CN117858108A - 一种智能全向表面辅助语义通信用户的服务质量优化方法 - Google Patents
一种智能全向表面辅助语义通信用户的服务质量优化方法 Download PDFInfo
- Publication number
- CN117858108A CN117858108A CN202311701588.9A CN202311701588A CN117858108A CN 117858108 A CN117858108 A CN 117858108A CN 202311701588 A CN202311701588 A CN 202311701588A CN 117858108 A CN117858108 A CN 117858108A
- Authority
- CN
- China
- Prior art keywords
- semantic
- user
- star
- ris
- transmission
- 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
- 238000004891 communication Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000005457 optimization Methods 0.000 title claims abstract description 21
- 230000005540 biological transmission Effects 0.000 claims abstract description 58
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 230000010363 phase shift Effects 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 7
- 235000007164 Oryza sativa Nutrition 0.000 claims description 5
- 235000009566 rice Nutrition 0.000 claims description 5
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 230000001351 cycling effect Effects 0.000 claims description 3
- 238000004134 energy conservation Methods 0.000 claims description 3
- 240000007594 Oryza sativa Species 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- 241000209094 Oryza Species 0.000 description 4
- 238000005562 fading Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process 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
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种智能全向表面辅助语义通信用户的服务质量优化方法,建立STAR‑RIS辅助语义通信系统模型,语义发送端提取语义信息经过语义编码器和信道编码器得到语义信号,部署智能全向面辅助发送端对用户的语义信息传输,同时考虑了发射端的发射功率限制以及智能全向面器件单元所需满足的约束条件,通过优化所述无源智能全向表面的反射系数、透射系数以及语义发射端的有源波束,使得语义通信系统中用户的最小信噪比最大化。本发明将STAR‑RIS与语义通信相结合,在保证通信公平的基础上,对于进一步提高用户的服务质量和实现空间覆盖范围具有十分重要的意义。
Description
技术领域
本发明属于6G无线通信网络技术领域,具体涉及一种辅助语义通信系统用户的服务质量优化方法。
背景技术
第六代(6G)无线通信技术因其能够支持广覆盖、大规模连接,促进万物互联而受到广泛关注。然而,大规模的连接和巨大的流量导致了频谱资源稀缺,因此迫切需要开发新的具有频谱高效的通信范式和通信技术。语义通信是一种智能通信方法,它只传递源数据中所包含的重要语义信息,同时安全地删除任何对特定任务无用的信息,而不会导致系统性能下降的。这样,可以将源数据显著压缩,从而节省所需的通信资源,如功率和频谱。因此语义通信被看作是未来海量通信设备接入无线通信网络最有效的解决办法之一。
