
经过步骤S4得到第一子问题、第二子问题、第三子问题和第四子问题均为可解的子问题,步骤S5所述迭代算法如图5所示,包括以下步骤:
S51.初始化w、τ0、{τk}、{Φk}、Φ0,目标函数为R(0),差阈值ε=10-4;
S5:建立迭代算法,通过所述迭代算法对所述子问题进行交替迭代求解,得到使RIS辅助无线供电通信网络系统模型的系统吞吐量最大时,所述RIS辅助无线供电通信网络系统模型模型的各系统参数。
其中S52所述第一个子问题和S54所述第三个子问题均是通过引入松弛变量的方法进行凸优化得到的。第一个子问题和第三个子问题均使用内点法和标准的凸优化工具箱如CVX进行求解。
本实施例首先构建包括可重构智能反射面的RIS辅助无线供电通信网络系统模型,其中,可重构智能反射面集成有大量低成本的无源反射元件,能自适应调整反射信号的相位,从而获得更高的反射波束赋形增益,实现更长的无线能量传输距离。并且通过更全面的考虑系统优化的约束条件,得到较好的系统优化效果,获得最优的系统吞吐量。
实施例3
可重构智能反射面(Renconfigurable Intelligent Surface,RIS)通过集成大量低成本的无源反射元件,能自适应调整反射信号的相位,从而获得更高的反射波束赋形增益。另外,RIS可以实现信号补盲作用,在通信死角处,使用RIS可以实现信号精准定位。因此,利用RIS的智能反射被认为是提高未来无线通信网络频谱和能量效率的一种有前景的方法,RIS的高反射波束赋形增益可以实现提高无线功率传输和信息传输效率,解决无线供电通信网络所遇到的效率较低的瓶颈性难题。在自我可持续的物联网中,设备被期望以不间断的方式运行,并在理论上具有永久寿命。考虑实际RIS元件不可忽略的功耗,提出有效的策略来保持RIS长时间工作是很重要的。
本实施例的一种RIS辅助无线供电通信网络的优化方法,包括以下步骤:
S1:建立RIS辅助无线供电通信网络系统模型;
S2:确定所述RIS辅助无线供电通信网络系统模型优化的原问题,所述原问题是指,在RIS辅助无线供电通信网络系统模型的系统参数满足预设的初始约束条件的情况下,使系统吞吐量最大;
S3:将所述原问题简化为若干个子问题,所述子问题需满足对应的子约束条件,若所述子问题的子约束条件存在非凸约束,则该子问题为非凸子问题,将所述非凸子问题分类为可解非凸子问题和不可解非凸子问题;
S4:对不可解非凸子问题进行凸优化处理,使其子约束条件的非凸约束全部转化为凸约束,从而将所有不可解非凸子问题转化为可解的凸子问题;
S5:建立迭代算法,通过所述迭代算法对所述子问题进行交替迭代求解,得到使RIS辅助无线供电通信网络系统模型吞吐量最大时,所述RIS辅助无线供电通信网络系统模型模型的各系统参数。
其中,步骤S2确定所述原问题的方法为:
考虑一个RIS辅助的无线供电通信网络,其中RIS具有N个反射元件,天线数为T的多天线基站和多个单天线用户,其中一共有个用户,被分为K簇,每一簇有Mk个用户。uk,m表示第k簇的第m个用户,/>m∈Ω={1,...,Mk}。系统的工作被分成两个部分,其中包括下行传输能量和上行传输信息。如图1所示,红线表示基站通过下行链路给用户传输能量,蓝线表示用户通过上行链路往基站传输信息。其中,基站与IRS之间传输能量的信道表示为/>从RIS到用户uk,m传输能量的信道表示为/>从基站到用户uk,m传输能量的信道表示为/>从用户uk,m到IRS传输信息的信道表示为从RIS到基站传输信息的反射信道表示为/>从用户到基站传输信息的信道表示为/>这里,/>表示x×y维度的复值矩阵的集合。图2是系统时隙图,在时隙τ0中RIS和所有用户收集能量,RIS将收集的能量一部分作为自身的能耗,另一部分反射给用户,定义βe为RIS的反射系数。本实施例考虑更符合实际的非线性能量收集模型,因此RIS和用户uk,m所获得的能量分别表示为
Ek,m=min(η|wH(GHβeΦ0gI,(k,m)+gd,(km))|2,P(k,m),sat)τ0 (2)
其中η表示能量转换效率,Φ0=diag(φ1,0,...,φN,0)是下行时隙τ0的RIS反射系数矩阵,表示基站的波束赋形矢量,PRIS,sat和P(k,m),sat分别表示RIS和用户uk,m的饱和功率。
根据NOMA协议,基站使用连续干扰消除来解码每个用户群的信息。具体地,当解码第k个簇的用户信息时,为了检测第m个用户的消息,基站首先解码第i个用户的消息,然后从接收的消息中移除该消息。则其它用户的信号则视为干扰信号。假设用户将获得的能量全部用与上行信息传输,则基站接收的第k簇用户的信号可以表示为
其中,sk,m表示用户uk,m的传输数据符号,其均值为0和方差为1。Φk的定义类似于Φ0,表示τk时隙的RIS反射系数矩阵。nk表示零均值和方差σ2的加性噪声。第k个簇中第m个用户的可实现吞吐量(比特/赫兹)可以表示为
其中,Pk,m表示用户uk,m的发射功率。因此,系统总吞吐量由下式给出
