CN116156517A - 一种在室内场景下的ris部署方法 - Google Patents

一种在室内场景下的ris部署方法 Download PDF

Info

Publication number
CN116156517A
CN116156517A CN202310252657.6A CN202310252657A CN116156517A CN 116156517 A CN116156517 A CN 116156517A CN 202310252657 A CN202310252657 A CN 202310252657A CN 116156517 A CN116156517 A CN 116156517A
Authority
CN
China
Prior art keywords
ris
scene
deployment
manifold
users
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
Application number
CN202310252657.6A
Other languages
English (en)
Inventor
张波
袁金祥
赵耀忠
刘强
刘跃
李国鹏
房圆武
田�文明
曹鋆程
沈洋
常祺瑞
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.)
Huaneng Yimin Coal and Electricity Co Ltd
Original Assignee
Huaneng Yimin Coal and Electricity Co Ltd
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 Huaneng Yimin Coal and Electricity Co Ltd filed Critical Huaneng Yimin Coal and Electricity Co Ltd
Priority to CN202310252657.6A priority Critical patent/CN116156517A/zh
Publication of CN116156517A publication Critical patent/CN116156517A/zh
Pending legal-status Critical Current

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
    • H04W16/20—Network planning tools for indoor coverage or short range network deployment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • H04W16/225—Traffic simulation tools or models for indoor or short range network
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种在室内场景下的RIS部署方法，通过使用模拟退火算法与黎曼流形上的共轭梯度法的联合优化，求得RIS在场景中的最优部署位置与相位，从而使场景中全体用户接收信号信噪比之和最大的情况下，使所有用户中的最小信噪比尽可能大，解决了当多个用户在大型室内场景下同时通信时，距离发射基站较远的用户接收信号较差的问题。本发明适用于多种室内场景。

