CN118101000B - 一种辅助6g车与车通信的混合智能反射面功率分配优化方法 - Google Patents

一种辅助6g车与车通信的混合智能反射面功率分配优化方法 Download PDF

Info

Publication number
CN118101000B
CN118101000B CN202410502700.4A CN202410502700A CN118101000B CN 118101000 B CN118101000 B CN 118101000B CN 202410502700 A CN202410502700 A CN 202410502700A CN 118101000 B CN118101000 B CN 118101000B
Authority
CN
China
Prior art keywords
vehicle
transmitting
reflecting surface
hybrid
receiving
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
CN202410502700.4A
Other languages
English (en)
Other versions
CN118101000A (zh
Inventor
孙雁飞
魏贤裕
胡筱旋
亓晋
董振江
孙莹
徐飞易
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 CN202410502700.4A priority Critical patent/CN118101000B/zh
Publication of CN118101000A publication Critical patent/CN118101000A/zh
Application granted granted Critical
Publication of CN118101000B publication Critical patent/CN118101000B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H04B7/0426—Power distribution
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
    • H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
    • H04B7/0842—Weighted combining
    • H04B7/086—Weighted combining using weights depending on external parameters, e.g. direction of arrival [DOA], predetermined weights or beamforming
    • 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
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/155—Ground-based stations
    • H04B7/15528—Control of operation parameters of a relay station to exploit the physical medium
    • H04B7/15535—Control of relay amplifier gain
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Power Engineering (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明属于车联网无线通信技术领域，公开一种辅助6G车与车通信的混合智能反射面功率分配优化方法；所述方法包括混合智能反射面的配置；建立多车道高速公路车辆场景；混合智能反射面辅助车与车通信信道建模；混合智能反射面辅助车与车通信中继车辆的选择；建立混合智能反射面辅助车与车通信能耗模型；采用基于Dinkelbach的迭代算法优化有源元件放大功率和发射功率，完成功率分配优化；本发明使道路上行驶的每辆车都有成为辅助中继的可能，极大提高了车与车通信灵活性；解决了无源智能反射面的“乘性衰落”和有源智能反射面元件的能耗大的问题，显著提高接收信号的信噪比从而提高车与车通信的可靠性。

