CN114828253A - 一种ris辅助多无人机通信系统的资源分配方法 - Google Patents
一种ris辅助多无人机通信系统的资源分配方法 Download PDFInfo
- Publication number
- CN114828253A CN114828253A CN202210319469.6A CN202210319469A CN114828253A CN 114828253 A CN114828253 A CN 114828253A CN 202210319469 A CN202210319469 A CN 202210319469A CN 114828253 A CN114828253 A CN 114828253A
- Authority
- CN
- China
- Prior art keywords
- kth
- user
- unmanned aerial
- aerial vehicle
- user group
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
-
- 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
- H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/18502—Airborne stations
- H04B7/18506—Communications with or from aircraft, i.e. aeronautical mobile service
-
- 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
- H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
- H04W16/10—Dynamic resource partitioning
Abstract
本发明公开了一种RIS辅助多无人机通信系统的资源分配方法。所述方法包括以下步骤:将智能反射面引入多无人机辅助非正交多址接入系统,构建智能反射面辅助多无人机通信系统;建立智能反射面辅助多无人机通信系统总能量消耗最小化的数学模型;进行联合优化无人机位置部署和资源分配。本发明借助智能反射面,增强无人机的信号覆盖范围;采用NOMA技术,在保证用户最小传输速率的约束下,使得多个用户共享相同频谱资源,实现海量用户接入,提升频谱效率。
Description
技术领域
本发明涉及无线通信技术领域,具体涉及一种RIS辅助多无人机通信系统的资源分配方法。
背景技术
物联网(Internet of Things,IoT)的快速发展导致了无线设备呈指数级增长,而这些无线设备将支持自动制造、虚拟现实、智能家居和智能城市等物联网应用。为了支撑物联网应用,无线网络需满足高性能要求,如低延迟通信、超高容量和大规模连接。非正交多址接入技术(Non-orthogonal multiple access,NOMA)被认为是满足这些严格要求的技术之一,其原理是通过叠加编码和连续干扰消除实现多用户共享相同的频谱资源以提升系统频谱效率。然而,尽管NOMA方案具有优势,但是NOMA技术的性能增益仍然受到传播环境的限制,特别是对于信道增益差异较小的用户。
最近,智能反射面(Reconfigure intelligent surface,RIS)被认为是控制无线传播环境的潜在技术。RIS是由多个低成本反射元件组成的平面结构,其中每个元件可以通过控制集成电路以智能调谐反射信号的幅度和相位。这使得RIS能够重新配置反射信号传播,从而提高通信质量。若结合NOMA技术和RIS,可以通过调整RIS反射系数灵活地改变用户的信道条件,从而提升系统性能。由于RIS部署在建筑面表面或墙壁上而只能服务分布在前半空间的用户,因此边缘用户的服务质量难以保证。无人机(unmanned aerial vehicles,UAV)具有机动性高、自主性强、成本低等优势,可以快速部署于空中为边缘用户提供可靠的服务。通过将无人机应用于RIS增强NOMA网络,构建无人机与地面用户之间“虚拟”视线链路,从而扩大覆盖范围并降低能耗。