Description

一种在室内场景下的RIS部署方法
技术领域
本发明涉及通信技术领域，尤其涉及一种在室内场景下的RIS部署方法。
背景技术
智能反射面(Intelligent Reflecting Surface,RIS)是一个由多个元件组成的薄表面，每个元件都是一个可重构的散射体，在没有放大的情况下对打到表面上的信号进行接收和再辐射，每个RIS反射元件可以以软件定义的方式控制相位，通过仔细调整所有反射元件的相移，可以重新配置反射信号，使其向所需的方向传播。由于RIS反射元件仅被动反射输入信号，无需任何需要RF收发器硬件的复杂信号处理操作。因此与传统的有源发射机相比，RIS在硬件和功耗方面的运行成本要低得多。
在现在的通信场景中，5G信号已经被广泛使用。然而，5G信号也有一些缺点，如严重的路径损耗，并且它很容易受到汽车、行人和树木的阻塞，穿透损失也很高。由于受到路径损耗的影响，信号从天线发出后传输功率会随着距离递减，距离发射端越远的用户所接收到的信号质量越差。在大型室内场景中，这种情况更为明显，距离场景中发射基站较远的用户的通行质量往往很不稳定。传统的解决方法多为增加室内的信号源数量，但这种方式效率较低，同时会导致成本的增加。
而通过在通信环境中部署RIS，能够合理调整信号从基站到接收端的传播路径，通过改变自身元素相位来被动地反射输入信号，使其通过控制器设置的反射路径到达接收端，使信号避开传播过程中的障碍物，提高信号质量。因此在场景中部署RIS来辅助MISO系统被视为解决信号衰弱与遮挡问题的一种行之有效且具有经济效益的方法。
然而，在场景中部署RIS也面临诸多问题。首先，由于环境中存在多个通信用户，且用户的位置往往是移动的，因此RIS也需要根据场景中的用户分布随时调整位置。同时为了满足场景中通信公平性，RIS位置对场景中用户通信质量的提升不应改变用户之间接收信号质量的大小关系，因此RIS部署位置应满足不改变信号质量大小关系的前提下，最大化场景中最小的用户接收信噪比。其次，室内场景也需要考虑RIS的相位，RIS的相位决定了其反射信号的方向，与该方向越接近的用户其通信质量提升越明显，因此场景中部署RIS的相位应能够使全体用户的总接收信噪比最大。
发明内容
本发明为了最大化场景中最小的用户接收信噪比和全体用户的总接收信噪比，提出一种在室内场景下的RIS部署方法，通过使用模拟退火算法与黎曼流形上的共轭梯度法的联合优化，求得RIS在场景中的最优部署位置与相位，从而使场景中全体用户接收信号信噪比之和最大的情况下，最大化用户的最小接收信噪比，提升了用户通信质量。
为了实现上述目的，本发明提供如下技术方案：
一种在室内场景下的RIS部署方法，包括以下步骤：
S1、通过使用模拟退火算法求得RIS在场景中的最优部署位置；
S2、在RIS的部署位置确定的情况下，通过使用黎曼流形上的共轭梯度算法求得RIS在场景中的最优相位；
S3、设定优化目标为：场景中全体用户接收信号信噪比之和最大的情况下最大化用户中的最小接收信噪比，步骤S1和步骤S2交替联合优化求得联合最优解。
进一步地，步骤S1中RIS的部署位置，限制在室内场景的天花板上，且根据场景中用户的分布进行即时调整。
进一步地，步骤S1中，最优RIS部署位置通过使用模拟退火算法寻找场景范围内的全局最优解，具体为：在RIS相位矩阵确定的情况下，预设初始温度、终止温度与温度降低步长，在每个温度通过蒙特卡罗规则判断是否接受新解并降低温度，直至达到终止温度。
进一步地，步骤S2中黎曼流形上的共轭梯度法的变量具有相同模长，流形为球面流形。
进一步地，步骤S3优化目标表示为：
Figure BDA0004128367970000031
Figure BDA0004128367970000032
Figure BDA0004128367970000033
Figure BDA0004128367970000034
Figure BDA0004128367970000035
其中，xRIS与yRIS表示RIS的位置，Θ表示RIS的相位矩阵，lx、ly、da、db分别表示场景与RIS的长和宽，
Figure BDA0004128367970000036
为RIS第n个元素的相移系数。
进一步地，步骤S3中，在RIS的相位矩阵Θ固定的情况下，优化目标
Figure BDA00041283679700000312
转化为：
Figure BDA0004128367970000037
其中，SNRj为未引入RIS情况下的最小SNR。
进一步地，步骤S3中，当RIS的位置[xRIS,yRIS]固定时，优化目标表示为：
Figure BDA0004128367970000038
其中，f是连续可微函数，约束条件被看做是一个复圆流形
Figure BDA0004128367970000039
上的多个点。
进一步地，步骤S2中，黎曼流形上的共轭梯度算法包括以下步骤：
(1)求f(θ)在点θi处的黎曼梯度gradf(θ)，表示为：
Figure BDA00041283679700000310
Figure BDA00041283679700000311
表示取实部，/>
Figure BDA00041283679700000313
表示取哈达玛积；
(2)使用Armijo线搜索来更新每次搜索θi时的步长；
(3)将切平面上的点映射回流形上，表示为：
Figure BDA0004128367970000041
i表示向量θ+αd的第ith个元素；
(4)搜索方向的更新方式为：
Figure BDA0004128367970000042
将θi处的切向量di投影到θi+1所在的切平面上，经过投影得到的向量
Figure BDA0004128367970000046
为：
Figure BDA0004128367970000043
(5)得到向量
Figure BDA0004128367970000047
后，搜索方向的更新方式为：
Figure BDA0004128367970000044
使用Fletcher-Reeves公式得到βi，使新的搜索方向能时刻和以往的搜索方向共轭：
Figure BDA0004128367970000045
Figure BDA0004128367970000048
为gi经过传输到gi+1的切平面上的结果。
与现有技术相比，本发明的有益效果为：
本发明提供的在室内场景下的RIS部署方法，通过使用模拟退火算法与黎曼流形上的共轭梯度法的联合优化，求得RIS在场景中的最优部署位置与相位，从而使场景中全体用户接收信号信噪比之和最大的情况下，最大化用户中的最小接收信噪比，使所有用户中的最小信噪比尽可能大，解决了当多个用户在大型室内场景下同时通信时，距离发射基站较远的用户接收信号较差的问题。本发明适用于多种室内场景。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例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中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本发明实施例针对室内2.4GHz场景的场景示意图。
图2为用模拟退火算法求最优RIS部署位置的流程图。
图3为用共轭梯度法求最优RIS相位的流程图。
具体实施方式
