CN113708818B - 一种智能反射面辅助的fdma通信***的资源分配方法和装置 - Google Patents

一种智能反射面辅助的fdma通信***的资源分配方法和装置 Download PDF

Info

Publication number
CN113708818B
CN113708818B CN202110953454.0A CN202110953454A CN113708818B CN 113708818 B CN113708818 B CN 113708818B CN 202110953454 A CN202110953454 A CN 202110953454A CN 113708818 B CN113708818 B CN 113708818B
Authority
CN
China
Prior art keywords
transmission
fdma
wireless
internet
irs
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
CN202110953454.0A
Other languages
English (en)
Other versions
CN113708818A (zh
Inventor
朱政宇
杨晨一
楚征
孙钢灿
候庚旺
马梦园
郝万明
刘沛佳
王宁
王忠勇
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.)
Zhengzhou University
Original Assignee
Zhengzhou University
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 Zhengzhou University filed Critical Zhengzhou University
Priority to CN202110953454.0A priority Critical patent/CN113708818B/zh
Publication of CN113708818A publication Critical patent/CN113708818A/zh
Application granted granted Critical
Publication of CN113708818B publication Critical patent/CN113708818B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/75—Information technology; Communication
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/30—Information sensed or collected by the things relating to resources, e.g. consumed power
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0446—Resources in time domain, e.g. slots or frames
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
    • H04W72/542—Allocation or scheduling criteria for wireless resources based on quality criteria using measured or perceived quality

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供了一种智能反射面辅助的FDMA通信***的资源分配方法和装置，所属方法包括：建立智能反射面辅助无线供电物联网网络***模型；提出了一种“功率***‑先收集再传输”的传输策略；通过联合优化智能反射面反射相位、物联网设备在无线能量传输和无线信息传输的传输时隙以及FDMA带宽分配，最大化智能反射面辅助无线供电物联网网络***总吞吐量的问题；由于目标函数中含有多个耦合变量，因此问题是非凸的，对于目标函数里的多个耦合变量，利用拉格朗日对偶法和库恩塔克条件推导出物联网设备在无线能量传输和无线信息传输的传输时隙和FDMA带宽分布的最优闭式解。然后，采用AO算法交替设计无线能量传输和无线信息传输阶段的IRS相位，并利用EBCD和CCM算法迭代推导出IRS相位的最优闭式解。最后，联合求出***最大吞吐量的最优解。其算法的性能相较于传统算法得到较大的提高。