可重构智能面(Reconfigurable Intelligent Surface,RIS)是一种具有高频谱效率、高能量效率及低成本的无线通信辅助技术,近年来引起了无线通信领域的广泛关注,被认为是下一代无线通信的关键技术之一。RIS是由大量低成本的无源反射元件组成的平面。每个元件可以独立地感应入射信号的幅度和/或相位变化,从而实现可控的信号传输。RIS作为6G中的一种颠覆性技术,通过操纵无线环境,从根本上解决了无线信道衰落和干扰的问题,从而提高了通信性能。
然而,在实际环境中,当面对多个用户时,多个用户共享有限的无线频谱、功率等通信资源,由于路径损耗和用户分布的随机性,由同一基站(BS)服务的用户可以有显著不同的信道强度。并且用户有处于智能反射表面的反射面所对应的方向,也会有用户处于智能反射表面的透射面所对应的方向,当忽略用户的公平性时,信道很小的用户可能获得非常低的服务质量(QoS)。因此需要研究无源智能全向表面辅助语义通信系统的资源分配算法,以提供高质量的服务和满足用户的需求。
发明内容
有鉴于此,为解决上述现有技术的不足,本发明的目的在于提供一种智能全向表面辅助语义通信用户的服务质量优化方法,能够显著改善语义用户的服务质量,提升语义相似度,解决通信资源忽略用户的公平性的问题。
为实现上述目的,本发明所采用的技术方案是:一种智能全向表面辅助语义通信用户的服务质量优化方法,包括以下步骤:
基于DeepSC模型得到语义通信系统的语义相似度随信噪比变化的映射表;
建立STAR-RIS辅助语义通信系统模型;
从文本信息中提取语义信息经过语义编码器和信道编码器得到语义信号,以保证语义信息在物理信道上的成功传输;
将语义信号通过多播的传输方式从语义发送端(BS)发送给无源智能全向表面(简称STAR-RIS)和用户,无源智能全向表面以能量分割模式将接收到的语义信号分别反射和透射给用户;
优化STAR-RIS的反射系数、透射系数以及BS的有源波束,使得语义通信系统中用户的最小信噪比最大化;
将用户的信噪比与映射表进行比对,得到语义相似度。
进一步优化,建立STAR-RIS辅助语义通信系统模型,包括:
一个配备N个天线的语义发送端BS、一个具有M个能够同步反射和透射的智能单元的无源智能全向表面STAR-RIS、1个配备单天线位于无源智能全向表面STAR-RIS透射面的透射用户,和1个配备单天线位于无源智能全向表面STAR-RIS反射面的反射用户。
进一步优化,基于DeepSC模型BS从文本信息s中提取语义信息经过语义编码器和信道编码器得到语义发送信号x准备发送。
进一步优化,所述语义发送端BS到无源智能全向表面STAR-RIS的信道和无源智能全向表面STAR-RIS到用户的信道被建模为莱斯信道,语义发送端BS到用户的信道被建模为瑞利信道;
发射端通过多播的方式将语义信号x发送给用户和STAR-RIS;
STAR-RIS将接收到的信号以能量分割操作协议通过调整元件反射系数和透射系数发送给反射用户和透射用户,能量分割操作协议遵循能量守恒定律,即发射功率分为反射功率和透射功率两部分。
进一步优化,所述透射用户和反射用户的接收信号为:
其中,yt为透射用户的接收信号,yr为反射用户的接收信号;G代表语义发送端BS到无源智能全向表面STAR-RIS之间的信道,和/>分别表示语义发送端BS到透射用户以及语义发送端BS到反射用户之间的信道,/>和/>分别表示无源智能全向表面STAR-RIS到透射用户以及无源智能全向表面STAR-RIS到反射用户之间的信道,wc为语义发送端BS的有源波束,满足||wc||2≤Pmax,其中Pmax为语义发送端BS最大发射功率;x为语义发送端BS发送给透射用户和反射用户的语义信号;nt,nr分别表示透射用户和反射用户处的功率为σ2的零均值加性高斯白噪声。
进一步优化,所述透射用户接收到的信噪比为:
所述发射用户接收到的信噪比为:
进一步优化,所述无源智能全向表面将接收到的语义传输信号以能量分割操作协议分别反射透射给所述投射用户和发射用户,通过联合优化语义发送端BS的有源波束、无源智能全向表面的反射系数、透射系数,最大化用户的最小信噪比以提升用户的服务质量并确保用户间的通信公平。
进一步优化,所述的最大化用户的最小信噪比问题被建模为max-min模型,具体为:
s.t.||wc||2≤Pmax,
其中,u∈{t,r}用来指定用户处于透射侧还是反射侧。
具体的,问题P1约束条件依次为:
语义发送端BS的最大传输功率限制、语义相似度的范围、保证无源智能全向表STAR-RIS满足能量守恒约束条件、无源智能全向表面STAR-RIS的透射反射的相移范围为[0,2π)。
更进一步地,采用连续凸逼近(SCA)和惩罚算法解决非凸优化问题P1,具体步骤包括以下子步骤:
a、初始化语义发送端BS的有源波束、无源智能全向表面的反射系数、透射系数,惩罚算法包含外部和内部两个循环,设置惩罚因子、外部迭代次数和内部迭代次数;
b、在每一个外部循环中,设置内部循环迭代次数从0开始;
c、在每一个内部循环,求解问题P1应用SCA得到的松弛版本,并更新变量语义发送端BS的有源波束、无源智能全向表面的反射系数、透射系数的参数;
d、重复S3,直到目标函数值的分数下降低于预定义的阈值或达到内部迭代的最大次数;
e、更新惩罚因子;
f、循环步骤b到步骤e,直到惩罚项低于预定义的阈值或达到外部迭代的最大次数,得到问题P1的次优解。
具体地,惩罚项为需满足秩一约束的反射系数矩阵和透射系数矩阵,当违反秩一约束时,利用惩罚因子对其进行惩罚。
在本发明的一个实施例中,所述惩罚项为其中 且/>这满足/>Rank(Ou)=1且Diag(Ou)=βu,其中/>由于秩一的非凸性,利用SCA算法,对||Ou||2进行一阶泰勒展开,当第n次迭代时,得而||Ou||*=∑iσi(Ou)≥||Ou||2=σ1(Ou),其中σi(Ou)是矩阵Ou的第i个最大奇异值;
惩罚项的系数为当惩罚因子η逐渐变小时,惩罚系数/>直到惩罚项低于预定义的阈值,满足秩一约束。
本发明的有益效果是:
1、本发明将STAR-RIS引入语义通信系统中,STAR-RIS可以同步透射和反射入射信号,实现全空间覆盖,通过重新配置相应的透射和反射系数,可以控制STAR-RIS元件透射和反射信号,实现对信道质量的优化,从而达到通过调节无线信道环境优化信道质量,来控制信号传播范围,重构信道环境,解决了语义通信下语义用户由于恶劣信道的影响导致任务无法完成的问题;
2、考虑到用户之间的通信公平,设计了一个max-min问题,通过联合优化语义发送端BS的有源波束和无源智能全向表面STAR-RIS的透射系数和反射系数,进而提高语义相似度,保证通信公平,此外进一步显著提升语义通信中的有效频谱资源效率,提高通信覆盖范围;
3、本发明针对多用户系统中路径损耗和用户分布不均匀的问题,同时考虑了发射端的发射功率限制以及智能全向面器件单元所需满足的约束条件,通过优化所述无源智能全向表面的反射系数、透射系数以及语义发射端的有源波束,使得语义通信系统中用户的最小信噪比最大化;
4、将STAR-RIS与语义通信相结合,可以降低路径损耗和用户随机分布的影响,可以提升语义用户的通信质量,保证语义用户的通信公平,从而显著提升用户的服务质量;进一步地,当系统中每个单词所采用的平均语义符号数K相同时,随着发射端天线数量N或STAR-RIS元件数量M逐渐增加,用户的语义相似度也逐渐增加,可以进一步提升用户的服务质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述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的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明STAR-RIS辅助语义通信系统的系统框图;
图2是本发明实施例中语义相似度在不同语义发送端BS功率和不同语义符号数下与传统方案的对比效果图;
图3是本发明实施例中语义相似度在不同语义发送端BS功率和不同距离下与传统方案的对比效果图;
图4是本发明实施例中语义相似度在不同数量的语义发送端BS天线和不同语义符号数下的对比效果图;
图5是本发明实施例中语义相似度在不同数量的STAR-RIS元件和不同语义符号数下的对比效果图。
具体实施方式
下面给出具体实施例,对本发明的技术方案作进一步清楚、完整、详细地说明。本实施例是以本发明技术方案为前提的最佳实施例,但本发明的保护范围不限于下述的实施例。
实施例1
一种智能全向表面辅助语义通信用户的服务质量优化方法,包括以下步骤:
步骤一、基于DeepSC模型得到语义通信系统的语义相似度随信噪比变化的映射表;
基于DeepSC模型语义发送端BS从文本信息中提取语义信息经过语义编码器和信道编码器得到包含语义的发送信号;用户将接收到的信号通过信道解码器和语义解码器恢复成文本信息。将用户恢复的文本与发射端原始发送文本对比,得出语义相似度用于评估恢复句子的准确性,通过多次比对评估,得到语义相似度随信噪比变化的映射表。当每个单词所采用的平均语义符号数K相同时,语义相似度ε(K,γ)只与信噪比有关,即
进一步地,当K给定时,不会随着γ的增加而单调地减少,并且