为了更好地理解本技术方案，下面结合附图对本发明的方法做详细的说明。
为了解决RIS部署位置应满足不改变信号质量大小关系的前提下，最大化场景中最小的用户接收信噪比的问题，而这个问题由于其本身的非凸性，求解过程中容易得到局部最优解，为了避免这种情况，本发明使用模拟退火算法找到全局最优解。
为了解决室内场景中部署RIS的相位应能够使全体用户的总接收信噪比最大的问题，由于每个元素的相位模长相同，角度不同，本发明将这些相位都看做位于一个球面流形上，通过球面流形优化的方式，可以得到满足条件的最优解。
综上，本发明提供的在室内场景下的RIS部署方法，通过使用模拟退火算法与黎曼流形上的共轭梯度法的联合优化，求得RIS在场景中的最优部署位置与相位，从而使场景中全体用户接收信号信噪比之和最大的情况下，最大化用户的最小接收信噪比。
其中，所描述的RIS部署位置，限制在室内场景的天花板上，根据场景中用户的分布进行即时调整。所描述的通信质量衡量标准为用户端的信号信噪比决定，信噪比越高表示信号质量越高。最优RIS部署位置，通过使用模拟退火算法寻找场景范围内的全局最优解。包括：预设初始温度，终止温度与温度降低步长，在每个温度通过蒙特卡罗规则判断是否接受新解并降低温度，直至达到终止温度。使用模拟退火算法求解RIS的最优部署位置，需要在RIS相位矩阵确定的情况下进行，同时RIS的位置不能超过场景天花板的范围界限。所描述的黎曼流形上的共轭梯度法由于变量具有相同模长，因此流形为球面流形(spheremanifold)，通过在球面流形上使用共轭梯度法，不断更新。使用共轭梯度法求解RIS的最优相位，需要在RIS的部署位置确定的情况下进行。方案所能达到的效果由最优部署位置和最优相位进行交替联合优化实现。
如图1所示，本实施例针对室内2.4GHz场景，h表示基站到RIS的路径，gk表示RIS到用户的路径，hd表示基站到用户的直连路径。
当室内存在多个通信用户时，距离发射基站较远的用户的接收信号质量较差的问题，提出一种RIS辅助的解决方案，该方案的任务包括两个：(1)通过调整RIS位置，最大化场景中的最小用户接收信噪比。(2)通过调整RIS相位，最大化场景中用户的接收信噪比总和，因此，任务可以表示为：
Figure BDA0004128367970000061
其中，xRIS与yRIS表示RIS的位置，Θ表示RIS的相位矩阵。lx、ly、da、db分别表示场景与RIS的长和宽，
Figure BDA0004128367970000062
为RIS第n个元素的相移系数。
该方案的中心思想是：分别求出固定相位情况下，能最大化场景最小用户信噪比的最优RIS部署位置与固定RIS位置情况下，能使用户总信噪比之和最大的最优RIS相位，再通过联合优化的方式得到联合最优解。
之所以最大化场景中的最小信噪比，是为了在使场景中所有用户的通信质量都得到提升的情况下，还能够不改变用户之间接收信噪比的大小关系，保证资源的公平性。
接下来，详细介绍RIS相位确定时，最优RIS部署位置和最优RIS部署位置确定时，最优RIS相位的求解方法。
1、最优RIS部署位置
在Θ固定的情况下，
Figure BDA0004128367970000071
可以转化为：
Figure BDA0004128367970000072
其中，SNRj为未引入RIS情况下的最小SNR。
由于
Figure BDA0004128367970000073
的目标函数为非凸函数，因此在求解最优RIS位置时可能存在多个局部最优解。为了防止优化过程中取到局部最优解，在优化方法中我们使用模拟退火算法。模拟退火的过程如图2所示。在这个过程中，初始温度T＝500，结束温度Tmin＝10-7，温度下降率α＝0.98。
2、最优RIS相位
当RIS的位置[xRIS,yRIS]固定时，问题表达式可以看做一个关于θ的函数，其中
Figure BDA0004128367970000074
我们希望θ能够使场景中所有用户的SNR之和最大化，因此目标问题可以表示为：
Figure BDA0004128367970000075
由于f是连续可微函数，并且约束条件可以看做是一个复圆流形
Figure BDA0004128367970000076
上的多个点，因此我们选择使用黎曼流形上的共轭梯度法来求得收敛解。算法包括以下步骤：
(1)求黎曼梯度：与欧几里得梯度的定义类似，黎曼梯度指在黎曼流形上某一点的切平面上，使得目标函数变化最快的切向量。f(θ)在点θi处的黎曼梯度gradf(θ)可以用其欧几里得梯度
Figure BDA0004128367970000077
f正交投影到θi的切空间/>
Figure BDA0004128367970000078
得到，具体表示为：
Figure BDA0004128367970000079
Figure BDA00041283679700000710
表示取实部，/>
Figure BDA00041283679700000711
表示取哈达玛积。
(2)Armijo线搜索：为了能够让算法收敛，我们需要合理选择每次迭代的步长α，因此我们使用Armijo线搜索来更新每次搜索θi时的步长。Armijo规则有两个核心：(1)目标函数应有足够的下降。(2)一维搜索步长不应太小。在算法参数的选择上，我们设对称矩阵A为diag(1,2…N)，标量
Figure BDA0004128367970000081
β＝σ＝0.5。
(3)缩回：当流形上的点沿着切平面上的梯度方向移动时，为了进行下一步的更新，需要将切平面上的点映射回流形上。由于本文中的流形是一个标准的单位球体流形，因此具体操作如下：
Figure BDA0004128367970000082
i表示向量θ+αd的第ith个元素
(4)传输：在一般的欧几里得空间中，搜索方向的更新方式为：
Figure BDA0004128367970000083
但是在流形中，di与di+1属于不同的切平面，二者不能直接运算，因此需要通过运输，将θi处的切向量di投影到θi+1所在的切平面上，经过投影得到的向量
Figure BDA0004128367970000084
为：
Figure BDA0004128367970000085
(5)Fletcher-Reeves参数：得到向量
Figure BDA0004128367970000086
后，搜索方向的更新方式为：
Figure BDA0004128367970000087
共轭梯度法需要保证新的搜索方向能时刻和以往的搜索方向共轭，因此使用Fletcher-Reeves公式得到βi：
Figure BDA0004128367970000088
Figure BDA0004128367970000089
为gi经过传输到gi+1的切平面上的结果。具体实现方案如图3所示。
本发明方法解决了当多个用户在大型室内场景下同时通信时，距离发射基站较远的用户接收信号较差的问题。提出了一种室内场景下的RIS部署方案，该方案通过使用模拟退火算法与流形优化算法，在最大化场景中最小用户信噪比的同时，还使全体用户接收信噪比的总和尽可能提高。
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，但这些修改或者替换，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 (8)

