CN114785387A - 智能全向面辅助的多用户大规模miso下行加权和速率优化方法 - Google Patents
智能全向面辅助的多用户大规模miso下行加权和速率优化方法 Download PDFInfo
- Publication number
- CN114785387A CN114785387A CN202210425553.6A CN202210425553A CN114785387A CN 114785387 A CN114785387 A CN 114785387A CN 202210425553 A CN202210425553 A CN 202210425553A CN 114785387 A CN114785387 A CN 114785387A
- Authority
- CN
- China
- Prior art keywords
- user
- scale
- transmission
- base station
- reflection
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000005457 optimization Methods 0.000 title claims abstract description 37
- 235000015429 Mirabilis expansa Nutrition 0.000 title claims abstract description 30
- 244000294411 Mirabilis expansa Species 0.000 title claims abstract description 30
- 235000013536 miso Nutrition 0.000 title claims abstract description 30
- 230000005540 biological transmission Effects 0.000 claims abstract description 61
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 239000011159 matrix material Substances 0.000 claims abstract description 14
- 238000004891 communication Methods 0.000 claims abstract description 7
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims 2
- 238000004364 calculation method Methods 0.000 description 6
- 238000009795 derivation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
- H04B7/0452—Multi-user MIMO systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
- H04B7/0426—Power distribution
-
- 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)
- Power Engineering (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提出一种智能全向面辅助的多用户大规模MISO下行加权和速率优化算法。本发明针对直射径被遮挡场景下的多用户大规模MISO通信的特点,同时考虑了基站侧的发射功率限制以及智能全向面器件单元所需满足的约束条件,通过联合优化基站侧的功率分配、智能超表面的反射系数与透射系数以改善系统下行加权和速率。本发明提出一种基于分式规划以及极大化极小方法的算法对基站侧的功率分配、智能超表面的反射系数与透射系数矩阵进行联合优化,能够有效地提升在直射径被遮挡场景下的多用户大规模MISO下行加权和速率,同时降低优化问题求解与物理层实现的复杂度。
Description
1.应用领域
本发明涉及无线通信物理层中的和速率优化问题,特别涉及一种智能全向面辅助的多用户大规模MISO下行加权和速率优化方法。
2.背景技术
可重构智能超表面(Reconfigurable Intelligent Surface,RIS)是一种由大量无源可重构元器件组成的相位控制智能表面。在直射径被遮挡的场景下,RIS的辅助能够为无线通信系统的和速率带来可观的增益。但是,传统的RIS对入射信号仅能进行反射,位于基站关于RIS对侧的用户则无法接收到无线信号。
智能全向面(Simultaneous Transmitting And Reflecting ReconfigurableIntelligent Surface,STAR-RIS)。STAR-RIS的每一个器件单元都具有可变的器件结构,通过控制器件单元的工作状态,从而控制其对无线信号的响应特性。无线信号从STAR-RIS的一侧入射,一部分被反射至于入射信号相同的一侧,称为反射信号;其余部分被透射至另一侧,称为透射信号。反射与透射信号可以通过STAR-RIS器件单元的两个参数来分配,这两个参数可称为反射系数与透射系数。