步骤二、建立STAR-RIS辅助语义通信系统模型;
请参考如图1所示,所述系统模型由一个配备个天线的发射端基站(BS)、一个具有个能够同步反射和透射的智能单元的无源智能全向表面(简称STAR-RIS)、1个配备单天线位于STAR-RIS透射面的透射用户,和1个配备单天线位于STAR-RIS反射面的反射用户组成;发射端基站(BS)发送语义信息,即为语义发送端。
在本实施例中,STAR-RIS与各种物联网传感器设备相连,可以动态地调整其自身透射系数(包括幅度和相移)和反射系数(包括幅度和相移)以智能地重构无线通信信道环境,同时STAR-RIS将接收的语义信息发送到透射用户和发射用户。
步骤三、语义发送端从文本信息中提取语义信息经过语义编码器和信道编码器得到语义信号;
基于DeepSC模型语义发送端BS从文本信息s中提取语义信息经过语义编码器和信道编码器得到语义发送信号x准备发送。
步骤四、BS将语义信号通过多播的传输方式发送给STAR-RIS和用户,STAR-RIS以能量分割模式将接收到的语义信号分别反射和透射给用户;
BS到STAR-RIS的信道和STAR-RIS到用户的信道被建模为莱斯信道,发射端BS到用户的信道被建模为瑞利信道;
无源智能全向表面STAR-RIS的透射系数矩阵和反射系数矩阵分别为:
和/>分别表示无源智能全向表面STAR-RIS中第m个智能单元的透射系数的幅度系数、反射系数的幅度系数,/>分别表示无源智能全向表面STAR-RIS中第m个智能单元的透射系数的相移响应、反射系数的相移响应。
进一步优化,能量分割操作协议能量分割比为且并且/>
存在集合其中M表示STAR-RIS全部元件个数,m表示STAR-RIS第m个元件。
步骤五、优化所述STAR-RIS的反射系数、透射系数以及BS的有源波束;
透射用户和反射用户的接收信号为:
其中,yt为透射用户的接收信号,yr为反射用户的接收信号;G代表发射端BS到无源智能全向表面STAR-RIS之间的信道,和/>分别表示发射端BS到透射用户以及发射端BS到反射用户之间的信道,/>和/>分别表示无源智能全向表面STAR-RIS到透射用户以及无源智能全向表面STAR-RIS到反射用户之间的信道,wc为发射端BS的有源波束,满足||wc||2≤Pmax,其中Pmax为发射端BS最大发射功率;x为发射端发送给透射用户和反射用户的语义信号;nt,nr分别表示透射用户和反射用户处的功率为σ2的零均值加性高斯白噪声。
进一步优化,所述透射用户接收到的信噪比为:
所述发射用户接收到的信噪比为:
所述无源智能全向表面将接收到的语义传输信号以能量分割操作协议分别反射透射给所述投射用户和发射用户,通过联合优化发射端的有源波束、无源智能全向表面的反射系数、透射系数,最大化用户的最小信噪比以提升用户的服务质量并确保用户间的通信公平。
进一步优化,由于路径损耗和用户分布的随机性,信道很小的用户无法满足通信需求,为解决上述问题,最大化用户的最小信噪比问题被建模为max-min模型,具体为:
s.t.||wc||2≤Pmax,
其中,u∈{t,r}用来指定用户处于透射侧还是反射侧。
本实施例中,问题P1约束条件依次为:发射端的最大传输功率限制、语义相似度的范围、保证无源智能全向表STAR-RIS满足能量守恒约束条件、无源智能全向表面STAR-RIS的透射反射的相移范围为[0,2π)。
本发明建立了max-min优化问题,通过联合优化发射端的有源波束和无源智能全向表面STAR-RIS的透射系数和反射系数,在满足通信公平的前提下,显著提高了用户的服务质量和通信覆盖范围。
进一步优化,假设所有的信道状态信息是已知的;
由于所需优化的变量为无源智能全向表面STAR-RIS的透射系数矩阵和反射系数矩阵,且两个矩阵间的幅度系数相互耦合,同时发射端的有源波束也与透射系数矩阵和反射系数矩阵相互耦合,因此问题P1为非凸优化问题。
在这个问题中,难以消除各个优化变量之间的耦合关系,为了求解该非凸优化问题,通常会考虑交替优化算法进行求解。在每次迭代中,通过固定Θu推导出wc的次优解,固定wc推导出wc的次优解,直到算法收敛,然而,这种从数学角度上进行求解的方法会使得计算量巨大。在本实施例中,采用连续凸逼近SCA思想和惩罚算法,以获得可行的STAR-RIS系数矩阵和发射端有源波束,具体内容如下:
对问题P1求解,首先引入一个松弛变量Q,并令将问题P1转化为如下形式:
s.t.||wc||2≤Pmax,
进一步对问题P2进行变换:
其中,且/>
定义令/>并且满足Rank(Ou)=1且Diag(Ou)=βu,其中/>
进一步地,且/>同样,并且满足/>和Rank(Wc)≤1。
可以重写为/>
