CN116347579B - 基于可重构智能表面辅助的d2d通信功率优化方法及系统 - Google Patents

基于可重构智能表面辅助的d2d通信功率优化方法及系统 Download PDF

Info

Publication number
CN116347579B
CN116347579B CN202310621408.XA CN202310621408A CN116347579B CN 116347579 B CN116347579 B CN 116347579B CN 202310621408 A CN202310621408 A CN 202310621408A CN 116347579 B CN116347579 B CN 116347579B
Authority
CN
China
Prior art keywords
transmitter
base station
representing
ris
constraint
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
CN202310621408.XA
Other languages
English (en)
Other versions
CN116347579A (zh
Inventor
邹玉龙
邹文源
李轶之
于佳鑫
张勇
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.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
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 Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN202310621408.XA priority Critical patent/CN116347579B/zh
Publication of CN116347579A publication Critical patent/CN116347579A/zh
Application granted granted Critical
Publication of CN116347579B publication Critical patent/CN116347579B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/18—TPC being performed according to specific parameters
    • H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
    • H04W52/241—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account channel quality metrics, e.g. SIR, SNR, CIR, Eb/lo
    • 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
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/38—TPC being performed in particular situations
    • H04W52/383—TPC being performed in particular situations power control in peer-to-peer links
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/145—Passive relay systems
    • 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)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于可重构智能表面辅助的D2D通信功率优化方法及系统，适用于由一个基站、一个蜂窝用户、一个RIS以及一对D2D设备组成的无线D2D通信网络，所述方法以蜂窝用户与D2D接收机处的接收信干噪比为约束，以最小化D2D发射机与基站的发射功率之和为目标，设计了基于交替优化和半正定松弛的D2D通信功率迭代优化算法，获得基站有源波束成形、RIS相移与D2D发射功率的优化解。仿真结果表明，与传统无RIS辅助的D2D方案相比，本发明的方法显著降低了D2D发射机与基站的发射功率消耗。

