CN114980132B - 智能反射面的位置部署方法和系统 - Google Patents

智能反射面的位置部署方法和系统 Download PDF

Info

Publication number
CN114980132B
CN114980132B CN202210379879.XA CN202210379879A CN114980132B CN 114980132 B CN114980132 B CN 114980132B CN 202210379879 A CN202210379879 A CN 202210379879A CN 114980132 B CN114980132 B CN 114980132B
Authority
CN
China
Prior art keywords
transmitter
reflecting surface
deployment
intelligent reflecting
kth
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
Application number
CN202210379879.XA
Other languages
English (en)
Other versions
CN114980132A (zh
Inventor
梁运龙
刘振威
黄欣
张海洋
张文捷
曹琪
黄伟
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.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
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 Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN202210379879.XA priority Critical patent/CN114980132B/zh
Publication of CN114980132A publication Critical patent/CN114980132A/zh
Application granted granted Critical
Publication of CN114980132B publication Critical patent/CN114980132B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04W16/18—Network planning tools
    • 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
    • H04W16/22—Traffic simulation tools or models
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • 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)
  • Aerials With Secondary Devices (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供一种智能反射面的位置部署方法、系统、存储介质和电子设备，涉及无线通信技术领域。本发明包括，获取通信网络中待部署的发射机及智能反射面的相关信息；根据所述发射机及智能反射面的相关信息，以网络中所有用户端点接收的能量和最大化为目标，构建关于发射机位置部署、智能反射面位置部署和智能反射面相位偏移的联合优化模型；根据所述联合优化模型，依次获取发射机位置部署位置、智能反射面位置部署位置和智能反射面相位偏移。对比不同方法下的系统内所有用户端点所接收到的能量和，部署了智能反射面的系统，其能量高于未部署智能反射面的系统；且经过对智能反射面的部署位置进行优化，系统能量和又有进一步的提升。