利用SCA方法,在第n次迭代时,得到的下界,即:
秩一约束Rank(Ou)=1可以等价为||Ou||*=∑iσi(Ou)≥||Ou||2=σ1(Ou),其中σi(Ou)是矩阵Ou的第i个最大奇异值。
应用SCA方法,在第n次迭代时,||Ou||2可重写为其中/>是矩阵Ou相对应的最大特征值;
其中,作为惩罚项加到目标函数中,当矩阵Ou不是秩一,对其进行惩罚。而Rank(Wc)≤1可以通过采用半定松弛(SDR)进行忽略。
经过变化,非凸问题P1的松弛版本为:
s.t.Tr(Wc)≤Pmax,
f(Ot,Wc)≥Q,
f(Or,Wc)≥Q,
为解决P3应用惩罚算法,惩罚算法包含外部和内部两个循环,具体包括以下子步骤:
a、初始化发射端的有源波束、无源智能全向表面的反射系数、透射系数,设置惩罚因子、外部迭代次数和内部迭代次数;
b、在每一个外部循环中,设置内部循环迭代次数从0开始;
c、在每一个内部循环,求解问题P3,并更新变量发射端的有源波束、无源智能全向表面的反射系数、透射系数的参数;
d、重复S3,直到直到目标函数值的分数下降低于预定义的阈值或达到内部迭代的最大次数;
e、更新惩罚因子;
f、循环步骤b~e,直到惩罚约束项低于预定义的阈值或达到外部迭代的最大次数,得到问题P1的次优解。
当惩罚因子η逐渐变小时,惩罚系数直到惩罚约束项低于预定义的阈值,满足秩一约束,得到问题P1的次优解。
步骤六、将用户通过优化算法得到的信噪比与映射表进行比对,得到语义相似度。
通过仿真实验对本发明进行验证:
本发明考虑三维模拟设置,其中语义发射端BS和STAR-RIS分别位于(100、125、150)米和(0、0、0)米处。透射用户和反射用户随机分布在以STAR-RIS为中心、半径d为10米的半圆上。
在仿真中,从语义发射端BS到STAR-RIS和从STAR-RIS到两个用户的窄带准静态衰落信道被建模为莱斯衰落信道:
其中,u∈{t,r}用来指定用户处于透射侧还是反射侧;β=-30dB表示参考距离d0=1米时的路径损耗;dBR和dR,u分别为语义发射端BS和STAR-RIS之间以及STAR-RIS与用户之间的距离;α=2.2表示路径损耗指数,κ=3dB表示莱斯因子;此外,GLoS和是确定性视距链路分量;GNLoS和/>是随机非视距链路分量。对于语义发射端BS到用户的信道被建模为瑞利信道:采用的路径损耗模型为128.1+37.6lg[d(km)]dB。
在本实施例中,STAR-RIS的元件数量M=10,语义发射端天线数量N=10,语义发射端发射功率Pmax∈[0,20]dBm,噪声功率为σ2=-90dBm,每个单词所采用的平均语义符号数K=4。
结果如下:
由图2可知,设置K=4;5;8,当系统中每个单词所采用的平均语义符号数K相同时,随着发射端功率逐渐增加,用户的语义相似度也逐渐增加,并且本发明优于传统没有STAR-RIS辅助的语义通信系统中的语义相似度,尤其在发射端信噪比较小的情况下,而相同方案下随着K取值的增大语义相似度会明显增大。
由图3可知,设置d=5m;10m;15m,当d相同时,随着发射端功率逐渐增加,用户的语义相似度也逐渐增加,并且本发明优于传统没有STAR-RIS辅助的语义通信系统中的语义相似度。而相同方案下随着距离d取值的增大语义相似度会明显减小,且本发明优于传统没有STAR-RIS辅助的语义通信系统中的语义相似度。由此可以看出,通过引入STAR-RIS和通信公平,可以降低路径损耗和用户随机分布的影响,因此本发明可以显著提升用户的服务质量。
由图4和5可知,当系统中每个单词所采用的平均语义符号数K相同时,随着发射端天线数量N或STAR-RIS元件数量M逐渐增加,用户的语义相似度也逐渐增加,可以进一步提升用户的服务质量。
综上所述,本发明提出了一种智能全向表面辅助语义通信用户的服务质量优化方法,STAR-RIS动态地调整其自身透射系数(包括幅度和相移)和反射系数(包括幅度和相移)以智能地重构无线通信信道环境,以提升语义用户的通信质量,并建立了max-min模型以解决优化问题,通过联合优化BS的有源波束和STAR-RIS的透射系数和反射系数,保证语义用户的通信公平,且显著提高用户的服务质量和通信覆盖范围。
以上显示和描述了本发明的主要特征、基本原理以及本发明的优点。本行业技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会根据实际情况有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种智能全向表面辅助语义通信用户的服务质量优化方法,其特征在于,包括以下步骤:
基于DeepSC模型得到语义通信系统的语义相似度随信噪比变化的映射表;