现有技术中,Liu等人研究了基于DQN的方法,通过优化UAV移动位置、发射功率和NOMA解调顺序以最小化UAV-RIS网络的总能量成本(Liu X.,Liu Y.,Chen Y.,MachineLearning Empowered Trajectory and Passive Beamforming Design in UAV-RISWireless Networks[J].IEEE J.Sel.Areas Commun.,2021,39(7):2042-2055.),该技术旨在于最小化RIS辅助UAV-NOMA系统的能耗。然而,由于上述场景仅考虑单无人机的场景,因此该方案不同直接应用在用户分布于广域区域的场景。
Mu等人在考虑UAV位置部署、功率分配、RIS相移矩阵以及NOMA解调顺序下,研究了RIS辅助多无人机NOMA系统的吞吐量最大化问题。该优化问题利用BCD方法求解(X.Mu,LiuY.,Guo L.,et al.Intelligent Reflecting Surface Enhanced Multi-UAVNOMANetworks[J].IEEE J.Sel.Areas Commun.,2021,39(10):3051-3066.),该技术集中研究RIS辅助多无人机NOMA系统的资源分配策略,其中假设UAV和用户配置单天线。因此,该算法无法满足用户的QoS要求以及降低系统能耗,尤其是在用户信道质量较差时。
发明内容
本发明的目的是针对现有技术的不足,为解决网络覆盖、用户接入以及能效问题,在保证用户最小传输速率无人机间安全距离的情况下,建立基于总能量消耗最小化的数学优化问题,联合优化无人机位置部署、智能反射面相移矩阵、波束成形向量和传输功率、解调顺序,提供一种基于智能反射面辅助多无人机的资源分配方法。
本发明的目的至少通过以下技术方案之一实现。
一种RIS辅助多无人机通信系统的资源分配方法,包括以下步骤:
S1、将智能反射面引入多无人机辅助非正交多址接入系统,构建智能反射面辅助多无人机通信系统;
S2、建立智能反射面辅助多无人机通信系统总能量消耗最小化的数学模型;
S3、进行联合优化无人机位置部署和资源分配。
进一步地,步骤S1中,所述智能反射面辅助多无人机通信系统具体如下:
K架四旋翼无人机为K个用户组提供无线通信服务,每个用户组均包括多个用户;第k架无人机服务第k个用户组;
所有无人机搭载Nt根天线,而每个用户有1根天线;
由于无人机与用户之间的直射路径被障碍物阻挡,因此将配置N个反射单元的智能反射面装置部署于建筑物表面,以反射从无人机传输到用户的信号;
第k架无人机到智能反射面装置的信道gk如下:
其中,ρ0是参考距离为1m时的信道功率增益,qk是第k架无人机的三维位置,k=1~K,wr是智能反射面的位置;表示由天线单元产生的第k架无人机的阵列响应;表示由RIS单元产生的第k架无人机的阵列响应,和通过信道估计获取;
其中,是第k个用户组中第i个用户的位置;αug是无人机与用户之间的路径损耗;κug是无人机与用户之间的信道的莱斯因子;和分别是第k架无人机服务的第k个用户组中的第i个用户的直射路径分量和非直视路径分量,k=1~K;
智能反射面装置到第k个用户组中第i个用户的信道如下:
假定所有无人机都使用非正交多址接入技术服务用户组,第k个用户组中第i个用户的信干噪比SINRk,i表示如下:
其中,fk是第k个用户组的预编码向量;pk,i是第k个用户组中第i个用户的传输功率;Θ是智能反射面相移矩阵;σ2是加性白噪声;第k个用户组中第i个用户的可达速率Rk,i表示如下:
Rk,i=log2(1+SINRk,i)。 (5)
进一步地,步骤S2中,建立智能反射面辅助多无人机通信系统总能量消耗最小化的数学模型,包括确定优化变量、目标函数以及约束条件的数学表达式;
智能反射面辅助多无人机通信系统的总能量消耗表示为:
Psum=P+PRIS+PUAV; (6)
总能量消耗最小化的数学模型的优化变量包括:
1)第k架无人机的三维位置qk;
2)第k个用户组中第i个用户的传输功率pk,i;
3)智能反射面相移矩阵Θ;
4)第k个用户组的预编码向量fk;
5)用户的解调顺序u。
进一步地,总能量消耗最小化的数学模型的约束条件包括:
a)传输功率约束:pk,i≥0;
b)最小传输速率约束:log2(1+SINRk,i)≥Rmin;Rmin是传输速率阈值;
d)反射单元相位系数约束:θn∈[0,2π);θn是智能反射面装置中第n个反射单元的相位系数,n=1~N;
g)预编码向量的约束:||fk||2≤1。
进一步地,基于总能量消耗最小化的数学模型如下:
s.t.pk,i≥0, (7b)
log2(1+SINRk,i)≥Rmin, (7c)
θn∈[0,2π), (7e)
||fk||2≤1。 (7h)
进一步地,步骤S3包括以下步骤:
S3.1、根据最大比率发射技术,得出第k个用户组的最优预编码向量fk;利用凸逼近算法,得出第k架无人机的三维位置qk,其中k=1,2,…,K;
