CN114765785B - 一种基于最大信噪比的多智能反射面选择方法 - Google Patents
一种基于最大信噪比的多智能反射面选择方法 Download PDFInfo
- Publication number
- CN114765785B CN114765785B CN202110056518.7A CN202110056518A CN114765785B CN 114765785 B CN114765785 B CN 114765785B CN 202110056518 A CN202110056518 A CN 202110056518A CN 114765785 B CN114765785 B CN 114765785B
- Authority
- CN
- China
- Prior art keywords
- noise ratio
- signal
- irs
- user
- snr
- 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
- 238000010187 selection method Methods 0.000 title claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims abstract description 33
- 230000010363 phase shift Effects 0.000 claims abstract description 20
- 238000005457 optimization Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims description 35
- 238000005562 fading Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 15
- 230000003595 spectral effect Effects 0.000 abstract 1
- 238000001210 attenuated total reflectance infrared spectroscopy Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 235000015429 Mirabilis expansa Nutrition 0.000 description 1
- 244000294411 Mirabilis expansa Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 235000013536 miso Nutrition 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/24—Cell structures
- H04W16/28—Cell structures using beam steering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/336—Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
- Radio Transmission System (AREA)
Abstract
本发明公开了一种基于最大信噪比的多智能反射面选择方法。步骤1:建立系统模型,计算经过智能反射面IRS反射和基站协同波束成形的用户UE处的信号,存在均匀分布i.d.d的零均值高斯噪声;步骤2:计算当存在直视路径时的SNR;步骤3:计算当不存在直视路径时的SNR;步骤4:步骤3作为步骤2的特殊情况,因此基于步骤2的存在直视路径的用户处信噪比SNR,即表述为优化问题,在功率限制下使用户接收到最大信噪比SNR;步骤5:基于步骤4用户接收到最大的信噪比SNR,交替优化相移θ和波束成形矩阵w;步骤6:根据步骤5的优化结果,多次计算经过每个智能反射面(IRS)反射后UE处的最大接收信噪比SNR,并选择可导致最大平均接收信噪比SNR的智能反射面(IRS)。本发明为了提高通信系统的频谱效率和能量效率。
Description
技术领域
本发明属于无线通信技术领域,具体涉及一种基于最大信噪比的多智能反射面选择方法。
背景技术
随着时代的发展,科学技术的进步,对无线通信的需求越来越高,对更高数据速率的需求也在增长。据估计,将使用5G的设备数量越来越多。在即将到来的5G无线网络中,由于各种关键的启用技术,例如超密集网络(UDN),大规模多输入多输出(MIMO),毫米波(mmWave)通讯等方面,但是所需的高复杂性和硬件成本以及能耗仍然是尚未解决的关键问题,因此新兴技术的探索和研究具有重要意义。