优化问题可以表示为最大化系统吞吐量,通过优化上行信息传输时间、下行能量传输时间,基站波束赋形矢量以及不同时隙中RIS的反射系数来最大化系统吞吐量。考虑的问题表述如下。
|φn,0|=1,n∈N; (9)
|φn,k|=1,n∈N; (10)
τ0≥0,τk≥0; (11)
w||2≤Pmax; (12)
0≤βe≤1; (14)
问题(P1)为本实施例步骤S2所述原问题,在问题(P1)中,(8)是总时间约束,总时间为1s,(12)是基站最大发射功率约束,(13)是RIS能耗约束,其中μ表示单位时间RIS每个反射元件所消耗的能量。由于问题(P1)目标函数是非凹的,约束(9)和(10)都是非凸的约束,使得问题(P1)难以求解。下面将给出算法解决问题的近似解。
步骤S2将原问题简化为若干个子问题并进行步骤S4凸优化处理的方法为:
首先分析RIS的反射系数βe,为了满足系统下行能量传输和上行信息传输,根据约束(13)可知,必须满足如果/>则RIS的能量无法满足它正常的工作。在最优情况下,RIS能量收集的接收功率不得大于饱和功率。这是因为如果大于饱和功率,可以通过增加RIS反射元件的幅度来增加反射功率,而不影响收集功率,这是不实际的。因此,必须满足/> 所以/>根据式(13)可以得出/>因此,/>必须满足
本实施例使用块坐标法将问题(P1)简化为四个子问题进行求解,分别是第一子问题:给定波束赋形矢量w,时隙τ0、{τk}以及{Φk},优化Φ0;第二子问题:给定其他变量优化{Φk};第三子问题:给定其他变量优化波束赋形矢量w;第四子问题:给定Φ0,{Φk}以及波束赋形矢量w,优化时隙τ0、{τk}。
s.t.|φn,0|=1,n∈N; (17)
由式(2)可知,目标函数是一个非凹函数,通过引入松弛变量e,令e≤η|wH(GHβeΦ0gI,(k,m)+gd,(k,m))|2,e≤P(k,m),sat。因此,问题(P2)可以等价为
|φn,0|=1,n∈N; (21)
对约束表达式(19)不等号右侧的表达式可以等价表示为
a0,(k,m)=diag(g′I,(k,m))G′w′wTGTdiag(gI,(k,m)) (23)
c0,(k,m)=g′d,(k,m)w′wTdiag(gI,(k,m)) (25)
因此,子问题(P2.1)可以等价为
rank(X0)=1 (29)
tr(EnX0)=1 (30)
其中,约束(30)是约束(9)的等价表达式,En满足在第(n,n)个元素为1,其它元素为0的矩阵,即
子问题(P2.2)是关于ek,m的凹函数,约束(27)、(28)、(30)均是仿射的,但是由于秩1约束的存在,使得子问题(P2.2)仍然不是标准的半正定规划问题,先不考虑秩1约束(29),此时该问题是标准的凸优化问题,可以使用内点法和标准的凸优化工具箱如CVX进行求解,得到的解使用高斯随机恢复秩为1的解。
第二子问题,给定其他变量优化{Φk},则问题(P1)简化为第二子问题为:
s.t.|φn,k|=1,n∈N; (33)
虽然问题(P3)不是凸问题,但是由于目标函数的特殊性,可以得到闭式解,由三角不等式可知
|wH(HHβeΦkhI,(k,m)+hd,(k,m))|=|wHHHβeΦkhI,(k,m)+wHhd,(k,m)|
≤|wHHHβeΦkhI,(k,m)|+|wHhd,(k,m)| (34)
当且仅当arg(wHHHβeΦkhI,(k,m))=arg(wHhd,(k,m))=ψ0时等式成立,arg(z)表示一个向量,每一个元素都是向量z对应元素的相位。令 fk,m=wHHHdiag(βehI,(k,m))。因此,问题(P3)可以等价为
s.t.arg(ξHf)=ψ0 (36)
|φn,k|=1,n∈N; (37)
第三子问题:给定Φ0,{Φk}优化波束赋形矢量w,时隙τ0、{τk},则第三子问题可以表示为
s.t.(12)(13) (40)
与第一子问题的求解方法类似,引入松弛变量ωk,m,令ω≤η|wH(GHβeΦ0gI,(k,m)+gd,(k,m))|2,ω≤P(k,m),sat。令HHβeΦkhI,(k,m)+hd,(k,m)=δh。定义W=wwH,GHβeΦ0gI,(k,m)+gd,(k,m)=δg,因此问题(P4)可以等价为
s.t.ω≤ηtr(WΘg) (42)
tr(W)≤Pmax (43)
rank(W)=1 (44)
ω≤P(k,m),sat (46)
与问题(P2.2)的解法一致,先不考虑秩1约束(44),此时该问题是标准的半正定规划问题,可以使用内点法或者通过标准的凸优化问题求解器如CVX工具箱有效地解决,得到的解再进行高斯随机化求得W的秩为1的解。
第四子问题:给定Φ0,{Φk}以及波束赋形矢量w,优化时隙τ0、{τk},则第四子问题可以表示为
s.t.(8)(11)(13) (49)为了最大化目标函数,时隙τ0,{τk}的最优解必须满足(8)式等式成立,即 假设最优解/>可以找到一个可行解/>和使得/>目标函数的值比最优解更大,这与最优解相矛盾,所以/> 由之前的分析可知/>所以可以通过一维搜索,给定τ0,求解{τk}。对于给定τ0,优化{τk}的优化问题可以表示为
