CN116112941B - 一种多ris辅助的无线网络覆盖优化方法与装置 - Google Patents
一种多ris辅助的无线网络覆盖优化方法与装置 Download PDFInfo
- Publication number
- CN116112941B CN116112941B CN202310133026.2A CN202310133026A CN116112941B CN 116112941 B CN116112941 B CN 116112941B CN 202310133026 A CN202310133026 A CN 202310133026A CN 116112941 B CN116112941 B CN 116112941B
- Authority
- CN
- China
- Prior art keywords
- ris
- base station
- association
- coefficient matrix
- spectrum efficiency
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000011159 matrix material Substances 0.000 claims abstract description 55
- 238000001228 spectrum Methods 0.000 claims abstract description 34
- 239000002245 particle Substances 0.000 claims abstract description 24
- 239000013598 vector Substances 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 7
- 230000003595 spectral effect Effects 0.000 claims description 7
- 241000209094 Oryza Species 0.000 claims description 6
- 235000007164 Oryza sativa Nutrition 0.000 claims description 6
- 235000009566 rice Nutrition 0.000 claims description 6
- 230000010363 phase shift Effects 0.000 claims description 5
- 238000005562 fading Methods 0.000 claims description 4
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 238000010304 firing Methods 0.000 claims 1
- 230000014509 gene expression Effects 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 6
- 238000001829 resonance ionisation spectroscopy Methods 0.000 description 93
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 101100402890 Methanothermobacter thermautotrophicus (strain ATCC 29096 / DSM 1053 / JCM 10044 / NBRC 100330 / Delta H) mthK gene Proteins 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种多RIS辅助的无线网络覆盖优化方法，首先根据RIS的反射特性，建立基于多RIS辅助的无线网络系统模型与基于BS‑RIS链路信道、RIS反射系数矩阵、RIS‑UE链路信道的BS‑RIS‑UE级联等效信道模型；基于上述信道模型建立系统频谱效率模型并近似，得到近似后的系统频谱效率模型；然后以最大化近似后的系统频谱效率模型为目标，以网络拓扑为优化变量，以BS、RIS的关联数目受限为约束建立优化问题；最后对优化问题进行简化，利用分支定界法、顺序更新法以及粒子群算法求解，得到优化后的网络拓扑。本发明通过阐释网络拓扑与系统频谱效率之间的本质关系，设计优化算法获得优化后的网络拓扑，可以有效提高通信系统的频谱效率，以实现无线网络覆盖优化。
Description
技术领域
本发明属于移动通信技术领域，特别涉及一种多RIS辅助的无线网络覆盖优化方法与装置。
背景技术