Description

智能反射面的位置部署方法和系统
技术领域
本发明涉及无线通信技术领域，具体涉及一种智能反射面的位置部署方法、系统、存储介质和电子设备。
背景技术
智能反射面(IRS)是一种具有大量低成本的被动无源反射元件组成的平面，IRS中每个反射单元都可以独立地调节入射信号的相位。可以利用智能反射面，以提升通信网络性能。为了实现IRS辅助无线网络，需要考虑无源波束成形设计、IRS部署、有源波束成形设计等问题。
原有技术方案中，例如公开日期为2020年11月20日的文献《智能反射面无线携能通信系统优化算法研究》，其研究了一种IRS辅助的无线携能通信系统。其中，IRS辅助其多天线AP和一个用户进行通信。在多天线接入点AP处的发射功率和用户节点处的收集能量的约束条件下，以最大化用户端信息传输速率为目标函数，建立了AP处有源波束成形和IRS处无源移相器的反射波束成形优化问题。
但是大部分与IRS相关的现有技术，只考虑了单个发射端或单个IRS辅助的无线携能系统。对于空间区域内分散的接收机，实际的实施效果与无线通信模型很难吻合，更难以符合未来6G通信网络中爆炸性增长的无线用户的需求。并且，大多数技术方案中没有考虑具体的IRS部署问题，而是考虑给定IRS位置下的无线网络，通信系统中能量效率有待进一步提高。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种智能反射面的位置部署方法、系统、存储介质和电子设备，解决了通信系统中能量效率低下的技术问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
一种智能反射面的位置部署方法，包括：
S1、获取通信网络中待部署的发射机及智能反射面的相关信息；
S2、根据所述发射机及智能反射面的相关信息，以网络中所有用户端点接收的能量和最大化为目标，构建关于发射机位置部署、智能反射面位置部署和智能反射面相位偏移的联合优化模型；
S3、根据所述联合优化模型，依次获取发射机位置部署位置、智能反射面位置部署位置和智能反射面相位偏移。
优选的，所述S3包括：
S31、基于区域离散化策略，将联合优化模型转化为关于发射机位置部署的第一子模型，获取发射机的部署位置；
S32、根据所述发射机的部署位置，以及预先给定的智能反射面初始相位偏移，将联合优化模型题转化为关于智能反射面的部署位置的第二子模型，获取智能反射面的部署位置；
S33、根据所述发射机的部署位置、智能反射面的部署位置，将联合优化模型题转化为关于智能反射面相位偏移的第三子模型，获取智能反射面相位偏移。
优选的，所述联合优化模型包括最大化网络中所有用户端点接收的能量和的目标函数：
其中，所述通信网络中包括发射机数量为M，K个智能反射面和K个用户端点；每个发射机包括N个天线，每个智能反射面包括u个反射单元，每个用户端点为单天线；
Ek表示第k个用户所接收到的能量；
用户从发射机端接收信号为:
其中，hd,i,k为第i个发射机到第k个用户端点的等效基带信道，
其中，di,k为第i个发射机和第k个用户端点之间的距离，α和β为与周围环境相关的参数，xN为发射机第N条天线的相移；
hd,k,k表示第k个发射机到第k个用户端点的等效基带信道，
hr,k,k为第k个IRS到第k个用户端点的等效基带信道，
H表示共轭转置，
为第k个智能反射面的相移矩阵，diag表示对角矩阵，其中/>表示第k个智能反射面第u个反射单元的相移，
gk为与第k个用户端点配对的发射机和智能反射面之间的信道增益，即第k个发射机到第k个智能反射面的等效基带信道；
wi,k是第i个发射机到第k个用户端点的发射波束成形矢量，
表示第k个用户端点处的加性高斯白噪声；
所述联合优化模型还包括约束条件：
每个用户端点接收到的能量阈值约束为：
其中，RT为每个用户端点接受到的最小能量阈值；
每个发射机发射预编码功率阈值约束：
其中，Pmax为发射机的最大允许发射功率；
每个用户端点的信干噪比阈值约束：
其中，SINRk为第k个用户端点的信干噪比，R为每个用户端的最小信干噪比值。
优选的，所述S31包括：
S311、基于区域离散化的策略，将连续空间区域划分为多个空间网格，引入0-1变量xi,g表示第i个发射机是否部署在第g个格子中，将联合优化模型转化为关于发射机位置部署的第一子模型；
则所述目标函数转化为：
其中，G表示格子总数；
相应的所述约束条件调整为：
xi,g∈{0,1}
S312、根据上述第一子模型，采用隐枚举法获取发射机的部署位置。
优选的，所述S32包括：
S321、根据所述发射机的部署位置，以及预先给定的智能反射面初始相位偏移，将联合优化模型题转化为关于智能反射面的部署位置的第二子模型，
则所述目标函数转化为：
所述约束条件调整为：
Ek≥RT,k＝1,2,...,K
(xk-x′k)2+(yk-y′k)2≤rk
其中，{xk,yk}为第k个智能反射面的在区域中的坐标，{x′k,y′k}为第k用户端点及其发射机的对称中心的坐标，rk为它们之间距离的一半；
S322、根据上述第二子模型，采用遗传算法获取智能反射面的部署位置。
优选的，所述S33包括：
S331、根据所述发射机的部署位置、智能反射面的部署位置，将联合优化模型题转化为关于智能反射面相位偏移的第三子模型；
则所述目标函数转化为：
