CN116367197A - 通信系统容量分析及优化方法 - Google Patents
通信系统容量分析及优化方法 Download PDFInfo
- Publication number
- CN116367197A CN116367197A CN202310372146.8A CN202310372146A CN116367197A CN 116367197 A CN116367197 A CN 116367197A CN 202310372146 A CN202310372146 A CN 202310372146A CN 116367197 A CN116367197 A CN 116367197A
- Authority
- CN
- China
- Prior art keywords
- ris
- convex
- capacity
- phi
- algorithm
- 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
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000004891 communication Methods 0.000 title claims abstract description 33
- 238000005457 optimization Methods 0.000 claims abstract description 73
- 239000000243 solution Substances 0.000 claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 238000002347 injection Methods 0.000 claims abstract description 4
- 239000007924 injection Substances 0.000 claims abstract description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 35
- 230000005540 biological transmission Effects 0.000 claims description 13
- 230000010363 phase shift Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 8
- 239000000654 additive Substances 0.000 claims description 6
- 230000000996 additive effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000008878 coupling Effects 0.000 claims description 5
- 238000010168 coupling process Methods 0.000 claims description 5
- 238000005859 coupling reaction Methods 0.000 claims description 5
- 238000005562 fading Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000010845 search algorithm Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- 230000006872 improvement Effects 0.000 description 6
- 238000013507 mapping Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 241000197727 Euscorpius alpha Species 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000010420 art technique Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- 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
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种通信系统容量分析及优化方法,以保证用户设备速率需求的同时,通过联合优化接入点的功率分配和RIS的反射系数,使系统容量最大。首先,基于交替优化AO的算法解耦原优化问题,采用注水法优化功率分配,基于罚函数和逐次凸逼近技术的低复杂度算法分别优化RIS的反射系数;然后,使用复杂度更高的基于单调优化MO的算法和半定松弛SDR法求解系统容量的上界,验证了基于AO的算法所得稳态解的稳定性。仿真和分析结果证实,在多用户通信系统中部署RIS可以有效增强系统性能,所提基于AO的算法收敛迅速,可以得到近乎最优的性能。