覆盖问题是无线网络亟待解决的重要问题之一。可重构智能超表面(Reconfigurable Intelligent Surface,RIS)作为6G的关键核心技术之一，能够部署在基站(Base Statuion,BS)和覆盖盲区、基站和边缘用户或弱覆盖区之间，通过建立虚拟视距链路加强用户终端(User Equipment,UE)的接收信号强度、无线信号的传输距离，增强边缘覆盖能力，填补覆盖空洞等，并能够利用对无线传播环境的智能配置形成灵活可控的赋形波束，提升6G通信网络的性能。
然而RIS作为一种全新技术，由于其具有调控传统电磁波的传输路径及用户接收信号的能力，使现有的通信网络拓扑架构发生巨大改变。网络拓扑包含BS或RIS数目、BS-RIS-UE的关联方式等因素，对于多RIS辅助的无线网络而言，不同的网络拓扑会导致系统性能的显著差异。在给定空间内部署更多BS或RIS可能会带来通信质量的提升，但这是以更高关联/调控复杂度、部署/运营成本或能耗为代价获得的，因此需要从网络拓扑方面对多RIS辅助的无线网络进行覆盖优化。
针对多RIS的无线网络覆盖优化问题，现有的基于多RIS的研究多聚焦于在单小区场景下通过对波束赋形、关联、位置等参数进行优化以达到覆盖优化的目的，而在多小区复杂场景下的相关探索非常匮乏。此外，大部分涉及多小区的研究尚未考虑部署RIS后的网络拓扑对覆盖优化的影响。
发明内容
为了克服上述现有技术的缺点，本发明的目的在于提供一种多RIS辅助的无线网络覆盖优化方法，通过网络拓扑与系统频谱效率之间的解析关系设计网络拓扑，提高通信系统的频谱效率，实现无线网络覆盖优化。
为了实现上述目的，本发明采用的技术方案是：
一种多RIS辅助的无线网络覆盖优化方法，包括如下步骤：
S110，根据RIS的反射特性，建立多RIS辅助的无线网络系统模型与基于BS-RIS链路信道、RIS反射系数矩阵、RIS-UE链路信道的BS-RIS-UE级联等效信道模型；
S120，基于所述信道模型建立系统频谱效率模型并近似，得到近似后的系统频谱效率模型；
S130，以最大化近似后的系统频谱效率模型为目标，以基站部署密度、RIS部署密度、BS-UE关联系数矩阵、RIS-UE关联系数矩阵为优化变量，以基站、RIS的关联数目受限为约束建立优化问题；
S140，对优化问题进行简化，利用分支定界法、顺序更新法以及粒子群算法求解，得到优化后的基站部署密度、RIS部署密度、BS-UE关联系数矩阵、RIS-UE关联系数矩阵，实现无线网络覆盖优化。
与现有技术相比，本发明根据RIS的反射特性，依次构建BS-RIS-UE级联等效信道模型和系统频谱效率近似模型，并以最大化近似后的系统频谱效率模型为目标，以网络拓扑为优化变量，以BS、RIS的关联数目受限为约束建立优化问题，利用分支定界法、顺序更新法以及粒子群算法对优化问题进行求解，进而得到优化后的网络拓扑，可以使系统频谱效率得到进一步提高，实现无线网络覆盖优化。
附图说明
图1为本发明实施例一种多RIS辅助的无线网络覆盖优化方法的流程图。
图2为本发明实施例中RIS辅助的无线网络场景示意图。
图3为本发明验证实施例中在不同用户数下采用所提方案的网络拓扑与其他网络拓扑的效果对比示意图。
图4为本发明验证实施例中采用所提方案的网络拓扑与其他网络拓扑随RIS反射元件数的效果对比示意图。
图5为本发明验证实施例一种多RIS辅助的无线网络覆盖优化装置的结构示意图。
具体实施方式
下面结合附图和实施例详细说明本发明的实施方式。
本发明公开了一种多RIS辅助的无线网络覆盖优化方法，从网络拓扑方面对多RIS辅助的无线网络覆盖优化进行研究，如图1所示，包括以下步骤：
S110、根据RIS的反射特性，建立多RIS辅助的无线网络系统模型与基于BS-RIS链路信道、RIS反射系数矩阵、RIS-UE链路信道的BS-RIS-UE级联等效信道模型。
在无线网络中大规模部署RIS来辅助基站到用户间的通信，如图2所示，网络中包含N个基站，M个RIS，K个单天线用户，每个基站配备L根发射天线，每个RIS配备J个反射单元。建立所述无线网络系统模型的方法可以描述为：
在半径R米的圆形范围内，采用独立泊松点过程对基站、RIS、用户进行建模，密度分别为λB、λR、λU，则N＝λBπR2，M＝λRπR2，K＝λUπR2；
在城市环境中通常无视距链路，且具有丰富的散射体，因此基站和用户之间的信道可用瑞利信道表示，即基站到用户的信道遵循瑞利衰落分布。将RIS部署在合适的位置可以构建视距路径，因此基站到RIS与RIS到用户的链路可用莱斯信道表示，即基站到RIS的信道与RIS到用户的信道均遵循莱斯衰落分布。由此，第n个基站到第m个RIS的信道Hn,m，第n个基站到第k个用户的信道hm,k，第n个基站到第k个用户的信道Gn,k可以分别表示为：
其中ξ是参考距离D0下的路径损耗，示例地，D0＝1m。β是链路相关的路径损耗指数，dn,m是第n个基站到第m个RIS的距离，dm,k是第m个RIS到第k个用户的距离，dn,k是第n个基站到第k个用户的距离；K1、K2为莱斯因子，为确定性的视距分量，和/>均为由零均值和单位方差的循环对称复高斯随机变量建模的非视距分量。