Description

基于可重构智能表面辅助的D2D通信功率优化方法及系统
技术领域
本发明属于无线通信技术领域，具体涉及一种基于可重构智能表面（RIS，Reconfigurable Intelligence Surface）辅助的D2D通信功率最小化的优化方法。
背景技术
随着移动互联网、云计算、移动互联网等新兴信息通信技术的飞速发展，全球移动数据流量呈现大幅度增长，为此，第五代移动通信系统应运而生，第五代移动通信系统的关键三大效率指标包括：频谱效率、功耗和成本，由于蜂窝网络的设备对设备(D2D，Device-to-Device)通信允许设备在许可的蜂窝频带中与邻近设备通信，因此被认为是一种有前途的无线技术，具体而言，D2D链路共享许可的蜂窝频谱，可以提高整个网络的频谱效率。但现有技术中基站与D2D设备发射机的发射功率之和较高， 从而导致能源消耗与碳排放较大。
发明内容
本发明所要解决的技术问题是：现有技术中基站与D2D设备发射机的发射功率消耗高。
为解决上述技术问题，本发明采用如下技术方案：
一种基于可重构智能表面辅助的D2D通信功率优化方法，包括以下步骤：
步骤A：获取基站到蜂窝用户、基站到D2D接收机、D2D发射机到D2D接收机、D2D发射机到RIS、RIS到D2D接收机以及D2D发射机到蜂窝用户的信道衰落增益；
步骤B：根据信道衰落增益，计算得出D2D接收机与蜂窝用户处的接收信干噪比；
步骤C：构建基于基站与D2D发射机的发射功率之和最小化的优化模型，以蜂窝用户与D2D接收机处的接收信干噪比为约束，对基站有源波束成形、RIS相移与D2D发射机发射功率参数进行联合优化；
步骤D：由于所述基站有源波束成形、RIS相移、D2D发射机发射功率参数在优化问题中相互耦合，所以采用交替优化算法将原始优化问题分解成两个子问题；
先固定RIS相移参数，优化基站有源波束成形、D2D发射机发射功率参数；
再固定基站有源波束成形、D2D发射机发射功率参数，优化RIS相移参数；
利用半正定松弛算法松弛上述两个子问题的非凸秩一约束；
迭代上述两个子问题直至目标函数收敛，获得基站有源波束成形、RIS相移与D2D发射机发射功率的优化解。
前述的一种基于可重构智能表面辅助的D2D通信功率优化方法，在步骤B中，根据信道衰落增益，D2D接收机处的接收信号表达式由公式（1）得到：
，
式中，表示共轭转置操作；表示D2D发射机与D2D接收机之间的信道衰落增益；表示RIS的个反射单元与D2D接收机之间的信道衰落增益；表示RIS的相移矩阵，并记为，其中，表示虚数单位，表示对角元素是的对角矩阵，表示为RIS第个反射单元的相位；表示D2D发射机与RIS的个反射单元之间的信道衰落增益；表示D2D发射机的发射功率；表示D2D发射机的归一化功率信号；表示基站的根天线与D2D接收机之间的信道衰落增益；表示根天线基站的有源波束成形向量；表示基站的归一化功率信号；表示D2D接收机处的加性高斯白噪声，服从均值为0、方差为的复高斯分布；
蜂窝用户处的接收信号表达式由公式（2）得到：
，
式中，表示D2D发射机与蜂窝用户之间的信道衰落增益；表示基站的根天线与蜂窝用户之间的信道衰落增益；表示蜂窝用户处的加性高斯白噪声，服从均值为0、方差为的复高斯分布；
根据D2D接收机的接收信号表达式，D2D接收机处的信干噪比由公式（3）得到：
，
根据蜂窝用户的接收信号表达式，蜂窝用户的信干噪比由公式（4）得到：
。
前述的一种基于可重构智能表面辅助的D2D通信功率优化方法，在步骤C中，通过联合优化基站有源波束成形、RIS相移、D2D发射机发射功率参数，使D2D发射机与基站的发射功率之和最小，构建的优化问题P0如公式（5）所示：
，
式中， 约束C1表示D2D接收机的接收信干噪比限制，表示D2D接收机的接收信干噪比阈值；约束C2表示蜂窝用户的接收信干噪比限制，表示蜂窝用户的接收信干噪比阈值；约束C3表示RIS第n个反射单元的相位限制；约束C4表示D2D发射机发射功率非负限制。
前述的一种基于可重构智能表面辅助的D2D通信功率优化方法，在步骤D中，问题P0求解方法如下：
令RIS相移向量、辅助变量、、、，将问题P0等价转化为问题P1：
，
式中，表示矩阵的迹；表示半正定；表示N+1阶单位矩阵；，。
前述的一种基于可重构智能表面辅助的D2D通信功率优化方法，在步骤D中，采用交替优化方法将问题P1转化成子问题P2和子问题P3；
在给定辅助变量的情况下，优化辅助变量、D2D发射机的发射功率，将问题P1转化为子问题P2：
，
由于约束C4是非凸约束，利用半正定松弛法松弛掉约束C4，使问题P2转化为凸问题，再通过凸优化工具包CVX求解，得到优化后的D2D发射机发射功率；对于凸优化工具包CVX求解后的辅助变量，通过运用高斯随机化来还原秩一约束，恢复基站有源波束成形向量，从而得到优化后的基站有源波束向量；
在给定辅助变量、D2D发射机发射功率的情况下，优化辅助变量，据此将问题P1转化为子问题P3：
，
由于约束C5是非凸约束，可利用半正定松弛法松弛掉约束C5，使P3转化为凸问题，再通过凸优化工具包CVX求解，对于凸优化工具包CVX求解得到的辅助变量通过运用高斯随机化还原秩一约束，恢复RIS相移向量，从而得到优化后的RIS相移向量；