建立STAR-RIS辅助语义通信系统模型;
从文本信息中提取语义信息后经过BS的语义编码器和信道编码器得到语义信号;
将语义信号通过多播的传输方式从BS发送给STAR-RIS和用户,STAR-RIS以能量分割操作协议将接收到的语义信号分别反射和透射给用户;
优化STAR-RIS的反射系数、透射系数以及BS的有源波束,使得语义通信系统中用户的最小信噪比最大化;
将用户通过优化算法得到的信噪比与映射表进行比对,得到语义相似度。
2.根据权利要求1所述的一种智能全向表面辅助语义通信用户的服务质量优化方法,其特征在于,建立STAR-RIS辅助语义通信系统模型,包括:
一个配备N个天线的BS、一个具有M个能够同步反射和透射的智能单元的STAR-RIS、1个配备单天线位于STAR-RIS透射面的透射用户,和1个配备单天线位于STAR-RIS反射面的反射用户。
3.根据权利要求1所述的一种智能全向表面辅助语义通信用户的服务质量优化方法,其特征在于,基于DeepSC模型BS从文本信息s中提取语义信息经过语义编码器和信道编码器得到语义发送信号x准备发送。
4.根据权利要求3所述的一种智能全向表面辅助语义通信用户的服务质量优化方法,其特征在于,所述BS到STAR-RIS的信道和STAR-RIS到用户的信道被建模为莱斯信道,BS到用户的信道被建模为瑞利信道;
BS通过多播的方式将语义信号x发送给用户和STAR-RIS;
STAR-RIS将接收到的信号以能量分割操作协议通过调整元件反射系数和透射系数发送给反射用户和透射用户,能量分割操作协议遵循能量守恒定律,即发射功率分为反射功率和透射功率两部分。
5.根据权利要求2所述的一种智能全向表面辅助语义通信用户的服务质量优化方法,其特征在于,所述透射用户和反射用户的接收信号为:
其中,yt为透射用户的接收信号,yr为反射用户的接收信号;G代表BS到STAR-RIS之间的信道,和/>分别表示BS到透射用户以及BS到反射用户之间的信道,/>和/>分别表示STAR-RIS到透射用户以及STAR-RIS到反射用户之间的信道,wc为BS的有源波束,满足||wc||2≤Pmax,其中Pmax为BS最大发射功率;x为BS发送给透射用户和反射用户的语义信号;nt,nr分别表示透射用户和反射用户处的功率为σ2的零均值加性高斯白噪声。
6.根据权利要求5所述的一种智能全向表面辅助语义通信用户的服务质量优化方法,其特征在于,所述透射用户接收到的信噪比为:
所述发射用户接收到的信噪比为:
7.根据权利要求2所述的一种智能全向表面辅助语义通信用户的服务质量优化方法,其特征在于,所述STAR-RIS将接收到的语义传输信号以能量分割操作协议分别反射、透射给所述投射用户和发射用户,通过联合优化BS的有源波束、STAR-RIS的反射系数、透射系数,最大化用户的最小信噪比以提升用户的服务质量并确保用户间的通信公平。
8.根据权利要求7所述的一种智能全向表面辅助语义通信用户的服务质量优化方法,其特征在于,最大化用户的最小信噪比问题被建模为max-min模型,具体为:
P1
s.t.||wc||2≤Pmax,
其中,u∈{t,r}用来指定用户处于透射侧还是反射侧;
约束条件依次为:
发射端的最大传输功率限制、语义相似度的范围、保证STAR-RIS满足能量守恒约束条件、STAR-RIS的透射反射的相移范围为[0,2π)。
9.根据权利要求8所述的一种智能全向表面辅助语义通信用户的服务质量优化方法,其特征在于,采用SCA算法和惩罚算法解决非凸优化问题P1,具体步骤包括以下子步骤:
a、初始化BS的有源波束、STAR-RIS的反射系数、透射系数,惩罚算法包含外部和内部两个循环,设置惩罚因子、外部迭代次数和内部迭代次数;
b、在每一个外部循环中,设置内部循环迭代次数从0开始;
c、在每一个内部循环,求解问题P1应用SCA得到的松弛版本,并更新变量BS的有源波束、STAR-RIS的反射系数、透射系数的参数;
d、重复S3,直到目标函数值的分数下降低于预定义的阈值或达到内部迭代的最大次数;
e、更新惩罚因子;
f、循环步骤b到步骤e,直到惩罚项低于预定义的阈值或达到外部迭代的最大次数,得到问题P1的次优解。