RIS的反射系数由相移与振幅组成，表示第m个RIS的对角线反射相移矩阵，即RIS反射系数矩阵，BS-RIS-UE级联等效信道模型fn,m,k可表示为：
fn,m,k＝Hn,mΦ(m)hm,k
为了最大化RIS的效用，设置RIS反射单元的振幅为最大值1，则Φ(m)可表示为：
表示第m个RIS中第j个RIS反射单元的相移。
S120、基于信道模型推导网络拓扑与系统频谱效率的解析关系，建立系统频谱效率模型，并进行近似，得到近似后的系统频谱效率模型。
第n个基站与第k个用户之间的关联系数表示为ρn,k，ρn,k＝1表示第n个基站与第k个用户关联，ρn,k＝0则表示不关联。第m个RIS与第k个用户之间的关联系数表示为δm,k，δm,k＝1表示第m个RIS与第k个用户关联，δm,k＝0表示不关联。
考虑RIS可以随机散射非预期信号，第k个用户接收到的第n个关联基站的有效信号表示如下：
其中发送信号满足wn,k为预编码矩阵。
非关联基站通过直接链路以及RIS的散射对用户施加同信道干扰，干扰信号表示如下：
基于信道模型可将用户k处的平均信干噪比(SINR)表示为：
其中σ2为加性复高斯噪声功率。
基站的预编码矩阵、RIS的反射系数矩阵与本发明的优化变量无关，为了便于后续求解，基站的预编码矩阵采用最大比传输方法设计，RIS的反射系数矩阵采用经典被动波束赋形算法设计，wn,k与可分别表示如下：
其中，d为阵元间距，λ为波长，为基站到RIS的到达方位角，/>为基站到RIS的到达仰角，/>为RIS到用户的离开方位角，/>为RIS到用户的离开仰角。
系统频谱效率R可表示为：
由此，本发明基于信道模型建立的系统频谱效率模型可进一步表示为：
其中，R为系统频谱效率，σ2为加性复高斯噪声功率，wn,k为基站的预编码矩阵，为信道的共轭转置。
为了将系统频谱效率表示为可处理的形式，对上述系统频谱效率模型利用Jensen不等式近似，得到近似后的系统频谱效率模型，可表示为：
其中，为系统频谱效率的近似。
S130、以最大化近似后的系统频谱效率模型为目标，以网络拓扑即基站部署密度、RIS部署密度、BS-UE关联系数矩阵、RIS-UE关联系数矩阵为优化变量，以基站、RIS的关联数目受限为约束建立优化问题。
假定一个基站最多服务A个用户：一个RIS最多服务一个用户：/>一个用户有且仅有一个基站为其提供服务：一个用户最多有一个RIS为其提供服务：/>
则本发明的优化问题可以表示为P1：
其中，表示BS-RIS关联系数矩阵，/>表示RIS-UE关联系数矩阵，用户c1表示一个基站最多服务A个用户，c2表示一个RIS最多服务一个用户，c3表示一个用户有且仅有一个基站为其提供服务，c4表示一个用户最多有一个RIS为其提供服务，c5、c6表示关联系数约束。
S140、对优化问题进行简化，利用分支定界法、顺序更新法以及粒子群算法求解，得到优化后的网络拓扑，即基站部署密度、RIS部署密度、BS-UE关联系数矩阵、RIS-UE关联系数矩阵，使系统频谱效率得到进一步提高，实现无线网络覆盖优化。
上述问题P1为非凸非线性问题，多个优化变量之间存在耦合关系，很难通过数学方法将问原问题转化为凸问题。因此，采用一种双层循环的算法来求解所建模优化问题，外层利用粒子群算法求解，内层分为两个子问题，分别利用分支定界法与顺序更新法求解，具体步骤为：
S1401，固定δ,λB,λR，通过引入辅助变量z将原问题P1转化为混合整数线性规划问题(MILP)P2，通过针对MILP问题常用的分支定界法求解，得到固定δ,λB,λR下的最优BS-UE关联系数矩阵ρ*。示例地，P2可表示如下：
S1402，固定ρ,λB,λR，将原问题P1转化为非凸非线性的混合整数问题，并通过顺序更新法求解，得到固定ρ,λB,λR下的最优BS-UE关联系数矩阵δ*。
具体地，RIS-UE关联系数矩阵δ的第m行为第m个RIS的关联向量δm＝[δm,1,δm,2,…,δm,K]，将δ按行拆分成M个关联向量，优化第m个关联向量δm同时固定其余m-1个关联向量；基于此，以关联向量δm为优化变量的优化问题P3可表示如下：
通过枚举第m个RIS的K个用户，得到P3的最优解，第m个RIS的相关用户被更新，第m+1个RIS开始优化，这个过程的优化目标是非递减的，保证了收敛性。最后，多次迭代更新至收敛后合并M个关联向量，得到固定ρ,λB,λR下的最优BS-UE关联系数矩阵δ*。
S1403，循环执行S1401和S1402，进行交替迭代，判断是否收敛或迭代次数达到预先设置的最大迭代值，若满足终止条件则输出ρ*,δ*，其为固定λB,λR下的最优解。
S1404，对于每对λB,λR值，均通过步骤S1401到S1403获得最优BS-UE关联系数矩阵ρ*与最优BS-UE关联系数矩阵δ*，基于此，利用粒子群算法搜索最优得到优化后的ρ*,δ*。