在有STAR-RIS辅助的多用户大规模MISO通信中,为了在减少功率损耗的前提下尽可能最大化下行和速率,需要联合设计发射侧的功率分配方式与STAR-RIS的反射系数和透射系数。目前存在的RIS辅助多用户大规模MISO通信系统设计中大部分仅采用普通的可重构智能超表面,对入射信号仅能够进行反射,无法为位于基站对侧的用户提供辅助。因此,本发明提出一种基于分式规划(Fractional Programming,FP)方法的STAR-RIS辅助下多用户大规模MISO下行加权和速率优化方法。本发明通过考虑发射侧的功率限制以及STAR-RIS反射系数与透射系数所满足的限制条件,提出了一种有效的对发射侧的功率分配与STAR-RIS的反射与透射系数进行联合优化以取得上、下行最大和速率的算法。
3.发明内容及特征
本发明提出一种STAR-RIS辅助的多用户大规模MISO下行加权和速率优化算法,能够有效地提升在直射径被遮挡场景下的多用户大规模MISO下行加权和速率,并降低优化问题求解与物理层实现的复杂度。
为实现上述发明目的,本发明所述的STAR-RIS辅助的多用户大规模MISO下行加权和速率优化算法,包括以下步骤:
在STAR-RIS辅助的直射径被遮挡场景下多用户大规模MISO下行传输中,信号由基站天线入射到STAR-RIS表面,被分为反射信号与透射信号两部分,且由于STAR-RIS的相位控制作用而受到相位调整。反射信号与透射信号分别服务位于处在基站关于STAR-RIS的同侧的用户与对侧的用户,分别称作反射用户与透射用户。以下行和速率最大化为准则联合优化发射功率分配方式以及STAR-RIS的反射与透射系数。所述联合优化问题的目标为在满足发射端功率限制条件约束以及STAR-RIS反射与透射系数服从的能量守恒约束下最大化反射用户与透射用户的下行加权和速率。
其中,基站侧的发射功率分配与STAR-RIS反射与透射系数的联合优化可以采用基于分式规划方法、拉格朗日乘数法以及极小化极大方法的迭代算法:首先通过引入辅助变量的形式,将原问题转化为一个最大化分式的问题;而后利用分式规划方法,再一次引入辅助变量,将最大化分式的问题转化为一个关于基站侧发射功率分配的凸问题;针对转化得到的凸问题,利用拉格朗日乘数法求解,进行功率分配的优化;再一次引入辅助变量后,将问题转化为关于反射与透射系数目标函数为凸问题但约束条件并非凸集的形式;对于转化后的问题,采用极小化极大方法,通过连续使反射与透射系数取得接近收敛值的点,从而得到本次迭代反射与透射系数的最优取值;迭代、交替实施上述各变量的优化流程,直至相邻两次目标函数值的差小于某个给定的阈值。
作为优选,所述STAR-RIS辅助的多用户大规模MISO下行加权和速率可以表示为:
其中,下行用户共有K个,可以被分为R个反射用户与T个折射用户,每个用户配备单天线,基站侧配备M条发射天线,STAR-RIS共有N个反射透射单元,log(·)表示对数运算,(·)H表示矩阵的共轭转置运算,||·||表示L2范数运算。ω(k)代表第k个用户的权重,代表从STAR-RIS到第k个用户的信道,代表第k个用户所对应STAR-RIS的反射或透射特性,当此用户为反射用户,即k≤R时,Θk代表ΘR=diag(θr,1,θr,2,...,θr,N),即STAR-RIS的反射特性矩阵,ΘR第(n,n)个元素代表第n个单元的反射系数,是虚数符号,代表第n个单元反射系数的幅度,φr,n代表第n个单元反射系数的相位;当此用户为透射用户,即k>R时,Θk代表ΘT=diag(θt,1,θt,2,...,θt,N),即STAR-RIS的透射特性矩阵,ΘT第(n,n)个元素代表第n个单元的透射系数,代表第n个单元透射系数的幅度,φt,n代表第n个单元透射系数的相位。代表STAR-RIS与基站天线之间的信道,代表根据基站分配给第k个用户的发射功率所进行的波束赋形,表示加性高斯白噪声功率。
通常情况下,基站的发射功率是有限的,因此对所有用户分配的功率之和应当不超过给定的最大限制。另外,STAR-RIS的反射系数与透射系数之间还应当满足能量守恒定律,即:
作为优选,所述下行加权和速率优化问题可以表示为:
其中,IN表示N×N的单位矩阵,Pmax表示基站侧的发射总功率约束。
作为优选,通过引入辅助变量的方式等价简化后的原问题可以被表示为:
其中α=[α1,α2...αK],为引入的辅助变量,求导计算可以更新最优的α。通过引入这一辅助变量,原问题被转化为一个最大化分式的问题,因此可以引入分式规划方法进行求解。
作为优选,所述通过使用分式规划方法,引入辅助变量等价转化的下行加权和速率最优化问题可以表示为:
其中β=[β1,β2...βK],为引入的辅助变量,求导计算可以更新最优的β。通过引入这一辅助变量,原问题被转化为了一个关于分配功率Pk的凸问题,因此可以考虑其所满足的约束条件形式,采用拉格朗日乘数法,利用KKT条件对P进行求解。
作为优选,再一次利用分式规划方法,通过引入辅助变量对已完成一次分配功率更新后的问题进行转化得到的问题可以表示为:
其中,ε=[ε1,ε2...εK],为引入的辅助变量,Hk=diag(hk),求导计算可以更新最优的ε。此时转化得到的目标函数具有凸函数的形式,但由于STAR-RIS的反射系数与透射系数所满足的约束条件不为凸集,因而无法直接求解。故选用极小化极大方法,利用函数的凸性逼近最优的反射系数与透射系数取值。
作为优选,所述利用极小化极大方法,利用函数的凸性逼近最优的反射系数与透射系数取值,包括以下步骤:
(1)固定求解得到的当前情况下最优的ε,将原问题转化为如下形式:
其中,
本发明与目前常用的可重构智能反射面辅助的多用户大规模MISO下行传输优化方案相比,有如下优点:
1.本发明引入了STAR-RIS辅助进行通信,并为之设计了符合其工作模式的优化算法,较之传统的RIS辅助的无线通信系统,将原本的半空间内智能无线电环境拓展到全空间,能够为更多用户进行服务,显著地提高了智能反射面部署的灵活性。
2.利用分式规划方法、拉格朗日乘数法以及极小化极大等方法联合设计基站侧的发射功率分配以及STAR-RIS的反射系数矩阵和透射系数矩阵,最大化系统的下行加权和速率,迭代获得原问题的驻点次优解,有效改善系统的下行加权和速率。本发明提出的方法能够显著降低优化问题求解和物理层实现的复杂度。
4.附图说明
(1)图1为STAR-RIS辅助的多用户MISO下行传输场景示意图。
(2)图2为STAR-RIS辅助的多用户MISO下行加权和速率优化算法流程图。
5.具体实施方法举例
为了进一步说明本发明的实施方法,下面给出一个实施范例。此示例仅表示对本发明的原理性说明,不代表本发明的任何限制。
(1)STAR-RIS辅助的多用户大规模MISO下行传输场景
考虑STAR-RIS辅助的多用户大规模MISO下行传输场景,基站侧配有M条发射天线,STAR-RIS配备有N个反射透射单元。下行用户共有K个,其中反射用户有R个,透射用户有T个。图1给出了系统传输示意图。所述系统的下行加权和速率可以表示为:
其中,每个用户配备单天线,基站侧配备M条发射天线,STAR-RIS共有N个反射透射单元,ω(k)代表第k个用户的权重,代表从STAR-RIS到第k个用户的信道,代表第k个用户所对应STAR-RIS的反射或透射特性,当此用户为反射用户,即k≤R时,Θk代表ΘR=diag(θr,1,θr,2,...,θr,N),即STAR-RIS的反射特性矩阵,ΘR第(n,n)个元素代表第n个单元的反射系数,是虚数符号,代表第n个单元反射系数的幅度,φr,n代表第n个单元反射系数的相位;当此用户为透射用户,即k>R时,Θk代表ΘT=diag(θt,1,θt,2,...,θt,N),即STAR-RIS的透射特性矩阵,ΘT第(n,n)个元素代表第n个单元的透射系数,代表第n个单元透射系数的幅度,φt,n代表第n个单元透射系数的相位。代表STAR-RIS与基站天线之间的信道,代表根据基站分配给第k个用户的发射功率所进行的波束赋形,表示加性高斯白噪声功率。
通常情况下,基站的发射功率有限,因此对所有用户分配的功率之和应当不超过给定的最大限制。另外,STAR-RIS的反射系数与透射系数之间还应当满足能量守恒定律,即:
所述下行加权和速率优化问题可以表示为:
其中,Pmax表示基站侧的发射总功率约束。
此问题含有一个非凸的目标函数以及两个约束条件并非空集的待优化变量,很难得到全局最优解,且求解复杂度往往较高。为此,本发明提出一种复杂度较低的下行加权和速率优化方法,可以求得原问题的一个驻点次优解或局部最优解。
(2)算法一:STAR-RIS辅助的多用户大规模MISO下行加权和速率优化算法
图2给出了下行加权和速率优化算法流程图,详细优化步骤列举如下。
步骤1:根据信道条件以及功率分配和所选取的STAR-RIS工作模式所满足的约束条件,设定P、ΘR与ΘT的初始值。
步骤2:通过引入辅助变量的方式,将原问题转化为一个最大化分式求解的问题,并更新使得转化后的问题最大的α。等价简化后的原问题可以被表示为:
其中α=[α1,α2...αK],为引入的辅助变量,求导计算可以更新最优的α。通过引入这一辅助变量,原问题被转化为一个最大化分式的问题,因此可以引入分式规划方法进行求解。
最优的α可以通过下式计算,
步骤3:通过使用分式规划方法,引入辅助变量等价转化原下行加权和速率最优化问题,可以表示为:
其中β=[β1,β2...βK],为引入的辅助变量,求导计算可以更新最优的β。通过引入这一辅助变量,原问题被转化为了一个关于分配功率Pk的凸问题,因此可以考虑其所满足的约束条件形式,采用拉格朗日乘数法,利用KKT条件对P进行求解。
使得被转化后问题取得最优的β可以通过下式计算,
在更新最优的β后,可以通过下式计算最优的功率分配P,
其中λ0为拉格朗日乘子,根据KKT条件,其满足:
因此可以通过二分法计算λ0的值,从而得到最优的P。
步骤4:再一次利用分式规划方法,通过引入辅助变量对更新后的问题进行转化,得到的问题可以表示为:
其中,ε=[ε1,ε2...εK]为引入的辅助变量,Hk=diag(hk),求导计算可以更新最优的ε。此时转化得到的目标函数具有凸函数的形式,但由于STAR-RIS的反射系数与透射系数所满足的约束条件不为凸集,因而无法直接求解。故选用极小化极大方法,利用函数的凸性逼近最优的反射系数与透射系数取值。
最优的ε可以通过下式求得:
步骤5:利用极小化极大方法,利用函数的凸性逼近最优的反射系数与透射系数取值。首先,固定求解得到的当前情况下最优的ε,将原问题转化为如下形式:
其中,