其中，
S332、根据所述第三子模型，依次采用半正定松弛和特征值分解方法获取智能反射面相位偏移:
S3321、令则S331中的目标函数等价于：
其中，
S3322、引入辅助变量s，设并且令
则S3321中的目标函数等价于
对应的约束条件包括：
Fn,n＝1，n＝1,2,...,u+1
F≥0
rank(F)＝1
S3323、采用半正定松弛方法，对rank(F)＝1的约束松弛，则可将S3322中的问题转化为凸优化问题，采用CVX进行求解出F；
S3324、将上一步骤获取的F进行特征值分解，F＝M∑MH,则 其中N为F的最大特征值，vmax为最大特征值对应的特征向量；则第k个智能反射面的相移矩阵为：
其中，表示向量/>的前u个分量。
一种智能反射面的位置部署系统，包括：
获取模块，用于获取通信网络中待部署的发射机及智能反射面的相关信息；
构建模块，用于根据所述发射机及智能反射面的相关信息，以网络中所有用户端点接收的能量和最大化为目标，构建关于发射机位置部署、智能反射面位置部署和智能反射面相位偏移的联合优化模型；
求解模块，用于根据所述联合优化模型，依次获取发射机位置部署位置、智能反射面位置部署位置和智能反射面相位偏移。
优选的，所述求解模块包括：
第一求解模块，用于基于区域离散化策略，将联合优化模型转化为关于发射机位置部署的第一子模型，获取发射机的部署位置；
第二求解模块，根据所述发射机的部署位置，以及预先给定的智能反射面初始相位偏移，将联合优化模型题转化为关于智能反射面的部署位置的第二子模型，获取智能反射面的部署位置；
第三求解模块，根据所述发射机的部署位置、智能反射面的部署位置，将联合优化模型题转化为关于智能反射面相位偏移的第三子模型，获取智能反射面相位偏移。
一种存储介质，其特征在于，其存储有用于智能反射面的位置部署的计算机程序，其中，所述计算机程序使得计算机执行如上所述的智能反射面的位置部署方法。
一种电子设备，包括：
一个或多个处理器；
存储器；以及
一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如上所述的智能反射面的位置部署方法。
(三)有益效果
本发明提供了一种智能反射面的位置部署方法、系统、存储介质和电子设备。与现有技术相比，具备以下有益效果：
本发明包括，获取通信网络中待部署的发射机及智能反射面的相关信息；根据所述发射机及智能反射面的相关信息，以网络中所有用户端点接收的能量和最大化为目标，构建关于发射机位置部署、智能反射面位置部署和智能反射面相位偏移的联合优化模型；根据所述联合优化模型，依次获取发射机位置部署位置、智能反射面位置部署位置和智能反射面相位偏移。对比不同方法下的系统内所有用户端点所接收到的能量和，部署了智能反射面的系统，其能量高于未部署智能反射面的系统；且经过对智能反射面的部署位置进行优化，系统能量和又有进一步的提升。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为发明实施例提供的一种智能反射面的位置部署方法的流程示意图；
图2为本发明实施例提供的一种获取发射机位置部署位置、智能反射面位置部署位置和智能反射面相位偏移的流程示意图；
图3为本发明实施例提供的一种系统能量和与发射机天线数关系曲线图；
图4为本发明实施例提供的一种系统能量和与发射机功率关系曲线图；
图5为本发明实施例提供的一种发射机和智能反射面的位置部署结果图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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作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。
本申请实施例通过提供一种智能反射面的位置部署方法、系统、存储介质和电子设备，解决了通信系统中能量效率低下的技术问题。
本申请实施例中的技术方案为解决上述技术问题，总体思路如下：
本发明实施例包括，获取通信网络中待部署的发射机及智能反射面的相关信息；根据所述发射机及智能反射面的相关信息，以网络中所有用户端点接收的能量和最大化为目标，构建关于发射机位置部署、智能反射面位置部署和智能反射面相位偏移的联合优化模型；根据所述联合优化模型，依次获取发射机位置部署位置、智能反射面位置部署位置和智能反射面相位偏移。对比不同方法下的系统内所有用户端点所接收到的能量和，部署了智能反射面的系统，其能量高于未部署智能反射面的系统；且经过对智能反射面的部署位置进行优化，系统能量和又有进一步的提升。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例：
如图1所示，本发明实施例提供了一种智能反射面的位置部署方法，包括：
S1、获取通信网络中待部署的发射机及智能反射面的相关信息；
S2、根据所述发射机及智能反射面的相关信息，以网络中所有用户端点接收的能量和最大化为目标，构建关于发射机位置部署、智能反射面位置部署和智能反射面相位偏移的联合优化模型；
S3、根据所述联合优化模型，依次获取发射机位置部署位置、智能反射面位置部署位置和智能反射面相位偏移。
