CN115209376A - 基于反射面辅助的高速列车通信覆盖概率增强方法及系统 - Google Patents
基于反射面辅助的高速列车通信覆盖概率增强方法及系统 Download PDFInfo
- Publication number
- CN115209376A CN115209376A CN202210826458.7A CN202210826458A CN115209376A CN 115209376 A CN115209376 A CN 115209376A CN 202210826458 A CN202210826458 A CN 202210826458A CN 115209376 A CN115209376 A CN 115209376A
- Authority
- CN
- China
- Prior art keywords
- intelligent surface
- reconfigurable intelligent
- base station
- time slot
- speed train
- 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
- 238000004891 communication Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000002708 enhancing effect Effects 0.000 claims abstract description 19
- 238000004590 computer program Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 238000013139 quantization Methods 0.000 claims description 4
- 240000007594 Oryza sativa Species 0.000 claims description 2
- 235000007164 Oryza sativa Nutrition 0.000 claims description 2
- 230000001419 dependent effect Effects 0.000 claims description 2
- 235000009566 rice Nutrition 0.000 claims description 2
- 238000011160 research Methods 0.000 abstract description 4
- 230000003137 locomotive effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/42—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for mass transport vehicles, e.g. buses, trains or aircraft
-
- 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
- H04W16/24—Cell structures
- H04W16/26—Cell enhancers or enhancement, e.g. for tunnels, building shadow
-
- 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
- H04W84/00—Network topologies
- H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
- H04W84/04—Large scale networks; Deep hierarchical networks
- H04W84/042—Public Land Mobile systems, e.g. cellular systems
- H04W84/047—Public Land Mobile systems, e.g. cellular systems using dedicated repeater stations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
- H04W88/02—Terminal devices
- H04W88/04—Terminal devices adapted for relaying to or from another terminal or user
-
- 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)