1.一种在室内场景下的RIS部署方法，其特征在于，包括以下步骤：
S1、通过使用模拟退火算法求得RIS在场景中的最优部署位置；
S2、在RIS的部署位置确定的情况下，通过使用黎曼流形上的共轭梯度算法求得RIS在场景中的最优相位；
S3、设定优化目标为：场景中全体用户接收信号信噪比之和最大的情况下最大化用户中的最小接收信噪比，步骤S1和步骤S2交替联合优化求得联合最优解。
2.根据权利要求1所述的在室内场景下的RIS部署方法，其特征在于，步骤S1中RIS的部署位置，限制在室内场景的天花板上，且根据场景中用户的分布进行即时调整。
3.根据权利要求2所述的在室内场景下的RIS部署方法，其特征在于，步骤S1中，最优RIS部署位置通过使用模拟退火算法寻找场景范围内的全局最优解，具体为：在RIS相位矩阵确定的情况下，预设初始温度、终止温度与温度降低步长，在每个温度通过蒙特卡罗规则判断是否接受新解并降低温度，直至达到终止温度。
4.根据权利要求1所述的在室内场景下的RIS部署方法，其特征在于，步骤S2中黎曼流形上的共轭梯度法的变量具有相同模长，流形为球面流形。
5.根据权利要求1所述的在室内场景下的RIS部署方法，其特征在于，步骤S3优化目标表示为：
Figure FDA0004128367960000011
Figure FDA0004128367960000012
Figure FDA0004128367960000013
Figure FDA0004128367960000014
Figure FDA0004128367960000015
其中，xRIS与yRIS表示RIS的位置，Θ表示RIS的相位矩阵，lx、ly、da、db分别表示场景与RIS的长和宽，
Figure FDA0004128367960000016
为RIS第n个元素的相移系数。
6.根据权利要求1所述的在室内场景下的RIS部署方法，其特征在于，步骤S3中，在RIS的相位矩阵Θ固定的情况下，优化目标
Figure FDA0004128367960000017
转化为：
Figure FDA0004128367960000021
Figure FDA0004128367960000022
Figure FDA0004128367960000023
Figure FDA0004128367960000024
其中，SNRj为未引入RIS情况下的最小SNR。
7.根据权利要求1所述的在室内场景下的RIS部署方法，其特征在于，步骤S3中，当RIS的位置[xRIS,yRIS]固定时，优化目标表示为：
Figure FDA0004128367960000025
Figure FDA0004128367960000026
其中，f是连续可微函数，约束条件被看做是一个复圆流形
Figure FDA0004128367960000027
上的多个点。
8.根据权利要求1所述的在室内场景下的RIS部署方法，其特征在于，步骤S2中，黎曼流形上的共轭梯度算法包括以下步骤：
(1)求f(θ)在点θi处的黎曼梯度gradf(θ)，表示为：
Figure FDA0004128367960000028
Figure FDA00041283679600000214
表示取实部，/>
Figure FDA00041283679600000215
表示取哈达玛积；
(2)使用Armijo线搜索来更新每次搜索θi时的步长；
(3)将切平面上的点映射回流形上，表示为：
Figure FDA0004128367960000029
i表示向量θ+αd的第ith个元素；
(4)搜索方向的更新方式为：
Figure FDA00041283679600000210
将θi处的切向量di投影到θi+1所在的切平面上，经过投影得到的向量
Figure FDA00041283679600000211
为：
Figure FDA00041283679600000212
(5)得到向量
Figure FDA00041283679600000213
后，搜索方向的更新方式为：
Figure FDA0004128367960000031
使用Fletcher-Reeves公式得到βi，使新的搜索方向能时刻和以往的搜索方向共轭：
Figure FDA0004128367960000032
Figure FDA0004128367960000033
为gi经过传输到gi+1的切平面上的结果。/>
CN202310252657.6A 2023-03-16 2023-03-16 一种在室内场景下的ris部署方法 Pending CN116156517A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310252657.6A CN116156517A (zh) 2023-03-16 2023-03-16 一种在室内场景下的ris部署方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310252657.6A CN116156517A (zh) 2023-03-16 2023-03-16 一种在室内场景下的ris部署方法