Description
技术领域
本发明涉及无线通信技术领域,具体涉及一种通信系统容量分析及优化方法。
背景技术
随着元宇宙、全息通信等新业务的发展,未来6G无线网络对容量的需求越来越高。提升容量的潜在技术包括太赫兹(THz)通信,可见光通信和超密集网络(UDNs)等已经备受关注。此外,一些现有技术还可以与RIS联合设计,如非正交多址(NOMA)、物理层安全、同步无线信息与能量传输(SWIPT)等,共同优化通信系统。随着移动应用爆炸式的增长,无线通信系统对频谱效率,能源效率和容量效率等系统性能有了更大的需求。为了应对6G网络对更高通信容量的需求,RIS成为一种很有前途的解决方案,它是一种新型的元表面,能够在从微波到可见光的宽频率范围内可编程调制电磁波,其可调的电磁响应包括振幅、相位、频率和极化,可以在瞬间流量巨大且视距(LoS)无法直接传输信息的场景中应用,降低了基站和接入点的压力,提高了能效。
RIS是一种无源补充设备,不会产生新的干扰,无需修改物理层标准,可以很容易的集成到无线网络中,是无线信道中的一个中转设备,对用户透明。通常,AP处的主动波束赋形和RIS处的被动波束赋形需要联合考虑,优化AP传输预编码矩阵和RIS反射系数,这种联合设计会产生复杂的优化变量的耦合问题,为了保证所得解的最优性,需要采用多种优化算法联合求解。在本文中,AP和UE之间随时可能出现障碍物阻断直接链路,或者存在深度衰落和阴影使得直接链路受阻,此时,RIS通过提供从AP到UE的高质量的LoS链路,人为的塑造电磁波的传输环境,实现无线环境的可控和可编程,大大提高了无线通信系统的性能。RIS在为AP和UE转发信息时类似于全双工放大转发(AF)中继,不同的是,RIS是无源反射信号,而中继是有源转发信号,因此,RIS在能源和成本效益方面具有很大的优势。在无线网络中部署更多的RIS能否成为未来6G网络容量可持续增长的灵活解决方案,这仍然是一个开放和具有挑战性的问题。
发明内容
本发明的目的在于提供一种通信系统容量分析及优化方法,为RIS容量的求解提供理论依据。
为实现上述目的,本发明提供了一种通信系统容量分析及优化方法,基于包括直接信道和级联信道的目标无线网络,目标无线网络中AP与UEs之间的数据传输执行以下步骤,优化目标无线网络的系统容量:
步骤A:建立容量分析模型,在满足AP的发射功率、UEs的速率需求和反射单元的单模约束的同时,通过联合优化AP的功率分配和RIS的反射系数,使系统的整体容量最大;
步骤B:容量稳定解的求解,采用WF功率分配法优化AP的功率分配,开发基于罚函数和基于SCA的两种算法分别优化RIS的反射系数;
步骤C:容量上限的求解,利用MO算法和SDR法求解初始优化问题的容量上界。
作为本发明的进一步改进,步骤A具体执行以下步骤:
步骤A1:构建RIS辅助多用户单输入单输出下行通信系统的容量分析模型;RIS反射系数能够建模为对角反射系数矩阵,即Φ=diag其中,/> j为虚数单位,θn是第n个反射元件的相移,θn∈[0,2π);当AP与某个UE通信时,RIS反射信息与AP发射信息在同一时频资源块上运行,从AP处发出的信号表示为:/>式中,sk是AP为UEk发射的数据符号,pk是AP为UEk分配的功率;
步骤A2:优化AP功率分配pk和RIS反射系数矢量φ,以最大化系统容量,同时满足总功率预算、移相器的单模约束,优化问题构造为:
Rk(pk,φ)≥Rmin
其中,ωk是控制UE调度优先级的权重因子,|φn|是移相器上的单位范数约束,UE的最小速率需求为Rmin,约束条件|φn|=1非凸,该优化问题非凸目标函数的优化变量{pk}和φ深度耦合。
作为本发明的进一步改进,所述步骤A1中,用户k处级联信道和直接信道的功率增益分别表示为:hc=Lc|hr,kΦha,r|2,hau=Lau|ha,k|2,式中,Lc和Lau分别表示级联路径损耗和直接路径损耗,ha,r,hr,k和ha,k分别表示AP-RIS,RIS-UEs和AP-UEs链路的小尺度衰落;设 反射系数矢量/>则级联信道功率增益可以重写为:/>设/>ha,k,则直接信道功率增益可以重写为:hau=|qau|2。
作为本发明的进一步改进,所述步骤A1中,AP-UEk的等效信道为:UEk接收到的AP发送给/> 的数据si都视为噪声,故UEk接收到的信号表示为:/> 式中,/>为UEk接收到的AP发送给UE i的信息,pi是AP为UE i分配的功率, 为UEs端的加性高斯白噪声AWGN,在UE k处解码sk的SINR表示为:
其中,σ2表示加性复高斯噪声的方差;
UEk的数据速率表示为:Rk=log2(1+γk)。
作为本发明的进一步改进,所述步骤B具体包括以下步骤:
先优化如下问题:
目标函数关于{pk}是凸的,此最小优化问题是凸的,此时通过标准的凸问题求解器CVX和注水功率分配法求解;
步骤B2:给定{pk},开发基于罚函数和基于SCA的低复杂度迭代算法分别求解原始非凸优化问题的变量φ;