- Aviation & Aerospace Engineering (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供一种基于反射面辅助的高速列车通信覆盖概率增强方法及系统,属于机无线通信技术领域,包括:初始化可重构智能表面的高速列车通信研究场景模型参数;计算在第个时间时隙的BS‑MR、BS‑RIS、RIS‑MR链路及系统等效信道的信道模型;计算在第个时间时隙的系统信噪比;计算在第个时间时隙,RIS反射振源的最佳相位;计算在第个时间时隙的覆盖概率。本发明基于智能可重构智能表面辅助的高速列车通信覆盖概率增强方法,以有效增强HST的覆盖性能,从而保障通信的连续性。
Description
技术领域
本发明涉及无线通信技术领域,具体涉及一种基于可重构智能反射面辅助的高速列车通信覆盖概率增强方法及系统。
背景技术
由于高速列车(High-Speed Train,HST)通信有快速时变信道和显着的穿透损耗,增大了无线通信网络的覆盖难度,是无线通信系统中非常具有挑战性的场景。由于可重构智能表面(Reconfigurable Intelligent Surface,RIS)具有低成本、智能信道重构能力、扩展无线覆盖范围等特点,近年来在无线通信引起了广泛关注。在蜂窝网络下,RIS可以作为收发机设备来接受和发送数据,也能作为中继转发数据,可以有效地解决上述挑战,并在下一代HST通信系统中实现高频谱和能量效率。尽管RIS部署对许多应用都有很大吸引力,但在大量部署之前还有很多问题亟需解决。由于无线网络的部署需要分析网络的覆盖能力,因此,提出准确且可靠的RIS辅助的高速列车通信覆盖方法是必不可少的。
现有技术中的一种方案公开了一种高铁第五代(Fifth Generation,5G)无线网络覆盖系统,基于所提的覆盖系统,研究了系统模拟方法、系统模拟装置、计算机设备及存储介质等对高速移动高铁中的5G信号覆盖效果的影响,并验证了所提高铁5G覆盖系统的覆盖有效性。现有技术中的一种方案公开了高铁专用网络覆盖优化方法。基于所提的优化方法,建立了对应的系统、网络设备及存储介质。研究了该覆盖优化方法在具有高铁信息检测器及基站(Base Station,BS)的高铁网络中的优越性,实现了网络覆盖优化的实时性、自动性和准确性。现有技术中的一种方案公开了一种基于机器学习和射线跟踪的高铁网络覆盖预测方法。研究了高铁场景的三维电子地图中每个位置测量点的预测值,并通过利用射线跟踪仿真技术和深度强化机器学习,提供了更加精确的场景校正的输入依据,具有更好的普适性和更高的鲁棒性。现有的高铁网络部署覆盖范围有限,BS部署成本高,特别是5G BS,急需引入RIS技术以实现覆盖扩展和降低BS部署成本。
发明内容
本发明的目的在于提供一种基于反射面辅助的高速列车通信覆盖概率增强方法及系统,以解决上述背景技术中存在的至少一项技术问题。
为了实现上述目的,本发明采取了如下技术方案:
一方面,本发明提供一种基于反射面辅助的高速列车通信覆盖概率增强,包括:
初始化可重构智能表面(即反射面)的高速列车通信场景模型参数;
基于高速列车通信场景模型参数,计算在第t个时间时隙的基站-列车移动中继、基站-可重构智能表面、可重构智能表面-列车移动中继链路及系统等效信道的信道模型;
基于等效信道的信道模型,计算在第t个时间时隙的系统信噪比;
基于系统信噪比,计算在第t个时间时隙,可重构智能表面反射振源的最佳相位;
基于可重构智能表面反射振源的最佳相位,计算在第t个时间时隙的覆盖概率。
优选的,初始化可重构智能表面的高速列车通信场景模型参数,包括:
初始化列车移动中继、可重构智能表面和基站的高度,以及列车距离基站的起始水平距离;初始化可重构智能表面和基站到铁轨之间的距离;初始化可重构智能表面和基站之间的水平距离;假设有T个时间时隙,可重构智能表面放置在基站的覆盖范围内,初始化可重构智能表面反射振源数、可重构智能表面量化比特数、列车移动中继既可以接收来自基站的信号,也能接收来自可重构智能表面的反射信号。
优选的,基于高速列车通信场景模型参数,计算在第t个时间时隙的基站(BS)-列车移动中继(MR)、基站(BS)-可重构智能表面(RIS)、可重构智能表面(RIS)-列车移动中继(MR)链路及系统等效信道的信道模型,包括:
计算在第t个时间时隙的BS-MR、BS-RIS、RIS-MR链路及系统等效信道的信道模型为:
系统等效信道的信道模型为:
其中θn(t)为RIS相位。
优选的,计算在第t个时间时隙的系统信噪比为:
其中,P为发送功率,σ2为噪声功率。
优选的,计算在第t个时间时隙,可重构智能表面反射振源的最佳相位,包括:
优选的,计算在第t个时间时隙的覆盖概率,包括:
第二方面,本发明提供一种基于可重构智能反射面辅助的高速列车通信覆盖概率增强系统,包括:
初始化模块,用于初始化可重构智能表面的高速列车通信场景模型参数;
第一计算模块,用于基于高速列车通信场景模型参数,计算在第t个时间时隙的基站-列车移动中继、基站-可重构智能表面、可重构智能表面-列车移动中继链路及系统等效信道的信道模型;
