CN115396910A - 去蜂窝网络多个智能超表面位置优化方法 - Google Patents

去蜂窝网络多个智能超表面位置优化方法 Download PDF

Info

Publication number
CN115396910A
CN115396910A CN202211034911.7A CN202211034911A CN115396910A CN 115396910 A CN115396910 A CN 115396910A CN 202211034911 A CN202211034911 A CN 202211034911A CN 115396910 A CN115396910 A CN 115396910A
Authority
CN
China
Prior art keywords
user
base station
intelligent super
intelligent
position information
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
Application number
CN202211034911.7A
Other languages
English (en)
Other versions
CN115396910B (zh
Inventor
庞立华
刘贤贤
王玥
苏雨儿
李�荣
夏猛
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.)
Xian University of Science and Technology
Original Assignee
Xian University of Science and 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 Xian University of Science and Technology filed Critical Xian University of Science and Technology
Priority to CN202211034911.7A priority Critical patent/CN115396910B/zh
Publication of CN115396910A publication Critical patent/CN115396910A/zh
Application granted granted Critical
Publication of CN115396910B publication Critical patent/CN115396910B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
    • 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)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种去蜂窝网络多个智能超表面位置优化方法，随机生成每个智能超表面的初始位置信息；基于最小路径损耗原则为第一用户、智能超表面和基站建立连接，得到网络拓扑结构；其中，第一用户为与基站之间没有直接链路的用户；基于网络拓扑结构，以用户平均接收功率最大为目标、智能超表面的位置信息为优化变量建立优化问题；求解优化问题，得到智能超表面的位置信息；本发明通过将第一用户、智能超表面和基站建立间接，再通过建立的拓扑网络结构构建优化问题，可以得到使用户平均接收功率最大的智能超表面的位置信息，进而避免系统中障碍物堵塞，达到通过优化智能超表面的位置来提升网络通信效率。