本发明实施例对比不同方法下的系统内所有用户端点所接收到的能量和，部署了智能反射面的系统，其能量高于未部署智能反射面的系统；且经过对智能反射面的部署位置进行优化，系统能量和又有进一步的提升。
下面将结合说明书附图以及具体内容详细介绍上述方案的各个步骤：
首先需要说明的是，本发明实施例中考虑智能反射面(IRS)辅助下的无线携能系统，将原始优化问题拆解为3个子问题，在实现发射机、IRS部署位置和IRS相位偏移优化的同时，解决了非凸的、非线性、多变量耦合的问题，得到了一个高质量的局部最优解，确保了网络中所有用户端点接收能量和最大化问题，提高网络的系统能量利用率。
在步骤S1中，获取通信网络中待部署的发射机及智能反射面的相关信息。
给定所述通信网络中包括发射机数量为M，K个智能反射面和K个用户端点；每个发射机包括N个天线，每个智能反射面包括u个反射单元，每个用户端点为单天线。
在步骤S2中，根据所述发射机及智能反射面的相关信息，以网络中所有用户端点接收的能量和最大化为目标，构建关于发射机位置部署、智能反射面位置部署和智能反射面相位偏移的联合优化模型。
所述联合优化模型包括最大化网络中所有用户端点接收的能量和的目标函数：
其中，所述通信网络中包括发射机数量为M，K个智能反射面和K个用户端点；每个发射机包括N个天线，每个智能反射面包括u个反射单元，每个用户端点为单天线；
Ek表示第k个用户所接收到的能量；
用户从发射机端接收信号为:
其中，hd,i,k为第i个发射机到第k个用户端点的等效基带信道，
其中，di,k为第i个发射机和第k个用户端点之间的距离，α和β为与周围环境相关的参数，xN为发射机第N条天线的相移；此外，需要说明的后续提及的，发射机到智能反射面的等效基带信道gk、第k个智能反射面到第k个用户端点的等效基带信道hr,k,k均可以采用上述公式获取。
hd,k,k表示第k个发射机到第k个用户端点的等效基带信道，
hr,k,k为第k个IRS到第k个用户端点的等效基带信道，
H表示共轭转置，
为第k个智能反射面的相移矩阵，diag表示对角矩阵，其中/>表示第k个智能反射面第u个反射单元的相移，
gk为与第k个用户端点配对的发射机和智能反射面之间的信道增益，即第k个发射机到第k个智能反射面的等效基带信道；
wi,k是第i个发射机到第k个用户端点的发射波束成形矢量，
表示第k个用户端点处的加性高斯白噪声；
所述联合优化模型还包括约束条件：
每个用户端点接收到的能量阈值约束为：
其中，RT为每个用户端点接受到的最小能量阈值；
每个发射机发射预编码功率阈值约束：
其中，Pmax为发射机的最大允许发射功率；
每个用户端点的信干噪比阈值约束：
其中，SINRk为第k个用户端点的信干噪比，R为每个用户端的最小信干噪比值。
在步骤S3中，根据所述联合优化模型，依次获取发射机位置部署位置、智能反射面位置部署位置和智能反射面相位偏移。如图2所示，包括：
S31、基于区域离散化策略，将联合优化模型转化为关于发射机位置部署的第一子模型，获取发射机的部署位置；
S32、根据所述发射机的部署位置，以及预先给定的智能反射面初始相位偏移，将联合优化模型题转化为关于智能反射面的部署位置的第二子模型，获取智能反射面的部署位置；
S33、根据所述发射机的部署位置、智能反射面的部署位置，将联合优化模型题转化为关于智能反射面相位偏移的第三子模型，获取智能反射面相位偏移。
在步骤S31中，考虑无IRS的系统，基于区域离散化策略，将联合优化问题转化为关于发射机位置部署的子问题,该子问题是一个0-1规划问题，因此可以利用隐枚举法更新发射机的部署位置。
具体的，所述S31包括：
S311、基于区域离散化的策略，将连续空间区域划分为多个空间网格(例如正方形、圆形等)，引入0-1变量xi,g表示第i个发射机是否部署在第g个格子中，将联合优化模型转化为关于发射机位置部署的第一子模型；
则所述目标函数转化为：
其中，G表示格子总数；
相应的所述约束条件调整为：
xi,g∈{0,1}
S312、根据上述第一子模型，采用隐枚举法获取发射机的部署位置。
在步骤S32中，根据S2中得到的目标函数以及更新后的发射机的部署位置，给定IRS相位偏移，将联合优化问题转化为关于智能反射面的部署位置的子问题，针对该子问题可利用遗传算法计算出IRS的部署位置。
具体的，所述S32包括：
S321、根据所述发射机的部署位置，以及预先给定的智能反射面初始相位偏移，将联合优化模型题转化为关于智能反射面的部署位置的第二子模型，
则所述目标函数转化为：
所述约束条件调整为：
Ek≥RT,k＝1,2,...,K
(xk-x′k)2+(yk-y′k)2≤rk
其中，{xk,yk}为第k个智能反射面的在区域中的坐标，{x′k,y′k}为第k用户端点及其发射机的对称中心的坐标，rk为它们之间距离的一半；
S322、根据上述第二子模型，采用遗传算法获取智能反射面的部署位置。
在步骤S33中，根据S2中得到的目标函数以及更新后的发射机和IRS的部署位置，将联合优化问题转化为关于IRS相位偏移的子问题，利用半正定松弛(SDR)和特征值分解(EVD)方法计算IRS相位偏移。
具体的，所述S33包括：
S331、根据所述发射机的部署位置、智能反射面的部署位置，将联合优化模型题转化为关于智能反射面相位偏移的第三子模型(即原优化问题转化为对每个IRS的反射系数矩阵进行优化)；
则所述目标函数转化为：
其中，