S3.2、利用代数变换方法,引入松弛变量将总能量消耗最小化问题转化成等效的两个凸函数的差分形式;进而利用高斯随机化过程得出智能反射面相移矩阵Θ的闭环表达式;
S3.3、根据凸优化工具,结合用户解调顺序u,得出第k个用户组中第i个用户的传输功率pk,i,其中k=1,2,…,K、i∈Mk;
S3.4、根据叠加编码技术和连续干扰消除技术的原理,结合第k架无人机的三维位置qk、第k个用户组中第i用户的传输功率pk,i、第k个用户组的预编码向量fk对系统总能量消耗的影响,求得所有用户的解调顺序uk(i),进而得出总的解调顺序u。
进一步地,步骤S3.1中,第k个用户组的预编码向量fk的计算公式为:
其中,(.)H表示共轭转置;根据约束函数公式(7c)和预编码向量fk的计算公式(8),求解优化问题(9)得出第k架无人机的三维位置qk:
s.t.log2(1+SINRk,i)≥Rmin (9b)
qj表示第j架无人机的三维位置,j=1~K且j≠k。
进一步地,步骤S3.2中,基于公式(8)获得第k个用户组的预编码向量fk以及公式(9a)-公式(9c)获得的第k架无人机的三维位置qk,并根据第n个反射单元相位系数θn,计算出智能反射面相移矩阵Θ,公式如下:
进一步地,步骤S3.3中,基于公式(7c)并求解以下的优化问题计算第k个用户组中第i用户的传输功率pk,i:
s.t.pk,i≥0, (11b)
log2(1+SINRk,i)≥Rmin。 (11c)
进一步地,步骤S3.4中,根据获得的第k个用户组的预编码向量fk,第k架无人机的三维位置qk,智能反射面相移矩阵Θ和第k个用户组中第i个用户的传输功率pk,i,计算k个用户组中第i个用户的解调顺序uk(i)和k个用户组中第t个用户的解调顺序uk(t),具体如下:
当第k个用户组中第i个用户和第t个用户的信道条件不同,则通过以下的公式计算解调顺序:
当第k个用户组中第i用户和第t用户的信道条件相同,则通过以下的公式计算解调顺序:
本发明与现有技术相比,具有如下优点和有益效果:
本发明提供的基于一种RIS辅助多无人机通信系统的资源分配方法,与现有的无人机通信系统相比,借助智能反射面,增强无人机的信号覆盖范围。此外,采用NOMA技术,在保证用户最小传输速率的约束下,使得多个用户共享相同频谱资源,实现海量用户接入,提升频谱效率;通过联合优化优化无人机位置部署、智能反射面相移矩阵、波束成形向量和传输功率、解调顺序,大大降低系统的能量消耗。
附图说明
图1为本发明实施例最小传输速率阈值和系统总功率消耗的关系示意图;
图2为本发明实施例无人机天线数量和系统总功率消耗的关系示意图;
图3为本发明实施例反射单元数量和系统总功率消耗的关系示意图;
图4为本发明实施例路径损耗系数和系统总功率消耗的关系示意图;
图5为本发明一种RIS辅助多无人机通信系统的资源分配方法的步骤流程图。
具体实施方式
下面结合实施例及附图对本发明的具体实施作进一步详细的描述,但本发明的实施方式不限于此。
实施例:
一种RIS辅助多无人机通信系统的资源分配方法,如图5所示,包括以下步骤:
S1、将智能反射面引入多无人机辅助非正交多址接入系统,构建智能反射面辅助多无人机通信系统;
所述智能反射面辅助多无人机通信系统具体如下:
K架四旋翼无人机为K个用户组提供无线通信服务,每个用户组均包括多个用户;第k架无人机服务第k个用户组本实施例中,K=2;
本实施例中,所有无人机搭载Nt=32根天线,而每个用户有1根天线;
由于无人机与用户之间的直射路径被障碍物阻挡,因此将配置N=100个反射单元的智能反射面装置部署于建筑物表面,以反射从无人机传输到用户的信号;
第k架无人机到智能反射面装置的信道gk如下:
其中,ρ0是参考距离为1m时的信道功率增益,qk是第k架无人机的三维位置,k=1~K,wr=(0,250,20)m是智能反射面的位置;和是第k架无人机的阵列响应(和的中文含义不能相同,请用不同的中文含义进行区分,要分别说明中文含义),和通过信道估计获取;其中,表示由天线单元产生的阵列相应;表示由RIS单元产生的阵列相应。
其中,是第k个用户组中第i个用户的位置;αug是无人机与用户之间的路径损耗;κug是无人机与用户之间的信道的莱斯因子;和分别是第k架无人机服务的第k个用户组中的第i个用户的直射路径分量和非直视路径分量,k=1~K;
智能反射面装置到第k个用户组中第i个用户的信道如下:
假定所有无人机都使用非正交多址接入技术服务用户组,第k个用户组中第i个用户的信干噪比SINRk,i表示如下:
其中,fk是第k个用户组的预编码向量;pk,i是第k个用户组中第i个用户的传输功率;Θ是智能反射面相移矩阵;σ2是加性白噪声;第k个用户组中第i个用户的可达速率Rk,i表示如下:
Rk,i=log2(1+SINRk,i)。 (5)
S2、建立智能反射面辅助多无人机通信系统总能量消耗最小化的数学模型;
建立智能反射面辅助多无人机通信系统总能量消耗最小化的数学模型,包括确定优化变量、目标函数以及约束条件的数学表达式;
智能反射面辅助多无人机通信系统的总能量消耗表示为:
Psum=P+PRIS+PUAV; (6)
总能量消耗最小化的数学模型的优化变量包括:
1)第k架无人机的三维位置qk;
2)第k个用户组中第i个用户的传输功率pk,i;
3)智能反射面相移矩阵Θ;
4)第k个用户组的预编码向量fk;
5)用户解调顺序u;
6)总能量消耗最小化的数学模型的约束条件包括:
a)传输功率约束:pk,i≥0;
b)最小传输速率约束:log2(1+SINRk,i)≥Rmin;Rmin是传输速率阈值;
d)反射单元相位系数约束:θn∈[0,2π);θn是智能反射面装置中第n个反射单元的相位系数,n=1~N;
g)预编码向量的约束:||fk||2≤1;
基于总能量消耗最小化的数学模型如下:
s.t.pk,i≥0, (7b)
log2(1+SINRk,i)≥Rmin, (7c)
θn∈[0,2π), (7e)
||fk||2≤1。 (7h)
S3、进行联合优化无人机位置部署和资源分配,包括以下步骤:
S3.1、根据最大比率发射技术,得出第k个用户组的最优预编码向量fk;利用凸逼近算法,得出第k架无人机的三维位置qk,其中k=1,2,…,K;
第k个用户组的预编码向量fk的计算公式为:
其中,(.)H表示共轭转置;根据约束函数公式(7c)和预编码向量fk的计算公式(8),求解优化问题(9)得出第k架无人机的三维位置qk:
s.t.log2(1+SINRk,i)≥Rmin (9b)
qj表示第j架无人机的三维位置,j=1~K且j≠k。
S3.2、利用代数变换方法,引入松弛变量将总能量消耗最小化问题问题转化成等效的两个凸函数的差分形式;进而利用高斯随机化过程得出智能反射面相移矩阵Θ的闭环表达式;
基于公式(8)获得第k个用户组的预编码向量fk以及公式(9a)-公式(9c)获得的第k架无人机的三维位置qk,并根据第n个反射单元相位系数θn,计算出智能反射面相移矩阵Θ,公式如下:
S3.3、根据凸优化工具,结合解调顺序u,得出第k个用户组中第i个用户的传输功率pk,i其中k=1,2,…,K、i∈Mk;
基于公式(7c)并求解以下的优化问题计算第k个用户组中第i用户的传输功率pk,i:
s.t.pk,i≥0, (11b)
log2(1+SINRk,i)≥Rmin。 (11c)
S3.4、根据叠加编码技术和连续干扰消除技术的原理,结合第k架无人机的三维位置qk、第k个用户组中第i用户的传输功率pk,i、第k个用户组的预编码向量fk对系统总能量消耗的影响,求得所有用户的解调顺序uk(i),进而得出解调顺序u;
根据获得的第k个用户组的预编码向量fk,第k架无人机的三维位置qk,智能反射面相移矩阵Θ和第k个用户组中第i个用户的传输功率pk,i,计算k个用户组中第i个用户的解调顺序uk(i)和k个用户组中第t个用户的解调顺序uk(t),具体如下:
当第k个用户组中第i个用户和第t个用户的信道条件不同,则通过以下的公式计算解调顺序:
当第k个用户组中第i用户和第t用户的信道条件相同,则通过以下的公式计算解调顺序:
本实施例中,一种RIS辅助多无人机通信系统的资源分配方法的仿真效果图如图1所示。
图1的其他参数为:最小传输速率阈值ξ=0.5,1,…,2.5。本实施例中展示了所提的资源分配方案在不同最小SINR下的总功耗,并与“顺序翻转算法”和、“交替优化方案”进行了比较。用户组的数量为K=2,而最小SINR的取值从0.5至2.5的范围内变化。如图1所示,所有方案的总功耗随着最小SINR的取值增大而减少。这是因为随着最小SINR的取值增大,需要分配更大的发射功率给组合信道以满足用户的QoS需求。此外,本发明在功耗方面的性能优于“顺序翻转算法”和“交替优化方案”。这是因为本发明考虑NOMA技术,利用同一资源块服务多用户。这可以获得更高的SE从而提升系统性能。另外,本发明利用多UAV与边缘用户建立通信连接,从而满足边缘用户所需的最低速率,从而降低发射功率。从图1可以看见,当最小传输速率阈值ξ越大,系统总功率消耗越大。
实施例2:
本实施例中,一种RIS辅助多无人机通信系统的资源分配方法的仿真效果图如图2所示。