Description

去蜂窝网络多个智能超表面位置优化方法
技术领域
本发明属于无线通信技术领域，尤其涉及一种去蜂窝网络多个智能超表面位置优化方法。
背景技术
未来十年通信网络容量千倍增长，但高度复杂的网络、高成本的硬件和日益增加的能源消耗成为未来无线通信面临的关键问题。在实际多基站有阻塞的场景中，用户很有可能因为被障碍物堵塞，而接收不到基站发送的信号。智能超表面以其独特的低成本、低能耗、可编程、易部署的特点脱颖而出，因此部署智能超表面可扩大基站覆盖范围，增强用户的接收信号。
目前，智能超表面的应用通常是单独部署优化在通信系统中，这种方式虽然在一定程度上提升了通信效率，但随着应用场景的扩展，针对复杂通信系统(如多基站和多用户)，单独布置智能超表面将难以达到预定需求，因此需要部署多个智能超表面来辅助通信。
当通信系统中的基站、用户和智能超表面逐渐增多后，使用智能超表面辅助用户服务时，位于不同位置的智能超表面如何来选择所关联的基站、用户，成为了复杂通信系统亟待解决的问题。
发明内容
本发明的目的是提供一种去蜂窝网络多个智能超表面位置优化方法，通过合理的方法为智能超表面关联用户和基站，并使智能超表面位于最佳部署位置，进而提高用户接收信号强度。
本发明采用以下技术方案：一种去蜂窝网络多个智能超表面位置优化方法，包括以下步骤：
随机生成每个智能超表面的初始位置信息；
基于最小路径损耗原则为第一用户、智能超表面和基站建立连接，得到网络拓扑结构；其中，第一用户为与基站之间没有直接链路的用户；
基于网络拓扑结构，以用户平均接收功率最大为目标、智能超表面的位置信息为优化变量建立优化问题；
求解优化问题，得到智能超表面的位置信息。
进一步地，优化问题为：
Figure BDA0003818542340000021
其中，Pavg为用户平均接收功率，CR为智能超表面的位置信息，M为用户的数量，Stotal用户接收功率，
Figure BDA0003818542340000022
为第j个智能超表面的位置信息，
Figure BDA0003818542340000023
为第f个智能超表面的位置信息，Δ为智能超表面之间的最小距离阈值，J为智能超表面的数量，
Figure BDA0003818542340000024
为第m个用户和第k个基站之间的连接标识，pk,m为第k个基站为第m个用户分配的发射功率，
Figure BDA0003818542340000025
为第j个智能超表面和第k个基站之间的连接标识，pk,j为第k个基站为第j个智能超表面分配的发射功率，
Figure BDA0003818542340000026
为第k个基站的最大发射功率，
Figure BDA0003818542340000031
为第m个用户和第j个智能超表面之间的连接标识。
进一步地，求解优化问题包括：
采用遗传算法求解智能超表面的位置信息；
其中，在遗传算法中，以所有智能超表面的位置信息作为种群、以每个智能超表面的位置信息作为染色体上的一个基因、以及以用户平均接收功率作为染色体的适应度。
进一步地，随机生成每个智能超表面的初始位置信息之前还包括：
获取基站的位置信息、用户的位置信息和障碍物的位置信息。
进一步地，基于最小路径损耗原则为第一用户、智能超表面和基站建立连接之前还包括：
基于最小路径损耗原则为用户和基站之间建立直接链路；
根据直接链路和障碍物的位置信息确定第一用户。
进一步地，基于最小路径损耗原则为用户和基站之间建立直接链路包括：
Figure BDA0003818542340000032
其中，kd为与用户建立直接链路的基站的位置信息，Ld(k)为用户对应的最小路径损耗，
Figure BDA0003818542340000033
为第m个基站到第k个用户的距离，ρ为路径损失指数。
进一步地，基于最小路径损耗原则为第一用户、智能超表面和基站建立连接包括：
Figure BDA0003818542340000034
其中，ki,r为通过与用户建立间接链路的基站的位置信息，
Figure BDA0003818542340000041
N为智能超表面的反射单元数量，
Figure BDA0003818542340000042
为第k个基站和第j个智能超表面之间的距离，
Figure BDA0003818542340000043
为第j个智能超表面和第m个用户之间的距离。
进一步地，基于最小路径损耗原则为第一用户、智能超表面和基站建立连接之后还包括：
计算基站的实际发射功率；
当实际发射功率大于基站的最大发射功率时，重新为第一用户、智能超表面和基站建立连接。
本发明的另一种技术方案：一种去蜂窝网络多个智能超表面位置优化装置，包括：
生成模块，用于随机生成每个智能超表面的初始位置信息；
连接模块，用于基于最小路径损耗原则为第一用户、智能超表面和基站建立连接，得到网络拓扑结构；其中，第一用户为与基站之间没有直接链路的用户；