S332、根据所述第三子模型，依次采用半正定松弛和特征值分解方法获取智能反射面相位偏移:
S3321、令则S331中的目标函数等价于：
其中，
S3322、引入辅助变量s，设并且令
则S3321中的目标函数等价于
对应的约束条件包括：
Fn,n＝1，n＝1,2,...,u+1
F≥0
rank(F)＝1
S3323、采用半正定松弛方法，对rank(F)＝1的约束松弛，则可将S3322中的问题转化为凸优化问题，采用CVX进行求解出F；
S3324、将上一步骤获取的F进行特征值分解，F＝M∑MH,则 其中N为F的最大特征值，vmax为最大特征值对应的特征向量；则第k个智能反射面的相移矩阵(即最优的反射波束成形矢量)为：
其中，表示向量/>的前u个分量。
为了更好的解释本发明实施例提供的智能反射面的位置部署方法的优越性，下面将给出具体的仿真示例予以证明。
在仿真中给定发射机的天线数为N＝50，智能反射面以及用户端点数K＝9，α＝1，β＝10-4，反射面的反射单元数u＝20。且其中每个用户是单天线的。
为了与随机模拟得到的部署位置对比，本发明实施例定义系统内所有用户端点所接收到的能量和E来表征其性能。具体如下：
图3中，假设发射机的功率P＝35dbm。针对不同的发射机天线数，对比不同部署方式下的对应的系统性能曲线。从图中可以看出，随着发射机天线数的增加，所有方式的性能随着发射机天线数的增加而提高。在未对反射面反射波束成形优化前，部署了反射面的方案和无反射面、反射面部署位置随机的方案的系统性能相接近，但都远高于发射机位置随机部署的方案。而经过对反射面反射波束成形优化后，系统的性能又有进一步的提高。
图4中，假设发射机的天线数为N＝50。针对不同的发射机功率P，对比不同部署方式下的对应的系统性能曲线。从图中可以看出，随着发射机功率的增加，除了发射机位置随机部署的方案，其它方式的性能随着发射机功率的增加而有显著提高。并且，当发射机功率P>20dbm后，反射面部署位置优化后和反射面反射波束成形优化后的方案对于发射机部署位置随机和反射面部署位置随机的方案的系统性能有较大提升。此外，对于发射机部署位置随机的方案，其系统性能远远低于其它方案。
因此，经过本发明实施例对反射面的反射波束成形和发射机发射波束成形优化后的系统，其性能与其它方案相比，随着发射机的功率增大，系统能量和E有一定的提升。
图5中，假定发射机功率P＝35dbm，发射机的天线数为N＝50，空间区域为宽为100m的方格。考虑所提出的方法，可以计算出具体的发射机及智能反射面的部署位置。从图中可以看出，在发射机和用户端点数相等的情况下，反射面的最优部署位置在用户端点和发射机连线一侧的特点，以使系统的性能提高。
因此，对于相同功率下的发射机，随着发射机天线个数的提升，本发明实施例使系统能量和E收益增高，相较于未优化前的系统，有了显著的提升。
本发明实施例还提供了一种智能反射面的位置部署系统，包括：
获取模块，用于获取通信网络中待部署的发射机及智能反射面的相关信息；
构建模块，用于根据所述发射机及智能反射面的相关信息，以网络中所有用户端点接收的能量和最大化为目标，构建关于发射机位置部署、智能反射面位置部署和智能反射面相位偏移的联合优化模型；
求解模块，用于根据所述联合优化模型，依次获取发射机位置部署位置、智能反射面位置部署位置和智能反射面相位偏移。
特别的，所述求解模块包括：
第一求解模块，用于基于区域离散化策略，将联合优化模型转化为关于发射机位置部署的第一子模型，获取发射机的部署位置；
第二求解模块，根据所述发射机的部署位置，以及预先给定的智能反射面初始相位偏移，将联合优化模型题转化为关于智能反射面的部署位置的第二子模型，获取智能反射面的部署位置；
第三求解模块，根据所述发射机的部署位置、智能反射面的部署位置，将联合优化模型题转化为关于智能反射面相位偏移的第三子模型，获取智能反射面相位偏移。
本发明实施例还提供了一种存储介质，其存储有用于智能反射面的位置部署的计算机程序，其中，所述计算机程序使得计算机执行如上所述的智能反射面的位置部署方法。
本发明实施例还提供了一种电子设备，包括：
一个或多个处理器；
存储器；以及
一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如上所述的智能反射面的位置部署方法。
不难理解的是，本发明实施例提供的智能反射面的位置部署系统、存储介质和电子设备与本发明实施例提供的智能反射面的位置部署方法相对应，其有关内容的解释、举例和有益效果等部分可以参考智能反射面的位置部署系统方法中的相应部分，此处不再赘述。
综上所述，与现有技术相比，具备以下有益效果：
1、本发明实施例对比不同方法下的系统内所有用户端点所接收到的能量和，部署了智能反射面的系统，其能量高于未部署智能反射面的系统；且经过对智能反射面的部署位置进行优化，系统能量和又有进一步的提升。
2、经过本发明实施例对反射面的反射波束成形和发射机发射波束成形优化后的系统，其性能与其它方案相比，随着发射机的功率增大，系统能量和E有一定的提升。
3、对于相同功率下的发射机，随着发射机天线个数的提升，本发明实施例使系统能量和E收益增高，相较于未优化前的系统，有了显著的提升。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (9)