图2的其他参数为:最小传输速率阈值ξ=1.5,反射单元数量N=100,天线的数量Nt=4,8,…,32。本实施例中研究本发明在不同天数数量下的总功耗。为了显示性能增益,本实施例中比较了在不考虑RIS的情况下功率最小化方案以及RIS辅助UAV-OFDMA系统的功率最小化方案。其中,最小SINR取值ξ设置为1.5以及反射单元的数量N设置为100。如图2所示,随着天线数量增加,所有资源分配方案的总功耗降低。事实上,UAV上配置更多天线数量可以实现更高的分集增益以平衡RF链路消耗的额外功率,从而消耗更少的发射功率。此外,由于所提方案利用RIS有效地提高接收信号功率强度,因此与“无RIS”方案相比,其消耗更低功率。从图2可见,当天线的数量Nt越多,系统总能量消耗越大。
实施例3:
本实施例中,一种RIS辅助多无人机通信系统的资源分配方法的仿真效果图如图3-4所示。图3-4的其他参数为:最小SINR和天线数量分别为ξ=1.5和Nt=32。
在图3中,本实施例中研究本发明在不同RIS反射单元数量下的总功耗。如图3所示,所有资源分配方案的总功耗随着RIS反射单元的数量增加而降低。这是因为本发明提出RIS优化方案通过控制大量RIS反射单元的相移系数可以增强无源波束成形增益,从而降低系统功耗。此外,本实施例中,从图3可以看见,RIS位置靠近UAV可以显著提升性能增益。这表明选择合适RIS位置可以增强被动波束成形增益。图4比较了所有资源分配方案在不同路径损耗系数下的总功耗。
从图4中可见,所有资源分配方案的总功耗随着路径损耗系数增加而增加。特别地,当路径损耗系数为αug=αrg=2时,所有方案具有良好的系统性能。然而,当αug=αrg>2时,总功耗显著增加,尤其是“Withour RIS”方案。这是因为随着路径损耗系数增加,UAV-用户链路和RIS-用户链路的信号强度降低。此时,为了满足用户最低QoS需求,则需要分配更高的发射功率。此外,尽管αug,αrg的取值增加会降低系统性能,但是本发明在功耗方面的性能仍然优于“RIS-OMA”和“Without-RIS”两种方案。
Claims (10)
1.一种RIS辅助多无人机通信系统的资源分配方法,其特征在于,包括以下步骤:
S1、将智能反射面引入多无人机辅助非正交多址接入系统,构建智能反射面辅助多无人机通信系统;
S2、建立智能反射面辅助多无人机通信系统总能量消耗最小化的数学模型;
S3、进行联合优化无人机位置部署和资源分配。
2.根据权利要求1所述的一种RIS辅助多无人机通信系统的资源分配方法,其特征在于,步骤S1中,所述智能反射面辅助多无人机通信系统具体如下:
K架四旋翼无人机为K个用户组提供无线通信服务,每个用户组均包括多个用户;第k架无人机服务第k个用户组;
所有无人机搭载Nt根天线,而每个用户有1根天线;
由于无人机与用户之间的直射路径被障碍物阻挡,因此将配置N个反射单元的智能反射面装置部署于建筑物表面,以反射从无人机传输到用户的信号;
第k架无人机到智能反射面装置的信道gk如下:
其中,ρ0是参考距离为1m时的信道功率增益,qk是第k架无人机的三维位置,k=1~K,wr是智能反射面的位置;表示由天线单元产生的第k架无人机的阵列响应;表示由RIS单元产生的第k架无人机的阵列响应,和通过信道估计获取;
其中,是第k个用户组中第i个用户的位置;αug是无人机与用户之间的路径损耗;κug是无人机与用户之间的信道的莱斯因子;和分别是第k架无人机服务的第k个用户组中的第i个用户的直射路径分量和非直视路径分量,k=1~K:
智能反射面装置到第k个用户组中第i个用户的信道如下:
假定所有无人机都使用非正交多址接入技术服务用户组,第k个用户组中第i个用户的信干噪比SINRk,i表示如下:
其中,fk是第k个用户组的预编码向量;pk,i是第k个用户组中第i个用户的传输功率;Θ是智能反射面相移矩阵;σ2是加性白噪声;第k个用户组中第i个用户的可达速率Rk,i表示如下:
Rk,i=log2(1+SINRk,i)。 (5)
3.根据权利要求2所述的一种RIS辅助多无人机通信系统的资源分配方法,其特征在于,步骤S2中,建立智能反射面辅助多无人机通信系统总能量消耗最小化的数学模型,包括确定优化变量、目标函数以及约束条件的数学表达式;
智能反射面辅助多无人机通信系统的总能量消耗表示为:
Psum=P+PRIS+PUAV; (6)
总能量消耗最小化的数学模型的优化变量包括:
1)第k架无人机的三维位置qk;
2)第k个用户组中第i个用户的传输功率pk,i;
3)智能反射面相移矩阵Θ;
4)第k个用户组的预编码向量fk;
5)用户的解调顺序u。
4.根据权利要求3所述的一种RIS辅助多无人机通信系统的资源分配方法,其特征在于,总能量消耗最小化的数学模型的约束条件包括:
a)传输功率约束:pk,i≥0;
b)最小传输速率约束:log2(1+SINRk,i)≥Rmin;Rmin是传输速率阈值;
d)反射单元相位系数约束:θn∈[0,2π);θn是智能反射面装置中第n个反射单元的相位系数,n=1~N;
g)预编码向量的约束:||fk||2≤1。
6.根据权利要求1~5任一项所述的一种RIS辅助多无人机通信系统的资源分配方法,其特征在于,步骤S3包括以下步骤:
S3.1、根据最大比率发射技术,得出第k个用户组的最优预编码向量fk;利用凸逼近算法,得出第k架无人机的三维位置qk,其中k=1,2,...,K;
S3.2、利用代数变换方法,引入松弛变量将总能量消耗最小化问题转化成等效的两个凸函数的差分形式;进而利用高斯随机化过程得出智能反射面相移矩阵Θ的闭环表达式;
S3.3、根据凸优化工具,结合用户解调顺序u,得出第k个用户组中第i个用户的传输功率pk,i,其中k=1,2,...,K、i∈Mk;
S3.4、根据叠加编码技术和连续干扰消除技术的原理,结合第k架无人机的三维位置qk、第k个用户组中第i用户的传输功率pk,i、第k个用户组的预编码向量fk对系统总能量消耗的影响,求得所有用户的解调顺序uk(i),进而得出总的解调顺序u。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210319469.6A CN114828253A (zh) | 2022-03-29 | 2022-03-29 | 一种ris辅助多无人机通信系统的资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210319469.6A CN114828253A (zh) | 2022-03-29 | 2022-03-29 | 一种ris辅助多无人机通信系统的资源分配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114828253A true CN114828253A (zh) | 2022-07-29 |
Family
ID=82530167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210319469.6A Pending CN114828253A (zh) | 2022-03-29 | 2022-03-29 | 一种ris辅助多无人机通信系统的资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114828253A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115549759A (zh) * | 2022-09-19 | 2022-12-30 | 南京信息工程大学 | 一种基于irs辅助的无人机通信网络构建方法 |
CN115664486A (zh) * | 2022-12-29 | 2023-01-31 | 南京邮电大学 | 一种ris辅助uav边缘计算系统中无线供能的能效优化方法 |
CN115866559A (zh) * | 2022-11-25 | 2023-03-28 | 西安电子科技大学 | 一种非正交多址接入辅助的车联网低能耗安全卸载方法 |
CN117439673A (zh) * | 2023-12-21 | 2024-01-23 | 厦门大学 | 基于非正交多址的智能超表面辅助水声数据传输方法 |
-
2022
- 2022-03-29 CN CN202210319469.6A patent/CN114828253A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115549759A (zh) * | 2022-09-19 | 2022-12-30 | 南京信息工程大学 | 一种基于irs辅助的无人机通信网络构建方法 |
CN115549759B (zh) * | 2022-09-19 | 2023-06-20 | 南京信息工程大学 | 一种基于irs辅助的无人机通信网络构建方法 |
CN115866559A (zh) * | 2022-11-25 | 2023-03-28 | 西安电子科技大学 | 一种非正交多址接入辅助的车联网低能耗安全卸载方法 |
CN115866559B (zh) * | 2022-11-25 | 2024-04-30 | 西安电子科技大学 | 一种非正交多址接入辅助的车联网低能耗安全卸载方法 |