建立模块，用于基于网络拓扑结构，以用户平均接收功率最大为目标、智能超表面的位置信息为优化变量建立优化问题；
求解模块，用于求解优化问题，得到智能超表面的位置信息。
本发明的另一种技术方案：一种去蜂窝网络多个智能超表面位置优化装置，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的一种去蜂窝网络多个智能超表面位置优化方法。
本发明的有益效果是：本发明通过将第一用户、智能超表面和基站建立间接，再通过建立的拓扑网络结构构建优化问题，可以得到使用户平均接收功率最大的智能超表面的位置信息，进而避免系统中障碍物堵塞，达到通过优化智能超表面的位置来提升网络通信效率。
附图说明
图1为本发明实施例一种去蜂窝网络多个智能超表面位置优化方法的流程图；
图2为本发明实施例一种去蜂窝网络多个智能超表面位置优化装置的结构示意图；
图3为本发明实施例中智能超表面设置单元数分别为150、100、50时实现用户平均接收功率随迭代次数变化的情况图；
图4为本发明实施例中用户数不同时，用户平均接收功率随智能超表面单元数变化的情况图；
图5为本发明实施例中用户平均接收功率随基站给单个用户发射功率变化的情况图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明公开了一种去蜂窝网络多个智能超表面位置优化方法，如图1所示，包括以下步骤：步骤S110、随机生成每个智能超表面的初始位置信息；步骤S120、基于最小路径损耗原则为第一用户、智能超表面和基站建立连接，得到网络拓扑结构；其中，第一用户为与基站之间没有直接链路的用户；步骤S130、基于网络拓扑结构，以用户平均接收功率最大为目标、智能超表面的位置信息为优化变量建立优化问题；步骤S140、求解优化问题，得到智能超表面的位置信息。
本发明通过将第一用户、智能超表面和基站建立间接，再通过建立的拓扑网络结构构建优化问题，可以得到使用户平均接收功率最大的智能超表面的位置信息，进而避免系统中障碍物堵塞，达到通过优化智能超表面的位置来提升网络通信效率。
在本发明实施例中，首先获取基站的位置信息、用户的位置信息和障碍物的位置信息。设一共部署J个RIS，基站、用户和障碍物的横坐标和纵坐标在面积为S的区域内服从密度为λB、λU和λf的二维齐次泊松点过程，设它们的高度为固定值，且基站、用户和障碍物分布互相独立。则基站、用户、障碍物的个数可以表示为：
K＝λBS，
M＝λUS，
F＝λfS，
其中，K为基站数量，M为用户数量，F为障碍物数量。基站k的坐标为
Figure BDA0003818542340000061
用户m的坐标为
Figure BDA0003818542340000062
障碍物f的坐标为Cf＝(xf,yf,hf)，智能超表面的初始位置随机生成，智能超表面j的坐标为CRj＝(xj,yj,hj)，其中，基站、用户、RIS高度固定。
在基于最小路径损耗原则为第一用户、智能超表面和基站建立连接之前，基于最小路径损耗原则为用户和基站之间建立直接链路；根据直接链路和障碍物的位置信息确定第一用户。
在本发明实施例中，基于最小路径损耗原则为用户和基站之间建立直接链路包括：
Figure BDA0003818542340000063
其中，kd为与用户建立直接链路的基站的位置信息，Ld(k)为用户对应的最小路径损耗，
Figure BDA0003818542340000071
为第m个基站到第k个用户的距离，ρ为路径损失指数。
Figure BDA0003818542340000072
为0或1，
Figure BDA0003818542340000073
表示基站k与用户m之间通过直接链路连接，
Figure BDA0003818542340000074
则二者之间通过间接链路连接。
将用户和基站之间建立直接链路后，则判断在链路上是否有障碍物阻塞，若用户与基站之间有视距链路，则用户接收来自基站的信号，此时用户与提供路径损耗最小的基站关联；若由于用户被障碍物堵塞导致基站与用户之间没有视距链路，则用户接收来自RIS(智能超表面)的信号，此时用户与提供路径损耗最小的RIS关联，RIS与提供路径损耗最小的基站关联。
得到第一用户之后，基于最小路径损耗原则为第一用户、智能超表面和基站建立连接包括：
Figure BDA0003818542340000075
其中，ki,r为通过与用户建立间接链路的基站的位置信息，
Figure BDA0003818542340000076
N为智能超表面的反射单元数量，
Figure BDA0003818542340000077
为第k个基站和第j个智能超表面之间的距离，
Figure BDA0003818542340000078
为第j个智能超表面和第m个用户之间的距离。
Figure BDA0003818542340000079
表示基站k与智能超表面j建立了通信关联，
Figure BDA00038185423400000710