步骤B3:基于AO的算法交替设计优化AP的功率分配{pk}和RIS的反射系数φ。
作为本发明的进一步改进,所述步骤B2包括以下步骤:
步骤B2.1:AP在计算出RIS的反射系数之后,会通过专用控制信道将计算结果发送给RIS,寻找反射系数φ的可行性检验:
令W=vvH,可得:
然后把UEk的数据速率表达式重写为:
式中,B为信号带宽,为了满足UE的速率需求,Rmin满足:Rmin≤Rk(W);
秩一约束可转换为等价反凸约束:λ(W)-tr(W)=0,式中,λ(W)是W的最大特征值,设vmax是W的最大特征值λ(W)对应的单位模特征矢量,可得对反凸约束做松弛处理:λ(W)-tr(W)≤0,使λ(W)-tr(W)的值尽可能大,不等式是恒成立的;当λ(W)-tr(W)的值尽可能的接近0时,采用罚函数法来增广目标函数,优化问题的目标函数为:其中,/>表示惩罚因子,目标函数是凸差的形式,所有约束都是凸约束;在第m次迭代中,使用点{W(m)}处的一阶泰勒展开/> 来近似逼近/> 在第m次迭代中,原优化问题近似表示为以下标准凸优化问题:
通过执行迭代计算可得到秩一局部最优解;
步骤B2.2:基于SCA的低复杂度算法,给出AP处的功率分配{pk}优化RIS的反射系数φ,引入辅助变量满足/> |φn|=1,/> 是一个松弛向量,使用罚函数法处理非凸约束|φn|=1,引入一个正常数G,优化问题得到最优解时迫使惩罚部分/>中的|φn|2-1等于0;
这个公式是非凸的,用两个凸函数之差近似表示:
作为本发明的进一步改进,所述步骤C具体包括以下步骤:
步骤C2:polyblock外逼近算法,首先初始化一个顶点集为的/> 只包含一个顶点z1,/>z1是K维的矢量,对应K个用户,/>然后,用新的顶点/>代替z1,以构造顶点集为/>的更小的/>z1中的为用户k对应γ的最大值:
其中,Pmax表示AP把所有发射功率都分配给用户k;由于没有给第i(i≠k)个用户分配功率,所以噪声部分不包含第i个用户产生的噪声;|qc+qau|2部分表示最大化UEk的级联信道功率增益,其中并不包含RIS的反射系数矢量φ,说明使用了最优的RIS反射系数,|qc+qau|2满足如下不等式:这里表示成了欧氏距离的形式,此时,RIS的反射系数φ遵从公式选择:/> 其中,angel([qc]n)表示qc第n个元素的相位,θ*可以被设置为任意值,当θ*=0时,RIS反射单元和级联信道产生的相移相反,以保证公式/>取最大值;
其中,表示矢量z1的第k个元素,πk(z1)表示矢量π(z1)的第k个元素,ek表示第k个元素是1的单位矢量,π(z1)是z1在集合/>上的投影,π(z1)表示为:π(z1)=αz1,α∈[0,1],投射过程在数学上定义为单变量的优化问题/>然后,给出新的顶点集为:/> 通过切掉不可行集中的一个锥z1,加上K个新的顶点/>生成一个具有顶点集/>的新的polyblock;
步骤C3:二分搜索算法,在polyblock算法的每次迭代中,都需要找到顶点zm在集合上的投影π(zm),根据π(zm)的公式,首先需要求解公式中α的最大值,即,α的最优值α*可以通过采用二分搜索法得到;
为了处理秩一约束,使用SDR法松弛这个约束,把优化问题转化为一个凸问题:
本发明的有益效果为:本发明开发了基于WF-Penalty,WF-SCA和MO的算法来得到系统容量的稳定解和容量上界,与“随意相移”和“无RIS”的情况相比,系统性能得到了显著提升。此外,在多用户通信系统中部署RIS可以有效增强系统性能,所提基于AO的算法收敛迅速,可以得到近乎最优的性能,基于MO的算法收敛较慢,但可以得到系统容量的上界,这对实际应用很有吸引力,也对RIS的实际部署和系统容量分析提供了不错的参考价值。
附图说明
图1是本发明提供的RIS辅助的多用户系统效果图;
图2是本发明提供的polyblock外逼近算法原理效果图;
图3是本发明中系统容量与迭代次数之间的关系图;
图4是本发明中系统容量与最大发射功率之间的关系图;
图5是本发明中系统容量与反射单元个数N之间的关系图;
图6是本发明中系统容量与路损指数αRIS之间的关系图;
图7是本发明中系统容量与AP-UE距离XAP2UE之间的关系图;
图8是本发明中系统容量与AP-RIS距离XAP2RIS之间的关系图;
图9是本发明中系统容量与UE个数K之间的关系图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
如图1所示,本发明提供了一种RIS辅助的通信系统容量分析及优化方法,主要应用在AP与UEs之间的直接路径出现深度衰落或者阴影的场景中,比如AP和UEs之间出现障碍物,临时热点,物联网网络等场景。若是部署更多的基站,将会大大增加系统的硬件成本和能量消耗。所以,在AP和UEs之间合适的位置部署RIS,通过RIS把NLoS传输转变为LoS传输,可以有效改善这些终端用户的覆盖和系统容量。假设AP通过使用信道估计技术可以获取所有相关信道的CSI和其他相关参数的知识。
具体地,本发明基于包括直接信道和级联信道的目标无线网络,目标无线网络中AP与UEs之间的数据传输执行以下步骤,优化目标无线网络的系统容量:
步骤A:建立容量分析模型,在满足AP的发射功率、UEs的速率需求和反射单元的单模等约束的同时,通过联合优化AP的功率分配和RIS的反射系数,使系统的整体容量最大;RIS辅助的通信系统对RIS相移施加了非凸的单模约束,容量最大化的求解具有挑战性。由于优化变量的高度耦合,我们首先把原问题转化为更易处理的等价形式。
步骤A1:构建一个RIS辅助多用户单输入单输出下行通信系统的容量分析模型;RIS反射系数能够建模为对角反射系数矩阵,即 其中,/>j为虚数单位,θn是第n个反射元件的相移,θn∈[0,2π);对于理想的相移模型,所有反射单元的振幅/>用户k处级联信道和直接信道的功率增益分别表示为:hc=Lc|hr,kΦha,r|2,hau=Lau|ha,k|2,式中,Lc和Lau分别表示级联路径损耗和直接路径损耗,ha,r,hr,k和ha,k分别表示AP-RIS,RIS-UEs和AP-UEs链路的小尺度衰落;设/>反射系数矢量/>则级联信道功率增益可以重写为:/>设/>则直接信道功率增益可以重写为:hau=|qau|2。当AP与某个UE通信时,RIS反射信息与AP发射信息在同一时频资源块上运行,从AP处发出的信号表示为:/>式中,sk是AP为UEk发射的数据符号,pk是AP为UEk分配的功率;AP-UEk的等效信道为:/>
UEk接收到的AP发送给UE i(i≠k,)的数据si都视为噪声,故UEk接收到的信号表示为:/> 式中,/>为UEk接收到的AP发送给UE i的信息,pi是AP为UE i分配的功率,/>为UEs端的加性高斯白噪声AWGN,在UEk处解码sk的SINR表示为:
其中,σ2表示加性复高斯噪声的方差;
UEk的数据速率表示为:Rk=log2(1+γk)。
步骤A2:问题形成,目标是优化AP功率分配pk和RIS反射系数矢量φ,以最大化系统容量,同时满足总功率预算、移相器的单模约束,优化问题构造为:
Rk(pk,φ)≥Rmin
其中,ωk是控制UE调度优先级的权重因子,|φn|是移相器上的单位范数约束,UE的最小速率需求为Rmin,约束条件|φn|=1非凸,该优化问题非凸目标函数的优化变量{pk}和φ深度耦合。
步骤B:容量稳定解的求解,采用WF功率分配法优化AP的功率分配,开发基于罚函数和基于SCA的两种算法分别优化RIS的反射系数。具体包括以下步骤:
先优化如下问题:
目标函数关于{pk}是凸的,此最小优化问题是凸的,此时通过标准的凸问题求解器CVX和注水功率分配法求解。
步骤B2:给定{pk}优化φ,本发明为直接路径状态不稳定时RIS辅助通信、增强覆盖的场景,应用在UE分布范围较小的临时热点或物联网中,所以本发明中RIS以波束赋形的形式反射信号,而决定RIS辐射模式的是其反射系数φ,接下来,给定{pk},开发基于罚函数和基于SCA的低复杂度迭代算法分别求解原始非凸优化问题的变量φ。具体包括以下步骤:
步骤B2.1:AP在计算出RIS的反射系数之后,会通过专用控制信道将计算结果发送给RIS,寻找反射系数φ的可行性检验:
令W=vvH,可得:
然后把UEk的数据速率表达式重写为:
式中,B为信号带宽,为了满足UE的速率需求,Rmin满足:Rmin≤Rk(W);
秩一约束可转换为等价反凸约束:λ(W)-tr(W)=0,式中,λ(W)是W的最大特征值,设vmax是W的最大特征值λ(W)对应的单位模特征矢量,可得对反凸约束做松弛处理:λ(W)-tr(W)≤0,使λ(W)-tr(W)的值尽可能大,不等式是恒成立的;当λ(W)-tr(W)的值尽可能的接近0时,采用罚函数法来增广目标函数,优化问题的目标函数为:其中,/>表示惩罚因子,目标函数是凸差的形式,所有约束都是凸约束;在第m次迭代中,使用点{W(m)}处的一阶泰勒展开/> 来近似逼近/> 在第m次迭代中,原优化问题近似表示为以下标准凸优化问题:
这是一个标准凸优化问题,可以通过CVX工具箱来求解。通过执行迭代计算可得到秩一局部最优解。算法1总结了所提罚函数算法的详细过程。
步骤B2.2:基于SCA的低复杂度算法,给出AP处的功率分配{pk}优化RIS的反射系数φ,引入辅助变量满足/> |φn|=1,/> 是一个松弛向量,使用罚函数法处理非凸约束|φn|=1,引入一个很大的正常数G,优化问题得到最优解时迫使惩罚部分/> 中的|φn|2-1等于0;
这个公式是非凸的,用两个凸函数之差近似表示:
算法2介绍了基于SCA的低复杂度迭代算法的详细过程。
近似凸问题在每次迭代时都用传统的对偶方法求解。
步骤B3:基于AO的算法交替设计优化AP的功率分配{pk}和RIS的反射系数φ。所提算法的细节总结为算法3,其中在第3步之后,针对不同的算法运行第4步或者第5步。
步骤C:容量上限的求解,利用MO算法和SDR法求解初始优化问题的容量上界。为了验证基于AO算法所求稳定解的最优性,引入复杂度更高的MO算法和SDR法求解初始优化问题的容量上界。首先,为方便使用MO,引入辅助变量,为初始优化问题做MO变换,把初始优化问题重写为具有MO问题典型形式的等价的子问题;其次,采用polyblock外逼近算法得到在第m次迭代中顶点最好的可行解,并且描述了初始化polyblock顶点的方法;第三,使用二分搜索算法和SDR法找到顶点的映射,证明此算法能够找到映射的最大值。