对上述子问题P2和子问题P3进行迭代直至问题P0中的目标函数收敛，获得基站有源波束成形、RIS相移与D2D发射机发射功率的优化解。
一种基于可重构智能表面辅助的D2D通信功率优化系统，包括以下模块：
信道衰落增益获取模块：用于获取基站到蜂窝用户、基站到D2D接收机、D2D发射机到D2D接收机、D2D发射机到RIS、RIS到D2D接收机以及D2D发射机到蜂窝用户的信道衰落增益；
接收信干噪比计算模块：根据信道衰落增益，计算得出D2D接收机与蜂窝用户处的接收信干噪比；
优化模型构建模块：构建基于基站与D2D发射机的发射功率之和最小化的优化模型，以蜂窝用户与D2D接收机处的接收信干噪比为约束，对基站有源波束成形、RIS相移与D2D发射机发射功率参数进行联合优化；
参数优化模块：采用交替优化算法将原始优化问题分解成两个子问题；
先固定RIS相移参数，优化基站有源波束成形、D2D发射机发射功率参数；
再固定基站有源波束成形、D2D发射机发射功率参数，优化RIS相移参数；
利用半正定松弛算法松弛上述两个子问题的非凸秩一约束；
迭代上述两个子问题直至目标函数收敛，获得基站有源波束成形、RIS相移与D2D发射机发射功率的优化解。
前述的一种基于可重构智能表面辅助的D2D通信功率优化系统，在接收信干噪比计算模块中，根据信道衰落增益，D2D接收机处的接收信号表达式由公式（1）得到：
，
式中，表示共轭转置操作；表示D2D发射机与D2D接收机之间的信道衰落增益；表示RIS的个反射单元与D2D接收机之间的信道衰落增益；表示RIS的相移矩阵，并记为，其中，表示虚数单位，表示对角元素是的对角矩阵，表示为RIS第个反射单元的相位；表示D2D发射机与RIS的个反射单元之间的信道衰落增益；表示D2D发射机的发射功率；表示D2D发射机的归一化功率信号；表示基站的根天线与D2D接收机之间的信道衰落增益；表示根天线基站的有源波束成形向量；表示基站的归一化功率信号；表示D2D接收机处的加性高斯白噪声，服从均值为0、方差为的复高斯分布。
蜂窝用户处的接收信号表达式由公式（2）得到：
，
式中，表示D2D发射机与蜂窝用户之间的信道衰落增益；表示基站的根天线与蜂窝用户之间的信道衰落增益；表示蜂窝用户处的加性高斯白噪声，服从均值为0、方差为的复高斯分布。
根据D2D接收机的接收信号表达式，D2D接收机处的信干噪比由公式（3）得到：
，
根据蜂窝用户的接收信号表达式，蜂窝用户的信干噪比由公式（4）得到：
。
前述的一种基于可重构智能表面辅助的D2D通信功率优化系统，在优化模型构建模块中，通过联合优化基站有源波束成形、RIS相移、D2D发射机发射功率参数，使D2D发射机与基站的发射功率之和最小，构建的优化问题P0如公式（5）所示：
，
式中， 约束C1表示D2D接收机的接收信干噪比限制，表示D2D接收机的接收信干噪比阈值；约束C2表示蜂窝用户的接收信干噪比限制，表示蜂窝用户的接收信干噪比阈值；约束C3表示RIS第n个反射单元的相位限制；约束C4表示D2D发射机发射功率非负限制。
前述的一种基于可重构智能表面辅助的D2D通信功率优化系统，在参数优化模块中，问题P0求解方法如下：
令RIS相移向量、辅助变量、、、，将问题P0等价转化为问题P1：
，
式中，表示矩阵的迹；表示半正定；表示N+1阶单位矩阵；，。
前述的一种基于可重构智能表面辅助的D2D通信功率优化系统，采用交替优化将问题P1转化成子问题P2和子问题P3；
在给定辅助变量的情况下，优化辅助变量、D2D发射机的发射功率，据此将问题P1转化为子问题P2：
，
由于约束C4是非凸约束，利用半正定松弛法松弛掉约束C4，使问题P2转化为凸问题，再通过凸优化工具包CVX求解，得到优化后的D2D发射机发射功率；对于凸优化工具包CVX求解后的基站辅助变量，通过运用高斯随机化来还原秩一约束，恢复基站有源波束成形向量，从而得到优化后的基站有源波束向量；
在给定辅助变量、D2D发射机发射功率的情况下，优化辅助变量，将问题P1转化为子问题P3：
，
由于约束C5是非凸约束，利用半正定松弛法松弛掉约束C5，使P3转化为凸问题，再通过凸优化工具包CVX求解，对于凸优化工具包CVX求解得到的辅助变量通过运用高斯随机化还原秩一约束，恢复RIS相移向量，从而得到优化后的RIS相移向量；
对上述子问题P2和子问题P3进行迭代直至问题P0中的目标函数收敛，获得基站有源波束成形、RIS相移与D2D发射机发射功率的优化解。
本发明达到的有益效果：本发明的方法适用于由一个基站、一个蜂窝用户、一个RIS以及一对D2D设备组成的无线D2D通信网络，以蜂窝用户与D2D接收机处的接收信干噪比为约束，以最小化D2D发射机与基站的发射功率之和为目标，仿真结果表明，与传统无RIS的优化方案相比，本发明的方法显著降低了D2D设备发射机与基站的发射功率消耗。
附图说明
图1为本发明的基于可重构智能表面辅助的D2D通信功率优化方法实施例流程图；
图2为本发明实施例中的模型示意图；
图3为本发明实施例中的仿真图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
实施例1