Description

一种智能反射面辅助的FDMA通信***的资源分配方法和装置
技术领域
本发明属于通信技术领域，具体涉及一种智能反射面辅助的FDMA通信***的资源分配方法和装置。
背景技术
智能反射面(Intelligent Reflecting Surface,IRS)是目前解决无线通信场景中通信链路受阻以及提升无线通信***性能最有效的方案，它是由大量低成本的电子元件和一个中心控制器构成的一块平面版，通过在平面上集成大量低成本的无源反射元件，智能地重新配置无线传播环境，从而显著提高无线通信网络的性能。且具有成本低、功耗低、易部署等显著特点。
无线供电技术(Wireless power transfer,WPT)被视为下一代无线通信***的关键技术之一，通过射频链路辐射能量对物联网(Internet of Thing,IoT)设备进行无线能量传输，达到无线充电的效果，极大的改善了物联网设备布局的现状，但目前无线能量传输受传输距离的影响较大，导致物联网设备在上行链路和下行链路的传输过程中会遭受双重衰减，从而影响整体***性能。在实际应用中，单纯通过缩短距离来减小信号衰弱的方法是难以实现的，这就需要一个中继传输方案，而智能反射面的出现很好的解决了这个问题，极大的提升了整体无线通信***的***性能。
发明内容
本发明提出了智能反射面辅助的FDMA通信***的资源分配方法和装置。智能反射面用于增强能量采集和信息传输能力，以最大限度地提高***的总吞吐量。
第一方面，一种智能反射面辅助的FDMA通信***的资源分配的方法，包括：
S1：建立基站、IRS、物联网(IoT)设备以及过程节点的***模型，提出一种“功率分配-先收集再传输”的传输策略。
S2：联合优化智能反射面反射相位、物联网设备在无线能量传输和无线信息传输的传输时隙以及FDMA带宽分配获得***吞吐量最大化的优化问题。
S3：对于目标函数里的多个耦合变量，利用拉格朗日对偶法和KKT条件，通过交替优化算法推导计算出***最大吞吐量的最优闭式解。
具体地，所述步骤S1具体包括：
该***包含一个单天线基站、一个单天线过程节点、K个物联网设备以及一个配个N个反射单元的IRS。
具体地，所述步骤S2具体包括：
在智能反射面反射相位、设备传输时隙和FDMA带宽分配的约束下，***最大吞吐量的表述如下：
Figure BDA0003219428060000021
Figure BDA0003219428060000022
Figure BDA0003219428060000023
Figure BDA0003219428060000024
在问题(3)中，(3a)为智能反射面的反射相位约束，(3b)为设备传输时隙约束、(3c)为FDMA带宽分配约束。
具体地，所述步骤S3具体包括：
由于问题(3)的目标函数中含有多个耦合变量，因此问题(3)是非凸的，为了克服该问题的非凸性，对于目标函数里的多个耦合变量，利用拉格朗日对偶法和KKT条件推导出传输时隙和FDMA带宽分布的最优闭式解。然后，采用AO算法交替设计无线能量传输和无线信息传输阶段的IRS相位，并利用EBCD和CCM算法迭代推导出IRS相位的最优闭式解。最后，联合求出***最大吞吐量的最优解。
一种智能反射面辅助的FDMA通信***的资源分配的装置，它包括：
模型建立模块，用于建立IRS辅助IoT的上下行链路***模型；
方程构造模块，用于联合优化智能反射面反射相位、物联网设备在无线能量传输和无线信息传输的传输时隙以及FDMA带宽分配来计算***最大吞吐量的方法；
迭代处理模块，对于目标函数里的多个耦合变量，利用拉格朗日对偶法和KKT条件，通过交替优化算法推导计算出***最大吞吐量的最优闭式解。
所述建模模块包括：
第一建模单元，用于在基站配备1个天线，每个物联网设备配备1个天线，一个单天线的过程节点以及配备N个反射单元的IRS；
第二建模单元，考虑下行WET阶所收获的能量，以及上行WIT阶段中FDMA带宽分配和在过程节点处的单个吞吐量。
所述方程构造模块包括：
联合优化智能反射面反射相位、物联网设备在无线能量传输和无线信息传输的传输时隙以及FDMA带宽分配获得***最大吞吐量的优化方程：
Figure BDA0003219428060000031
Figure BDA0003219428060000032
Figure BDA0003219428060000041
Figure BDA0003219428060000042
所述迭代模块包括：
利用拉格朗日对偶法和KKT条件首先推导出FDMA带宽分布的最优闭式解为：
Figure BDA0003219428060000043
传输时隙的最优闭式解为：
Figure BDA0003219428060000044
然后，采用AO算法交替设计无线能量传输和无线信息传输阶段的IRS相位，并利用EBCD和CCM算法迭代推导出IRS相位的最优闭式解为：
Figure BDA0003219428060000045
由上述技术方案可知，联合优化IRS的反射相位、设备的传输时隙以及FDMA带宽分配，来使***的总吞吐量最大，并推导出闭式解，降低了***计算复杂度并大幅降低计算时间。