Description

一种辅助6G车与车通信的混合智能反射面功率分配优化方法
技术领域
本发明属于车联网无线通信技术领域，具体涉及一种辅助6G车与车通信的混合智能反射面功率分配优化方法。
背景技术
近年来，车与车通信引起了学术界和工业界的广泛关注。作为智能交通系统的关键推动因素，车与车通信具有最大限度减少交通事故、提高交通效率和实现新应用的优点。特别是在未来6G通信中，为了支持更多潜在应用，如自动驾驶和智能汽车，6G 车与车通信将使用更高的频率（30-100GHz），以满足全局协同感知决策能力的极低延迟、高吞吐量和高可靠性的要求。然而在高频车与车通信中，路径损耗和穿透损耗将比当前在6GHz以下工作频率的5G环境高出几个数量级。尤其在动态车与车场景下，发射车辆与接收车辆之间插入的阻挡车辆，会导致通信覆盖范围的降低和频繁的通信中断。智能反射面由于其具有能够改变入射信号的振幅和/或相移，从而重塑无限传播环境以有利于信号传输的能力，能够在满足当前工作频段需求的前提下，提高通信稳定性。因此，智能反射面在增强无线车与车通信方面具有显著优势。
现有的智能反射面通常可以分为两类，即被动反射信号的无源智能反射面和可主动放大信号的有源智能反射面，智能反射面通过部署大量亚波长大小的元件，按照精密的几何结构组成阵列，实现入射无线电波在特定方向上的反射，从而重新配置无线环境中的传播特性。因此无源智能反射面可以以较低的硬件成本提供渐进平方的波束成形增益，但存在“乘性衰落”效应。有源智能反射面通过在反射元件中集成反射式放大器，使之具有主动反射信号并进行放大的能力。因此，有源智能反射面以额外的功率消耗为代价，补偿反射链路较大的路径损耗，从而能够克服"乘性衰落"效应。但由于有源智能反射面每个元件都需要部署反射式放大器，致使它的总功耗将远远高于相同尺寸的无源智能反射面。
另外，现有智能反射面的研究集中在固定位置部署于建筑物上，从而绕过阻挡物进行通信，而大多数高速公路上很少有大面积的建筑来战略部署智能反射面，且由于车辆的快速移动，车辆很快就会超出固定点部署的智能反射面适用范围，因此传统智能反射面辅助通信方案在动态变化的车与车场景中并不适用。
例如，公布号为CN115987341A的中国发明专利公开了基于智能反射面的多用户协作发射功率方法，基于最小发射端功率对发射端波束赋形向量、智能反射面相角以及功率分割比系数进行了优化设计。采用了逐次凸逼近的迭代优化算法求解非凸问题。通过仿真结果表明，增加智能反射面上的反射元件和发射端的天线数量可以降低发射端的发射功率；但是，该专利主要解决场景在移动缓慢的小区用户，并未涉及通信目标快速移动的高速公路场景。并且该专利提出的用户协作通信方案需用户主动进行，且距离发射端较近的中心用户需要花费额外的能量为边缘用户传输信号；例如，公布号为CN115103332A的中国发明专利公开了一种基于智能反射面的可靠、高效的车联网直接通信方法，应用于车联网直接通信和智能反射面领域，针对现有技术忽视了直接通信条件下如何不依赖基站的信令对智能反射面进行调整的问题，提出了一种利用智能反射面反射消除半持续调度预约控制帧冲突的方法，可以不依靠基站的控制信令解决车辆预约相同的信道资源产生冲突的问题，提高车联网通信的效率；同时还提出了一种基于网络吞吐率、优先级和公平性的最优通信辅助方案，考虑车联网业务的优先级和车辆信道资源的公平性，在最大化车联网吞吐率的目标下保证业务优先级高和信道资源占有量少的车辆有更高的信号信噪比和预约信道资源成功概率，并使用强化学习算法求解最优化方案；但是，该专利依赖于固定场景部署的智能反射面，当车辆行驶超出智能反射面覆盖范围时，方案效果有限。且该专利仅仅考虑了无源智能反射面，存在着“乘性衰落”，尤其是在6G高频通信下，“乘性衰落”效应更加显著。
为此，需要解决无源智能反射面的“乘性衰落”和有源智能反射面元件的能耗大的问题，解决高速公路场景上建筑物数量少，导致传统需部署在建筑物上的智能反射面覆盖范围有限的问题。
发明内容
本发明的目的在于解决现有技术中的不足，提供一种辅助6G车与车通信的混合智能反射面功率分配优化方法。
针对6G高频通信导致智能反射面的元件数量足够多才能实现较好的通信改善，而大多数高速公路上很少有面积足够大的路边建筑物来部署智能反射面，提出适用于车载的混合智能反射面，配备混合智能反射面的中继车辆位置不是固定的，适用于动态变化的车与车通信场景。
针对传统的无源智能反射面存在“乘性衰落”效应，导致通信增益提升不明显，有源智能反射面存在功耗大的缺陷，6G车与车通信快速变化场景下混合智能反射面相位实时重构的难度较大，大量的智能反射面元件数量导致较大的相位重构信令开销，提出固定相位的混合智能反射面，混合智能反射面配备少量可调节入射信号功率的有源元件，以及众多的无源反射元件，通过优化信号发射功率和有源元件放大系数来实现最大的通信频谱效率。
为了达到上述目的，本发明是通过以下技术方案实现的：一种辅助6G车与车通信的混合智能反射面功率分配优化方法，所述方法包括以下步骤：
步骤1，混合智能反射面配置；所述混合智能反射面包括有源元件和无源元件；每个混合智能反射面在车门的形状为曲率半径为的圆柱面，沿混合智能反射面的高度方向部署个元件，沿混合智能反射面的长度方向部署个元件，共个元件，其中车门长度为lv，高度为Hv，宽度为Wv；其中第个元件的位置用全局坐标表示，记为，、；
步骤2，建立多车道高速公路车辆场景，场景中车辆分为发射车辆Tx、接收车辆Rx、中继车辆和阻挡车辆；每辆车的左右车门均配备一个混合智能反射面，每辆车的上侧配备一个发射/接收天线，一个发射/接收天线共个天线单元；
步骤3，记录定义在全局坐标系下的发射车辆Tx、接收车辆Rx和中继车辆的天线阵列位置信息、和，并计算发射车辆Tx和接收车辆Rx的距离；
步骤4，根据发射车辆Tx的天线阵列位置信息、接收车辆Rx的天线阵列位置信息、第个元件的位置信息以及发射车辆Tx和接收车辆Rx的距离，获得发射车辆Tx发射信号后，信号经过中继车辆上混合智能反射面反射，接收车辆Rx接收到的信号为：
；