表示没有建立通信关联。
Figure BDA00038185423400000711
表示智能超表面j与用户m建立了通信关联，
Figure BDA00038185423400000712
表示没有建立通信关联。
通过判断基站的发射功率与最大发射功率的大小关系，决策基站、RIS、用户是否可以建立通信关联。也就是说，计算基站的实际发射功率；当实际发射功率大于基站的最大发射功率时，重新为第一用户、智能超表面和基站建立连接。
具体通过以下公式限制：
Figure BDA0003818542340000081
其中，
Figure BDA0003818542340000082
代表单个基站发送的功率上限，上式表示基站k在所关联的RIS和用户上的功率之和不能超过最大发射功率；单个用户不能关联多个基站；单个RIS不能关联多个基站；单个用户不能关联多个RIS。若基站超过了关联上限，则需要重新为用户和RIS关联基站。
用户通过直接链路接收到的信号可表示为：
Figure BDA0003818542340000083
其中，
Figure BDA0003818542340000084
为每个基站的最大发射功率，GB为基站的增益，GU为用户的增益；
Figure BDA0003818542340000085
为基站k到用户m的直接距离。
Figure BDA0003818542340000086
可表达为：
Figure BDA0003818542340000087
用户通过间接链路接收到的信号为：
Figure BDA0003818542340000088
其中，
Figure BDA0003818542340000089
为RISj的第n个反射单元在入射方向上的增益；
Figure BDA00038185423400000810
为RISj的第n个反射单元在反射方向上的增益；
Figure BDA00038185423400000811
为基站k到智能超表面j的第n个反射单元的距离；
Figure BDA00038185423400000812
为智能超表面j的第n个反射单元到用户m的距离；
Figure BDA00038185423400000813
为智能超表面j的第n个反射单元的相移，为了使用户平均接收功率最大，设
Figure BDA0003818542340000091
且
Figure BDA0003818542340000092
和
Figure BDA0003818542340000093
可表达为：
Figure BDA0003818542340000094
Figure BDA0003818542340000095
进一步，以智能超表面位置为优化变量，用户平均接收功率为优化目标，建立数学优化问题，即：
Figure BDA0003818542340000096
其中，为了减少RIS之间的干扰，使约束c1表示任意两个RIS之间的最小距离约束；约束c2表示基站所发射的功率不能超过基站的最大发射功率；约束c3表示表示单个用户不能关联多个基站；约束c4表示单个RIS不能关联多个基站；约束c5表示单个用户不能关联多个RIS。具体的，Pavg为用户平均接收功率，CR为智能超表面的位置信息，M为用户的数量，Stotal用户接收功率，
Figure BDA0003818542340000097
为第j个智能超表面的位置信息，
Figure BDA0003818542340000098
为第f个智能超表面的位置信息，Δ为智能超表面之间的最小距离阈值，J为智能超表面的数量，
Figure BDA0003818542340000099
为第m个用户和第k个基站之间的连接标识，pk,m为第k个基站为第m个用户分配的发射功率，
Figure BDA00038185423400000910
为第j个智能超表面和第k个基站之间的连接标识，pk,j为第k个基站为第j个智能超表面分配的发射功率，
Figure BDA0003818542340000101
为第k个基站的最大发射功率，
Figure BDA0003818542340000102
为第m个用户和第j个智能超表面之间的连接标识。
在求解优化问题时，本发明实施例采用遗传算法求解智能超表面的位置信息；具体的，在遗传算法中，以所有智能超表面的位置信息作为种群、以每个智能超表面的位置信息作为染色体上的一个基因、以及以用户平均接收功率作为染色体的适应度。
更为具体的，包括以下步骤(其中，为了描述方便上述的一些步骤也放入了求解步骤中)：
Step 1、根据基站、用户的位置信息以及基于路径损耗的关联策略，关联基站与用户。
Step 2、根据约束条件c1生成若干条染色体作为初始种群，即RIS的初始坐标集合，并设定算法中的遗传代数、交叉概率及变异概率。
Step 3、根据RIS的坐标以及基于路径损耗的关联策略，为被障碍物阻塞的用户关联RIS。
Step 4、基于路径损耗的关联策略为RIS关联基站。