s.t.(8)(13) (51)
目标函数(50)是关于{τk}的凹函数,约束表达式(51)都是凸约束,所以问题(P5.1)是标准的凸优化问题,可以使用内点法或者通过标准的凸优化问题求解器有效地解决。
步骤S5建立所述迭代算法
(1)初始化w、τ0、{τk}、{Φk}、Φ0,目标函数为R(0),迭代次数r=0,差阈值ε=10-4;
本实施例通过块坐标法将目标问题简化为四个子问题,在求解下行能量传输时隙时RIS的反射相位矩阵使用了半正定松弛技术,求解上行信息传输时的RIS反射相位,得到了闭式解,降低了算法优化的复杂度。优化时隙时,使用一维搜索可以得到最优解。
本实施例提出的算法适用范围广。首先,所考虑的模型采用了一种通用的多址接入方式,TDMA和NOMA都是该方式的特例。其次,本实施例的算法对用户数量、用户簇的数量没有限制,适用于任意用户簇数量及簇内任意用户数量的情况。再次,对于RIS和用户的能量收集,与传统研究考虑的线性能量收集模型相比。本实施例考虑了更符合实际的非线性能量收集模型,适用范围更广。
可以增加无源反射元件的数量来提高系统的吞吐量性能,提高系统的信息传输效率、能量使用效率和能量传输效率。
在上行信息传输过程,使用混合多址接入的方法能更好的满足用户多的情况的通信,即可以提高频谱效率,也能降低在基站处做串行干扰消除的复杂度,做到性能和复杂度的折中。
考虑更符合实际的RIS和用户的非线性能量收集模型,算法适用范围更广。
进行仿真实验得到实验结果,RIS反射元件数量对系统吞吐量性能的影响示意图如图3所示,系统吞吐量随基站最大发射功率变化趋势图如图4所示,图中:
Optimized RIS w/TA:优化时隙和每个时隙的不同的RIS反射矩阵以及基站波束成形矢量
Optimized RIS w/o TA:只优化每个时隙RIS反射矩阵和基站波束成形矢量,固定时隙
Random RIS w/TA:优化时隙和基站波束成形矢量,RIS的相位时随机相位
Random RIS w/o TA:随机相位情况下,固定时隙,只优化基站波束成形矢量
Without RIS:没有RIS情况。
可以从图中看出,提出的算法在性能上与其他算法的对比,性能得到一个提高,并且当反射元件数量增大时,系统的吞吐量也随着增大。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (4)
1.一种RIS辅助无线供电通信网络的优化方法,其特征在于,包括以下步骤:
S1:建立RIS辅助无线供电通信网络系统模型;所述RIS辅助无线供电通信网络系统模型包括:具有N个反射元件的RIS、天线数为T的多天线基站、多个单天线用户;
其中RIS辅助无线供电通信网络系统模型中一共有个用户,被分为K簇,每一簇有个用户,/>表示第k簇的第m个用户,/>,/>;系统的工作被分成两个部分,包括下行传输能量和上行传输信息,基站通过下行链路给用户传输能量,用户通过上行链路向基站传输信息;
S2:确定所述RIS辅助无线供电通信网络系统模型优化的原问题,所述原问题是指,在RIS辅助无线供电通信网络系统模型的系统参数满足预设的初始约束条件的情况下,使系统吞吐量最大;
RIS辅助无线供电通信网络系统模型的系统参数包括:,其中/>表示基站的波束赋形矢量;/>为基站通过下行链路传输能量的下行时隙;/>为用户簇中的用户终端通过上行链路向基站上行传输的上行时隙集合;/>为是下行时隙/>的RIS反射系数矩阵;/>为上行时隙集合/>中的上行时隙/>的RIS反射系数矩阵;/>为RIS的反射系数;
根据NOMA协议,基站使用连续干扰消除来解码每个用户群的信息;具体地,当解码第k个簇的用户信息时,为了检测第m个用户的消息,基站首先解码第i个用户的消息,,然后从接收的消息中移除该消息;则其它用户的信号则视为干扰信号;假设用户将获得的能量全部用与上行信息传输,则基站接收的第k簇用户的信号表示为:
优化的原问题表示为最大化系统吞吐量,通过优化上行信息传输时间、下行能量传输时间,基站波束赋形矢量以及不同时隙中RIS的反射系数来最大化系统吞吐量;考虑的原问题的目标函数P1表述如下:
原问题的目标函数P1预设的初始约束条件包括:
其中表示基站的波束赋形矢量;/>为基站通过下行链路传输能量的下行时隙;/>为用户终端通过上行链路向基站上行传输的上行时隙集合;/>为是下行时隙/>的RIS反射系数矩阵,/>;/>为上行时隙集合/>中的上行时隙/>的RIS反射系数矩阵,/>;/>为RIS的反射系数;/>表示基站最大发射功率;/>表示RIS获得的能量;/>表示单位时间RIS每个反射元件所消耗的能量,N为RIS中反射单元的数量;
S3:将所述原问题简化为若干个子问题,所述子问题需满足对应的子约束条件,若所述子问题的子约束条件存在非凸约束,则该子问题为非凸子问题,将所述非凸子问题分类为可解非凸子问题和不可解非凸子问题;