其中，为接收车辆Rx处的波束成形器，为的共轭转置；为发射车辆Tx的发射信号向量；为包含无源元件的被动反射系数，为包含有源元件的主动中继系数，j为虚数，为第行元件的相位，为有源元件放大系数；Hd表示直达链路信道矩阵；表示发射信道矩阵；表示接收信道矩阵；表示有源元件引起的加性噪声，为有源元件的加性噪声功率，为有源元件的数量，为大小为的单位矩阵；表示接收车辆Rx上发射/接收天线的加性噪声，为接收车辆Tx上发射/接收天线的加性噪声功率，为大小为K的单位矩阵，令 ；
步骤5，从频谱效率角度对混合智能反射面进行通信性能分析，基于步骤4获得的信号，频谱效率表达为：
；
其中，为总噪声系数，为G的反函数；，为发射车辆Tx 的发射功率；
步骤6，混合智能反射面辅助车与车通信中继车辆的选择；混合智能反射面为镜面设计，候选的中继车辆位于发射车辆Tx和接收车辆Rx之间，即在镜面区域内，区域为矩形，其中，为车道数，为车道宽度；；如果候选的中继车辆的天线阵列位置信息，即可以被选为中继车辆；利用步骤5所述的频谱效率表达计算区域内可以被选为中继车辆的频谱效率，频谱效率最大的为中继车辆；
步骤7，将频谱效率表达转化为最大化频谱效率问题模型，即P0：
；
；
；
其中，为中继车辆上混合智能反射面的总功耗；为每个有源元件中放大器使用的直流偏置功率；为中继车辆上混合智能反射面的有源元件的发射功率；
步骤8，简化最大化频谱效率问题模型，构建混合智能反射面辅助车与车通信的功率分配问题；
步骤9，利用Dinkelbach算法对混合智能反射面辅助车与车通信的功率分配问题进行求解，获得发射车辆Tx 发射功率，从而获得混合智能反射面的有源元件的发射功率，完成功率分配优化。
进一步地，步骤2所述的建立多车道高速公路车辆场景中，车辆按照点泊松过程随机分布在每条车道上，车流量密度为40。
进一步地，步骤4具体步骤如下：
步骤4.1，根据远场假设定义直达链路信道矩阵Hd：
；
其中，表示直达链路的复增益；是发射车辆Tx的阵列响应；是接收车辆Rx的阵列响应；和分别是发射车辆Tx和接收车辆Rx的单天线模式；，和为接收车辆Rx与发射车辆Tx之间的入射角和反射角；，和为发射车辆Tx与接收车辆Rx之间的入射角和反射角；、、和均通过发射车辆Tx和接收车辆的Rx的位置信息和求得；
步骤4.2，通过计算发射信道矩阵和接收信道矩阵中的每一项，得到发射信道矩阵和接收信道矩阵；发射信道矩阵的第项,和接收信道矩阵的第项,分别为：
；
其中，为信号载波的波长； 和分别是发射车辆Tx上发射/接收天线中第个天线单元和中继车辆上混合智能反射面的第个元件以及中继车辆上混合智能反射面的第个元件和接收车辆Rx上发射/接收天线中第个天线单元之间的路径复增益；为发射车辆Tx上发射/接收天线中第个天线单元和中继车辆上混合智能反射面的第个元件的传播距离，为中继车辆上混合智能反射面的第个元件和接收车辆Rx上发射/接收天线中第个天线的传播距离；是中继车辆上混合智能反射面的元件模式；
，和为发射车辆Tx上发射/接收天线中的第个天线单元与中继车辆上混合智能反射面的第个元件之间的入射角和反射角；，和为中继车辆上混合智能反射面的第个元件与发射车辆Tx上发射/接收天线中的第个天线单元之间的入射角和反射角；、、和均通过发射车辆Tx和中继车辆上混合智能反射面元件的位置信息和求得；
，和为中继车辆上混合智能反射面的第个元件与接收车辆Rx上发射/接收天线中的第个天线单元之间的入射角和反射角；，和为接收车辆Rx上发射/接收天线中的第个天线单元与中继车辆上混合智能反射面的第个元件之间的入射角和反射角；、、和均通过中继车辆上混合智能反射面元件和接收车辆Rx的位置信息和求得。
进一步地，直达链路的复增益通过公式得到；
其中，为均匀分布；为多车道高速公路车辆通信传播路径损耗，是信号载波频率，表示阴影衰落分量，是均值为0，方差为的对数正态分布；是考虑了发射车辆Tx和接收车辆Rx之间阻塞的个车辆而产生的额外衰减，是均值为，方差为的正态分布。
进一步地，发射车辆Tx的阵列响应通过公式求得，接收车辆Rx的阵列响应通过公式求得。
进一步地，发射车辆Tx的单天线模式、 接收车辆Rx的单天线模式以及混合智能反射面元件模式通过公式求得，是控制天线单元辐射模式选择的参数；
其中为时，和分别为和；为时，和分别为和；为时，和分别为和；为时，和分别为和；为时，和分别为和；为时，和分别为和。
进一步地，步骤4中，第行元件的相位；
其中，；为沿着垂直方向的元件的间距；为预配置的角度带宽。
进一步地，步骤8中具体步骤如下：
记， 考虑最大化频谱效率问题模型P0的上界即：
；
；
；
其中，和分别定义为：
；
其中；由于是对角矩阵，有，因此，有源元件的发射功率进一步写为：，；
因此，最大化频谱效率问题模型P0可以通过P1表示：
；
；
；
假设功率预算为，在给定的情况下，需要决定发射车辆Tx发射功率和混合智能反射面有源元件的发射功率的最优分配，因此，根据P1，混合智能反射面辅助车与车通信的功率分配问题为：
；
。
进一步地，所述有源元件与无源元件均以阵列形式分布，有源元件的数量与无源元件的数量比为1:9；混合智能反射面的元件的垂直方向的间距dm和水平方向的间距dn均为，为信号载波波长。
进一步地，步骤9所述的利用Dinkelbach算法对混合智能反射面辅助车与车通信的功率分配问题进行求解，具体步骤如下：
步骤9.1，舍去常数项，令，，令：
；
步骤9.2，设置收敛条件参数；
步骤9.3，设定信号发射功率变量的初始值；
步骤9.4，计算中间变量的值；
步骤9.5，令迭代次数；
步骤9.6，计算发射车辆Tx发射功率迭代值；
步骤9.7，计算变形后的目标函数值；
步骤9.8，对迭代次数更新；
步骤9.9，更新中间变量值；
步骤9.10，直至，算法收敛；
步骤9.11，输出满足收敛条件的。
本发明提出车载的混合智能反射面，道路上行驶的每辆车都有成为辅助中继的可能，极大提高了车与车通信灵活性；此外本发明为了解决无源智能反射面的“乘性衰落”和有源智能反射面元件的能耗大的问题，通过将有源智能反射面与无源智能反射面相结合，显著提高接收信号的信噪比从而提高车与车通信的可靠性；最后，考虑到车辆电力资源的有限性，本发明采用基于Dinkelbach的迭代算法优化有源元件放大功率和信号发射功率，进一步提高接收信号信噪比，充分利用车辆有限的电力资源。