1.一种智能反射面的位置部署方法，其特征在于，包括：
S1、获取通信网络中待部署的发射机及智能反射面的相关信息；
S2、根据所述发射机及智能反射面的相关信息，以网络中所有用户端点接收的能量和最大化为目标，构建关于发射机位置部署、智能反射面位置部署和智能反射面相位偏移的联合优化模型；
S3、根据所述联合优化模型，依次获取发射机位置部署位置、智能反射面位置部署位置和智能反射面相位偏移；
所述联合优化模型包括最大化网络中所有用户端点接收的能量和的目标函数：
其中，所述通信网络中包括发射机数量为M，K个智能反射面和K个用户端点；每个发射机包括N个天线，每个智能反射面包括u个反射单元，每个用户端点为单天线；
Ek表示第k个用户所接收到的能量；
用户从发射机端接收信号为:
其中，hd,i,k为第i个发射机到第k个用户端点的等效基带信道，
其中，di,k为第i个发射机和第k个用户端点之间的距离，α和β为与周围环境相关的参数，xN为发射机第N条天线的相移；
hd,k,k表示第k个发射机到第k个用户端点的等效基带信道，
hr,k,k为第k个IRS到第k个用户端点的等效基带信道，
H表示共轭转置，
为第k个智能反射面的相移矩阵，diag表示对角矩阵，其中/>表示第k个智能反射面第u个反射单元的相移，
gk为与第k个用户端点配对的发射机和智能反射面之间的信道增益，即第k个发射机到第k个智能反射面的等效基带信道；
wi,k是第i个发射机到第k个用户端点的发射波束成形矢量，
表示第k个用户端点处的加性高斯白噪声；
所述联合优化模型还包括约束条件：
每个用户端点接收到的能量阈值约束为：
其中，RT为每个用户端点接受到的最小能量阈值；
每个发射机发射预编码功率阈值约束：
其中，Pmax为发射机的最大允许发射功率；
每个用户端点的信干噪比阈值约束：
其中，SINRk为第k个用户端点的信干噪比，R为每个用户端的最小信干噪比值。
2.如权利要求1所述的智能反射面的位置部署方法，其特征在于，所述S3包括：
S31、基于区域离散化策略，将联合优化模型转化为关于发射机位置部署的第一子模型，获取发射机的部署位置；
S32、根据所述发射机的部署位置，以及预先给定的智能反射面初始相位偏移，将联合优化模型题转化为关于智能反射面的部署位置的第二子模型，获取智能反射面的部署位置；
S33、根据所述发射机的部署位置、智能反射面的部署位置，将联合优化模型题转化为关于智能反射面相位偏移的第三子模型，获取智能反射面相位偏移。
3.如权利要求2所述的智能反射面的位置部署方法，其特征在于，所述S31包括：
S311、基于区域离散化的策略，将连续空间区域划分为多个空间网格，引入0-1变量xi,g表示第i个发射机是否部署在第g个格子中，将联合优化模型转化为关于发射机位置部署的第一子模型；
则所述目标函数转化为：
其中，G表示格子总数；
相应的所述约束条件调整为：
xi,g∈{0,1}
S312、根据上述第一子模型，采用隐枚举法获取发射机的部署位置。
4.如权利要求3所述的智能反射面的位置部署方法，其特征在于，所述S32包括：
S321、根据所述发射机的部署位置，以及预先给定的智能反射面初始相位偏移，将联合优化模型题转化为关于智能反射面的部署位置的第二子模型，
则所述目标函数转化为：
所述约束条件调整为：
Ek≥RT,k＝1,2,…,K
(xk-x′k)2+(yk-y′k)2≤rk
其中，{xk,yk}为第k个智能反射面的在区域中的坐标，{x′k,y′k}为第k用户端点及其发射机的对称中心的坐标，rk为它们之间距离的一半；
S322、根据上述第二子模型，采用遗传算法获取智能反射面的部署位置。
5.如权利要求4所述的智能反射面的位置部署方法，其特征在于，所述S33包括：
S331、根据所述发射机的部署位置、智能反射面的部署位置，将联合优化模型题转化为关于智能反射面相位偏移的第三子模型；
则所述目标函数转化为：
其中，
S332、根据所述第三子模型，依次采用半正定松弛和特征值分解方法获取智能反射面相位偏移:
S3321、令则S331中的目标函数等价于：
其中，
S3322、引入辅助变量s，设并且令
则S3321中的目标函数等价于
对应的约束条件包括：
Fn,n＝1，n＝1,2,...,u+1
F≥0
rank(F)＝1