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是本发明实施例提供的一种智能反射面辅助的FDMA通信***的资源分配方法和装置流程示意图；
图2是本发明实施该***模型图；
图3是本发明提出的传输策略图；
图4是本发明实施提供的***总吞吐量与基站发射功率的关系图；
图5是本发明实施例提供的***总吞吐量与IRS反射单元数目的关系图；
图6是本发明实施提供的***总吞吐量与IRS的x轴坐标的关系图。
图7是本发明实施提供的***总吞吐量和IRS-IoT设备路径损耗的关系图。
图8是本发明实施提供的***总吞吐量与IRS的离散相位分辨率B0的关系图。
图9是本发明实施例提供的基于智能反射面辅助的FDMA通信***的资源分配方法和装置结构示意图；
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
S1：建立基站、IRS、物联网设备以及过程节点的***模型；
S2：联合优化IRS反射相位、物联网设备的传输时隙、FDMA带宽分配获得***吞吐量最大化的优化问题。
S3：对于目标函数里的多个耦合变量，利用拉格朗日对偶法和KKT条件推导出传输时隙和FDMA带宽分布的最优闭式解。然后，采用AO算法交替设计无线能量传输和无线信息传输阶段的IRS相位，并利用EBCD和CCM算法迭代推导出IRS相位的最优闭式解。最后，联合求出***最大吞吐量的最优解。
具体地，步骤S1包括：
本实施例所述的方法应用于如图2所示的IRS辅助的无线供电物联网网络***模型，所述的***参数包括：配备单天线的基站，单天线的过程节点，K＝6个单天线的IoT设备以及配备N＝50个反射单元的IRS。基站的发射功率为30dBm，过程节点出的噪声σ2＝-100dBm，能量采集效率η＝0.8，总传输时间T＝1秒，总带宽B＝1。路径损耗∈PS2IRS＝∈IRS2AP＝2，∈IRS2D＝2.5和∈PS2D＝∈D2AP＝3.5。
具体地，步骤S2包括：
图3是本发明实施例提供的传输策略，我们采用先收集后发送的协议，并将T设为整个时间段，其中包括下行WET相位的时间τ0和上行WIT相位的时间τ1，保证
Figure BDA0003219428060000061
和
Figure BDA0003219428060000062
在上行WIT阶段，假设采用FDMA协议，总带宽设置为B，每个设备分配带宽bk∈[0,B],
Figure BDA0003219428060000063
满足
Figure BDA0003219428060000064
在τ0阶段为无线能量传输阶段，基站向IRS和IoT设备提供无线能量传输服务，对IRS将收集到的能量信号将反射到IoT设备中去。
在下行链路的WET阶段，在Dk收获的能量为：
Ek＝ητ0P0|gd,k+g0Θ0gr,k|2 (8)
其中η和P0分别表示在发电站(PS)处的能量转换效率和发射功率。上行无线信息传输阶段(WIT)阶段采用FDMA协议，其中Dk在接入点(AP)的个人吞吐量为：
Figure BDA0003219428060000071
其中t0,k＝|gd,k+g0Θ0gr,k|2，t1,k＝|hd,k+hkΘ1hr|2，
Figure BDA0003219428060000072
以及σ2是噪声功率谱密度。
联合优化智能反射面反射相位、物联网设备在无线能量传输和无线信息传输的传输时隙以及FDMA带宽分配，构建***最大吞吐量的优化问题：
Figure BDA0003219428060000073
Figure BDA0003219428060000074
Figure BDA0003219428060000075
Figure BDA0003219428060000076
在问题(10)中，(10a)为智能反射面的反射相位约束，(10b)为设备传输时隙约束、(10c)为FDMA带宽分配约束。
具体地，步骤S3包括：
首先对建立的问题，首先考虑拉格朗日对偶方法，并采用KKT条件推导出传输时间调度和FDMA带宽分配的最优闭式解。通过对问题(10)的观察，将目标函数(10)经过相移项操作后的优化等效于对下列部分的优化：
Figure BDA0003219428060000077
Figure BDA0003219428060000078
Figure BDA0003219428060000079
Figure BDA00032194280600000710
其中θ＝{θ0,θ1}，为求解(11)，我们首先考虑其拉格朗日对偶函数，得到：
Figure BDA0003219428060000081
其中λ,μ≥0分别表示(10b)和(10c)中约束相关的拉格朗日对偶乘数。
因此，其对偶问题可表示为：
Figure BDA0003219428060000082
其中
Figure BDA0003219428060000083
为
Figure BDA0003219428060000084
和
Figure BDA0003219428060000085
的可行集。可以很容易地证明(11)可以被改写成一个满足Slater’s条件的凸问题。因为
Figure BDA0003219428060000086
和bk＞0。对于任意i和k，有