10.根据权利要求9所述的一种智能全向表面辅助语义通信用户的服务质量优化方法,其特征在于,惩罚项为需满足秩一约束的反射系数矩阵和透射系数矩阵,当违反秩一约束时,利用惩罚因子对其进行惩罚。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311701588.9A CN117858108A (zh) | 2023-12-12 | 2023-12-12 | 一种智能全向表面辅助语义通信用户的服务质量优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311701588.9A CN117858108A (zh) | 2023-12-12 | 2023-12-12 | 一种智能全向表面辅助语义通信用户的服务质量优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117858108A true CN117858108A (zh) | 2024-04-09 |
Family
ID=90530106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311701588.9A Pending CN117858108A (zh) | 2023-12-12 | 2023-12-12 | 一种智能全向表面辅助语义通信用户的服务质量优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117858108A (zh) |
-
2023
- 2023-12-12 CN CN202311701588.9A patent/CN117858108A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113193894A (zh) | 可重构智能表面辅助的多用户miso下行无线通信谱效能效联合优化方法 | |
CN115278707B (zh) | 基于智能反射面辅助的noma太赫兹网络能效优化方法 | |
CN113691295B (zh) | 一种基于irs的异构网络中干扰抑制方法 | |
CN111901812B (zh) | 一种全双工蜂窝通信网基站和智慧反射面联合控制方法 | |
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 | |
CN113949427B (zh) | 一种多用户无线网络安全能效优化设计方法和系统 | |
CN113490223A (zh) | 一种基于irs的无线供能反向散射通信方法及系统 | |
CN112272418A (zh) | 一种ris辅助的d2d通信传输模式选择方法 | |
CN116841732A (zh) | 一种基于单比特量化的联邦学习资源优化设计方法 | |
CN114666815B (zh) | 一种基于全向智能超表面的通信系统设计方法 | |
CN110191476B (zh) | 一种基于可重构天线阵列的非正交多址接入方法 | |
CN114626229A (zh) | 智能反射面辅助的无线通信与能量收集系统性能分析方法 | |
CN116390056B (zh) | Star-ris辅助的车联网sr系统链路优化方法 | |
CN116033461B (zh) | 一种基于star-ris辅助的共生无线电传输方法 | |
CN116419245A (zh) | 一种基于智能反射面辅助的速率分割多址接入的多小区通信系统能效优化方法 | |
CN117858108A (zh) | 一种智能全向表面辅助语义通信用户的服务质量优化方法 | |
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 | |
CN116015503A (zh) | 一种考虑聚合干扰的无线通信系统中多可重构智能表面选择方法 | |
CN107104703A (zh) | 电力线网络中一种基于能量最小化的缓存系统算法设计 | |
CN115276732B (zh) | 一种基于和速率最大化的双向中继网络功率分配方法及装置 | |
CN113965281B (zh) | 一种基于端到端学习的空中计算系统设计方法 | |
CN114501428B (zh) | 一种智能反射面的安全Massive MIMO系统资源分配方法 | |
CN117156447B (zh) | 分布式mimo系统star-ris位置优化方法及装置 | |
Fangmin et al. | RIS Selection and Energy Efficiency Optimization for Irregular Distributed RISassisted Communication Systems. | |
CN116208190B (zh) | 一种基于博弈论的无线供电反向散射通信网络性能增强方法 |
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 |