Publications (1)

Publication Number Publication Date
CN116156517A true CN116156517A (zh) 2023-05-23

Family

ID=86358319

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310252657.6A Pending CN116156517A (zh) 2023-03-16 2023-03-16 一种在室内场景下的ris部署方法

Country Status (1)

Country Link
CN (1) CN116156517A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030065689A1 (en) * 2001-07-11 2003-04-03 Akira Asai Optimization method with constraints and apparatus therefor
US20150009857A1 (en) * 2013-07-03 2015-01-08 Tata Consultancy Services Limited Network resource optimization in communication networks
CN110751153A (zh) * 2019-09-19 2020-02-04 北京工业大学 一种室内场景rgb-d图像的语义标注方法
CN113973305A (zh) * 2021-10-26 2022-01-25 西安电子科技大学 搭载于无人机上的智能反射面位置和波束联合优化方法
CN114531690A (zh) * 2022-01-10 2022-05-24 山西大学 一种煤矿安全监测场景的传感与通信优化方法及装置
CN114584233A (zh) * 2022-03-28 2022-06-03 东莞理工学院 一种基于ris辅助的认知无线网络中断性能预测方法及系统
CN114785388A (zh) * 2022-04-21 2022-07-22 北京邮电大学 智能全向面辅助的多用户大规模simo上行m阶调制加权和速率优化方法
US20220344826A1 (en) * 2021-04-15 2022-10-27 Northeastern University Method and Apparatus for Over-the-Air Neural Networks via Reconfigurable Intelligent Surfaces