Step 5、判断RIS关联的用户是否超过关联上限，若超过，则执行Step 3重新为此用户关联RIS。若未超过，则执行Step 6。
Step 6、判断基站关联的RIS是否超过关联上限，若超过，则执行Step 4重新为此RIS关联基站。若未超过，则执行Step 7。
Step 7、计算所有染色体的适应度，选出使用户平均接收功率最大的一组染色体。
Step 8、按照交叉概率决定新种群中的每个个体是否交叉，若交叉则随机生成交叉点，利用君主方案生成新的种群。
Step 9、按照变异概率决定新种群中的每个个体是否变异，若变异则随机选取两个基因进行变异。
Step 10、判断此时由子代生成的种群是否满足约束，若不满足，则返回Step8，若满足，保留此时子代作为下一代种群。
Step 11、判断遗传代数是否达到G(即最大迭代次数)，若未达到返回Step2，且将此时的子代作为下一次迭代开始RIS的位置；若达到则结束算法。
本发明综合考虑实际情况下基站、用户、阻塞随机部署，在用户与基站之间没有视线路径的情况下合理配置基站、用户、RIS之间的关联，优化RIS位置，使信号被堵塞的用户也能实现很好的接收功率。基站、阻塞、用户采用泊松点分布，RIS初始位置随机分布，若用户与基站之间有视线链路，则基站为用户服务，若用户与基站之间无视线链路，则利用RIS来辅助通信。
下面结合仿真对本发明的应用效果作详细的描述，通过MATLAB仿真来验证上述实施例方法的有效性。在面积为106m2的范围内部署基站、RIS、用户和障碍物，基站个数为10个，智能超表面个数为30个，若无特别说明，用户数为300。设基站高度为18m、智能超表面高度为20m、用户高度为1.6m。遗传算法中交叉率设为0.45，变异率设为0.02。
如图3所示，为智能超表面设置单元数分别为150、100、50时方案所实现用户平均接收功率随迭代次数变化的情况。每个基站的最大发射功率为30W。仿真结果显示，随迭代次数增多，算法基本收敛，且智能超表面位置优化后系统用户平均接收功率相比优化前系统用户平均接收功率有着显著的提升。
如图4所示，用户数不同时，用户平均接收功率随智能超表面单元数变化的情况。每个基站的最大发射功率为5W。如图可知，随着智能超表面单元数增加，用户平均接收功率增加逐渐缓慢。
如图5所示，为部署智能超表面和无智能超表面方案，用户平均接收功率随基站给单个用户发射功率变化的情况。如图可知，与不使用智能超表面相比，本发明显著提升了用户平均接收功率。在有智能超表面辅助时，随着单元数增加，用户平均接收功率增加逐渐减小。
本发明还公开了一种去蜂窝网络多个智能超表面位置优化装置，如图2所示包括：生成模块210，用于随机生成每个智能超表面的初始位置信息；连接模块220，用于基于最小路径损耗原则为第一用户、智能超表面和基站建立连接，得到网络拓扑结构；其中，第一用户为与基站之间没有直接链路的用户；建立模块230，用于基于网络拓扑结构，以用户平均接收功率最大为目标、智能超表面的位置信息为优化变量建立优化问题；求解模块240，用于求解优化问题，得到智能超表面的位置信息。
需要说明的是，上述模块之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将所述装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述装置中模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本发明还公开了一种去蜂窝网络多个智能超表面位置优化装置，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的一种去蜂窝网络多个智能超表面位置优化方法。
上述的装置可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该装置可包括但不仅限于处理器、存储器。本领域技术人员可以理解，该装置可以包括更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
处理器可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器在一些实施例中可以是所述装置的内部存储单元，例如装置的硬盘或内存。所述存储器在另一些实施例中也可以是所述装置的外部存储设备，例如所述装置上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器还可以既包括所述装置的内部存储单元也包括外部存储设备。所述存储器用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是，上述装置的具体内容，由于与本发明方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