如图1所示，本发明提供一种基于可重构智能表面辅助的D2D通信功率优化方法，D2D通信网络包括一个配置M根天线的基站（基站，Base Station）、一个单天线蜂窝用户（蜂窝用户，Cellular User）、一个配置N个反射单元的RIS、一个单天线D2D发射机（D2D发射机，D2D Transmitter）与一个单天线D2D接收机（D2D接收机，D2D Receiver），包括以下步骤：
步骤A：获取基站到蜂窝用户、基站到D2D接收机、D2D发射机到D2D接收机、D2D发射机到RIS、RIS到D2D接收机以及D2D发射机到蜂窝用户的信道衰落增益；
步骤B：根据信道衰落增益，计算得出D2D接收机与蜂窝用户处的接收信干噪比；
步骤C：构建基于基站与D2D发射机的发射功率之和最小化的优化模型，以蜂窝用户与D2D接收机处的接收信干噪比为约束，对基站有源波束成形、RIS相移与D2D发射机发射功率参数进行联合优化；
步骤D：由于所述基站有源波束成形、RIS相移、D2D发射机发射功率等系统参数在优化问题中相互耦合，所以采用交替优化（AO，Alternating Optimization）算法将原始优化问题分解成两个子问题；
先固定RIS相移参数，优化基站有源波束成形、D2D发射机发射功率参数；
再固定基站有源波束成形、D2D发射机发射功率参数，优化RIS相移参数；利用半正定松弛（半正定松弛，Semidefinite Relaxation）算法松弛非凸秩一约束；
最后迭代上述两个子问题直至目标函数收敛，获得基站有源波束成形、RIS相移与D2D发射机发射功率的优化解。
根据信道衰落增益，D2D接收机处的接收信号表达式由公式（1）得到：
，
式中，表示共轭转置操作；表示D2D发射机与D2D接收机之间的信道衰落增益；表示RIS的个反射单元与D2D接收机之间的信道衰落增益；表示RIS的相移矩阵，并记为，其中，表示虚数单位，表示对角元素是的对角矩阵，表示为RIS第个反射单元的相位；表示D2D发射机与RIS的个反射单元之间的信道衰落增益；表示D2D发射机的发射功率；表示D2D发射机的归一化功率信号；表示基站的根天线与D2D接收机之间的信道衰落增益；表示根天线基站的有源波束成形向量；表示基站的归一化功率信号；表示D2D接收机处的加性高斯白噪声，其服从均值为0、方差为的复高斯分布。
同理，蜂窝用户处的接收信号表达式可由公式（2）得到：
，
式中，表示D2D发射机与蜂窝用户之间的信道衰落增益；表示基站的根天线与蜂窝用户之间的信道衰落增益；表示蜂窝用户处的加性高斯白噪声，其服从均值为0、方差为的复高斯分布。
根据D2D接收机的接收信号表达式，D2D接收机处的信干噪比可由公式（3）得到：
。
根据蜂窝用户的接收信号表达式，蜂窝用户的信干噪比可由公式（4）得到：
。
通过联合优化基站有源波束成形、RIS相移、D2D发射机发射功率参数，使D2D发射机与基站的发射功率之和最小，构建的优化问题P0如公式（5）所示：
，
式中， 约束C1表示D2D接收机的接收信干噪比限制，表示D2D接收机的接收信干噪比阈值；约束C2表示蜂窝用户的接收信干噪比限制，表示蜂窝用户的接收信干噪比阈值；约束C3表示RIS第n个反射单元的相位限制；约束C4表示D2D发射机发射功率非负限制。
进一步的，所述问题求解方法如下：
令RIS相移向量、辅助变量、、、，可将问题P0等价转化为问题P1：
，
式中，表示矩阵的迹；表示半正定；表示N+1阶单位矩阵；，，由于使用了变量替换、，原问题新增四个约束约束C5~C8，约束C5保证辅助变量为半正定；C6保证基站辅助变量为半正定；C7保证辅助变量的秩为一；C8保证基站辅助变量的秩为一。
进一步的，采用交替优化将问题P1转化成子问题P2和子问题P3；
首先，在给定辅助变量的情况下，优化基站辅助变量、D2D发射机的发射功率，据此将问题P1转化为子问题P2：
，
由于约束C4是非凸约束，可利用半正定松弛法松弛掉约束C4，使问题P2转化为凸问题，再通过凸优化工具包CVX求解，得到优化后的D2D发射机发射功率；对于凸优化工具包CVX求解后的基站辅助变量，通过运用高斯随机化来还原秩一约束，恢复基站有源波束成形向量，从而得到优化后的基站有源波束向量；
其次，在给定辅助变量、D2D发射机发射功率的情况下，优化辅助变量，据此可将问题P1转化为子问题P3：
，
由于约束C5是非凸约束，可利用半正定松弛法松弛掉约束C5，使P3转化为凸问题，再通过凸优化工具包CVX求解，对于凸优化工具包CVX求解得到的辅助变量通过运用高斯随机化还原秩一约束，恢复RIS相移向量，从而得到优化后的RIS相移向量；
最后，对上述子问题P2和子问题P3进行迭代直至问题P0中的目标函数收敛，获得基站有源波束成形、RIS相移与D2D发射机发射功率的优化解。上述求解方法公式推导简单，易于实现。
下面给出计算机上利用MATLAB语言仿真实现发明的一个实例。模型图如图2，在仿真中，基站的天线数M为4，噪声功率为-65dBm，D2D接收机的服务质量阈值为0dB，蜂窝用户的服务质量阈值为7dB。无线信道相互独立，均服从瑞利衰落，且方差为1，参考距离1米的路径衰落为-30dB。基站到D2D接收机的距离为50米，路径损耗因子为3；基站到蜂窝用户的距离为51米，路径损耗因子为2.2；D2D发射机到D2D接收机的距离为40米，路径损耗因子为3.2；D2D发射机到蜂窝用户的距离为41米，路径损耗因子为3；D2D发射机到RIS的距离为2米，路径损耗因子为2；RIS到D2D接收机的距离为2米，路径损耗因子为2。