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030065689A1 (en) * 2001-07-11 2003-04-03 Akira Asai Optimization method with constraints and apparatus therefor
US20150009857A1 (en) * 2013-07-03 2015-01-08 Tata Consultancy Services Limited Network resource optimization in communication networks
CN110751153A (zh) * 2019-09-19 2020-02-04 北京工业大学 一种室内场景rgb-d图像的语义标注方法
US20220344826A1 (en) * 2021-04-15 2022-10-27 Northeastern University Method and Apparatus for Over-the-Air Neural Networks via Reconfigurable Intelligent Surfaces
CN113973305A (zh) * 2021-10-26 2022-01-25 西安电子科技大学 搭载于无人机上的智能反射面位置和波束联合优化方法
CN114531690A (zh) * 2022-01-10 2022-05-24 山西大学 一种煤矿安全监测场景的传感与通信优化方法及装置
CN114584233A (zh) * 2022-03-28 2022-06-03 东莞理工学院 一种基于ris辅助的认知无线网络中断性能预测方法及系统
CN114785388A (zh) * 2022-04-21 2022-07-22 北京邮电大学 智能全向面辅助的多用户大规模simo上行m阶调制加权和速率优化方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
史伟光;刘开华;于洁潇;闫格;: "基于加权欧式算子的射频识别定位算法", 计算机工程, no. 09, 5 May 2011 (2011-05-05) *
彭鑫: ""基于自适应布谷鸟搜索的RIS 辅助无线定位系统"", 《湖南理工学院学报》, 10 March 2023 (2023-03-10) *
陈诗军;王慧强;陈大伟;刘秀兵;胡海婧;: "基于改进禁忌搜索的基站布局优化算法", 计算机工程与科学, no. 02, 15 February 2018 (2018-02-15) *

Similar Documents

Publication Publication Date Title
CN111245492B (zh) 一种基于接收功率排序的智能反射面选择方法
Liaskos et al. An interpretable neural network for configuring programmable wireless environments
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
WO2022127697A1 (zh) 智能面板调控方法、装置、系统、智能面板和存储介质
CN112332548A (zh) 一种无线能量传输方法及系统
WO2012100499A1 (zh) 一种分布式天线系统的发射天线位置布局的方法
CN112272418B (zh) 一种ris辅助的d2d通信传输模式选择方法
CN113258980B (zh) 一种无线通信系统信息传输速率优化方法及装置
JP2003529262A (ja) インテリジェントアンテナアレイのカバレッジの改良方法
CN114666803B (zh) 一种移动边缘计算系统的部署、控制方法及其系统
CN105282761B (zh) 一种快速lms自适应波束形成的方法
CN114828253A (zh) 一种ris辅助多无人机通信系统的资源分配方法
CN101257335B (zh) 阵列天线波束赋形方法和装置
CN114666815A (zh) 一种基于全向智能超表面的通信系统设计方法
CN116156517A (zh) 一种在室内场景下的ris部署方法
CN114745038A (zh) 一种基于智能反射面双反射结构的联合波束成形设计方法
CN109617589A (zh) 一种使用天线阵列产生射频准艾里波束的装置
CN114630297A (zh) 一种携带智能反射面的无人机中继的位置优化方法
JP3113637B2 (ja) アンテナの指向性制御方法及びその装置
JP3229857B2 (ja) アンテナの指向性制御方法
CN113784313A (zh) 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
CN105262529B (zh) 一种快速lms自适应波束形成的方法
Lu et al. Intelligent reflecting surface deployment in cooperative radar communication system
Li et al. Optimal direction finding in unknown noise environments using antenna arrays in wireless sensor networks
CN116939628A (zh) 一种顺序公平的室内多用户场景下的ris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