Claims (10)

1.一种去蜂窝网络多个智能超表面位置优化方法，其特征在于，包括以下步骤：
随机生成每个智能超表面的初始位置信息；
基于最小路径损耗原则为第一用户、智能超表面和基站建立连接，得到网络拓扑结构；其中，所述第一用户为与基站之间没有直接链路的用户；
基于所述网络拓扑结构，以用户平均接收功率最大为目标、智能超表面的位置信息为优化变量建立优化问题；
求解所述优化问题，得到所述智能超表面的位置信息。
2.如权利要求1所述的一种去蜂窝网络多个智能超表面位置优化方法，其特征在于，所述优化问题为：
Figure FDA0003818542330000011
其中，Pavg为用户平均接收功率，CR为智能超表面的位置信息，M为用户的数量，Stotal为用户接收功率，
Figure FDA0003818542330000012
为第j个智能超表面的位置信息，
Figure FDA0003818542330000013
为第f个智能超表面的位置信息，Δ为智能超表面之间的最小距离阈值，J为智能超表面的数量，
Figure FDA0003818542330000014
为第m个用户和第k个基站之间的连接标识，pk,m为第k个基站为第m个用户分配的发射功率，
Figure FDA0003818542330000015
为第j个智能超表面和第k个基站之间的连接标识，pk,j为第k个基站为第j个智能超表面分配的发射功率，
Figure FDA0003818542330000021
为第k个基站的最大发射功率，
Figure FDA0003818542330000025
为第m个用户和第j个智能超表面之间的连接标识。
3.如权利要求2所述的一种去蜂窝网络多个智能超表面位置优化方法，其特征在于，求解所述优化问题包括：
采用遗传算法求解所述智能超表面的位置信息；
其中，在遗传算法中，以所有智能超表面的位置信息作为种群、以每个所述智能超表面的位置信息作为染色体上的一个基因、以及以用户平均接收功率作为染色体的适应度。
4.如权利要求2或3所述的一种去蜂窝网络多个智能超表面位置优化方法，其特征在于，随机生成每个智能超表面的初始位置信息之前还包括：
获取基站的位置信息、用户的位置信息和障碍物的位置信息。
5.如权利要求4所述的一种去蜂窝网络多个智能超表面位置优化方法，其特征在于，基于最小路径损耗原则为第一用户、智能超表面和基站建立连接之前还包括：
基于最小路径损耗原则为用户和基站之间建立直接链路；
根据所述直接链路和所述障碍物的位置信息确定第一用户。
6.如权利要求5所述的一种去蜂窝网络多个智能超表面位置优化方法，其特征在于，基于最小路径损耗原则为用户和基站之间建立直接链路包括：
Figure FDA0003818542330000022
其中，kd为与用户建立直接链路的基站的位置信息，Ld(k)为用户对应的最小路径损耗，
Figure FDA0003818542330000023
Figure FDA0003818542330000024
为第m个基站到第k个用户的距离，ρ为路径损失指数。
7.如权利要求6所述的一种去蜂窝网络多个智能超表面位置优化方法，其特征在于，基于最小路径损耗原则为第一用户、智能超表面和基站建立连接包括：
Figure FDA0003818542330000031
其中，ki,r为通过与用户建立间接链路的基站的位置信息，
Figure FDA0003818542330000032
N为智能超表面的反射单元数量，
Figure FDA0003818542330000033
为第k个基站和第j个智能超表面之间的距离，
Figure FDA0003818542330000034
为第j个智能超表面和第m个用户之间的距离。
8.如权利要求4-7任一所述的一种去蜂窝网络多个智能超表面位置优化方法，其特征在于，基于最小路径损耗原则为第一用户、智能超表面和基站建立连接之后还包括：
计算所述基站的实际发射功率；
当所述实际发射功率大于所述基站的最大发射功率时，重新为第一用户、智能超表面和基站建立连接。
9.一种去蜂窝网络多个智能超表面位置优化装置，其特征在于，包括：
生成模块，用于随机生成每个智能超表面的初始位置信息；
连接模块，用于基于最小路径损耗原则为第一用户、智能超表面和基站建立连接，得到网络拓扑结构；其中，所述第一用户为与基站之间没有直接链路的用户；
建立模块，用于基于所述网络拓扑结构，以用户平均接收功率最大为目标、智能超表面的位置信息为优化变量建立优化问题；
求解模块，用于求解所述优化问题，得到所述智能超表面的位置信息。
10.一种去蜂窝网络多个智能超表面位置优化装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-8任一项所述的一种去蜂窝网络多个智能超表面位置优化方法。
CN202211034911.7A 2022-08-26 2022-08-26 去蜂窝网络多个智能超表面位置优化方法 Active CN115396910B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211034911.7A CN115396910B (zh) 2022-08-26 2022-08-26 去蜂窝网络多个智能超表面位置优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211034911.7A CN115396910B (zh) 2022-08-26 2022-08-26 去蜂窝网络多个智能超表面位置优化方法