Figure BDA0003219428060000087
和
Figure BDA0003219428060000088
因此，问题(11)与其对偶问题(13)之间存在强对偶性，以保证(11)的最优解满足以下KKT条件：
Figure BDA0003219428060000089
Figure BDA00032194280600000810
Figure BDA00032194280600000811
对于(14a)和(14b)，有λ＞0和μ>0来保证等式在约束(10b)和(10c)中存在，即
Figure BDA00032194280600000812
和
Figure BDA00032194280600000813
从(14c)，我们计算(14a)对bk的一阶导数，并使其为零，即
Figure BDA00032194280600000814
得到：
Figure BDA00032194280600000815
从(15)开始，函数
Figure BDA00032194280600000816
是关于x单调递增的。为了满足(15)中的K方程，设
Figure BDA00032194280600000817
接着，定义
Figure BDA00032194280600000818
因此
Figure BDA0003219428060000091
因为
Figure BDA0003219428060000092
得到：
Figure BDA0003219428060000093
将ρ的表达式代入bk的表达式，得到Dk处带宽分配的最优解为：
Figure BDA0003219428060000094
把(19)代入问题(11)我们得到：
Figure BDA0003219428060000095
s.t.(11b),τ0∈[0,T] (20b)
由于目标函数(20a)和单位模约束(11b)，(20)仍然是非凸的。为了解决问题(20)，首先推导出给定相移θ的传输时隙τ0的最优解。然后，提出了一种交替设计最优相移θ的AO算法，每个相移θ都可以通过EBCD和CCM算法得到。
在问题(20)中，给定相移θ的条件下，求解τ0，可将问题(20)重写为：
Figure BDA0003219428060000096
其中，
Figure BDA0003219428060000097
计算(21)中目标函数的一阶导数，并使其为零，即
Figure BDA0003219428060000098
得到：
Figure BDA0003219428060000101
其中，
Figure BDA0003219428060000102
然后，利用
Figure BDA0003219428060000103
的关系，将其与问题(22)相结合，得到传输时隙τ0的最优解为：
Figure BDA0003219428060000104
求解问题(10)中相移θ，以θ表示的(20a)的最大值等价于下列问题的最大值:
Figure BDA0003219428060000105
由于耦合相移
Figure BDA0003219428060000106
可知问题(24)部署一个联合凸问题，则采用AO算法交替求解问题(24)。首先给定θ1优化θ0，然后对给定θ0进行优化设计。将问题(24)重写为：
Figure BDA0003219428060000107
Figure BDA0003219428060000108
为了解决问题(18)，我们提出了EBCD和CCM算法，迭代推导θ0的闭式最优解。将问题(18)展开为：
Figure BDA0003219428060000109
其中
Figure BDA00032194280600001010
以及
Figure BDA00032194280600001011
定义
Figure BDA00032194280600001012
去掉常数项
Figure BDA00032194280600001013
问题(25)可等价为：
Figure BDA00032194280600001014
s.t.(25b).(27b)
1)提出EBCD算法求解(27)，通过给定
Figure BDA00032194280600001015
迭代优化
Figure BDA00032194280600001016
将目标函数展开为：
Figure BDA0003219428060000111
s.t.|θ0(l)|＝1 (28b)其中
Figure BDA0003219428060000112
θ0(n)，γ0(n)和Φ0(n,m)分别表示θ0，γ0的第n项，Φ0的(n,m)项。由于Φ0的埃尔米特性质，Φ0(n,m)＝conj(Φ0(m,n))。因为|θ0(l)|2＝1，问题(28)可简化为：
Figure BDA0003219428060000113
对于问题(29)，|θ0(l)*|的最优解为：
Figure BDA0003219428060000114
2)CCM算法：利用CCM算法求解(28)，得到WET阶段的最优相位。主要思想是在流形空间上推导梯度下降算法。为了应用这种方法，首先将问题(29)重新表述为：
Figure BDA0003219428060000115