本发明具有以下有益效果：（1）本发明提出一种辅助6G车与车通信的混合智能反射面功率分配优化方法，在考虑动态变化的车与车通信场景因素的同时还充分考虑了车辆电力资源的有限，利用混合智能反射面在提升通信性能的同时降低了硬件功耗成本，利用合理的功率分配，实现了通信性能的最大化。
（2）本发明使用了一种基于广义反射Snell定律的车载混合智能反射面固定相位配置方法，在快速变化的动态车与车通信场景下，降低了实时相位重构的信令开销。
（3）本发明采用了一种基于Dinkelbach算法的混合智能反射面功率优化方法，实现混合智能反射面的最优功率分配，最大化利用有源元件放大信号的能力，进一步提高通信性能。
附图说明
图1为本发明建立的多车道高速公路车辆场景示意图；
图2为混合智能反射面几何形状示意图；
图3为混合智能反射面参考系示意图；
图4为中继车辆选择的示意图；
图5为不同总传输功率E下频谱效率变化图；
图6为不同总传输功率E下能量效率变化图。
具体实施方式
为了使本发明更加容易理解，下面结合具体实施例和附图，进一步说明本发明，并不以任何方式限制本发明，这些实施例和附图只用于说明本发明而不用于限制本发明的范围，在不背离本发明的技术解决方案的前提下，对本发明所做的本领域普通技术人员容易实现的任何改动或改变都将落入本发明的权利要求范围之内。
符号说明：
粗体大写和小写字母分别描述矩阵和列向量，矩阵的第项表示为。矩阵的转置、共轭、共轭转置和frobenius范数分别表示为、、和。表示矩阵的迹。表示提取矩阵的对角线。是大小为的单位矩阵。表示是均值为，协方差为的多元复高斯随机变量。和分别表示实数和复数的集合。
具体实例的系统参数如表1。本发明考虑的多条车道公路长度为 500m，车道数，车道宽度为，Tx和Rx的距离。
实施例
一种辅助6G车与车通信的混合智能反射面功率分配优化方法，包括以下步骤：
步骤1，混合智能反射面配置；所述混合智能反射面包括有源元件和无源元件，如图2混合智能反射面几何形状示意图所示，有源元件与无源元件均以阵列形式分布形成混合智能反射面；每个混合智能反射面在车门的形状为曲率半径为的圆柱面，沿混合智能反射面的高度方向部署个元件，沿混合智能反射面的长度方向部署个元件，共个元件，其中车门长度为lv，高度为Hv，宽度为Wv；其中第个元件的位置可以用全局坐标表示为，和。
步骤2，建立多车道高速公路车辆场景，如图1本发明建立的多车道高速公路车辆场景示意图所示，车辆按照点泊松过程随机分布在每条车道上，车流量密度为40，场景中车辆分为发射车辆Tx、接收车辆Rx、中继车辆和阻挡车辆；每辆车的左右车门均配备一个混合智能反射面，每辆车的上侧配备一个发射/接收天线URA（Uniform RectangularArray） ，一个发射/接收天线共个天线单元。
步骤3，记录定义在全局坐标系下的发射车辆Tx、接收车辆Rx和中继车辆的天线阵列位置信息、和，并计算发射车辆Tx和接收车辆Rx的距离；用来标识中继车辆的位置；如图3混合智能反射面参考系示意图所示。
步骤4，混合智能反射面辅助车与车通信信道建模，根据发射车辆Tx的天线阵列位置信息、接收车辆Rx的天线阵列位置信息第个元件的位置信息以及发射车辆Tx和接收车辆Rx的距离，获得发射车辆Tx发射信号后，信号经过中继车辆上混合智能反射面反射，接收车辆Rx接收到的信号为：
（1）
其中，为接收车辆Rx处的波束成形器；为发射车辆Tx的发射信号向量；为包含无源元件的被动反射系数，为包含有源元件的主动中继系数，j为虚数，为第行元件的相位；
为有源元件放大系数；表示有源元件引起的加性噪声，为有 源元件的加性噪声功率，为有源元件的数量，为大小为的单位矩阵；表示接收车辆Rx上发射/接收天线的加性噪声，为接收车辆Tx上发射/接 收天线的加性噪声功率，为大小为K的单位矩阵，令 ；
步骤4.1，根据远场假设定义式（1）中直达链路信道矩阵Hd：
（2）
其中，表示直达链路的复增益；是发射车辆Tx的阵列响应；是接收车辆Rx的阵列响应；
和 分别是发射车辆Tx和接收车辆Rx的单天线模式，是关于全局离开角和到达角的函数；，和为接收车辆Rx与发射车辆Tx之间的入射角和反射角；，和为发射车辆Tx与接收车辆Rx之间的入射角和反射角；、、和均通过发射车辆Tx和接收车辆的Rx的位置信息和求得，，，；
步骤4.2，式（2）中天线阵列响应设置，考虑发射车辆Tx和接收车辆Rx的发射/接收天线URA间隔为两个半波长间隔，其中心带宽处的阵列响应通过通式计算，具体来说：，；
步骤4.,3，通过计算发射信道矩阵和接收信道矩阵中的每一项，得到发射信道矩阵和接收信道矩阵；发射信道矩阵的第项,和接收信道矩阵的第项,分别为：
（3）
其中，为信号载波的波长； 和分别是发射车辆Tx上发射/接收天线中第个天线单元和中继车辆上混合智能反射面的第个元件以及中继车辆上混合智能反射面的第个元件和接收车辆Rx上发射/接收天线中第个天线单元之间的路径复增益；为发射车辆Tx上发射/接收天线中第个天线单元和中继车辆上混合智能反射面的第个元件的传播距离，为中继车辆上混合智能反射面的第个元件和接收车辆Rx上发射/接收天线中第个天线的传播距离；是中继车辆上混合智能反射面的元件模式；
，和为发射车辆Tx上发射/接收天线中的第个天线单元与中继车辆上混合智能反射面的第个元件之间的入射角和反射角；
，和为中继车辆上混合智能反射面的第个元件与发射车辆Tx上发射/接收天线中的第个天线单元之间的入射角和反射角；
、、和均通过发射车辆Tx和中继车辆上混合智能反射面元件的位置信息和求得，，，；
，和为中继车辆上混合智能反射面的第个元件与接收车辆Rx上发射/接收天线中的第个天线单元之间的入射角和反射角；
，和为接收车辆Rx上发射/接收天线中的第个天线单元与中继车辆上混合智能反射面的第个元件之间的入射角和反射角；
、、和均通过中继车辆上混合智能反射面元件和接收车辆Rx的位置信息和求得，，，；
步骤4.4，式（2）中通过公式得到；相位偏移考虑了额外的影响因素（例如由于快速运动导致的多普勒频移）；其中，为均匀分布；多车道高速公路车辆通信传播路径损耗定义为（dB）：；是信号载波频率，表示阴影衰落分量，是均值为0，方差为的对数正态分布；是考虑了发射车辆Tx和接收车辆Rx之间阻塞的个车辆而产生的额外衰减，是均值为，方差为的正态分布；