图3为本发明实施例中无RIS辅助D2D方案和RIS辅助D2D传输方案下，RIS反射单元数与最小D2D网络发射功率的关系图。从图中可以看出：与无RIS辅助D2D方案相比，本发明所提的RIS辅助D2D传输方案显著降低了D2D设备发射机与基站的发射功率之和。
一种基于可重构智能表面辅助的D2D通信功率优化系统，包括以下模块：
信道衰落增益获取模块：获取基站到蜂窝用户、基站到D2D接收机、D2D发射机到D2D接收机、D2D发射机到RIS、RIS到D2D接收机以及D2D发射机到蜂窝用户的信道衰落增益；
接收信干噪比计算模块：根据信道衰落增益，计算得出D2D接收机与蜂窝用户处的接收信干噪比；
优化模型构建模块：构建基于基站与D2D发射机的发射功率之和最小化的优化模型，以蜂窝用户与D2D接收机处的接收信干噪比为约束，对基站有源波束成形、RIS相移与D2D发射机发射功率等系统参数进行联合优化；
参数优化模块：由于所述基站有源波束成形、RIS相移、D2D发射机发射功率等系统参数在优化问题中相互耦合，所以采用交替优化（AO，Alternating Optimization）算法将原始优化问题分解成两个子问题；
先固定RIS相移参数，优化基站有源波束成形、D2D发射机发射功率参数；
再固定基站有源波束成形、D2D发射机发射功率参数，优化RIS相移参数；利用半正定松弛（半正定松弛，Semidefinite Relaxation）算法松弛非凸秩一约束；
最后迭代上述两个子问题直至目标函数收敛，获得基站有源波束成形、RIS相移与D2D发射机发射功率的优化解。
在接收信干噪比计算模块中，根据信道衰落增益，D2D接收机处的接收信号表达式由公式（1）得到：
，
式中，表示共轭转置操作；表示D2D发射机与D2D接收机之间的信道衰落增益；表示RIS的个反射单元与D2D接收机之间的信道衰落增益；表示RIS的相移矩阵，并记为，其中,表示虚数单位，表示对角元素是的对角矩阵，表示为RIS第个反射单元的相位；表示D2D发射机与RIS的个反射单元之间的信道衰落增益；表示D2D发射机的发射功率；表示D2D发射机的归一化功率信号；表示基站的根天线与D2D接收机之间的信道衰落增益；表示根天线基站的有源波束成形向量；表示基站的归一化功率信号；表示D2D接收机处的加性高斯白噪声，其服从均值为0、方差为的复高斯分布。
同理，蜂窝用户处的接收信号表达式可由公式（2）得到：
，
式中，表示D2D发射机与蜂窝用户之间的信道衰落增益；表示基站的根天线与蜂窝用户之间的信道衰落增益；表示蜂窝用户处的加性高斯白噪声，其服从均值为0、方差为的复高斯分布。
根据D2D接收机的接收信号表达式，D2D接收机处的信干噪比可由公式（3）得到：
。
根据蜂窝用户的接收信号表达式，蜂窝用户的信干噪比可由公式（4）得到：
。
在优化模型构建模块中，通过联合优化基站有源波束成形、RIS相移、D2D发射机发射功率参数，使D2D发射机与基站的发射功率之和最小，构建的优化问题P0如公式（5）所示：
，
式中， 约束C1表示D2D接收机的接收信干噪比限制，表示D2D接收机的接收信干噪比阈值；约束C2表示蜂窝用户的接收信干噪比限制，表示蜂窝用户的接收信干噪比阈值；约束C3表示RIS第n个反射单元的相位限制；约束C4表示D2D发射机发射功率非负限制。
进一步的，所述问题求解方法如下：
令RIS相移向量、辅助变量、、、，可将问题P0等价转化为问题P1：
，
式中，表示矩阵的迹；表示半正定；表示N+1阶单位矩阵；，，由于使用了变量替换，，原问题新增四个约束约束C5~C8，约束C5保证辅助变量为半正定；C6保证基站辅助变量为半正定；C7保证辅助变量的秩为一；C8保证基站辅助变量的秩为一。
进一步的，采用交替优化将问题P1转化成子问题P2和子问题P3；
首先，在给定辅助变量的情况下，优化基站辅助变量、D2D发射机的发射功率，据此将问题P1转化为子问题P2：
，
由于约束C4是非凸约束，可利用半正定松弛法松弛掉约束C4，使问题P2转化为凸问题，再通过凸优化工具包CVX求解，得到优化后的D2D发射机发射功率；对于凸优化工具包CVX求解后的基站辅助变量，通过运用高斯随机化来还原秩一约束，恢复基站有源波束成形向量，从而得到优化后的基站有源波束向量；
其次，在给定辅助变量、D2D发射机发射功率的情况下，优化辅助变量，据此可将问题P1转化为子问题P3：
，
由于约束C5是非凸约束，可利用半正定松弛法松弛掉约束C5，使P3转化为凸问题，再通过凸优化工具包CVX求解，对于凸优化工具包CVX求解得到的辅助变量通过运用高斯随机化还原秩一约束，恢复RIS相移向量，从而得到优化后的RIS相移向量；
最后，对上述子问题P2和子问题P3进行迭代直至问题P0中的目标函数收敛，获得基站有源波束成形、RIS相移与D2D发射机发射功率的优化解。
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，使得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。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (4)