本发明的实施例中提供了粒子群算法的具体实现方式，如下：
令λ＝[λB,λR]，粒子代表二维密度λ，粒子群算法中的适应度函数定义为粒子移动速度v与粒子位置x更新规则如下：
其中，i＝1,2,…,S，S为粒子总数；n＝1,2表示粒子的第n维空间；t为当前更新次数；c1、c2是学习因子，r1和r2是[0,1]之间均匀分布的随机数，w为惯性权重因子，为第i个粒子第n维的最优位置，/>为粒子群体第n维的最优位置；
算法流程如下：初始化每个粒子并计算粒子的适应度，按递减排序得到群体的全局最优位置；更新每个粒子的速度和位置，评估每个粒子的适应度，再更新每个粒子的最优位置以及群体的全局最优位置，多次更新至收敛或更新次数达到预先设置的最大值后输出λ*，此时的ρ*,δ*也为最优，即得到ρ*,δ*。
对本发明实施例的方法进行了验证。本发明采用的不同参数对比配置为：(1)无RIS情况下BS-UE采用最近距离关联；(2)有RIS情况下BS-UE与RIS-UE采用最近距离关联；(3)有RIS情况下固定BS-UE关联，优化RIS-UE关联；(4)有RIS情况下固定RIS-UE关联，优化BS-UE关联；(5)BS/UE密度比为0.17，RIS/UE密度比为0.5；(6)BS/UE密度比为0.2，RIS/UE密度比为0.6。方案(1)-(4)均涉及密度优化，方案(5)-(6)仅涉及关联优化。
图3仿真了BS天线数为8，RIS反射元件数为256，区域半径为500m时采用所提方案的网络拓扑与其他网络拓扑的性能对比。从图中可以看出部署RIS能提升系统性能，BS与UE之间的关联对系统性能的影响较RIS与UE的关联更大，通过对BS/RIS部署密度与BS-RIS-UE关联的优化能使系统性能进一步提升，且用户数越多所提方案较其他参数配置对性能的提升越大，这是因为系统规模越大，覆盖优化越为重要。
图4仿真了BS天线数为8，UE数为40，区域半径为400m时采用所提方案的网络拓扑与其他网络拓扑的性能对比。从图中可以看出部署RIS对系统性能的提升效果随着RIS反射元件数增多而提高。方案(6)在低RIS反射元件下系统性能低于无RIS时的系统性能，这是因为密度过大会导致干扰过大，符合理论分析。图3与图4的仿真结果均验证了本发明优化方法的有效性。
本发明还公开了一种多RIS辅助的无线网络覆盖优化装置，如图5所示，包括：构建模块210，用于根据RIS的反射特性，建立多RIS辅助的无线网络系统模型与基于BS-RIS链路信道、RIS反射系数矩阵、RIS-UE链路信道的BS-RIS-UE级联等效信道模型；近似模块220，用于基于所述信道模型构建系统频谱效率模型并近似，得到近似后的系统频谱效率模型；建立模块230，用于以最大化近似后的系统频谱效率模型为目标，以基站部署密度、RIS部署密度、BS-UE关联系数矩阵、RIS-UE关联系数矩阵为优化变量，以BS、RIS的关联数目受限为约束建立优化问题；求解模块240，用于对优化问题进行简化，利用分支定界法、顺序更新法以及粒子群算法求解，得到优化后的基站部署密度、RIS部署密度、BS-UE关联系数矩阵、RIS-UE关联系数矩阵。
Claims (4)
1.一种多RIS辅助的无线网络覆盖优化方法，其特征在于，包括如下步骤：
S110，根据RIS的反射特性，建立多RIS辅助的无线网络系统模型与基于BS-RIS链路信道、RIS反射系数矩阵、RIS-UE链路信道的BS-RIS-UE级联等效信道模型；
S120，基于所述信道模型建立系统频谱效率模型并近似，得到近似后的系统频谱效率模型；
S130，以最大化近似后的系统频谱效率模型为目标，以基站部署密度、RIS部署密度、BS-UE关联系数矩阵、RIS-UE关联系数矩阵为优化变量，以基站、RIS的关联数目受限为约束建立优化问题；
S140，对优化问题进行简化，利用分支定界法、顺序更新法以及粒子群算法求解，得到优化后的基站部署密度、RIS部署密度、BS-UE关联系数矩阵、RIS-UE关联系数矩阵，实现无线网络覆盖优化；
其中，建立所述无线网络系统模型的方法为：
在半径R米的圆形范围内，采用独立泊松点过程对基站、RIS、用户进行建模，密度分别为λB、λR、λU，则N＝λBπR2，M＝λRπR2，K＝λUπR2；
其中，N为基站数量，每个基站配备L根发射天线，M为RIS数量，每个RIS配备J个反射单元，K为单天线用户数量；
基站到RIS的信道与RIS到用户的信道均遵循莱斯衰落分布，基站到用户的信道遵循瑞利衰落分布；第n个基站到第m个RIS的信道Hn,m，第n个基站到第k个用户的信道hm,k，第n个基站到第k个用户的信道Gn,k分别表示为：
其中，ξ是参考距离下的路径损耗，β是链路相关的路径损耗指数，dn,m是第n个基站到第m个RIS的距离，dm,k是第m个RIS到第k个用户的距离，dn,k是第n个基站到第k个用户的距离；K1、K2为莱斯因子，为确定性的视距分量，/>和/>均为由零均值和单位方差的循环对称复高斯随机变量建模的非视距分量；