步骤4.5，式（2）中、和（3）中具体设置，通过公式求得，是控制天线单元辐射模式选择的参数；
其中为时，和分别为和，,
为时，和分别为和，,
为时，和分别为和，,
为时，和分别为和，,
为时，和分别为和，,
为时，和分别为和，。
步骤4.6，基于广义反射Snell定律的混合智能反射相位配置；
计算第行元件的角位置，为沿着垂直方向的单元间距；
式（1）有源和无源元件固定相位的配置。固定相位无需依赖入射角和反射角的先验信息，配置方法仅考虑反射面的形状和部署位置，固定相位配置：
（4）
其中为预配置的角度带宽，为波长， ，为光速。
步骤5，从频谱效率角度对混合智能反射面进行通信性能分析，基于步骤4获得的信号，频谱效率表达为：
（5）
其中，为总噪声系数，表示G的反函数；，为发射车辆Tx的发射功率。
步骤6，混合智能反射面辅助车与车通信中继车辆的选择；如图4中继车辆选择的示意图所示，对于预配置的混合智能反射面，由于相位固定，产生潜在的中继车辆数量较小，因此中继车辆选择相对简单，且混合智能反射面为镜面设计，候选的中继车辆位于发射车辆Tx和接收车辆Rx之间，即在镜面区域内，区域为矩形，中心位置为，横跨所有高速公路车道，其中，为车道数，为车道宽度；；如果候选的中继车辆的天线阵列位置信息，即可以被选为中继车辆；利用步骤5所述的频谱效率表达计算区域内可以被选为中继车辆的频谱效率，频谱效率最大的为中继车辆。
步骤7，混合智能反射面辅助车与车通信能耗模型，将频谱效率表达转化为最大化频谱效率问题模型，即P0：
（6a）
（6b）
（6c）
其中，为中继车辆上混合智能反射面的总功耗；为每个有源元件中放大器使用的直流偏置功率；为中继车辆上混合智能反射面的有源元件的发射功率。
步骤8，简化最大化频谱效率问题模型，构建混合智能反射面辅助车与车通信的功率分配问题；
记， 考虑最大化频谱效率问题模型P0的上界即：
（7a）
（7b）
（7c）
其中，和分别定义为：
（8）
其中；由于是对角矩阵，有，因此，有源元件的发射功率进一步写为：，；
因此，最大化频谱效率问题模型P0可以通过P1表示：
（9a）
（9b）
（9c）
假设功率预算为，在给定的情况下，需要决定发射车辆Tx发射功率和混合智能反射面有源元件的发射功率的最优分配，因此，根据P1，混合智能反射面辅助车与车通信的功率分配问题为：
（10a）
（10b）。
步骤9，利用Dinkelbach算法对混合智能反射面辅助车与车通信的功率分配问题进行求解，获得发射车辆Tx 发射功率，从而获得混合智能反射面的有源元件的发射功率，完成功率分配优化；
步骤9.1，舍去式(10a)常数项，令，，令：
；
目标函数：
步骤9.2，设置收敛条件参数；
步骤9.3，设定信号发射功率变量的初始值；
步骤9.4，计算中间变量的值；
步骤9.5，令迭代次数；
步骤9.6，计算发射车辆Tx发射功率迭代值；
步骤9.7，计算变形后的目标函数值；
步骤9.8，对迭代次数更新
步骤9.9，更新中间变量值；
步骤9.10，直至，算法收敛；
步骤9.11，输出满足收敛条件的。
对比例1 直达链路辅助车与车通信
步骤1，直达链路车与车通信信道建模；根据发射车辆Tx的天线阵列位置信息、接收车辆Rx的天线阵列位置信息以及发射车辆Tx和接收车辆Rx的距离，发射车辆发射信号后，接收车辆接收到的信号为：
（11）
其中余参数和式(1)相同；
步骤2，直达链路车与车通信能耗模型；从频谱效率SE角度进行通信性能分析，基于式(11)频谱效率可以表达为：
(12)
由于直达链路无智能反射面，因此所有的功率预算全部用来信号功率，即。其总功耗表示为：
(13)
对比例2 混合智能反射面-固定功率辅助车与车通信
具体步骤为辅助6G车与车通信的混合智能反射面功率分配优化方法的步骤1至步骤5，固定功率的混合智能反射面无需进行功率优化，因此按照系统参数表1固定和，通过式（9c）求出有源元件放大系数，通过式（5）计算出频谱效率。
对比例3 无源智能反射面辅助车与车通信
步骤1，根据实施例中建立多车道高速公路车辆场景每辆车的左右车门均配备一个无源智能反射面；
步骤2，无源智能反射面辅助车与车通信信道建模；根据发射车辆Tx的天线阵列位置信息、接收车辆Rx的天线阵列位置信息以及发射车辆Tx和接收车辆Rx的距离，发射车辆发射信号后，信号经过无源智能反射面反射，接收车辆接收到的信号为：
（14）
其中，其余参数和式(1)相同；
步骤3，无源智能反射面相位配置；无源智能反射面相位的可重构配置需要准确的入射角和反射角的先验信息，为：
(15)
其中，和分别为第(m,n)个元件的三维位置，，和，为沿着水平方向的单元间距；
步骤4，无源智能反射面辅助车与车通信能耗模型；从频谱效率SE角度对无源智能反射面进行通信性能分析，基于式(11)频谱效率可以表达为：
(16)
由于无源智能反射面不涉及有源元件带来的额外信号放大功率，因此所有的功率预算全部用来信号功率，即。其总功耗表示为：
(17)
其中为无源元件的个数，为相位偏移控制开关和控制电路消耗功率。
图5为不同总传输功率E下频谱效率变化图，总传输功率、和在情况下，几种方案的频谱效率表现。可以看到随着总传输功率的不断增加，经过功率优化分配的混合智能反射面性能表现也不断优于未进行最佳功率分配的混合智能反射面。更多的总传输功率，意味着相对分配给有源元件的放大功率越多，通过最优分配，能够更好的调整供给有源元件的放大功率，使得信号放大的幅度更大，从而抵抗路径衰减；在总传输功率增加到时，可重构相位的无源智能反射面的效果才开始超过混合智能反射面，这表明当无源可重构智能反射面元件相位元件数量大到一定程度时(16000个)，其效果才会优于少量的固定相位有源元件和大量无源元件的组合，然而代价是更高的元件能量消耗，如图6所示，具体而言，定义能量效率，分别为混合智能反射面和智能反射面的总功耗。该指标越大，表明该方案的能量利用率越大。虽然智能反射面在更高的传输功率下有着更好的性能提升，但能量效率低，相反，提出的混合智能反射面的能量效率很高。
以上显示和描述了本发明的基本原理、主要特征及优点。但是以上所述仅为本发明的具体实施例，本发明的技术特征并不局限于此，任何本领域的技术人员在不脱离本发明的技术方案下得出的其他实施方式均应涵盖在本发明的专利范围之中。