CN115664486A (zh) * | 2022-12-29 | 2023-01-31 | 南京邮电大学 | 一种ris辅助uav边缘计算系统中无线供能的能效优化方法 |
CN117439673A (zh) * | 2023-12-21 | 2024-01-23 | 厦门大学 | 基于非正交多址的智能超表面辅助水声数据传输方法 |
CN117439673B (zh) * | 2023-12-21 | 2024-03-12 | 厦门大学 | 基于非正交多址的智能超表面辅助水声数据传输方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114828253A (zh) | 一种ris辅助多无人机通信系统的资源分配方法 | |
Zhao et al. | Joint power allocation and user association optimization for IRS-assisted mmWave systems | |
Zhou et al. | Achievable rate optimization for aerial intelligent reflecting surface-aided cell-free massive MIMO system | |
CN111447618A (zh) | 一种基于安全通信的智能反射面能效最大资源分配方法 | |
WO2022233250A1 (zh) | 一种针对硬件失真的irs辅助miso系统性能优化方法 | |
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 | |
CN113873575B (zh) | 智能反射面辅助的非正交多址无人机空地通信网络节能优化方法 | |
CN114286312A (zh) | 一种基于可重构智能表面增强无人机通信的方法 | |
Zhu et al. | Multi-UAV aided millimeter-wave networks: Positioning, clustering, and beamforming | |
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 | |
CN113890578A (zh) | 基于ris和相关信道无蜂窝系统功率设计方法 | |
CN109687896A (zh) | 分布式天线系统下行信道稀疏波束形成方法及装置 | |
Sanchez et al. | Processing distribution and architecture tradeoff for large intelligent surface implementation | |
CN111917444B (zh) | 一种适用于毫米波mimo-noma系统的资源分配方法 | |
CN112188605B (zh) | 无线携能通信场景下网络辅助全双工系统收发机设计方法 | |
CN116033461B (zh) | 一种基于star-ris辅助的共生无线电传输方法 | |
Taghavi et al. | Joint user association and phase optimization for IRS-assisted multi-cell networks | |
CN114614925B (zh) | 一种可重构智能面辅助的毫米波非正交多址接入系统中能量效率优化方法 | |
CN115734238A (zh) | 智能反射面辅助的通信网络覆盖优化方法 | |
Pan et al. | Leveraging ai and intelligent reflecting surface for energy-efficient communication in 6g iot | |
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 | |
CN115865160A (zh) | 低轨卫星通信场景下大规模mimo-noma系统的波束成形方法及系统 | |
CN114337902A (zh) | 一种irs辅助的毫米波多小区间干扰的抑制方法 | |
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 | |
CN113992254A (zh) | 智能反射面辅助无线通信系统波束成形方法 |
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 |