S3323、采用半正定松弛方法，对rank(F)＝1的约束松弛，则可将S3322中的问题转化为凸优化问题，采用CVX进行求解出F；
S3324、将上一步骤获取的F进行特征值分解，F＝M∑MH,则 其中N为F的最大特征值，vmax为最大特征值对应的特征向量；则第k个智能反射面的相移矩阵为：
其中，表示向量/>的前u个分量。
6.一种智能反射面的位置部署系统，其特征在于，包括：
获取模块，用于获取通信网络中待部署的发射机及智能反射面的相关信息；
构建模块，用于根据所述发射机及智能反射面的相关信息，以网络中所有用户端点接收的能量和最大化为目标，构建关于发射机位置部署、智能反射面位置部署和智能反射面相位偏移的联合优化模型；
求解模块，用于根据所述联合优化模型，依次获取发射机位置部署位置、智能反射面位置部署位置和智能反射面相位偏移；
所述联合优化模型包括最大化网络中所有用户端点接收的能量和的目标函数：
其中，所述通信网络中包括发射机数量为M，K个智能反射面和K个用户端点；每个发射机包括N个天线，每个智能反射面包括u个反射单元，每个用户端点为单天线；
Ek表示第k个用户所接收到的能量；
用户从发射机端接收信号为:
其中，hd,i,k为第i个发射机到第k个用户端点的等效基带信道，
其中，di,k为第i个发射机和第k个用户端点之间的距离，α和β为与周围环境相关的参数，xN为发射机第N条天线的相移；
hd,k,k表示第k个发射机到第k个用户端点的等效基带信道，
hr,k,k为第k个IRS到第k个用户端点的等效基带信道，
H表示共轭转置，
为第k个智能反射面的相移矩阵，diag表示对角矩阵，其中/>表示第k个智能反射面第u个反射单元的相移，
gk为与第k个用户端点配对的发射机和智能反射面之间的信道增益，即第k个发射机到第k个智能反射面的等效基带信道；
wi,k是第i个发射机到第k个用户端点的发射波束成形矢量，
表示第k个用户端点处的加性高斯白噪声；
所述联合优化模型还包括约束条件：
每个用户端点接收到的能量阈值约束为：
其中，RT为每个用户端点接受到的最小能量阈值；
每个发射机发射预编码功率阈值约束：
其中，Pmax为发射机的最大允许发射功率；
每个用户端点的信干噪比阈值约束：
其中，SINRk为第k个用户端点的信干噪比，R为每个用户端的最小信干噪比值。
7.如权利要求6所述的智能反射面的位置部署系统，其特征在于，所述求解模块包括：
第一求解模块，用于基于区域离散化策略，将联合优化模型转化为关于发射机位置部署的第一子模型，获取发射机的部署位置；
第二求解模块，根据所述发射机的部署位置，以及预先给定的智能反射面初始相位偏移，将联合优化模型题转化为关于智能反射面的部署位置的第二子模型，获取智能反射面的部署位置；
第三求解模块，根据所述发射机的部署位置、智能反射面的部署位置，将联合优化模型题转化为关于智能反射面相位偏移的第三子模型，获取智能反射面相位偏移。
8.一种存储介质，其特征在于，其存储有用于智能反射面的位置部署的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1～5任一项所述的智能反射面的位置部署方法。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储器；以及
一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如权利要求1～5任一项所述的智能反射面的位置部署方法。
CN202210379879.XA 2022-04-12 2022-04-12 智能反射面的位置部署方法和系统 Active CN114980132B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210379879.XA CN114980132B (zh) 2022-04-12 2022-04-12 智能反射面的位置部署方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210379879.XA CN114980132B (zh) 2022-04-12 2022-04-12 智能反射面的位置部署方法和系统