Claims (9)

1.一种辅助6G车与车通信的混合智能反射面功率分配优化方法，其特征在于，所述方法包括以下步骤：
步骤1，混合智能反射面配置；所述混合智能反射面包括有源元件和无源元件；每个混合智能反射面在车门的形状为曲率半径为R的圆柱面，沿混合智能反射面的高度方向部署M个元件，沿混合智能反射面的长度方向部署N个元件，共MN个元件，其中车门长度为lv，高度为Hv，宽度为Wv；其中第(m，n)个元件的位置用全局坐标表示，记为pm，n，m＝-M/2，...，M/2-1、n＝0，...，N-1；
步骤2，建立多车道高速公路车辆场景，场景中车辆分为发射车辆Tx、接收车辆Rx、中继车辆和阻挡车辆；每辆车的左右车门均配备一个混合智能反射面，每辆车的上侧配备一个发射/接收天线，一个发射/接收天线共K个天线单元；
步骤3，记录定义在全局坐标系下的发射车辆Tx、接收车辆Rx和中继车辆的天线阵列位置信息pt、pr和pc，并计算发射车辆Tx和接收车辆Rx的距离rd；
步骤4，根据发射车辆Tx的天线阵列位置信息pt、接收车辆Rx的天线阵列位置信息pr、第(m，n)个元件的位置信息pm，n以及发射车辆Tx和接收车辆Rx的距离rd，获得发射车辆Tx发射信号后，信号经过中继车辆上混合智能反射面反射，接收车辆Rx接收到的信号为：
y＝wH(Hd+HcrΦHtc+HcrΨHtc)s+wHHcrΨnv+wHnRx；
其中，为接收车辆Rx处的波束成形器，wH为w的共轭转置；s为发射车辆Tx的发射信号向量；为包含无源元件的被动反射系数，为包含有源元件的主动中继系数，j为虚数，Φm为第m行元件的相位，ρ≥1为有源元件放大系数；Hd表示直达链路信道矩阵；Htc表示发射信道矩阵；Hcr表示接收信道矩阵；表示有源元件引起的加性噪声，为有源元件的加性噪声功率，Nact为有源元件的数量，为大小为Nact的单位矩阵；表示接收车辆Rx上发射/接收天线的加性噪声，为接收车辆Tx上发射/接收天线的加性噪声功率，IK为大小为K的单位矩阵，令
步骤5，从频谱效率角度对混合智能反射面进行通信性能分析，基于步骤4获得的信号y＝wH(Hd+HcrΦHtc+HcrΨHtc)s+wHHcrΨnv+wHnRx，频谱效率表达为：
fo(ρ)＝log2(1+ζ(||HcrΨHtc||2+||Hd||2+||HcrΦHtc||2)G-1)；
其中，G＝K+||HcrΨ||2为总噪声系数，G-1为G的反函数；ζ＝Pt/σ2，Pt为发射车辆Tx的发射功率；
步骤6，混合智能反射面辅助车与车通信中继车辆的选择；混合智能反射面为镜面设计，候选的中继车辆位于发射车辆Tx和接收车辆Rx之间，即在镜面区域内，区域为矩形，其中Ws＝Nlwl，Nl为车道数，wl为车道宽度；Ls＝2lv；如果候选的中继车辆的天线阵列位置信息即被选为中继车辆；利用步骤5所述的频谱效率表达计算区域内被选为中继车辆的频谱效率，频谱效率最大的为中继车辆；
步骤7，将频谱效率表达转化为最大化频谱效率问题模型，即P0：
s.t.Pt>0；
Pa+Pt≤Q-NactPDC；
其中，Q＝Pt+Pa+NactPDC为中继车辆上混合智能反射面的总功耗；PDC为每个有源元件中放大器使用的直流偏置功率；为中继车辆上混合智能反射面的有源元件的发射功率；
步骤8，简化最大化频谱效率问题模型，构建混合智能反射面辅助车与车通信的功率分配问题；具体为：
记Λ＝||HcrΨHtc||2+||Hd||2+||HcrΦHtc||2，考虑最大化频谱效率问题模型P0的上界即：
f(ρ)＝log2(G+ζΛ)
＝log2(K+ρ2A+ζ(ρ2B+C))；
s.t.Pt>0；
Pa+Pt≤Q-NactPDC；
其中，A，B和C分别定义为：
其中由于Ψ是对角矩阵，有tr(ΨΨH)＝ρ2||v*||2，因此，有源元件的发射功率进一步写为：Pa＝ρ2η，η＝(σ2||Ψ*||2+Pt||Ψ*Htc||2)；
因此，最大化频谱效率问题模型P0通过P1表示：
s.t.Pt＞0；
预设功率预算为E＝Pt+Pa，在给定E的情况下，需要决定发射车辆Tx发射功率Pt和混合智能反射面有源元件的发射功率Pa的最优分配，因此，根据P1，混合智能反射面辅助车与车通信的功率分配问题为：
s.t.Pt>0；
步骤9，利用Dinkelbach算法对混合智能反射面辅助车与车通信的功率分配问题进行求解，获得发射车辆Tx发射功率Pt，从而获得混合智能反射面的有源元件的发射功率Pa，完成功率分配优化。
2.根据权利要求1所述的辅助6G车与车通信的混合智能反射面功率分配优化方法，其特征在于，步骤2所述的建立多车道高速公路车辆场景中，车辆按照点泊松过程随机分布在每条车道上，车流量密度为40cars/km。
3.根据权利要求1所述的辅助6G车与车通信的混合智能反射面功率分配优化方法，其特征在于，步骤4具体步骤如下：
步骤4.1，根据远场假设定义直达链路信道矩阵Hd：
其中，αd表示直达链路的复增益；是发射车辆Tx的阵列响应；是接收车辆Rx的阵列响应；和分别是发射车辆Tx和接收车辆Rx的单天线模式； 和为接收车辆Rx与发射车辆Tx之间的入射角和反射角； 和为发射车辆Tx与接收车辆Rx之间的入射角和反射角； 和均通过发射车辆Tx和接收车辆的Rx的位置信息pt和pr求得；