其中κ＞0是控制CCM算法收敛的常数。因
Figure BDA0003219428060000116
问题(25)等价于问题(31)。
CCM算法迭代求解问题(31)，每一次迭代包括以下步骤：
(1)求搜索方向：设第i次迭代时(31)的目标函数为
Figure BDA0003219428060000117
首先设定问题(31)的搜索方向，该方向与
Figure BDA0003219428060000118
的欧几里德空间梯度相反，即:
Figure BDA0003219428060000119
(2)搜索方向在切线空间上的投影：在流形空间上进行优化步长，求出当前点
Figure BDA00032194280600001110
处
Figure BDA00032194280600001111
的黎曼梯度，该点位于切线空间
Figure BDA00032194280600001112
将欧几里得空间中的搜索方向ι(m)投影到
Figure BDA00032194280600001113
上，将
Figure BDA00032194280600001114
的黎曼梯度投影到
Figure BDA00032194280600001115
上，将
Figure BDA00032194280600001116
在
Figure BDA00032194280600001117
处的黎曼梯度投影为：
Figure BDA0003219428060000121
(3)在切线空间进行下降更新：更新切空间
Figure BDA0003219428060000122
上的
Figure BDA0003219428060000123
表示为：
Figure BDA0003219428060000124
其中ζ是步长。
(4)缩回操作：因为
Figure BDA0003219428060000125
不在SN中，通过缩回操作将
Figure BDA0003219428060000126
映射到流形SN中。采用缩回运算将
Figure BDA0003219428060000127
的每个元素归一化为：
Figure BDA0003219428060000128
由上述技术方案可知，本发明提供一种智能反射面辅助的FDMA通信***的资源分配的方法，通过联合优化智能反射面反射相位、物联网设备在无线能量传输和无线信息传输的传输时隙以及FDMA带宽分配推导出计算***最大吞吐量的方法。
本实施的***配置参数如下表：
用户个数K 6
IRS反射单元个数N 50
基站发射功率P<sub>0</sub> 30dBm
噪声σ<sup>2</sup> -100dBm
能量效率η 0.8
传输总时间T 1
基站的坐标 (-10,0,0)
IRS的坐标 (-2,6,0)
过程节点的坐标 (10,0,0)
图4描述了***总吞吐量与基站发射功率P0的关系。当基站发射功率增大时，各方案的吞吐量均增大，其中配备IRS的方案相较于没有IRS的方案以及IRS处于随机相移状态的IRS效果要更好。同时，提出的EBCD算法和CCM算法达到了相同的性能，验证了提出的方案。还重点研究了FDMA带宽分配和传输时隙的优化设计，以提高与基准方案相比的总吞吐量性能。
图5描述了***总吞吐量与IRS反射单元个数(N)的关系。当IRS反射单元数目增加时，将有更强的反射信号，以加强能量和信息反射，会使***的总吞吐量也随之增加，相较于其他方案有较大的增益提高。
图6描述了***吞吐量与IRS的x坐标的关系。XIRS在[-10,10]的范围内变化，总吞吐量随着XIRS的变化，呈先增加后下降的趋势。配备IRS的方案优于其他方案。需对IRS进行优化部署以实现最大吞吐量。
图7描述了***总吞吐量和IRS-IoT设备路径损耗的关系。总吞吐量随着路径损耗指数增加而下降。这是由于大规模衰退将导致较弱的能源接收，从而减少来自IRS的增益。
图8描述了IRS的离散相位分辨率和总和吞吐量的关系。EBCD和CCM连续相位的值是其离散对应的总和吞吐量的上限，随着IRS的离散相位分辨率(B0)从1位增加到9位，EBCD和CCM算法的连续相移和离散相移之间的差距逐渐减小。
在实施例中，所述的模型建立具体包括：
模型建立模块，用于建立基于IRS辅助的无线供电物联网网络***模型；包括一个单天线基站，一个单天线过程节点，配备N个反射单元的IRS以及K个用户。
本实例中，所述的方程构造模块具体包括：
方程构造模块，通过联合优化智能反射面反射相位、物联网设备在无线能量传输和无线信息传输的传输时隙以及FDMA带宽分配，构建***最大吞吐量的优化问题；
Figure BDA0003219428060000131
Figure BDA0003219428060000141
Figure BDA0003219428060000142
Figure BDA0003219428060000143
在问题(36)中，(36a)为智能反射面的反射相位约束，(36b)为设备传输时隙约束、(36c)为FDMA带宽分配约束。
本实例中，所述的迭代求解模块具体包括：
迭代求解模块，用于对于目标函数里的多个耦合变量，利用拉格朗日乘子法和KKT条件，通过交替优化算法推导出计算***最大吞吐量的最优闭式解。