其中,
其中Amp(·)表示取幅值运算。
其中,
0;else
同样地,
0;else
步骤8:计算新的目标函数的值,若与上一次迭代目标函数值的差小于所设定的阈值,则终止迭代;否则,将迭代次数加1,回到步骤2。
Claims (7)
1.一种智能全向面辅助的多用户大规模MISO下行加权和速率优化算法。其特征在于,针对直射径被遮挡场景下的多用户大规模MISO通信的特点,同时考虑了基站侧的发射功率限制以及智能全向面器件单元所需满足的约束条件,通过联合优化基站侧的功率分配、智能超表面的反射系数与透射系数以改善系统下行加权和速率,采用基于分式规划以及极大化极小方法的算法对基站侧的功率分配、智能超表面的反射系数与透射系数矩阵进行联合优化,能够有效地提升在直射径被遮挡场景下的多用户大规模MISO下行加权和速率,同时降低优化问题求解与物理层实现的复杂度。
其中,基站侧的发射功率分配与智能全向面反射与透射系数的联合优化可以采用基于分式规划方法、拉格朗日乘数法以及极小化极大方法的迭代算法:首先通过引入辅助变量的形式,将原问题转化为一个最大化分式的问题;而后利用分式规划方法,再一次引入辅助变量,将最大化分式的问题转化为一个关于基站侧发射功率分配的凸问题;针对转化得到的凸问题,利用拉格朗日乘数法求解,进行功率分配的优化;再一次引入辅助变量后,将问题转化为关于反射与透射系数目标函数为凸问题但约束条件并非凸集的形式;对于转化后的问题,采用极小化极大方法,通过连续使反射与透射系数取得接近收敛值的点,从而得到本次迭代反射与透射系数的最优取值;迭代、交替实施上述各变量的优化流程,直至相邻两次目标函数值的差小于某个给定的阈值。
2.根据权利要求1所述的智能全向面辅助的多用户大规模MISO下行加权和速率优化算法,其特征在于,所述智能全向面辅助的多用户大规模MISO下行加权和速率可以表示为:
其中,下行用户共有K个,可以被分为R个反射用户与T个折射用户,每个用户配备单天线,基站侧配备M条发射天线,STAR-RIS共有N个反射透射单元,log(·)表示对数运算,(·)H表示矩阵的共轭转置运算,||·||表示L2范数运算。ω(k)代表第k个用户的权重,代表从STAR-RIS到第k个用户的信道,代表第k个用户所对应STAR-RIS的反射或透射特性,当此用户为反射用户,即k≤R时,Θk代表ΘR=diag(θr,1,θr,2,…,θr,N),即STAR-RIS的反射特性矩阵,ΘR第(n,n)个元素代表第n个单元的反射系数,j是虚数符号,代表第n个单元反射系数的幅度,φr,n代表第n个单元反射系数的相位;当此用户为透射用户,即k>R时,Θk代表ΘT=diag(θt,1,θt,2,…,θt,N),即STAR-RIS的透射特性矩阵,ΘT第(n,n)个元素代表第n个单元的透射系数,代表第n个单元透射系数的幅度,φt,n代表第n个单元透射系数的相位。代表STAR-RIS与基站天线之间的信道,代表根据基站分配给第k个用户的发射功率所进行的波束赋形,表示加性高斯白噪声功率。
通常情况下,基站的发射功率是有限的,因此对所有用户分配的功率之和应当不超过给定的最大限制。另外,STAR-RIS的反射系数与透射系数之间还应当满足能量守恒定律,即:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210425553.6A CN114785387B (zh) | 2022-04-21 | 2022-04-21 | 智能全向面辅助的多用户miso下行加权和速率优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210425553.6A CN114785387B (zh) | 2022-04-21 | 2022-04-21 | 智能全向面辅助的多用户miso下行加权和速率优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114785387A true CN114785387A (zh) | 2022-07-22 |
CN114785387B CN114785387B (zh) | 2023-08-18 |
Family
ID=82431491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210425553.6A Active CN114785387B (zh) | 2022-04-21 | 2022-04-21 | 智能全向面辅助的多用户miso下行加权和速率优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114785387B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117042162A (zh) * | 2023-10-09 | 2023-11-10 | 中国移动紫金(江苏)创新研究院有限公司 | 通信方法、装置、反射平面、计算系统、增强器及中继器 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014043834A1 (zh) * | 2012-09-24 | 2014-03-27 | 上海交通大学 | 最大化多小区下行加权和速率的单调优化方法 |