具体包括以下步骤:
为了降低polyblock外逼近算法的计算复杂度,引入辅助变量μk,使为了方便使用MO,再引入辅助矢量γ,γk对应UEk的信噪比,/>和/>分别是γk的最大值和最小值,它们之间的关系为:/> 定义/> 所以/> 法线集/>和余法线集/>分别表示为:
至此,问题已经转化成了MO问题的单变量标准形式。接下来,将开发使用MO问题的配套算法polyblock外逼近算法,进一步优化RIS辅助通信系统的容量。
步骤C2:polyblock外逼近算法,优化问题的目标函数是关于γk(γk≥1)递增的函数,这为polyblock外逼近算法做好了铺垫。因此,优化问题的最优解在可行集的上边界上,可以通过polyblock外逼近算法得到。基于此,我们首先初始化一个顶点集为/>的 只包含一个顶点z1,/>z1是K维的矢量,对应K个用户,然后,用新的顶点/> 代替z1,以构造顶点集为/>的更小的/>z1中的/>为用户k对应γ的最大值:
其中,Pmax表示AP把所有发射功率都分配给用户k;由于没有给第i(i≠k)个用户分配功率,所以噪声部分不包含第i个用户产生的噪声;|qc+qau|2部分表示最大化UEk的级联信道功率增益,其中并不包含RIS的反射系数矢量φ,说明使用了最优的RIS反射系数,|qc+qau|2满足如下不等式:这里表示成了欧氏距离的形式,此时,RIS的反射系数φ遵从公式选择:/> 其中,angel([qc]n)表示qc第n个元素的相位,θ*可以被设置为任意值,当θ*=0时,RIS反射单元和级联信道产生的相移相反,以保证公式/>取最大值;
其中,表示矢量z1的第k个元素,πk(z1)表示矢量π(z1)的第k个元素,ek表示第k个元素是1的单位矢量,π(z1)是z1在集合/>上的投影,π(z1)表示为:π(z1)=αz1,α∈[0,1],投射过程在数学上定义为单变量的优化问题:/>然后,给出新的顶点集为:/>k=1,...,K,通过切掉不可行集中的一个锥z1,加上K个新的顶点/>k=1,...,K,生成一个具有顶点集/>的新的polyblock;
双用户情况下polyblock外逼近算法如图2所示。(a)计算顶点z1在可行集上的映射π(z1);(b)根据顶点z1,映射π(z1),产生新的顶点/>和/>(c)使用新的顶点集/>代替顶点z1,从而缩小/>为/>从图2中可以看出,/>仍然包含可行集/>并且比/>更小了。从/>中选择能够使目标函数值最大的顶点作为新的顶点z2;(d)重复步骤(c),缩小/>为/>polyblock变得更小了;(e)重复以上步骤,找到更小更紧密的polyblock。因此,polyblock算法最终会找到最优解。
通过以上步骤,可以通过迭代构造更小的polyblock,当满足预定义的容差ε时,算法终止。设U(zm)和U(γ*)分别表示由顶点zm得到的目标值和在m次迭代中最好的可行解,算法的终止条件是|U(zm)-U(γ*)|≤ε,polyblock外逼近算法细节总结为算法4。
备注说明:通过算法4得到的解通常是优化问题最优解的上界,这是因为非凸秩约束的松弛放大了优化问题的可行集,此上界为任意次优解的最优性提供了检验的性能基准。
步骤C3:二分搜索算法,在polyblock算法的每次迭代中,都需要找到顶点zm在集合上的投影π(zm),根据π(zm)的公式,首先需要求解公式中α的最大值,即,α的最优值α*可以通过采用二分搜索法得到。
为了处理秩一约束,使用SDR法松弛这个约束,把优化问题转化为一个凸问题:
图3为本发明中系统容量与迭代次数之间的关系图。图3表现出在不同算法情况下,系统容量与迭代次数的关系。WF-Penalty和WF-SCA算法基本通过10次以内迭代就可以收敛,而MO算法需要经过80多次迭代才能收敛,这是因为MO算法需要执行复杂度更高的polyblock外逼近算法。WF-Penalty和WF-SCA算法得到的收敛值低于并且接近MO算法得到的收敛值,分别约为6.44bps/10Hz,6.31bps/10Hz和6.50bps/10Hz,6.4378bps/10Hz,6.3128bps/10Hz和6.4979bps/10Hz,与复杂度分析相吻合。此外,在Random Phase和Without RIS的情况下,系统容量较低并保持不变,分别为3.70bps/10Hz和3.37bps/10Hz。3.6936bps/10Hz和3.3673bps/10Hz。
图4为本发明中系统容量与最大发射功率之间的关系图。不同算法情况下,仿真了系统容量与AP最大发射功率之间的变化关系。图4表现出在相同系统参数时,系统容量随着AP最大发射功率的增大而增大,多条曲线变化趋势大致相同。由于RIS的合理部署,相比于Random Phase和Without RIS的情况,WF-SCA,WF-Penalty和MO三组算法得到的系统容量增长速度更快。从图4可以看出,当Pmax=50dBm时,WF-SCA,WF-Penalty和MO三组算法得到的系统容量大概提升4.80bps/10Hz,这与分析相吻合。