近年来,人们提出了一种新的材料,称为智能反射面IRS,它在无线通信中具有许多应用场景,甚至可以改变传统的通信结构。具体来说,IRS是一个包含大量低成本无源反射元件的平面,每个元件都可以独立地对入射信号进行幅度和/或相位变化,与现有无线链路自适应技术不同的是,IRS通过高度可控的智能信号反射来主动修改它们之间的无线信道。IRS可以在各种场景中使用,例如无损耗路径,人口稠密地区的覆盖漏洞,边缘计算,减少电磁污染,消除干扰,物理层安全以及甚至无线携能通信SWIPT。
同时注意到通信系统中存在多个IRS辅助时,由于每个IRS作用大小不同,可能存在一定的资源浪费,甚至可能对接收信号起到负面影响。而中继选择技术可以提高通信系统的能效和频谱效率,可以有效地提高通信性能,因此参考中继选择技术,在对基站和IRS波束成形联合优化的基础上,提出一种基于最大信噪比的IRS选择技术方案。
发明内容
本发明提供一种基于最大信噪比的多智能反射面选择方法,其目的是为了提高通信系统的频谱效率和能量效率。
本发明通过以下技术方案实现:
一种基于最大信噪比的多智能反射面选择方法,所述多智能反射面选择方法具体包括一下步骤:
步骤1:建立系统模型,计算经过智能反射面IRS反射和基站协同波束成形的用户UE处的信号,存在均匀分布i.d.d的零均值高斯噪声;
步骤2:基于步骤1的零均值高斯噪声计算当存在直视路径时用户处的信噪比SNR;
步骤3:基于步骤1的零均值高斯噪声计算当不存在直视路径时用户处的信噪比SNR;
步骤4:步骤3作为步骤2的特殊情况,因此基于步骤2的存在直视路径的用户处信噪比SNR,即表述为优化问题,在功率限制下使用户接收到最大信噪比SNR;
步骤5:基于步骤4用户接收到最大的信噪比SNR,交替优化相移θ和波束成形矩阵w;
步骤6:根据步骤5的优化结果,多次计算经过每个智能反射面IRS反射后UE处的最大接收信噪比SNR,并选择可导致最大平均接收信噪比SNR的智能反射面IRS。
进一步的,所述步骤1具体为,建立系统模型,假设系统中所有链路为准静态平坦衰落;其中分别表示基站到用户链路,即为直视路径、基站到第i个RIS链路和第i个RIS到用户链路;假设基站和每个RIS完美已知Gi和fi;每个RIS都有L个低成本反射元件,每个元件都可接收到来自基站的多径信号,然后像单点源一样散射振幅和/或相位可调的组合信号。信道均采用瑞利信道;则在用户UE处接收到的信号yi表示为:
yi=(fi HΘiGi+h)wxb+ni, (1)
其中为信号xb的波束成形矩阵;/>为IRS的反射系数矩阵,其中/>分别表示IRS的第l个元素的相移和幅度反射系数;
假设βl=1,即将IRS每个元素设计为最大化信号反射,ni是通过第i个IRS反射的方差为均匀分布(i.d.d)的零均值高斯噪声。
进一步的,所述步骤2具体为,基于公式(1)存在直视路径,则用户处的信噪比SNR表示为
其中kH为中间换元变量,H为矩阵共轭转置,w为波束成形矩阵,u为中间换元变量,b为中间换元变量。
进一步的,所述步骤3具体为,基于公式(1)不存在直视路径,用户的接收信噪比SNR表示为
其中kH为换元变量,w为波束成形矩阵。
进一步的,所述步骤4具体为,设相移θ=[θ1,θ2,…,θL],选择使用户接收到最大SNR的IRS,表示为
因此需要求解信噪比,问题表述为
其中P为基站处的功率预算。
进一步的,所述步骤5具体为,令v=[v1,v2,…,vL]H,其中则约束转换为单位模量约束:/>同时,令/>其中因此表达式|kHw|2表示为
v为中间换元变量,j为中间换元变量,Φi为中间换元变量,h为直视路径信道系数;
公式(6)是一个非凸二次约束二次程序QCQP,将其转换为齐次非凸二次约束二次程序QCQP,表示为
其中
为中间换元变量,Ri为中间换元变量,
由于因此令/>V为中间换元变量,其中V≥0,rank(V)=1,同时令/>因此,公式(7)进一步转换为
将式(2)和式(9)代入(5)中得
其中Vl,l表示V的第(l,l)个元素,P为基站处的功率预算,约束等效于||vl||2=1和Vl,l≤1;
注意到与W和V无关,问题(10)重新表示为
为了解决非凸问题(11),使用半定松弛SDR方法将问题提高到更高的维度,即不考虑等级约束rank(W)=1和rank(V)=1,表示为
进一步的,所述给定相移θ优化波束成形矩阵w:对于任意给定相移θ,将问题(12)转换为
给定波束成形矩阵w优化相移θ:对于任意给定波束成形矩阵w,将问题(12)转换为
因此,问题(13)和(14)最优地由SDP求解器解决。