RIS的反射系数由相移与振幅组成，表示第m个RIS的对角线反射相移矩阵，即RIS反射系数矩阵，则BS-RIS-UE级联等效信道fn,m,k表示为：
fn,m,k＝Hn,mΦ(m)hm,k
所述S120，基于所述信道模型建立系统频谱效率模型，表示为：
其中，R为系统频谱效率，σ2为加性复高斯噪声功率，wn,k为基站的预编码矩阵，为信道的共轭转置，ρn,k为第n个基站与第k个用户的关联系数，ρn,k＝1表示第n个基站与第k个用户关联，ρn,k＝0则表示不关联；δm,k为第m个RIS与第k个用户的关联系数，δm,k＝1表示第m个RIS与第k个用户关联，δm,k＝0表示不关联；
对所述系统频谱效率模型，利用Jensen不等式近似，得到近似后的系统频谱效率模型，表示为：
其中，为系统频谱效率的近似；
所述S130，优化问题表示为P1：
其中，表示BS-RIS关联系数矩阵，/>表示RIS-UE关联系数矩阵，用户c1表示一个基站最多服务A个用户，c2表示一个RIS最多服务一个用户，c3表示一个用户有且仅有一个基站为其提供服务，c4表示一个用户最多有一个RIS为其提供服务，c5、c6表示关联系数约束；
所述S140，求解步骤如下：
S1401，固定δ,λB,λR，通过引入辅助变量z将问题P1转化为混合整数线性规划问题P2，通过分支定界法求解，得到固定δ,λB,λR下的最优BS-UE关联系数矩阵ρ*；
S1402，固定ρ,λB,λR，将问题P1转化为非凸非线性的混合整数问题，并通过顺序更新法求解，得到固定ρ,λB,λR下的最优BS-UE关联系数矩阵δ*；
S1403，循环执行S1401和S1402，进行交替迭代，判断是否收敛或迭代次数达到预先设置的最大迭代值，若满足终止条件则输出ρ*,δ*，其为固定λB,λR下的最优解；
S1404，对于每对λB,λR值，均通过步骤S1401到S1403获得最优BS-UE关联系数矩阵ρ*与最优BS-UE关联系数矩阵δ*，基于此，利用粒子群算法搜索最优得到优化后的/>ρ*,δ*；
所述S1401，P2表示如下：
所述S1402，RIS-UE关联系数矩阵δ的第m行为第m个RIS的关联向量δm＝[δm,1,δm,2,…,δm,K]，将δ按行拆分成M个关联向量，优化第m个关联向量δm同时固定其余m-1个关联向量；基于此，以关联向量δm为优化变量的优化问题P3表示如下：
通过枚举第m个RIS的K个用户，得到P3的最优解，第m个RIS的相关用户被更新，第m+1个RIS开始优化，最后，多次迭代更新至收敛后合并M个关联向量，得到固定ρ,λB,λR下的最优BS-UE关联系数矩阵δ*。
2.根据权利要求1所述多RIS辅助的无线网络覆盖优化方法，其特征在于，设置RIS反射单元的振幅为最大值1，则Φ(m)表示为：
表示第m个RIS中第j个RIS反射单元的相移。
3.根据权利要求1所述多RIS辅助的无线网络覆盖优化方法，其特征在于，所述基站的预编码矩阵采用最大比传输方法设计，RIS反射系数矩阵采用经典被动波束赋形算法设计，wn,k与分别表示如下：
其中，d为阵元间距，λ为波长，为基站到RIS的到达方位角，/>为基站到RIS的到达仰角，/>为RIS到用户的离开方位角，/>为RIS到用户的离开仰角。
4.一种多RIS辅助的无线网络覆盖优化装置，用于实现权利要求1所述的多RIS辅助的无线网络覆盖优化方法，其特征在于，包括：
构建模块，用于执行S110，根据RIS的反射特性，建立多RIS辅助的无线网络系统模型与基于BS-RIS链路信道、RIS反射系数矩阵、RIS-UE链路信道的BS-RIS-UE级联等效信道模型；
近似模块，用于执行S120，基于所述信道模型构建系统频谱效率模型并近似，得到近似后的系统频谱效率模型；
建立模块，用于执行S130，以最大化近似后的系统频谱效率模型为目标，以基站部署密度、RIS部署密度、BS-UE关联系数矩阵、RIS-UE关联系数矩阵为优化变量，以BS、RIS的关联数目受限为约束建立优化问题；
求解模块，用于执行S140，对优化问题进行简化，利用分支定界法、顺序更新法以及粒子群算法求解，得到优化后的基站部署密度、RIS部署密度、BS-UE关联系数矩阵、RIS-UE关联系数矩阵。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310133026.2A CN116112941B (zh) | 2023-02-17 | 2023-02-17 | 一种多ris辅助的无线网络覆盖优化方法与装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310133026.2A CN116112941B (zh) | 2023-02-17 | 2023-02-17 | 一种多ris辅助的无线网络覆盖优化方法与装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116112941A CN116112941A (zh) | 2023-05-12 |