CN111294096A (zh) * | 2020-02-17 | 2020-06-16 | 南京信息工程大学 | 一种智能反射面miso无线通信系统的信道容量优化方法 |
CN111901802A (zh) * | 2020-07-31 | 2020-11-06 | 东南大学 | 一种借助智能反射表面的miso系统下行保密率优化方法 |
CN111953391A (zh) * | 2020-07-09 | 2020-11-17 | 东南大学 | 智能反射面辅助的多用户mimo上行能效谱效联合优化方法 |
CN112073107A (zh) * | 2020-09-17 | 2020-12-11 | 南通大学 | 基于智能反射面的多组、多播联合波束赋形算法设计 |
CN113068262A (zh) * | 2021-03-25 | 2021-07-02 | 电子科技大学 | 基于智能反射面辅助上行系统的动态资源分配方法 |
CN113193894A (zh) * | 2021-04-27 | 2021-07-30 | 东南大学 | 可重构智能表面辅助的多用户miso下行无线通信谱效能效联合优化方法 |
US20210384958A1 (en) * | 2020-06-05 | 2021-12-09 | Commissariat à l'énergie atomique et aux énergies alternatives | Method for optimizing user equipment wireless localization using reconfigurable intelligent surfaces, related device and computer program |
CN113783812A (zh) * | 2021-07-20 | 2021-12-10 | 北京交通大学 | 基于同步透射反射智能表面同步信号增强及干扰抑制方法 |
CN114070365A (zh) * | 2021-11-18 | 2022-02-18 | 北京邮电大学 | 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 |
CN114285445A (zh) * | 2021-12-31 | 2022-04-05 | 东南大学 | 电磁辐射约束的ris-dma辅助多用户mimo上行谱效优化方法 |
-
2022
- 2022-04-21 CN CN202210425553.6A patent/CN114785387B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014043834A1 (zh) * | 2012-09-24 | 2014-03-27 | 上海交通大学 | 最大化多小区下行加权和速率的单调优化方法 |
CN111294096A (zh) * | 2020-02-17 | 2020-06-16 | 南京信息工程大学 | 一种智能反射面miso无线通信系统的信道容量优化方法 |
US20210384958A1 (en) * | 2020-06-05 | 2021-12-09 | Commissariat à l'énergie atomique et aux énergies alternatives | Method for optimizing user equipment wireless localization using reconfigurable intelligent surfaces, related device and computer program |
CN111953391A (zh) * | 2020-07-09 | 2020-11-17 | 东南大学 | 智能反射面辅助的多用户mimo上行能效谱效联合优化方法 |
CN111901802A (zh) * | 2020-07-31 | 2020-11-06 | 东南大学 | 一种借助智能反射表面的miso系统下行保密率优化方法 |
CN112073107A (zh) * | 2020-09-17 | 2020-12-11 | 南通大学 | 基于智能反射面的多组、多播联合波束赋形算法设计 |
CN113068262A (zh) * | 2021-03-25 | 2021-07-02 | 电子科技大学 | 基于智能反射面辅助上行系统的动态资源分配方法 |
CN113193894A (zh) * | 2021-04-27 | 2021-07-30 | 东南大学 | 可重构智能表面辅助的多用户miso下行无线通信谱效能效联合优化方法 |
CN113783812A (zh) * | 2021-07-20 | 2021-12-10 | 北京交通大学 | 基于同步透射反射智能表面同步信号增强及干扰抑制方法 |
CN114070365A (zh) * | 2021-11-18 | 2022-02-18 | 北京邮电大学 | 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 |