进一步的,所述问题(4)和(5)的总算法流程图如说明书附图2所示,伪代码如下所示:
步骤6.1:令
i=0,γmax=0;
步骤6.2:令
i=i+1,k=0,w(0)=hH/||hH||,v(0)=[1,1,…,1]H,
其中γi为初始信噪比,w(0)为初始波束成形矩阵;
步骤6.3:利用公式(13)和(14)循环迭代计算直至令/>
步骤6.4:重复步骤6.2和6.3,直至i=N;
步骤6.5:选择其中最大的
本发明的有益效果是:
通过智能反射面IRS辅助通信,对基站和IRS进行波束成形优化,增强了接收信号的信噪比,进而提高了信道容量,同时对多个IRS进行了选择,在提高系统能量效率的同时,进一步提高了接收信噪比,即增强了通信系统的频谱效率和能量效率。
本发明的仿真结果如附图3、附图4、附图5、附图6所示。其中附图3和附图4分别表示了存在直视路径和不存在直视路径情况下,IRS的数目与用户UE接收信噪比的关系,同时考虑了基站处功率分别为5W和10W的情况;附图5和附图6分别表示了存在直视路径和不存在直视路径情况下,不同IRS到用户UE距离与用户接收信噪比的关系,同时考虑了基站处功率分别为5W和10W的情况。
附图说明
附图1多IRS辅助的基站-用户系统模型示意图。
附图2本发明算法流程图。
附图3本发明存在直视路径IRS的数目与用户UE接收信噪比的关系。
附图4本发明不存在直视路径IRS的数目与用户UE接收信噪比的关系。
附图5本发明存在直视路径不同IRS到用户UE距离与用户接收信噪比的关系。
附图6本发明不存在直视路径不同IRS到用户UE距离与用户接收信噪比的关系。
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。
实施例1
如图1所示,一种基于最大信噪比的多智能反射面选择方法,所述多智能反射面选择方法具体包括一下步骤:
一种基于最大信噪比的多智能反射面选择方法,所述多智能反射面选择方法具体包括一下步骤:
步骤1:建立系统模型,计算经过智能反射面IRS反射和基站协同波束成形的用户UE处的信号,存在均匀分布(i.d.d)的零均值高斯噪声;
步骤2:基于步骤1的零均值高斯噪声计算当存在直视路径时用户处的信噪比SNR;
步骤3:基于步骤1的零均值高斯噪声计算当不存在直视路径时用户处的信噪比SNR;
步骤4:步骤3作为步骤2的特殊情况,因此基于步骤2的存在直视路径的用户处信噪比SNR,即表述为优化问题,在功率限制下使用户接收到最大信噪比SNR;
步骤5:基于步骤4用户接收到最大的信噪比SNR,交替优化相移θ和波束成形矩阵w;
步骤6:根据步骤5的优化结果,多次计算经过每个智能反射面IRS反射后UE处的最大接收信噪比SNR,并选择可导致最大平均接收信噪比SNR的智能反射面IRS。
进一步的,所述步骤1具体为,建立系统模型,如附图1所示,假设系统中所有链路为准静态平坦衰落;其中分别表示基站到用户链路,即为直视路径、基站到第i个RIS链路和第i个RIS到用户链路;假设基站和每个RIS完美已知Gi和fi;每个RIS都有L个低成本反射元件,每个元件都可接收到来自基站的多径信号,然后像单点源一样散射振幅和/或相位可调的组合信号。信道均采用瑞利信道;则在用户UE处接收到的信号yi表示为:
其中为信号xb的波束成形矩阵;/>为IRS的反射系数矩阵,其中/>分别表示IRS的第l个元素的相移和幅度反射系数;
假设βl=1,即将IRS每个元素设计为最大化信号反射,ni是通过第i个IRS反射的方差为均匀分布(i.d.d)的零均值高斯噪声。
进一步的,所述步骤2具体为,基于公式(1)存在直视路径,则用户处的信噪比SNR表示为
其中kH为中间换元变量,H为矩阵共轭转置,w为波束成形矩阵,u为中间换元变量,b为中间换元变量。
进一步的,所述步骤3具体为,基于公式(1)不存在直视路径,用户的接收信噪比SNR表示为
其中kH为换元变量,w为波束成形矩阵。
进一步的,所述步骤4具体为,设相移θ=[θ1,θ2,…,θL],选择使用户接收到最大SNR的IRS,表示为
因此需要求解信噪比,问题表述为
其中P为基站处的功率预算。
进一步的,尽管(5)中的约束是凸的,但是解决优化问题(5)相对困难,因为(5)中的目标函数与相移θ和波束成形矩阵w耦合;由于没有解决此类非凸优化问题的标准方法,因此通过交替优化θ和w来解决该问题。
所述步骤5具体为,令v=[v1,v2,…,vL]H,其中则约束转换为单位模量约束:/>同时,令/>其中因此表达式|kHw|2表示为
v为中间换元变量,j为中间换元变量,Φi为中间换元变量,h为直视路径信道系数;
公式(6)是一个非凸二次约束二次程序QCQP,将其转换为齐次非凸二次约束二次程序QCQP,表示为