将所述原问题简化为四个子问题,分别是:
其中,第二子问题为可解非凸子问题,第一子问题、第三子问题和第四子问题为不可解非凸子问题,经过步骤S4将第一子问题、第三子问题和第四子问题凸优化处理为可解的凸子问题;
S4:对不可解非凸子问题进行凸优化处理,使其子约束条件的非凸约束全部转化为凸约束,从而将所有不可解非凸子问题转化为可解的凸子问题;
S5:建立迭代算法,通过所述迭代算法对所述子问题进行交替迭代求解,得到使RIS辅助无线供电通信网络系统模型的系统吞吐量最大时,所述RIS辅助无线供电通信网络系统模型模型的各系统参数;
所述迭代算法包括以下步骤:
2.根据权利要求1所述的一种RIS辅助无线供电通信网络的优化方法,其特征在于,得到步骤S52所述第一个子问题P2的凸优化过程为:
因此,子问题P2.1等价为
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210028797.0A CN114531699B (zh) | 2022-01-11 | 2022-01-11 | 一种ris辅助无线供电通信网络的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210028797.0A CN114531699B (zh) | 2022-01-11 | 2022-01-11 | 一种ris辅助无线供电通信网络的优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114531699A CN114531699A (zh) | 2022-05-24 |
CN114531699B true CN114531699B (zh) | 2023-06-20 |
Family
ID=81621682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210028797.0A Active CN114531699B (zh) | 2022-01-11 | 2022-01-11 | 一种ris辅助无线供电通信网络的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114531699B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114980140B (zh) * | 2022-05-25 | 2023-06-23 | 扬州大学 | 一种基于多智能反射面和中继站辅助的下行通信系统及信息传输方法 |
CN115484626B (zh) * | 2022-08-09 | 2024-05-31 | 华北电力大学(保定) | Ris辅助短包通信最大化安全吞吐量的方法 |
CN116319199B (zh) * | 2023-03-02 | 2024-05-31 | 华南理工大学 | 无线功率通信网络最大吞吐量闭式解求解方法、装置及介质 |
CN117135641B (zh) * | 2023-10-26 | 2024-01-30 | 国网冀北电力有限公司 | 基于ris的电力融合通信网的资源分配方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112272384A (zh) * | 2020-11-03 | 2021-01-26 | 广东工业大学 | 一种基于可重构智能表面的通信系统吞吐量优化方法 |
CN113613273A (zh) * | 2021-08-09 | 2021-11-05 | 重庆邮电大学 | 一种智能超表面辅助无线供电网络的稳健能效优化方法 |
-
2022
- 2022-01-11 CN CN202210028797.0A patent/CN114531699B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112272384A (zh) * | 2020-11-03 | 2021-01-26 | 广东工业大学 | 一种基于可重构智能表面的通信系统吞吐量优化方法 |
CN113613273A (zh) * | 2021-08-09 | 2021-11-05 | 重庆邮电大学 | 一种智能超表面辅助无线供电网络的稳健能效优化方法 |
Non-Patent Citations (1)
Title |
---|
无线供电混合多址接入网络的最优能效资源分配研究;张广驰;曾志超;崔苗;武庆庆;林凡;刘怡俊;;电子学报(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114531699A (zh) | 2022-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114531699B (zh) | 一种ris辅助无线供电通信网络的优化方法 | |