图5是本发明中系统容量与反射单元个数N之间的关系图。图5展示出了系统容量与RIS反射单元个数之间的关系。从图5可以看出,随着RIS反射单元数的增加,WF-SCA,WF-Penalty和MO三组算法的系统容量都有所提升,但是反射单元数目的增加会消耗更多的功耗,所以系统容量增加会逐渐变缓。此外,当RIS未部署或者相移随机时,N的大小不会影响SC,即,Random Phase和Without RIS的系统容量不会随着反射单元数的增加而增加。
图6是本发明中系统容量与路损指数αRIS之间的关系图。图6表现出了系统容量与路径损耗指数之间的关系,这里分析的是与RIS相关的路径损耗指数αRIS,设和RIS相关的路径损耗指数相同,即αRIS=αa,r=αr,k。此外,级联信道路径损耗随着αRIS的增大而越大,所以,随着αRIS增加,WF-SCA,WF-Penalty和MO三组算法的系统容量都有所降低,降低速度有变慢的趋势,逐渐接近无RIS或者随机相移的情况。由于直接信道路径损耗指数αa,k不变,直接路径损耗不变,所以,随着αRIS的增大,Random Phase和Without RIS的系统容量保持不变。
图7是本发明中系统容量与AP-UE距离XAP2UE之间的关系图。当UEs在AP-RIS方向逐渐远离AP时,RIS-UE的距离同时变大。图7表征了SC与AP-UE的距离之间的关系,其中,AP-UE的距离变化取值为200-700m,路径损耗和距离为负指数的关系,所以,随着UEs逐渐远离AP,系统容量的五条曲线都是下降趋势。不同的是,相比于级联路径,直接路径没有RIS的辅助,系统容量下降更快。
图8是本发明中系统容量与AP-RIS距离XAP2RIS之间的关系图。当RIS在AP-RIS方向0-200m的范围内移动时,RIS-UE的距离同时变化。图8表征了SC与AP-RIS的距离之间的关系。由于AP-UE的距离不变,直接路径损耗不变,所以Random Phase和Without RIS的系统容量不变。随着RIS的移动,WF-SCA,WF-Penalty和MO三组算法的系统容量是先变小再变大的变化趋势,RIS部署在AP端或者UE端时,系统容量更大,RIS越接近AP-UE的中间位置时,系统容量越小。根据部署位置的不同,SC最大差约为0.178bps/10Hz。
图9是本发明中系统容量与UE个数K之间的关系图。图9表示SC与用户个数K的关系,五条曲线都是先下降然后趋于平稳。当满足所有用户的最小速率需求Rmin时,WF-SCA,WF-Penalty和MO三组算法的系统容量最多服务12个UE,当UE数超过12个时,系统容量不再下降,大小保持在12Rmin。Random Phase和Without RIS的系统容量最多服务6个UE,当UE数超过6个时,系统容量不再下降,大小保持在6Rmin。
简而言之,本发明提供了一种RIS辅助的通信系统容量模型及优化方法,共同优化RIS的反射系数和AP的发射功率,以使系统容量最大化。为了解决由此产生的非凸问题,开发了基于WF-Penalty,WF-SCA和MO的算法来得到系统容量的稳定解和容量上界。根据数据结果表明,通过WF-Penalty和WF-SCA算法得到的稳定解接近通过MO算法所得到的容量上界,与Random Phase and Without RIS相比,系统性能得到显著提升。此外,数据结果还揭示了系统容量与迭代次数,Pmax,N,αRIS,AP-UE的距离、AP-RIS的距离和K的关系,这对RIS的实际部署和系统容量分析提供了不错的参考价值。
综上所述,本发明开发了基于WF-Penalty,WF-SCA和MO的算法来得到系统容量的稳定解和容量上界,与“随意相移”和“无RIS”的情况相比,系统性能得到了显著提升。此外,在多用户通信系统中部署RIS可以有效增强系统性能,所提基于AO的算法收敛迅速,可以得到近乎最优的性能,基于MO的算法收敛较慢,但可以得到系统容量的上界,这对实际应用很有吸引力,也对RIS的实际部署和系统容量分析提供了不错的参考价值。
以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围。
Claims (8)
1.一种通信系统容量分析及优化方法,基于包括直接信道和级联信道的目标无线网络,其特征在于,目标无线网络中AP与UEs之间的数据传输执行以下步骤,优化目标无线网络的系统容量:
步骤A:建立容量分析模型,在满足AP的发射功率、UEs的速率需求和反射单元的单模约束的同时,通过联合优化AP的功率分配和RIS的反射系数,使系统的整体容量最大;
步骤B:容量稳定解的求解,采用WF功率分配法优化AP的功率分配,开发基于罚函数和基于SCA的两种算法分别优化RIS的反射系数;
步骤C:容量上限的求解,利用MO算法和SDR法求解初始优化问题的容量上界。
2.根据权利要求1所述的通信系统容量分析及优化方法,其特征在于,步骤A具体执行以下步骤:
步骤A1:构建RIS辅助多用户单输入单输出下行通信系统的容量分析模型;RIS反射系数能够建模为对角反射系数矩阵,即 其中,/> j为虚数单位,θn是第n个反射元件的相移,θn∈[0,2π);当AP与某个UE通信时,RIS反射信息与AP发射信息在同一时频资源块上运行,从AP处发出的信号表示为:/>式中,sk是AP为UEk发射的数据符号,pk是AP为UEk分配的功率;
步骤A2:优化AP功率分配pk和RIS反射系数矢量φ,以最大化系统容量,同时满足总功率预算、移相器的单模约束,优化问题构造为:
Rk(pk,φ)≥Rmin
其中,ωk是控制UE调度优先级的权重因子,|φn|是移相器上的单位范数约束,UE的最小速率需求为Rmin,约束条件|φn|=1非凸,该优化问题非凸目标函数的优化变量{pk}和φ深度耦合。
7.根据权利要求6所述的通信系统容量分析及优化方法,其特征在于,所述步骤B2包括以下步骤:
步骤B2.1:AP在计算出RIS的反射系数之后,会通过专用控制信道将计算结果发送给RIS,寻找反射系数φ的可行性检验:
令W=vvH,可得:
然后把UEk的数据速率表达式重写为:
式中,B为信号带宽,为了满足UE的速率需求,Rmin满足:Rmin≤Rk(W);
秩一约束可转换为等价反凸约束:λ(W)―tr(W)=0,式中,λ(W)是W的最大特征值,设vmax是W的最大特征值λ(W)对应的单位模特征矢量,可得对反凸约束做松弛处理:λ(W)―tr(W)≤0,使λ(W)―tr(W)的值尽可能大,不等式是恒成立的;当λ(W)―tr(W)的值尽可能的接近0时,采用罚函数法来增广目标函数,优化问题的目标函数为:/>其中,/>表示惩罚因子,目标函数是凸差的形式,所有约束都是凸约束;在第m次迭代中,使用点{W(m)}处的一阶泰勒展开/> 来近似逼近/> 在第m次迭代中,原优化问题近似表示为以下标准凸优化问题:
通过执行迭代计算可得到秩一局部最优解;
步骤B2.2:基于SCA的低复杂度算法,给出AP处的功率分配{pk}优化RIS的反射系数φ,引入辅助变量满足/> 是一个松弛向量,使用罚函数法处理非凸约束|φn|=1,引入一个正常数G,优化问题得到最优解时迫使惩罚部分/>中的|φn|2―1等于0;
这个公式是非凸的,用两个凸函数之差近似表示:
8.根据权利要求1所述的通信系统容量分析及优化方法,其特征在于,所述步骤C具体包括以下步骤:
步骤C2:polyblock外逼近算法,首先初始化一个顶点集为的/> 只包含一个顶点z1,/>z1是K维的矢量,对应K个用户,/>然后,用新的顶点/>代替z1,以构造顶点集为/>的更小的/>z1中的/>为用户k对应γ的最大值:
其中,Pmax表示AP把所有发射功率都分配给用户k;由于没有给第i(i≠k)个用户分配功率,所以噪声部分不包含第i个用户产生的噪声;|qc+qau|2部分表示最大化UEk的级联信道功率增益,其中并不包含RIS的反射系数矢量φ,说明使用了最优的RIS反射系数,|qc+qau|2满足如下不等式:这里表示成了欧氏距离的形式,此时,RIS的反射系数φ遵从公式选择:/> 其中,angel([qc]n)表示qc第n个元素的相位,θ*能够被设置为任意值,当θ*=0时,RIS反射单元和级联信道产生的相移相反,以保证公式/>取最大值;
其中,表示矢量z1的第k个元素,πk(z1)表示矢量π(z1)的第k个元素,ek表示第k个元素是1的单位矢量,π(z1)是z1在集合/>上的投影,π(z1)表示为:π(z1)=αz1,α∈[0,1],投射过程在数学上定义为单变量的优化问题:/>然后,给出新的顶点集为:/> 通过切掉不可行集中的一个锥z1,加上K个新的顶点/>生成一个具有顶点集/>的新的polyblock;
步骤C3:二分搜索算法,在polyblock算法的每次迭代中,都需要找到顶点zm在集合上的投影π(zm),根据π(zm)的公式,首先需要求解公式中α的最大值,即,α的最优值α*能够通过采用二分搜索法得到;
为了处理秩一约束,使用SDR法松弛这个约束,把优化问题转化为一个凸问题:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310372146.8A CN116367197A (zh) | 2023-04-06 | 2023-04-06 | 通信系统容量分析及优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310372146.8A CN116367197A (zh) | 2023-04-06 | 2023-04-06 | 通信系统容量分析及优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116367197A true CN116367197A (zh) | 2023-06-30 |
Family
ID=86938337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310372146.8A Pending CN116367197A (zh) | 2023-04-06 | 2023-04-06 | 通信系统容量分析及优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116367197A (zh) |