步骤4.2，通过计算发射信道矩阵Htc和接收信道矩阵Hcr中的每一项，得到发射信道矩阵Htc和接收信道矩阵Hcr；发射信道矩阵Htc的第(l，k)项l∈[1，MN]，k∈[1，K]和接收信道矩阵Hcr的第(u，l)项u∈[1，K]，l∈[1，MN]分别为：
其中，λ为信号载波的波长；αl.k和αu，l分别是发射车辆Tx上发射/接收天线中第k个天线单元和中继车辆上混合智能反射面的第l个元件以及中继车辆上混合智能反射面的第l个元件和接收车辆Rx上发射/接收天线中第u个天线单元之间的路径复增益；为发射车辆Tx上发射/接收天线中第k个天线单元和中继车辆上混合智能反射面的第l个元件的传播距离，为中继车辆上混合智能反射面的第l个元件和接收车辆Rx上发射/接收天线中第u个天线的传播距离；是中继车辆上混合智能反射面的元件模式；
和为发射车辆Tx上发射/接收天线中的第k个天线单元与中继车辆上混合智能反射面的第l个元件之间的入射角和反射角； 和为中继车辆上混合智能反射面的第l个元件与发射车辆Tx上发射/接收天线中的第k个天线单元之间的入射角和反射角；和均通过发射车辆Tx和中继车辆上混合智能反射面元件的位置信息pt和pm，n求得；
和为中继车辆上混合智能反射面的第l个元件与接收车辆Rx上发射/接收天线中的第u个天线单元之间的入射角和反射角； 和为接收车辆Rx上发射/接收天线中的第u个天线单元与中继车辆上混合智能反射面的第l个元件之间的入射角和反射角；和均通过中继车辆上混合智能反射面元件和接收车辆Rx的位置信息pm，n和pr求得。
4.根据权利要求3所述的辅助6G车与车通信的混合智能反射面功率分配优化方法，其特征在于，直达链路的复增益αd通过公式得到；
其中，ξ为均匀分布ξ～u[0，2π)；PL＝32.4+20lg(rd)+20lg(f)+Ab+χ为多车道高速公路车辆通信传播路径损耗，f是信号载波频率，表示阴影衰落分量，是均值为0，方差为的对数正态分布；是考虑了发射车辆Tx和接收车辆Rx之间阻塞的b个车辆而产生的额外衰减，是均值为μb，方差为的正态分布。
5.根据权利要求3所述的辅助6G车与车通信的混合智能反射面功率分配优化方法，其特征在于，发射车辆Tx的阵列响应通过公式求得，接收车辆Rx的阵列响应通过公式求得。
6.根据权利要求3所述的辅助6G车与车通信的混合智能反射面功率分配优化方法，其特征在于，发射车辆Tx的单天线模式接收车辆Rx的单天线模式以及混合智能反射面元件模式通过公式求得，q是控制天线单元辐射模式选择的参数；
其中为时，θ和分别为和 为时，θ和分别为和 为时，θ和分别为和 为时，θ和分别为和 为时，θ和分别为和 为时，θ和分别为和
7.根据权利要求1所述的辅助6G车与车通信的混合智能反射面功率分配优化方法，其特征在于，步骤4中，第m行元件的相位
其中，ψm＝m×2arcsin(dm/2/R)；dm为沿着垂直方向的元件的间距；Δθ为预配置的角度带宽。
8.根据权利要求1所述的辅助6G车与车通信的混合智能反射面功率分配优化方法，其特征在于，所述有源元件与无源元件均以阵列形式分布，有源元件的数量与无源元件的数量比为1∶9；混合智能反射面的元件的垂直方向的间距dm和水平方向的间距dn均为λ/4，λ为信号载波波长。
9.根据权利要求1所述的辅助6G车与车通信的混合智能反射面功率分配优化方法，其特征在于，步骤9所述的利用Dinkelbach算法对混合智能反射面辅助车与车通信的功率分配问题进行求解，具体步骤如下：
步骤9.1，舍去常数项K，令D＝||Ψ*Htc||2，F＝||Ψ*||2，令：
步骤9.2，设置收敛条件参数ε＞0；
步骤9.3，设定信号发射功率变量的初始值Pt(0)；
步骤9.4，计算中间变量μ(0)＝g(Pt(0))/h(Pt(0))的值；
步骤9.5，令迭代次数it＝0；
步骤9.6，计算发射车辆Tx发射功率迭代值Pt(it)＝argmax{g(Pt)-h(Pt)}；
步骤9.7，计算变形后的目标函数值f(μit)＝max{g(Pt(it))-μh(Pt(it))}；
步骤9.8，对迭代次数更新it＝it+1；
步骤9.9，更新中间变量值μit+1＝g(Pt(it))/h(Pt(it))；
步骤9.10，直至f(μit)＜ε，算法收敛；
步骤9.11，输出满足收敛条件的Pt。
CN202410502700.4A 2024-04-25 2024-04-25 一种辅助6g车与车通信的混合智能反射面功率分配优化方法 Active CN118101000B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410502700.4A CN118101000B (zh) 2024-04-25 2024-04-25 一种辅助6g车与车通信的混合智能反射面功率分配优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410502700.4A CN118101000B (zh) 2024-04-25 2024-04-25 一种辅助6g车与车通信的混合智能反射面功率分配优化方法