Claims (7)

1.一种智能反射面辅助的FDMA通信***的资源分配方法，其特征在于，所述方法包括：
S1：建立智能反射面辅助的无线供电物联网网络***的***模型；
S2：提出一种“功率分配-先收集再传输”的传输策略，联合优化智能反射面反射相位、FDMA带宽分配以及物联网设备在无线能量传输和无线信息传输的传输时隙来最大化***总吞吐量；目标问题为：
Figure FDA0003707465600000011
Figure FDA0003707465600000012
Figure FDA0003707465600000013
Figure FDA0003707465600000014
在问题(1)中，(1a)为智能反射面的反射相位约束，(1b)为传输时隙约束、(1c)为FDMA带宽分配约束；其中，τ0为下行无线能量传输(WET)阶段持续时间；τ1为上行无线信息传输(WIT)阶段持续时间；bk为在上行链路WIT阶段，每个设备被分配到的带宽；T为包括τ0和τ1在内的整个时间段；B为总带宽；η为发电站(PS)处的能量转换效率；P0为PS处的发射功率；σ2为噪声功率谱密度；
S3：对于目标函数里的多个耦合变量，利用拉格朗日乘子法和KKT条件，通过交替优化算法推导计算出***最大吞吐量的最优闭式解。
2.根据权利要求1所述的方法，其特征在于，所述步骤S1具体包括：
该***包含1个单天线基站、1个单天线的过程节点、K个物联网设备以及一个配备N个反射单元的智能反射面，提出一种“功率分配-先收集再传输”的传输策略。
3.根据权利要求1所述的方法，其特征在于，所述步骤S2具体包括：
规划出目标函数，通过联合优化智能反射面反射相位、FDMA带宽分配以及物联网设备在无线能量传输和无线信息传输的传输时隙获得***最大吞吐量的方法求解问题。
4.根据权利要求1所述的方法，其特征在于，所述步骤S3具体包括：
对于目标问题中的多个耦合变量，利用拉格朗日对偶法和KKT条件推导出传输时隙和FDMA带宽分布的最优闭式解；然后，采用AO算法交替设计无线能量传输和无线信息传输阶段的IRS相位，并利用EBCD和CCM算法迭代推导出IRS相位的最优闭式解，最终推导出***最大吞吐量的闭式解计算方法。
5.一种智能反射面辅助的FDMA通信***的资源分配的装置，其特征在于，包括：
模型建立模块，用于建立智能反射面辅助无线供电物联网网络***的上下行链路***模型；
方程构造模块，用于联合优化智能反射面反射相位、FDMA带宽分配以及物联网设备在无线能量传输和无线信息传输的传输时隙来计算***最大吞吐量的方法；***最大吞吐量的优化方程：
Figure FDA0003707465600000021
Figure FDA0003707465600000022
Figure FDA0003707465600000023
Figure FDA0003707465600000024
在问题(2)中，(2a)为智能反射面的反射相位约束，(2b)为传输时隙约束、(2c)为FDMA带宽分配约束；其中，τ0为下行无线 能量传输(WET)阶段持续时间；τ1为上行无线信息 传输(WIT)阶段持续时间；bk为在上行链路WIT阶段，每个设备被分配到的带宽；T为包括τ0和τ1在内的整个时间段；B为总带宽；η为发电站(PS)处的能量转换效率；P0为PS处的发射功率；σ2为噪声功率谱密度；
迭代处理模块，对于目标函数里的多个耦合变量，利用拉格朗日对偶法和KKT条件，通过交替优化算法推导计算出***最大吞吐量的最优闭式解。
6.根据权利要求5中所述的装置，其特征在于，包括：所述模型建立模块包括：
第一建模单元，用于在基站配备1个天线，每个物联网设备配备1个天线，一个单天线的过程节点以及配备N个反射单元的智能反射面；
第二建模单元，考虑下行WET阶所收获的能量，以及上行WIT阶段中FDMA带宽分配和在过程节点处的单个吞吐量。
7.根据权利要求5中所述的装置，其特征在于，包括：
迭代处理模块，用于针对目标函数里的多个耦合变量，利用拉格朗日对偶法和KKT条件推导出传输时隙和FDMA带宽分布的最优闭式解；然后，采用AO算法交替设计无线能量传输和无线信息传输阶段的IRS相位，并利用EBCD和CCM算法迭代推导出IRS相位的最优闭式解；最后，联合求出***最大吞吐量的最优解。
CN202110953454.0A 2021-08-19 2021-08-19 一种智能反射面辅助的fdma通信***的资源分配方法和装置 Active CN113708818B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110953454.0A CN113708818B (zh) 2021-08-19 2021-08-19 一种智能反射面辅助的fdma通信***的资源分配方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110953454.0A CN113708818B (zh) 2021-08-19 2021-08-19 一种智能反射面辅助的fdma通信***的资源分配方法和装置