1.一种基于可重构智能表面辅助的D2D通信功率优化方法，其特征在于，包括以下步骤：
步骤A：获取基站到蜂窝用户、基站到D2D接收机、D2D发射机到D2D接收机、D2D发射机到RIS、RIS到D2D接收机以及D2D发射机到蜂窝用户的信道衰落增益；
步骤B：根据信道衰落增益，计算得出D2D接收机与蜂窝用户处的接收信干噪比；
步骤C：构建基于基站与D2D发射机的发射功率之和最小化的优化模型，以蜂窝用户与D2D接收机处的接收信干噪比为约束，对基站有源波束成形、RIS相移与D2D发射机发射功率参数进行联合优化；
步骤D：采用交替优化算法将原始优化问题分解成两个子问题；
先固定RIS相移参数，优化基站有源波束成形、D2D发射机发射功率参数；
再固定基站有源波束成形、D2D发射机发射功率参数，优化RIS相移参数；
利用半正定松弛算法松弛上述两个子问题的非凸秩一约束；
迭代上述两个子问题直至目标函数收敛，获得基站有源波束成形、RIS相移与D2D发射机发射功率的优化解；
在步骤B中，根据信道衰落增益，D2D接收机处的接收信号yDR表达式由公式(1)得到：
式中，(·)H表示共轭转置操作；hTR表示D2D发射机与D2D接收机之间的信道衰落增益；表示RIS的N个反射单元与D2D接收机之间的信道衰落增益；Θ表示RIS的相移矩阵，并记为其中，j表示虚数单位，diag(x)表示对角元素是x的对角矩阵，θn表示为RIS第n个反射单元的相位，n∈{1,2，…,N}；表示D2D发射机与RIS的N个反射单元之间的信道衰落增益；PDT表示D2D发射机的发射功率；sDT表示D2D发射机的归一化功率信号；表示基站的M根天线与D2D接收机之间的信道衰落增益；w＝[w1,w2,…,wM]H表示M根天线基站的有源波束成形向量；sBS表示基站的归一化功率信号；δDR表示D2D接收机处的加性高斯白噪声，δDR服从均值为0、方差为的复高斯分布；
蜂窝用户处的接收信号yCU表达式由公式(2)得到：
式中，hTC表示D2D发射机与蜂窝用户之间的信道衰落增益；表示基站的M根天线与蜂窝用户之间的信道衰落增益；δCU表示蜂窝用户处的加性高斯白噪声，δCU服从均值为0、方差为的复高斯分布；
根据D2D接收机的接收信号表达式，D2D接收机处的信干噪比SINRDR由公式(3)得到：
根据蜂窝用户的接收信号表达式，蜂窝用户的信干噪比SINRCU由公式(4)得到：
在步骤C中，通过联合优化基站有源波束成形、RIS相移、D2D发射机发射功率参数，使D2D发射机与基站的发射功率之和最小，构建的优化问题P0如公式(5)所示：
式中，约束C1表示D2D接收机的接收信干噪比限制，γDR表示D2D接收机的接收信干噪比阈值；约束C2表示蜂窝用户的接收信干噪比限制，γCU表示蜂窝用户的接收信干噪比阈值；约束C3表示RIS第n个反射单元的相位限制；约束C4表示D2D发射机发射功率非负限制。
2.根据权利要求1所述的一种基于可重构智能表面辅助的D2D通信功率优化方法，其特征在于，在步骤D中，问题P0求解方法如下：
令RIS相移向量辅助变量V＝vvH、W＝wwH、将问题P0等价转化为问题P1：
式中，Tr(·)表示矩阵的迹；±表示半正定；IN+1表示N+1阶单位矩阵；约束C5保证辅助变量V为半正定；C6保证基站辅助变量W为半正定；C7保证辅助变量V的秩为一；C8保证基站辅助变量W的秩为一；
在步骤D中，采用交替优化方法将问题P1转化成子问题P2和子问题P3；
在给定辅助变量V的情况下，优化辅助变量W、D2D发射机的发射功率PDT，将问题P1转化为子问题P2：
由于约束C4是非凸约束，利用半正定松弛法松弛掉约束C4，使问题P2转化为凸问题，再通过凸优化工具包CVX求解，得到优化后的D2D发射机发射功率对于凸优化工具包CVX求解后的基站辅助变量W，通过运用高斯随机化来还原秩一约束，恢复基站有源波束成形向量w，从而得到优化后的基站有源波束向量w*；
在给定辅助变量W、D2D发射机发射功率PDT的情况下，优化辅助变量V，据此将问题P1转化为子问题P3：
由于约束C5是非凸约束，利用半正定松弛法松弛掉约束C5，使P3转化为凸问题，再通过凸优化工具包CVX求解，对于凸优化工具包CVX求解得到的辅助变量V通过运用高斯随机化还原秩一约束，恢复RIS相移向量v，从而得到优化后的RIS相移向量v*；
对上述子问题P2和子问题P3进行迭代直至问题P0中的目标函数收敛，获得基站有源波束成形、RIS相移与D2D发射机发射功率的优化解。
3.一种基于可重构智能表面辅助的D2D通信功率优化系统，其特征在于，包括以下模块：
信道衰落增益获取模块：用于获取基站到蜂窝用户、基站到D2D接收机、D2D发射机到D2D接收机、D2D发射机到RIS、RIS到D2D接收机以及D2D发射机到蜂窝用户的信道衰落增益；
接收信干噪比计算模块：根据信道衰落增益，计算得出D2D接收机与蜂窝用户处的接收信干噪比；