其中
为中间换元变量,Ri为中间换元变量,
由于因此令/>V为中间换元变量,其中V≥0,rank(V)=1,同时令/>因此,公式(7)进一步转换为
|kHw|2=Tr(RiV)+hWhH (9)
将式(2)和式(9)代入(5)中得
其中Vl,l表示V的第(l,l)个元素,P为基站处的功率预算,约束等效于||vl||2=1和Vl,l≤1;
注意到与W和V无关,问题(10)重新表示为
为了解决非凸问题(11),使用半定松弛SDR方法将问题提高到更高的维度,即不考虑等级约束rank(W)=1和rank(V)=1,表示为
进一步的,所述给定相移θ优化波束成形矩阵w:对于任意给定相移θ,将问题(12)转换为
给定波束成形矩阵w优化相移θ:对于任意给定波束成形矩阵w,将问题(12)转换为
因此,问题(13)和(14)最优地由SDP求解器解决。
进一步的,所述问题(4)和(5)的总算法流程图如说明书附图2所示,伪代码如下所示:
步骤6.1:令
i=0,γmax=0;
步骤6.2:令
i=i+1,k=0,w(0)=hH/||hH||,v(0)=[1,1,…,1]H,
其中γi为初始信噪比,w(0)为初始波束成形矩阵;
步骤6.3:利用公式(13)和(14)循环迭代计算直至令/>
步骤6.4:重复步骤6.2和6.3,直至i=N;
步骤6.5:选择其中最大的
实施例2
联合优化基站和IRS波束成形并基于最大接收SNR选择IRS方案工作过程,假设条件:
1)信道为瑞利衰落信道;
2)路径损耗模型由PL=(PL0-10ρlg(d/d0))给出,其中PL0=-30是参考距离处的距离损耗,参考距离为d0=1m,ρ是路径损耗指数。
3)基站处的发射功率分别为P=5W和10W;噪声方差为基站天线数为M=8;IRS数为/>基站到用户,基站到第i个RIS和第i个RIS到用户链路的路径损耗指数和距离为/> IRS的元素数量为L=40。结果通过对1000个随机生成的信道实现进行平均得出的。为了进行比较,还提出了没有IRS选择和没有RIS仅进行波束成形的常规方案。
步骤一、令i=0,γmax=0;
步骤二、
令i=i+1,k=0,w(0)=hH/||hH||,v(0)=[1,1,…,1]H,
步骤三、令k=k+1;
步骤四、将v(k-1)代入式(13),在其解上应用高斯随机化得到近似解w(k);
步骤五、将w(k)代入式(14),在其解上应用高斯随机化得到近似解v(k)和θ(k);
步骤六、计算
步骤七、判断是否有若是,则令/>若不是,则返回步骤三。
步骤八、判断是否有i=N,若是,则执行步骤九,若不是,则返回步骤二。
步骤九:选择其中最大的
本发明针对基站与用户MISO信道之间存在多IRS辅助通信的情况,提出一种基于最大化接收信噪比的IRS选择方案,同时完成基站与IRS反射的波束成形联合优化。进一步提高用户的接收信噪比,同时也提高了通信系统的能量效率。同时对比了没有IRS选择的方案和IRS辅助仅进行基站波束成形的方案。所提出的IRS选择方案可以在发射功率约束下,在波束成形优化后提高接收信噪比的基础上,进一步提高接收信噪比。
Claims (7)
1.一种基于最大信噪比的多智能反射面选择方法,其特征在于,所述多智能反射面选择方法具体包括以下步骤:
步骤1:建立系统模型,计算经过智能反射面IRS反射和基站协同波束成形的用户UE处的信号,存在均匀分布i.d.d的零均值高斯噪声;
步骤2:基于步骤1的零均值高斯噪声计算当存在直视路径时用户处的信噪比SNR,其中直视路径表示基站到用户的链路;
步骤3:基于步骤1的零均值高斯噪声计算当不存在直视路径时用户处的信噪比SNR;
步骤4:步骤3作为步骤2的特殊情况,因此基于步骤2的存在直视路径的用户处信噪比SNR,即表述为优化问题,在功率限制下使用户接收到最大信噪比SNR;
步骤5:基于步骤4用户接收到最大的信噪比SNR,交替优化相移θ和波束成形矩阵w;
步骤6:根据步骤5的优化结果,多次计算经过每个智能反射面IRS反射后UE处的最大接收信噪比SNR,并选择可导致最大平均接收信噪比SNR的智能反射面IRS。
2.根据权利要求1所述一种基于最大信噪比的多智能反射面选择方法,其特征在于,所述步骤1具体为,建立系统模型,假设系统中所有链路为准静态平坦衰落;其中分别表示直视路径信道系数、基站到第i个IRS链路和第i个IRS到用户链路;假设基站和每个IRS已知Gi和fi;每个IRS都有L个低成本反射元件,每个元件都可接收到来自基站的多径信号,然后像单点源一样散射振幅和/或相位可调的组合信号;信道均采用瑞利信道;则在用户UE处接收到的信号yi表示为:
其中为信号xb的波束成形矩阵;/>为IRS的反射系数矩阵,其中θl=[0,2π],βl=[0,1],/>分别表示IRS的第l个元素的相移和幅度反射系数,H为矩阵共轭转置,b为中间换元变量;
假设βl=1,即将IRS每个元素设计为最大化信号反射,ni是通过第i个IRS反射的独立同分布高斯噪声,且均值为零,方差为
3.根据权利要求2所述一种基于最大信噪比的多智能反射面选择方法,其特征在于,所述步骤2具体为,基于公式(1)存在直视路径,则用户处的信噪比SNR表示为
其中kH为中间换元变量,H为矩阵共轭转置,w为波束成形矩阵。
4.根据权利要求2所述一种基于最大信噪比的多智能反射面选择方法,其特征在于,所述步骤3具体为,基于公式(1)不存在直视路径,用户的接收信噪比SNR表示为
其中k'H为换元变量,w为波束成形矩阵。
5.根据权利要求3所述一种基于最大信噪比的多智能反射面选择方法,其特征在于,所述步骤4具体为,设相移θ=[θ1,θ2,…,θL],选择使用户接收到最大SNR的IRS,表示为
因此需要求解信噪比,问题表述为
其中P为基站处的功率预算。
6.根据权利要求5所述一种基于最大信噪比的多智能反射面选择方法,其特征在于,所述步骤5具体为,令v=[v1,v2,…,vL]H,其中则约束/>转换为单位模量约束:/>同时,令/>其中/>因此表达式|kHw|2表示为
v为中间换元变量,Φi为中间换元变量,h为直视路径信道系数;
公式(6)是一个非凸二次约束二次程序QCQP,将其转换为齐次非凸二次约束二次程序QCQP,表示为
其中
为中间换元变量,Ri为中间换元变量,
由于因此令/>V为中间换元变量,且为半正定的秩一矩阵,即V≥0,rank(V)=1,同时令/>因此,公式(7)进一步转换为|kHw|2=Tr(RiV)+hWhH(9)
将式(2)和式(9)代入(5)中得
其中Vl,l表示V的第(l,l)个元素,P为基站处的功率预算,约束等效于||vl||2=1和Vl,l≤1;
注意到与W和V无关,问题(10)重新表示为
为了解决非凸问题(11),使用半定松弛SDR方法将问题提高到更高的维度,即不考虑等级约束rank(W)=1和rank(V)=1,表示为
7.根据权利要求6所述一种基于最大信噪比的多智能反射面选择方法,其特征在于,给定相移θ优化波束成形矩阵w:对于任意给定相移θ,将问题(12)转换为
给定波束成形矩阵w优化相移θ:对于任意给定波束成形矩阵w,将问题(12)转换为
因此,问题(13)和(14)最优地由SDP求解器解决。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110056518.7A CN114765785B (zh) | 2021-01-15 | 2021-01-15 | 一种基于最大信噪比的多智能反射面选择方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110056518.7A CN114765785B (zh) | 2021-01-15 | 2021-01-15 | 一种基于最大信噪比的多智能反射面选择方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114765785A CN114765785A (zh) | 2022-07-19 |
CN114765785B true CN114765785B (zh) | 2024-02-27 |
Family
ID=82363170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110056518.7A Active CN114765785B (zh) | 2021-01-15 | 2021-01-15 | 一种基于最大信噪比的多智能反射面选择方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114765785B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115549745B (zh) * | 2022-09-01 | 2024-05-07 | 暨南大学 | Ris相移设计方法、装置、计算机设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111817797A (zh) * | 2020-06-22 | 2020-10-23 | 电子科技大学 | 基于最大化接收信噪比的irs相位旋转设计的信号发射方法 |
CN111865387A (zh) * | 2020-08-04 | 2020-10-30 | 同济大学 | 智能反射面辅助无线通信系统的波束成形设计方法 |