第二计算模块,用于基于等效信道的信道模型,计算在第t个时间时隙的系统信噪比;
第三计算模块,用于基于系统信噪比,计算在第t个时间时隙,可重构智能表面反射振源的最佳相位;
第四计算模块,用于基于可重构智能表面反射振源的最佳相位,计算在第t个时间时隙的覆盖概率。
第三方面,本发明提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质用于存储计算机指令,所述计算机指令被处理器执行时,实现如上所述的基于可重构智能反射面辅助的高速列车通信覆盖概率增强方法。
第四方面,本发明提供一种计算机程序产品,包括计算机程序,所述计算机程序当在一个或多个处理器上运行时,用于实现如上所述的基于可重构智能反射面辅助的高速列车通信覆盖概率增强方法。
第五方面,本发明提供一种电子设备,包括:处理器、存储器以及计算机程序;其中,处理器与存储器连接,计算机程序被存储在存储器中,当电子设备运行时,所述处理器执行所述存储器存储的计算机程序,以使电子设备执行实现如上所述的基于可重构智能反射面辅助的高速列车通信覆盖概率增强方法的指令。
本发明有益效果:通过在BS覆盖内部署RIS,建立了HST与BS之间的反射链路,增加了HST的接收信号强度,从而使得蜂窝网络下的HST通信网络更加可靠。
本发明附加方面的优点,将在下述的描述部分中更加明显的给出,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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为本发明实施例所述的基于可重构智能表面辅助的高速列车通信覆盖概率增强方法的流程图。
图2为本发明实施例所述的基于可重构智能表面辅助的高速列车通信覆盖的研究场景示意图。
图3为本发明实施例所述的在不同RIS反射振源数时,覆盖概率与不同发送功率的效果图。
图4为本发明实施例所述的在不同RIS反射振源数时,覆盖概率与不同信噪比阈值的效果图。
图5为本发明实施例所述的不同RIS反射振源数时,覆盖概率和不同RIS与BS之间的水平距离的效果图。
具体实施方式
下面详细叙述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。
还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件和/或它们的组。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
为便于理解本发明,下面结合附图以具体实施例对本发明作进一步解释说明,且具体实施例并不构成对本发明实施例的限定。
本领域技术人员应该理解,附图只是实施例的示意图,附图中的部件并不一定是实施本发明所必须的。
实施例1
本实施例1提供一种基于可重构智能表面(反射面)辅助的高速列车通信覆盖概率增强系统,包括:
初始化模块,用于初始化可重构智能表面(即可重构智能反射面)的高速列车通信场景模型参数;
第一计算模块,用于基于高速列车通信场景模型参数,计算在第t个时间时隙的基站-列车移动中继、基站-可重构智能表面、可重构智能表面-列车移动中继链路及系统等效信道的信道模型;
第二计算模块,用于基于等效信道的信道模型,计算在第t个时间时隙的系统信噪比;
第三计算模块,用于基于系统信噪比,计算在第t个时间时隙,可重构智能表面反射振源的最佳相位;
第四计算模块,用于基于可重构智能表面反射振源的最佳相位,计算在第t个时间时隙的覆盖概率。
本实施例1中,利用上述的系统实现了基于可重构智能表面辅助的高速列车通信覆盖概率增强方法,包括:
初始化可重构智能表面的高速列车通信场景模型参数;
基于高速列车通信场景模型参数,计算在第t个时间时隙的基站-列车移动中继、基站-可重构智能表面、可重构智能表面-列车移动中继链路及系统等效信道的信道模型;
基于等效信道的信道模型,计算在第t个时间时隙的系统信噪比;
基于系统信噪比,计算在第t个时间时隙,可重构智能表面反射振源的最佳相位;
基于可重构智能表面反射振源的最佳相位,计算在第t个时间时隙的覆盖概率。
初始化可重构智能表面的高速列车通信场景模型参数,包括:
初始化列车移动中继、可重构智能表面和基站的高度,以及列车距离基站的起始水平距离;初始化可重构智能表面和基站到铁轨之间的距离;初始化可重构智能表面和基站之间的水平距离;假设有T个时间时隙,可重构智能表面放置在基站的覆盖范围内,初始化可重构智能表面反射振源数、可重构智能表面量化比特数、列车移动中继既可以接收来自基站的信号,也能接收来自可重构智能表面的反射信号。
基于高速列车通信场景模型参数,计算在第t个时间时隙的基站-列车移动中继、基站-可重构智能表面、可重构智能表面-列车移动中继链路及系统等效信道的信道模型,包括:
计算在第t个时间时隙的基站-列车移动中继、基站-可重构智能表面、可重构智能表面-列车移动中继链路及系统等效信道的信道模型为:
系统等效信道的信道模型为:
其中θn(t)为RIS相位。
计算在第t个时间时隙的系统信噪比为:
其中,P为发送功率,,σ2为噪声功率。
计算在第t个时间时隙,可重构智能表面反射振源的最佳相位,包括:
计算在第t个时间时隙的覆盖概率,包括:
实施例2
本实施例2提供了一种基于可重构智能表面(即反射面)辅助的高速列车通信覆盖概率增强方法,该方法的处理流程如图1所示,具体实施步骤如下:
步骤S1:如图2所示,为基于可重构智能表面的高速列车通信覆盖的研究场景示意图,初始化可重构智能表面的高速列车通信研究场景模型参数,步骤如下:
初始化移动中继(Mobile Relay,MR)、可重构智能表面(RIS)和基站(BS)的高度分别为HMR,HRIS与HBS,列车距离BS的起始水平距离为k。
假设有T个时间时隙,RIS放置在BS的覆盖范围内,RIS反射振源数为N,RIS量化比特数为b,MR既可以接收来自BS的信号,也能接收来自RIS的反射信号。
步骤S2:计算在第t个时间时隙的BS-MR、BS-RIS、RIS-MR链路及系统等效信道的信道模型;
系统等效信道的信道模型为
其中θn(t)为RIS相位。
步骤S3:计算在第t个时间时隙的系统信噪比;
其中,P为发送功率,,σ2为噪声功率。
步骤S4:计算在第t个时间时隙,RIS反射振源的最佳相位;
步骤S5:计算在第t个时间时隙的覆盖概率;
该实施例提供了一种基于智能可重构智能表面辅助的高速列车通信覆盖概率增强方法,具体可以包括如下步骤:
图3、图4表示了在不同RIS反射振源数情况下,覆盖概率与发送的功率、覆盖概率与信噪比阈值的关系图。从仿真结果可以看出,发送功率越大,覆盖概率越高,信噪比越大,覆盖概率越差。也可以看出,有RIS比无RIS的覆盖概率要好,当N增加时,覆盖概率增加,说明本发明实例显著提高了HST通信的覆盖概率。
图5表示了不同RIS反射振源数情况下,RIS与BS之间不同的水平距离对覆盖概率的影响。可以看出当RIS与BS之间的水平较近时,覆盖概率较高,当时,覆盖概率最高,说明覆盖概率对RIS的位置部署比较敏感。
综上所述,本实施例2提供的一种基于智能可重构智能表面辅助的高速列车通信覆盖概率增强方法,通过RIS相位设计实现HST通信覆盖概率增强,可以实现在保障MR与BS通信链路连续的同时增强链路的覆盖概率。
实施例3
本发明实施例3提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质用于存储计算机指令,所述计算机指令被处理器执行时,实现基于可重构智能表面辅助的高速列车通信覆盖概率增强方法,该方法包括:
初始化可重构智能表面的高速列车通信场景模型参数;
基于高速列车通信场景模型参数,计算在第t个时间时隙的基站-列车移动中继、基站-可重构智能表面、可重构智能表面-列车移动中继链路及系统等效信道的信道模型;
基于等效信道的信道模型,计算在第t个时间时隙的系统信噪比;
基于系统信噪比,计算在第t个时间时隙,可重构智能表面反射振源的最佳相位;
基于可重构智能表面反射振源的最佳相位,计算在第t个时间时隙的覆盖概率。
实施例4
本发明实施例4提供一种计算机程序(产品),包括计算机程序,所述计算机程序当在一个或多个处理器上运行时,用于实现基于可重构智能表面辅助的高速列车通信覆盖概率增强方法,该方法包括:
初始化可重构智能表面的高速列车通信场景模型参数;
基于高速列车通信场景模型参数,计算在第t个时间时隙的基站-列车移动中继、基站-可重构智能表面、可重构智能表面-列车移动中继链路及系统等效信道的信道模型;
基于等效信道的信道模型,计算在第t个时间时隙的系统信噪比;
基于系统信噪比,计算在第t个时间时隙,可重构智能表面反射振源的最佳相位;
基于可重构智能表面反射振源的最佳相位,计算在第t个时间时隙的覆盖概率。
实施例5
本发明实施例5提供一种电子设备,包括:处理器、存储器以及计算机程序;其中,处理器与存储器连接,计算机程序被存储在存储器中,当电子设备运行时,所述处理器执行所述存储器存储的计算机程序,以使电子设备执行实现基于可重构智能表面辅助的高速列车通信覆盖概率增强方法的指令,该方法包括:
初始化可重构智能表面的高速列车通信场景模型参数;
基于高速列车通信场景模型参数,计算在第t个时间时隙的基站-列车移动中继、基站-可重构智能表面、可重构智能表面-列车移动中继链路及系统等效信道的信道模型;
基于等效信道的信道模型,计算在第t个时间时隙的系统信噪比;
基于系统信噪比,计算在第t个时间时隙,可重构智能表面反射振源的最佳相位;
基于可重构智能表面反射振源的最佳相位,计算在第t个时间时隙的覆盖概率。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明公开的技术方案的基础上,本领域技术人员在不需要付出创造性劳动即可做出的各种修改或变形,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于反射面辅助的高速列车通信覆盖概率增强方法,其特征在于,包括:
初始化可重构智能表面的高速列车通信场景模型参数;
基于高速列车通信场景模型参数,计算在第t个时间时隙的基站-列车移动中继、基站-可重构智能表面、可重构智能表面-列车移动中继链路及系统等效信道的信道模型;
基于等效信道的信道模型,计算在第t个时间时隙的系统信噪比;
基于系统信噪比,计算在第t个时间时隙,可重构智能表面反射振源的最佳相位;
基于可重构智能表面反射振源的最佳相位,计算在第t个时间时隙的覆盖概率。
2.根据权利要求1所述的基于反射面辅助的高速列车通信覆盖概率增强方法,其特征在于,初始化可重构智能表面的高速列车通信场景模型参数,包括:
初始化列车移动中继、可重构智能表面和基站的高度,以及列车距离基站的起始水平距离;初始化可重构智能表面和基站到铁轨之间的距离;初始化可重构智能表面和基站之间的水平距离;假设有T个时间时隙,可重构智能表面放置在基站的覆盖范围内,初始化可重构智能表面反射振源数、可重构智能表面量化比特数、列车移动中继既可以接收来自基站的信号,也能接收来自可重构智能表面的反射信号。
3.根据权利要求2所述的基于反射面辅助的高速列车通信覆盖概率增强方法,其特征在于,基于高速列车通信场景模型参数,计算在第t个时间时隙的基站-列车移动中继、基站-可重构智能表面、可重构智能表面-列车移动中继链路及系统等效信道的信道模型,包括:
计算在第t个时间时隙的基站-列车移动中继、基站-可重构智能表面、可重构智能表面-列车移动中继链路及系统等效信道的信道模型为:
其中,κBM,κBR,和κRM为莱斯因子,和为基站-列车移动中继、基站-可重构智能表面及可重构智能表面-列成移动中继链路的视距分量,和分别为基站-列车移动中继、基站-可重构智能表面及可重构智能表面-列成移动中继链路的非视距分量;
系统等效信道的信道模型为:
其中θn(t)为RIS相位。
7.一种基于反射面辅助的高速列车通信覆盖概率增强系统,其特征在于,包括:
初始化模块,用于初始化可重构智能表面的高速列车通信场景模型参数;
第一计算模块,用于基于高速列车通信场景模型参数,计算在第t个时间时隙的基站-列车移动中继、基站-可重构智能表面、可重构智能表面-列车移动中继链路及系统等效信道的信道模型;
第二计算模块,用于基于等效信道的信道模型,计算在第t个时间时隙的系统信噪比;
第三计算模块,用于基于系统信噪比,计算在第t个时间时隙,可重构智能表面反射振源的最佳相位;
第四计算模块,用于基于可重构智能表面反射振源的最佳相位,计算在第t个时间时隙的覆盖概率。
8.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质用于存储计算机指令,所述计算机指令被处理器执行时,实现如权利要求1-6任一项所述的基于反射面辅助的高速列车通信覆盖概率增强方法。
9.一种计算机程序产品,其特征在于,包括计算机程序,所述计算机程序当在一个或多个处理器上运行时,用于实现如权利要求1-6任一项所述的基于反射面辅助的高速列车通信覆盖概率增强方法。
10.一种电子设备,其特征在于,包括:处理器、存储器以及计算机程序;其中,处理器与存储器连接,计算机程序被存储在存储器中,当电子设备运行时,所述处理器执行所述存储器存储的计算机程序,以使电子设备执行实现如权利要求1-6任一项所述的基于反射面辅助的高速列车通信覆盖概率增强方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210826458.7A CN115209376A (zh) | 2022-07-14 | 2022-07-14 | 基于反射面辅助的高速列车通信覆盖概率增强方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210826458.7A CN115209376A (zh) | 2022-07-14 | 2022-07-14 | 基于反射面辅助的高速列车通信覆盖概率增强方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115209376A true CN115209376A (zh) | 2022-10-18 |
Family
ID=83580742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210826458.7A Pending CN115209376A (zh) | 2022-07-14 | 2022-07-14 | 基于反射面辅助的高速列车通信覆盖概率增强方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115209376A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117177253A (zh) * | 2023-10-31 | 2023-12-05 | 北京交通大学 | 一种智能超表面追踪与覆盖增强的方法及装置 |