| CN116112941B true CN116112941B (zh) | 2024-03-12 |
Family
ID=86265387
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310133026.2A Active CN116112941B (zh) | 2023-02-17 | 2023-02-17 | 一种多ris辅助的无线网络覆盖优化方法与装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116112941B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10348384B1 (en) * | 2018-02-24 | 2019-07-09 | Hong Kong Applied Science and Technology Research Institute Company, Limited | Method and apparatus for determining channel state information (CSI) in a multiple input/multiple output (MIMO) wireless communication system |
| CN114268350A (zh) * | 2021-11-10 | 2022-04-01 | 华南理工大学 | 智能反射面辅助通信中非理想信道下的鲁棒波束赋形设计方法 |
| CN114980169A (zh) * | 2022-05-16 | 2022-08-30 | 北京理工大学 | 一种基于轨迹与相位联合优化的无人机辅助地面通信方法 |
| CN115694581A (zh) * | 2022-10-13 | 2023-02-03 | 哈尔滨工业大学 | 一种基于智能反射面辅助的星地一体化网络用户终端接入优化方法 |
-
2023
- 2023-02-17 CN CN202310133026.2A patent/CN116112941B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10348384B1 (en) * | 2018-02-24 | 2019-07-09 | Hong Kong Applied Science and Technology Research Institute Company, Limited | Method and apparatus for determining channel state information (CSI) in a multiple input/multiple output (MIMO) wireless communication system |
| CN114268350A (zh) * | 2021-11-10 | 2022-04-01 | 华南理工大学 | 智能反射面辅助通信中非理想信道下的鲁棒波束赋形设计方法 |
| CN114980169A (zh) * | 2022-05-16 | 2022-08-30 | 北京理工大学 | 一种基于轨迹与相位联合优化的无人机辅助地面通信方法 |
| CN115694581A (zh) * | 2022-10-13 | 2023-02-03 | 哈尔滨工业大学 | 一种基于智能反射面辅助的星地一体化网络用户终端接入优化方法 |
Non-Patent Citations (6)
| Title |
|---|
| 3G系统中的呼叫接纳控制概述;张建辉, 毕海, 陈勇;无线电工程;20030130(第01期);全文 * |
| apos ; s summary for discussion [RAN93e-R18Prep-10] Expanded and improved Positioning".3GPP TSG RAN#93e RP-210660.2021,(第tsgr_93e期),全文. * |
| Intel.RP-211660 "Moderator amp * |
| IP网络中端到端时延特性的测量与估计;庞立华;CNKI优秀硕士学位论文全文库;20090715;全文 * |
| RIS辅助的MISO系统中联合波束成形;禹天翔;CNKI中国知网;20230215;全文 * |