优化模型构建模块：构建基于基站与D2D发射机的发射功率之和最小化的优化模型，以蜂窝用户与D2D接收机处的接收信干噪比为约束，对基站有源波束成形、RIS相移与D2D发射机发射功率参数进行联合优化；
参数优化模块：采用交替优化算法将原始优化问题分解成两个子问题；
先固定RIS相移参数，优化基站有源波束成形、D2D发射机发射功率参数；
再固定基站有源波束成形、D2D发射机发射功率参数，优化RIS相移参数；
利用半正定松弛算法松弛上述两个子问题的非凸秩一约束；
迭代上述两个子问题直至目标函数收敛，获得基站有源波束成形、RIS相移与D2D发射机发射功率的优化解；
在接收信干噪比计算模块中，根据信道衰落增益，D2D接收机处的接收信号yDR表达式由公式(1)得到：
式中，(·)H表示共轭转置操作；hTR表示D2D发射机与D2D接收机之间的信道衰落增益；表示RIS的N个反射单元与D2D接收机之间的信道衰落增益；Θ表示RIS的相移矩阵，并记为其中,j表示虚数单位，diag(x)表示对角元素是x的对角矩阵，θn表示为RIS第n个反射单元的相位，n∈{1,2，…,N}；表示D2D发射机与RIS的N个反射单元之间的信道衰落增益；PDT表示D2D发射机的发射功率；sDT表示D2D发射机的归一化功率信号；表示基站的M根天线与D2D接收机之间的信道衰落增益；w＝[w1,w2,…,wM]H表示M根天线基站的有源波束成形向量；sBS表示基站的归一化功率信号；δDR表示D2D接收机处的加性高斯白噪声，δDR服从均值为0、方差为的复高斯分布；
蜂窝用户处的接收信号yCU表达式由公式(2)得到：
式中，hTC表示D2D发射机与蜂窝用户之间的信道衰落增益；表示基站的M根天线与蜂窝用户之间的信道衰落增益；δCU表示蜂窝用户处的加性高斯白噪声，δCU服从均值为0、方差为的复高斯分布；
根据D2D接收机的接收信号表达式，D2D接收机处的信干噪比SINRDR由公式(3)得到：
根据蜂窝用户的接收信号表达式，蜂窝用户的信干噪比SINRCU由公式(4)得到：
在优化模型构建模块中，通过联合优化基站有源波束成形、RIS相移、D2D发射机发射功率参数，使D2D发射机与基站的发射功率之和最小，构建的优化问题P0如公式(5)所示：
式中，约束C1表示D2D接收机的接收信干噪比限制，γDR表示D2D接收机的接收信干噪比阈值；约束C2表示蜂窝用户的接收信干噪比限制，γCU表示蜂窝用户的接收信干噪比阈值；约束C3表示RIS第n个反射单元的相位限制；约束C4表示D2D发射机发射功率非负限制。
4.根据权利要求3所述的一种基于可重构智能表面辅助的D2D通信功率优化系统，其特征在于，在参数优化模块中，问题P0求解方法如下：
令RIS相移向量辅助变量V＝vvH、W＝wwH、将问题P0等价转化为问题P1：
式中，Tr(·)表示矩阵的迹；±表示半正定；IN+1表示N+1阶单位矩阵；约束C5保证辅助变量V为半正定；C6保证基站辅助变量W为半正定；C7保证辅助变量V的秩为一；C8保证基站辅助变量W的秩为一；
采用交替优化将问题P1转化成子问题P2和子问题P3；
在给定辅助变量V的情况下，优化辅助变量W、D2D发射机的发射功率PDT，据此将问题P1转化为子问题P2：
由于约束C4是非凸约束，利用半正定松弛法松弛掉约束C4，使问题P2转化为凸问题，再通过凸优化工具包CVX求解，得到优化后的D2D发射机发射功率对于凸优化工具包CVX求解后的辅助变量W，通过运用高斯随机化来还原秩一约束，恢复基站有源波束成形向量w，从而得到优化后的基站有源波束向量w*；
在给定辅助变量W、D2D发射机发射功率PDT的情况下，优化辅助变量V，将问题P1转化为子问题P3：
由于约束C5是非凸约束，利用半正定松弛法松弛掉约束C5，使P3转化为凸问题，再通过凸优化工具包CVX求解，对于凸优化工具包CVX求解得到的辅助变量V通过运用高斯随机化还原秩一约束，恢复RIS相移向量v，从而得到优化后的RIS相移向量v*；
对上述子问题P2和子问题P3进行迭代直至问题P0中的目标函数收敛，获得基站有源波束成形、RIS相移与D2D发射机发射功率的优化解。
CN202310621408.XA 2023-05-30 2023-05-30 基于可重构智能表面辅助的d2d通信功率优化方法及系统 Active CN116347579B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310621408.XA CN116347579B (zh) 2023-05-30 2023-05-30 基于可重构智能表面辅助的d2d通信功率优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310621408.XA CN116347579B (zh) 2023-05-30 2023-05-30 基于可重构智能表面辅助的d2d通信功率优化方法及系统