Alageli et al. | Optimal downlink transmission for cell-free SWIPT massive MIMO systems with active eavesdropping | |
US8660202B2 (en) | Robust precoder and receiver filter design for Gaussian interference channel | |
Xu et al. | Reconfigurable intelligent surface empowered symbiotic radio over broadcasting signals | |
CN113613273B (zh) | 一种智能超表面辅助无线供电网络的稳健能效优化方法 | |
Asaad et al. | Secure active and passive beamforming in IRS-aided MIMO systems | |
CN113660051B (zh) | 毫米波通信系统的能效最大化方法和系统 | |
CN113490223A (zh) | 一种基于irs的无线供能反向散射通信方法及系统 | |
KR20070074023A (ko) | 다중 안테나 다중 사용자 통신 시스템의 최적 퍼터베이션장치 및 방법 | |
CN116566444A (zh) | 一种基于irs辅助的miso无线携能通信系统能效最大化方法 | |
Zhang et al. | An IRS-aided mmWave massive MIMO systems based on genetic algorithm | |
CN114900398A (zh) | 非理想csi的irs辅助云接入网下行的波束成形方法 | |
Abdulateef et al. | Performance analyses of channel estimation and precoding for massive MIMO downlink in the TDD system | |
Hakimi et al. | Sum rate maximization of full-duplex MIMO monostatic backscatter networks under residual self-interference | |
Pellaco et al. | A matrix-inverse-free implementation of the MU-MIMO WMMSE beamforming algorithm | |
Fang et al. | Improper Gaussian signaling for IRS assisted multiuser SWIPT systems with hardware impairments | |
CN117202171A (zh) | 一种ris辅助rsma系统最小安全速率资源分配方法 | |
CN115549745B (zh) | Ris相移设计方法、装置、计算机设备及存储介质 | |
CN115941000A (zh) | 一种miso系统中最优组播鲁棒发射波束形成方法及系统 | |
Asaad et al. | Designing IRS-aided MIMO systems for secrecy enhancement | |
CN114448479A (zh) | 一种基于天线选择的Massive MIMO安全传输优化方法 | |
CN108834155B (zh) | 一种基于大规模天线系统多参数优化频谱效率的方法 | |
Ravindran et al. | Direction of arrival and channel estimation using machine learning for multiple input multiple output system | |
Saxena et al. | A learning approach for optimal codebook selection in spatial modulation systems | |
Yue et al. | Robust integrated data and energy transfer aided by intelligent reflecting surfaces: Successive target migration optimization toward energy sustainability |
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 |