Publications (2)

Publication Number Publication Date
CN115396910A true CN115396910A (zh) 2022-11-25
CN115396910B CN115396910B (zh) 2023-03-10

Family

ID=84122939

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211034911.7A Active CN115396910B (zh) 2022-08-26 2022-08-26 去蜂窝网络多个智能超表面位置优化方法

Country Status (1)

Country Link
CN (1) CN115396910B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113068195A (zh) * 2021-03-17 2021-07-02 东南大学 基于用户速率最大化的智能超表面位置设计方法
CN113613273A (zh) * 2021-08-09 2021-11-05 重庆邮电大学 一种智能超表面辅助无线供电网络的稳健能效优化方法
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
CN113784313A (zh) * 2021-09-07 2021-12-10 杭州腓腓科技有限公司 一种基于可重构反射超表面的车联网通信优化方法及系统
WO2022121706A1 (zh) * 2020-12-10 2022-06-16 大唐移动通信设备有限公司 传输控制方法、装置及智能超表面
CN114786189A (zh) * 2022-04-25 2022-07-22 西安科技大学 一种智能超表面辅助的室内通信方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
WO2022121706A1 (zh) * 2020-12-10 2022-06-16 大唐移动通信设备有限公司 传输控制方法、装置及智能超表面
CN113068195A (zh) * 2021-03-17 2021-07-02 东南大学 基于用户速率最大化的智能超表面位置设计方法
CN113613273A (zh) * 2021-08-09 2021-11-05 重庆邮电大学 一种智能超表面辅助无线供电网络的稳健能效优化方法
CN113784313A (zh) * 2021-09-07 2021-12-10 杭州腓腓科技有限公司 一种基于可重构反射超表面的车联网通信优化方法及系统
CN114786189A (zh) * 2022-04-25 2022-07-22 西安科技大学 一种智能超表面辅助的室内通信方法

Also Published As

Publication number Publication date
CN115396910B (zh) 2023-03-10

Similar Documents

Publication Publication Date Title
US8301736B2 (en) Method for selecting and configuring network supernodes
CN109862573B (zh) 一种基于多目标粒子群的lte混合组网自规划方法
CN108737569B (zh) 一种面向移动边缘计算环境的服务选择方法
CN103002520A (zh) 多模终端选择能够保证服务质量的目标网络的方法
US9632829B2 (en) Distributed storage allocation for heterogeneous systems
CN108777853B (zh) 一种基于d2d的网络边缘缓存方法及系统
CN106713468A (zh) 一种分布式集群服务结构及其节点协同方法
CN112561700B (zh) 区块链中交易数据的验证方法、及区块链系统
CN105873214A (zh) 一种基于遗传算法的d2d通信系统的资源分配方法
CN115396910B (zh) 去蜂窝网络多个智能超表面位置优化方法
CN112020074A (zh) 无线访问接入点部署方法和装置、存储介质
CN109952809A (zh) 四元全网状以维度驱动的网络架构
CN111556531B (zh) 一种微蜂窝无线网中的协作缓存优化方法
CN116702514B (zh) 基于近电场优化的天线阵列优化方法、装置、介质和设备
CN109726479A (zh) 一种三维片上网络垂直通道的部署方法
CN116582910B (zh) 一种数字信息传输方法及系统
CN110636513B (zh) 具有可靠性保障的5g网络部署方法
KR101609457B1 (ko) 대용량 그래프 데이터베이스에서 하한 경계값에 기초하여 메디안 노드를 검색하는 방법
Schleich et al. Optimising small-world properties in VANETs: centralised and distributed overlay approaches
WO2015073069A1 (en) Method and apparatus for enhanced multi-node utilization of an electromagnetic state space
CN109769252A (zh) 一种中继节点在无线传感网络中的部署优化方法
Wei et al. Deployment of a reinforcement backbone network with constraints of connection and resources
CN115802390B (zh) 基于公共信道邻居比的多信道无线自组网优化方法和装置
KR102462460B1 (ko) 업링크 통신이 고려된 멀티 엑세스 에지 컴퓨팅 환경에서 신뢰성 있는 태스크 오프로딩 방법 및 시스템
CN115277394B (zh) 一种移动边缘网络中基于适应度的边缘服务器部署方法

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