| 基于ATE的LTE芯片射频性能测试方案研究;张阳;CNKI优秀硕士学位论文全文库;20200215;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116112941A (zh) | 2023-05-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113162679B (zh) | 基于ddpg算法的irs辅助无人机通信联合优化方法 | |
| Liu et al. | Proximal policy optimization-based transmit beamforming and phase-shift design in an IRS-aided ISAC system for the THz band | |
| CN113489521B (zh) | 反射面辅助无小区大规模mimo网络联合波束赋形方法 | |
| CN113612508B (zh) | 基于机器学习的irs辅助毫米波通信波束成形设计方法 | |
| CN113452642B (zh) | 一种可重构智能表面增强的siso-ofdm下行传输方法 | |
| Souto et al. | A novel efficient initial access method for 5G millimeter wave communications using genetic algorithm | |
| CN113438002B (zh) | 基于lstm的模拟波束切换方法、装置、设备及介质 | |
| CN113300749A (zh) | 基于机器学习赋能的智慧传输波束优化方法 | |
| CN114339775B (zh) | 基于优化的ddpg的ris辅助非授权频谱共存方法 | |
| CN115102592A (zh) | 一种基于联邦学习的多用户mimo波束成形方法 | |
| Wang et al. | Performance modeling and analysis of base station cooperation for cellular-connected UAV networks | |
| CN114826450A (zh) | 一种基于统计信道的star-ris辅助noma系统中遍历速率分析方法和相位优化方法 | |
| CN108449122A (zh) | 一种最小化基站发射功率的mmWave多小区干扰抑制方法 | |
| CN114727318A (zh) | 一种基于maddpg的多ris通信网络速率提升方法 | |
| Wang et al. | Learning-Based Intelligent Reflecting Surface-Aided Cell-Free Massive MIMO Systems | |
| Shehab et al. | Terahertz Multiple Access: A Deep Reinforcement Learning Controlled Multihop IRS Topology | |
| CN117176218A (zh) | 基于深度强化学习的ris联合波束赋形方法及通信系统 | |
| CN116112941B (zh) | 一种多ris辅助的无线网络覆盖优化方法与装置 | |
| Peng et al. | RISnet: A scalable approach for reconfigurable intelligent surface optimization with partial CSI | |
| Ismath et al. | Deep contextual bandits for fast initial access in mmWave based user-centric ultra-dense networks | |
| CN113242068B (zh) | 一种基于深度强化学习的智能通信波束碰撞避免方法 | |
| CN113726389A (zh) | 基于可重构反射超表面的无小区组网系统及方法 | |
| Hibi et al. | Standalone-Intelligent Reflecting Surface Control Method Using Hierarchical Exploration by Beamwidth Expansion and Environment-Adaptive Codebook | |
| Guan et al. | Research on Anti-Jamming Algorithm of Massive MIMO Communication System Based on Multi-User Game Theory | |
| CN115765900B (zh) | 一种叠加导频模式下智能反射面辅助的大规模mimo系统上行传输方法 |
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 |