-
2021
- 2021-01-15 CN CN202110056518.7A patent/CN114765785B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111817797A (zh) * | 2020-06-22 | 2020-10-23 | 电子科技大学 | 基于最大化接收信噪比的irs相位旋转设计的信号发射方法 |
CN111865387A (zh) * | 2020-08-04 | 2020-10-30 | 同济大学 | 智能反射面辅助无线通信系统的波束成形设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114765785A (zh) | 2022-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111314893B (zh) | 反射面辅助的设备到设备通信系统设计方法 | |
CN113364494B (zh) | 一种针对硬件失真的irs辅助miso系统性能优化方法 | |
CN101867402B (zh) | 一种自适应天线选择的mimo系统及其应用方法 | |
CN110401476B (zh) | 一种基于码本的毫米波通信多用户并行波束训练方法 | |
CN111787558A (zh) | 一种mimome系统及其安全速率优化方法 | |
CN112804695A (zh) | 可重构智能表面辅助的无线通信方法及装置 | |
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 | |
Majidzadeh et al. | Partially connected hybrid beamforming for large antenna arrays in multi-user MISO systems | |
CN113825159A (zh) | 基于智能反射面的无线携能通信系统鲁棒资源分配方法 | |
CN114826450B (zh) | 一种基于统计信道的star-ris辅助noma系统中遍历速率分析方法和相位优化方法 | |
CN110191476B (zh) | 一种基于可重构天线阵列的非正交多址接入方法 | |
CN114124258A (zh) | 一种最大化安全传输速率的方法 | |
CN116980940A (zh) | 一种基于分布式ris辅助毫米波noma系统的资源分配方法 | |
Majidzadeh et al. | Hybrid beamforming for single-user MIMO with partially connected RF architecture | |
CN114765785B (zh) | 一种基于最大信噪比的多智能反射面选择方法 | |
CN116033461B (zh) | 一种基于star-ris辅助的共生无线电传输方法 | |
CN111740766A (zh) | 一种基于码本的波束设计方法与装置 | |
CN111917444A (zh) | 一种适用于毫米波mimo-noma系统的资源分配方法 | |
CN116545482A (zh) | 一种ris辅助采用低精度dac的多用户mimo下行传输方法 | |
CN114337902B (zh) | 一种irs辅助的毫米波多小区间干扰的抑制方法 | |
Al-Shaeli et al. | An efficient beamforming design for reflective intelligent surface-aided communications system | |
Li et al. | Joint Beamforming for STAR-RIS in Near-Field Communications | |
CN117749222A (zh) | 非正交多址-双功能雷达联合波束赋形与功率分配方法 | |
Zhao et al. | Dual-Functional MIMO Beamforming Optimization for RIS-Aided Integrated Sensing and Communication | |
Xu et al. | A divide-and-conquer precoding scheme for sub-connected massive MIMO systems |
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 |