-
2023
- 2023-04-06 CN CN202310372146.8A patent/CN116367197A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113726383B (zh) | 一种智能反射面辅助的无线通信系统 | |
Qi et al. | Integrating sensing, computing, and communication in 6G wireless networks: Design and optimization | |
CN111953391A (zh) | 智能反射面辅助的多用户mimo上行能效谱效联合优化方法 | |
CN114124623B (zh) | 一种无线通信信道估计方法和装置 | |
CN113630165B (zh) | 一种基于可重构智能表面的上行多用户共生通信系统 | |
CN112822703B (zh) | 智能反射面辅助的非正交多址接入系统性能增益优化方法 | |
CN113377533A (zh) | 无人机协助移动边缘计算中的动态计算卸载和服务器部署方法 | |
WO2024021440A1 (zh) | 一种迭代聚焦式毫米波一体化通信与感知方法 | |
CN115243382A (zh) | Ris辅助边缘计算的去蜂窝网络用户公平性资源分配方法 | |
CN114786258A (zh) | 一种基于图神经网络的无线资源分配优化方法及装置 | |
Li et al. | Joint beamforming and power allocation for intelligent reflecting surface-aided millimeter wave MIMO systems | |
CN116033461A (zh) | 一种基于star-ris辅助的共生无线电传输方法 | |
CN116709538A (zh) | 一种双ris协作辅助的noma系统上行传输方法及装置 | |
CN116367197A (zh) | 通信系统容量分析及优化方法 | |
CN116669073A (zh) | 基于智能反射面辅助无人机认知网络的资源分配和轨迹优化方法 | |
CN115334524B (zh) | 一种基于全向智能超表面的通信和雷达目标检测方法 | |
CN111565072B (zh) | 一种可见光通信网络中上行容量区域和最佳波速优化方法 | |
CN116546531B (zh) | 一种双可重构智能表面辅助的无线传输能量效率优化方法 | |
CN114124185A (zh) | 一种优化irs辅助通信系统中相移矩阵的低复杂度方法 | |
Peng et al. | Joint power allocation algorithm for UAV-borne simultaneous transmitting and reflecting reconfigurable intelligent surface-assisted non-orthogonal multiple access system | |
Li et al. | Piecewise-DRL: Joint Beamforming Optimization for RIS-assisted MU-MISO Communication System | |
Wang et al. | Joint active and passive beamforming optimization for multigroup multicast system aided by intelligent reflecting surface | |
Liao et al. | UAV swarm trajectory and cooperative beamforming design in double-IRS assisted wireless communications | |
Ojo et al. | Deep Learning Based Software-Defined Indoor Environment for Space-time Coded Wireless Communication Using Reconfigurable Intelligent Surfaces. | |
Hassan et al. | SpaceRIS: LEO Satellite Coverage Maximization in 6G Sub-THz Networks by MAPPO DRL and Whale Optimization |
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 |