-
2022
- 2022-07-14 CN CN202210826458.7A patent/CN115209376A/zh active Pending
Non-Patent Citations (1)
Title |
---|
CHANGZHU LIU ET AL: "Coverage Probability Analysis of RIS-Assisted High-Speed Train Communications", ARXIV, 26 May 2022 (2022-05-26), pages 2 - 4 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117177253A (zh) * | 2023-10-31 | 2023-12-05 | 北京交通大学 | 一种智能超表面追踪与覆盖增强的方法及装置 |
CN117177253B (zh) * | 2023-10-31 | 2024-01-23 | 北京交通大学 | 一种智能超表面追踪与覆盖增强的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112804695B (zh) | 可重构智能表面辅助的无线通信方法及装置 | |
CN105721106B (zh) | 基于串行策略的scma上行通信系统多用户检测方法 | |
CN110417456B (zh) | 基于无人机的信息传输方法 | |
US11032025B2 (en) | Sequence generation method for polar code, storage medium thereof, and data transmission method and apparatus using same | |
CN115209376A (zh) | 基于反射面辅助的高速列车通信覆盖概率增强方法及系统 | |
CN110380762A (zh) | 一种计算与通信融合的大规模接入方法 | |
US20180351656A1 (en) | Methods, systems, and devices for high throughput acoustic transmission | |
CN115499276A (zh) | 智能反射面辅助通信系统的信道估计方法、系统及产品 | |
WO2022151900A1 (zh) | 一种基于神经网络的信道估计方法及通信装置 | |
CN118055412A (zh) | Star-ris辅助rsma通信系统和速率最大化资源分配方法 | |
CN115603858A (zh) | 一种传输方法及装置 | |
CN115065433B (zh) | 基于智能反射面的cr-noma网络通信方法及中断性能验证方法 | |
CN110677191A (zh) | 一种基于空间信道状态信息的无人机中继选择优化方法 | |
CN115734241A (zh) | 基于智能反射面的信息传输方法、装置及相关设备 | |
CN114944848A (zh) | 一种适用于散射通信系统的跳频方法 | |
CN115841135A (zh) | 神经网络的生成、指示信息的发送方法,通信节点及介质 | |
US10951242B2 (en) | Method and apparatus for design of punctured polar codes | |
CN113891465A (zh) | 一种智能反射面辅助通信中的资源分配方法及系统 | |
US20170013505A1 (en) | Apparatus and method for interference control in heterogeneous network-multi cell mobile communication system | |
KR102594859B1 (ko) | 무선 통신 시스템에서 신호를 송/수신하는 장치 및 방법 | |
CN109889242B (zh) | 一种中心循环权重广义空移键控调制装置与调制方法 | |
CN113965281B (zh) | 一种基于端到端学习的空中计算系统设计方法 | |
WO2023246551A1 (zh) | 车辆跟踪方法、装置、通信单元及存储介质 | |
CN118316775B (zh) | 基于矿井环境自适应mimo信号的通信方法及通信系统 | |
CN115802367B (zh) | 一种智能反射面辅助中继传输的相移优化方法及系统 |
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 |