Publications (2)

Publication Number Publication Date
CN118101000A CN118101000A (zh) 2024-05-28
CN118101000B true CN118101000B (zh) 2024-07-02

Family

ID=91142415

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410502700.4A Active CN118101000B (zh) 2024-04-25 2024-04-25 一种辅助6g车与车通信的混合智能反射面功率分配优化方法

Country Status (1)

Country Link
CN (1) CN118101000B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113645635A (zh) * 2021-08-12 2021-11-12 大连理工大学 智能反射面辅助的高能效无人机通信系统的设计方法
CN116684899A (zh) * 2023-05-06 2023-09-01 华南理工大学 一种无线供电通信网络吞吐量最大化优化方法及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114598408B (zh) * 2022-03-10 2024-02-27 东南大学 一种适用于全频段全场景的6g普适信道建模方法
CN117221906A (zh) * 2023-09-15 2023-12-12 河南大学 一种动态子连接的有源智能反射面辅助通信系统设计方法
CN117460034A (zh) * 2023-11-21 2024-01-26 西安电子科技大学 一种智能反射面中继辅助的车联网功率分配和用户调度方法、系统、设备及介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113645635A (zh) * 2021-08-12 2021-11-12 大连理工大学 智能反射面辅助的高能效无人机通信系统的设计方法
CN116684899A (zh) * 2023-05-06 2023-09-01 华南理工大学 一种无线供电通信网络吞吐量最大化优化方法及系统

Also Published As

Publication number Publication date
CN118101000A (zh) 2024-05-28

Similar Documents

Publication Publication Date Title
US20230179285A1 (en) Design method of high energy efficiency unmanned aerial vehicle (uav) communication system assisted by intelligent reflecting surface
US20210288698A1 (en) Method for Intelligent Reflecting Surface Aided Terahertz Secure Communication System
CN109347525B (zh) 毫米波高铁车地通信的自适应多波束成形与波束切换方法
CN115278707B (zh) 基于智能反射面辅助的noma太赫兹网络能效优化方法
CN103797723A (zh) 用于高速车辆通信的多普勒调零行波天线中继器
CN114286312A (zh) 一种基于可重构智能表面增强无人机通信的方法
CN111479239A (zh) 一种多天线无人机数据采集系统的传感器发射能耗优化方法
CN112953613B (zh) 一种基于智能反射面反向散射的车辆与卫星协作通信方法
Zhou et al. Deep reinforcement learning coordinated receiver beamforming for millimeter-wave train-ground communications
Zhang et al. Learning-based mmWave V2I environment augmentation through tunable reflectors
Zhang et al. Augmenting transmission environments for better communications: Tunable reflector assisted mmWave WLANs
Li et al. Joint optimization of relay selection and transmission scheduling for uav-aided mmwave vehicular networks
CN118101000B (zh) 一种辅助6g车与车通信的混合智能反射面功率分配优化方法
CN101335552B (zh) 一种带状覆盖的智能天线实现方法与装置
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
CN115967948A (zh) 一种基于无人机智能反射面的移动车载网络下行安全通信方法
CN114499615B (zh) 一种太赫兹通信系统中近远场统一的发射波束成形方法
Wang et al. Multi-beam-based downlink modeling and power allocation scheme for integrated sensing and communication towards 6G
Yin et al. Design of antenna configuration for interference control in mmwave V2V communication systems
CN107359909A (zh) 一种类波导巷道传播环境中的自适应稀疏阵列天线模块及阵结构设计方法
CN114630297A (zh) 一种携带智能反射面的无人机中继的位置优化方法
Benelmir et al. Simulated annealing-based beam management for 5G vehicular networks
CN101635591A (zh) 公共开销信道成形方法及装置
Chen et al. Multi-agent deep reinforcement learning based resource management in IRS-NOMA terahertz network
Kawamoto et al. Simultaneous Multiple Connections and Increased Frequency Efficiency Using Beam Squint Approach for IRS-Based Communication

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