Publications (2)

Publication Number Publication Date
CN116347579A CN116347579A (zh) 2023-06-27
CN116347579B true CN116347579B (zh) 2023-08-11

Family

ID=86876350

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310621408.XA Active CN116347579B (zh) 2023-05-30 2023-05-30 基于可重构智能表面辅助的d2d通信功率优化方法及系统

Country Status (1)

Country Link
CN (1) CN116347579B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116567792B (zh) * 2023-06-28 2023-10-13 南京邮电大学 一种有源可重构智能表面辅助的wpc能耗优化方法
CN117081636B (zh) * 2023-10-16 2024-02-20 南京邮电大学 可重构智能表面辅助主动干扰的发射功率优化方法及装置
CN118101122B (zh) * 2024-04-18 2024-08-06 南京邮电大学 基于可重构智能表面的无线通信对抗系统优化方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112564748A (zh) * 2020-12-03 2021-03-26 重庆邮电大学 一种考虑硬件损伤的mimo异构无线网络波束成形方法
CN113596784A (zh) * 2021-07-24 2021-11-02 浙江以正通信技术有限公司 一种智能反射表面辅助d2d通信系统的鲁棒性传输设计方法
CN113746578A (zh) * 2021-08-18 2021-12-03 南京邮电大学 一种基于智能反射表面辅助的通信系统传输方法
WO2023020080A1 (zh) * 2021-08-18 2023-02-23 深圳大学 一种智能反射面辅助的无线通信系统
WO2023037243A1 (en) * 2021-09-07 2023-03-16 King Abdullah University Of Science And Technology Reconfigurable intelligent surface enabled leakage suppression and signal power maximization system and method
CN116033461A (zh) * 2023-02-22 2023-04-28 南京邮电大学 一种基于star-ris辅助的共生无线电传输方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112564748A (zh) * 2020-12-03 2021-03-26 重庆邮电大学 一种考虑硬件损伤的mimo异构无线网络波束成形方法
CN113596784A (zh) * 2021-07-24 2021-11-02 浙江以正通信技术有限公司 一种智能反射表面辅助d2d通信系统的鲁棒性传输设计方法
CN113746578A (zh) * 2021-08-18 2021-12-03 南京邮电大学 一种基于智能反射表面辅助的通信系统传输方法
WO2023020080A1 (zh) * 2021-08-18 2023-02-23 深圳大学 一种智能反射面辅助的无线通信系统
WO2023037243A1 (en) * 2021-09-07 2023-03-16 King Abdullah University Of Science And Technology Reconfigurable intelligent surface enabled leakage suppression and signal power maximization system and method
CN116033461A (zh) * 2023-02-22 2023-04-28 南京邮电大学 一种基于star-ris辅助的共生无线电传输方法

Also Published As

Publication number Publication date
CN116347579A (zh) 2023-06-27

Similar Documents

Publication Publication Date Title
CN116347579B (zh) 基于可重构智能表面辅助的d2d通信功率优化方法及系统
Wang et al. Joint offloading and computing optimization in wireless powered mobile-edge computing systems
Maksymyuk et al. Deep learning based massive MIMO beamforming for 5G mobile network
Hu et al. Wireless powered cooperation-assisted mobile edge computing
CN111698045B (zh) 一种基于非正交多址接入的毫米波通信系统中能效功率分配方法
CN102355729A (zh) 协同认知simo网络中吞吐量最大化的资源分配方法
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
Xu et al. Weighted sum rate maximization in IRS-BackCom enabled downlink multi-cell MISO network
CN113949427B (zh) 一种多用户无线网络安全能效优化设计方法和系统
CN112788764A (zh) 针对noma超密集网络任务卸载和资源分配方法及系统
Tran et al. Dynamic radio cooperation for downlink cloud-RANs with computing resource sharing
Zhao et al. Joint optimization algorithm based on centralized spectrum sharing for cognitive radio
Zhu et al. Cluster-based energy-efficient joint user association and resource allocation for B5G ultra-dense network
CN110190981B (zh) 一种基于非正交多址接入的多任务计算迁移能耗优化方法
Zheng et al. Zero-energy device networks with wireless-powered RISs
Yang et al. Reconfigurable intelligent surface empowered underlaying device-to-device communication
Le et al. RIS-assisted full-duplex integrated sensing and communication
CN113507712B (zh) 一种基于交替方向乘子的资源分配与计算任务卸载方法
CN117119499B (zh) 一种有源可重构智能表面辅助的无线信息与能量同传方法
Chen et al. Correlated equilibrium based distributed power control in cognitive satellite-terrestrial networks
Muhammad et al. Optimizing information freshness in RIS-assisted non-orthogonal multiple access-based IoT networks
CN114765785B (zh) 一种基于最大信噪比的多智能反射面选择方法
CN115696437A (zh) 基于irs的无线能量传输网络的用户总速率最大化方法
Li et al. Efficient resource allocation algorithms for energy efficiency maximization in ultra-dense network
CN111726803A (zh) 一种基于认知无线电的能量采集方法和装置

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