Publications (2)

Publication Number Publication Date
CN114980132A CN114980132A (zh) 2022-08-30
CN114980132B true CN114980132B (zh) 2023-07-28

Family

ID=82978028

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210379879.XA Active CN114980132B (zh) 2022-04-12 2022-04-12 智能反射面的位置部署方法和系统

Country Status (1)

Country Link
CN (1) CN114980132B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113259836A (zh) * 2021-04-26 2021-08-13 北京科技大学 一种irs辅助无人机通信网络联合优化方法
CN113873575A (zh) * 2021-10-12 2021-12-31 大连理工大学 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

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111355520B (zh) * 2020-03-10 2022-03-08 电子科技大学 一种智能反射表面辅助的太赫兹安全通信系统设计方法
CN113364495B (zh) * 2021-05-25 2022-08-05 西安交通大学 一种多无人机轨迹和智能反射面相移联合优化方法及系统
CN113709687A (zh) * 2021-08-23 2021-11-26 郑州大学 一种智能反射面辅助的无线传感器网络的资源分配方法
CN114221724B (zh) * 2021-12-07 2023-07-11 广东工业大学 智能反射面辅助的认知无线携能通信网络性能优化方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113259836A (zh) * 2021-04-26 2021-08-13 北京科技大学 一种irs辅助无人机通信网络联合优化方法
CN113873575A (zh) * 2021-10-12 2021-12-31 大连理工大学 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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
无线传感器网络的节点智能部署方法研究;李燕君;潘建;;计算机科学(第08期);全文 *

Also Published As

Publication number Publication date
CN114980132A (zh) 2022-08-30

Similar Documents

Publication Publication Date Title
Lee et al. Transmit power control using deep neural network for underlay device-to-device communication
Hou et al. MIMO assisted networks relying on large intelligent surfaces: A stochastic geometry model
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
CN114285862B (zh) 基于智能反射面反向散射通信的数据卸载通信方法及系统
CN113490223A (zh) 一种基于irs的无线供能反向散射通信方法及系统
CN109168197B (zh) 基于异构小蜂窝网络能量采集效率最大化的功率分配方法
CN107592144B (zh) Eh-mimo能量收集及多天线通信系统的节点天线选择方法及装置
CN113660051B (zh) 毫米波通信系统的能效最大化方法和系统
Xu et al. Weighted sum rate maximization in IRS-BackCom enabled downlink multi-cell MISO network
CN115173901A (zh) 基于irs辅助的miso无线携能通信系统的能效最大化方法
CN114745232B (zh) 智能可重构表面辅助毫米波mimo系统的信道估计方法
CN113315552B (zh) 一种紧致平面天线阵列Massive MIMO系统的能效优化方法
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
CN103001684A (zh) 多天线认知无线电通信系统中的鲁棒干扰抑制方法
CN114666815B (zh) 一种基于全向智能超表面的通信系统设计方法
CN114980132B (zh) 智能反射面的位置部署方法和系统
CN113271127B (zh) 一种基于最优保留遗传算法的分布式全双工大规模mimo系统天线工作模式选择方法
CN116033461B (zh) 一种基于star-ris辅助的共生无线电传输方法
CN117498900A (zh) 去蜂窝大规模mimo通感一体化系统的资源分配装置及方法
Goudos et al. Optimization of power consumption in wireless access networks using differential evolution with eigenvector based crossover operator
CN114710186A (zh) 一种低成本广覆盖的毫米波预编码方法
Lee et al. Deep Learning Framework for Two-Way MISO Wireless-Powered Interference Channels
Shen et al. An efficient codebook based radio parameter optimization method for mobile networks
Tan et al. Energy minimization for wireless powered data offloading in IRS-assisted MEC for vehicular networks
Pandey et al. Performance analysis of cooperative communication in wireless sensor network

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