CN114285445A (zh) * | 2021-12-31 | 2022-04-05 | 东南大学 | 电磁辐射约束的ris-dma辅助多用户mimo上行谱效优化方法 |
Non-Patent Citations (3)
Title |
---|
CHENYU WU: "Channel Estimation for STAR-RIS-Aided Wireless Communication", 《 IEEE COMMUNICATIONS LETTERS》 * |
CHENYU WU: "Coverage Characterization of STAR-RIS Networks: NOMA and OMA", 《 IEEE COMMUNICATIONS LETTERS》 * |
王兆瑞;刘亮;李航;崔曙光;: "面向6G物联网的智能反射表面设计", 物联网学报, no. 02 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117042162A (zh) * | 2023-10-09 | 2023-11-10 | 中国移动紫金(江苏)创新研究院有限公司 | 通信方法、装置、反射平面、计算系统、增强器及中继器 |
CN117042162B (zh) * | 2023-10-09 | 2023-12-26 | 中国移动紫金(江苏)创新研究院有限公司 | 通信方法、装置、反射平面、计算系统、增强器及中继器 |
Also Published As
Publication number | Publication date |
---|---|
CN114785387B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111865387A (zh) | 智能反射面辅助无线通信系统的波束成形设计方法 | |
CN111953391A (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 | |
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 | |
CN113114343A (zh) | 一种多波束卫星的高能效智能动态波束成形方法 | |
CN114785388B (zh) | 智能全向面辅助的多用户simo上行加权和速率优化方法 | |
CN113949607A (zh) | 一种智能反射面无小区系统的鲁棒性波束设计方法 | |
CN114978387B (zh) | 基于低轨卫星网络的无线空中计算方法 | |
CN114785387A (zh) | 智能全向面辅助的多用户大规模miso下行加权和速率优化方法 | |
CN114640379A (zh) | 一种基于智能反射面阵元分组的波束优化方法及系统 | |
Li et al. | Joint beamforming and power allocation for intelligent reflecting surface-aided millimeter wave MIMO systems | |
CN116033461B (zh) | 一种基于star-ris辅助的共生无线电传输方法 | |
Salem et al. | A proposed efficient hybrid precoding algorithm for millimeter wave massive MIMO 5G networks | |
CN116567839A (zh) | 去蜂窝大规模mimo网络下共生无线电系统的资源分配方法 | |
CN116865795A (zh) | 透射式ris辅助mimo多波束对准系统及方法 | |
CN114844538B (zh) | 一种基于宽学习的毫米波mimo用户增量协作波束选择方法 | |
CN114845363B (zh) | 一种反射面辅助的低功耗数据卸载方法及系统 | |
CN116056118A (zh) | 基于主被动混合智能超表面的无线通信传输方法及系统 | |
CN115734238A (zh) | 智能反射面辅助的通信网络覆盖优化方法 | |
CN115021779A (zh) | Ris辅助的mimo系统的离散相移设计方法和装置 | |
CN115426020B (zh) | 一种低复杂度的通感一体化发射预编码优化方法 | |
CN115941010B (zh) | 基于分支界定的irs辅助去蜂窝大规模mimo系统波束赋形方法 | |
Feng et al. | Deterministic Beamforming for Unmanned Aerial Vehicle Array | |
Alluhaibi et al. | Energy-efficient hybrid DA precoders design for mm-Wave systems | |
CN115173914B (zh) | 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 | |
CN117527012A (zh) | 一种leo卫星通信系统下的高能效资源分配方法 |
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 |