Publications (2)

Publication Number Publication Date
CN113708818A CN113708818A (zh) 2021-11-26
CN113708818B true CN113708818B (zh) 2022-07-29

Family

ID=78653491

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110953454.0A Active CN113708818B (zh) 2021-08-19 2021-08-19 一种智能反射面辅助的fdma通信***的资源分配方法和装置

Country Status (1)

Country Link
CN (1) CN113708818B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114629535A (zh) * 2022-03-14 2022-06-14 天津大学 智能反射面无蜂窝大规模mimo网络容量优化方法
CN114915627B (zh) * 2022-04-15 2024-04-02 浙江工业大学 一种基于fdma接入的无线供能边缘计算网络卸载决策方法
CN115412944A (zh) * 2022-08-31 2022-11-29 航天新通科技有限公司 基于智能反射面辅助的携能通信***及其资源优化方法
CN116074848B (zh) * 2023-04-04 2023-06-20 南京邮电大学 一种可重构智能表面辅助的认知传输时隙分配方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111726803A (zh) * 2020-06-06 2020-09-29 郑州大学 一种基于认知无线电的能量采集方法和装置
CN112272384A (zh) * 2020-11-03 2021-01-26 广东工业大学 一种基于可重构智能表面的通信***吞吐量优化方法
CN112332548A (zh) * 2020-10-16 2021-02-05 华中科技大学 一种无线能量传输方法及***

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102192234B1 (ko) * 2019-10-28 2020-12-17 성균관대학교 산학협력단 지능형 반사 평면을 포함하는 무선 통신 시스템의 통신 방법 및 이를 위한 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111726803A (zh) * 2020-06-06 2020-09-29 郑州大学 一种基于认知无线电的能量采集方法和装置
CN112332548A (zh) * 2020-10-16 2021-02-05 华中科技大学 一种无线能量传输方法及***
CN112272384A (zh) * 2020-11-03 2021-01-26 广东工业大学 一种基于可重构智能表面的通信***吞吐量优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Wireless-Powered Over-the-Air Computation in Intelligent Reflecting Surface-Aided IoT Networks;Zhibin Wang，etc.;《IEEE Internet of Things Journal》;20200810;全篇 *
基于IRS辅助的SWIPT物联网***安全波束成形设计;朱政宇，等;《通信学报》;20210517;全篇 *

Also Published As

Publication number Publication date
CN113708818A (zh) 2021-11-26

Similar Documents

Publication Publication Date Title
CN113708818B (zh) 一种智能反射面辅助的fdma通信***的资源分配方法和装置
CN109639377B (zh) 基于深度强化学习的频谱资源管理方法
Borbash et al. Distributed topology control algorithm for multihop wireless networks
CN112104494B (zh) 基于空地协同边缘计算网络的任务安全卸载策略确定方法
CN104507168B (zh) 认知Ad Hoc网络的分布式拓扑控制方法
Hu et al. Relay selection and scheduling for millimeter wave backhaul in urban environments
CN102769917B (zh) 一种基于组合迭代优化的终端直通***资源分配方法
CN110381519B (zh) 一种基于认知无线电双向中继的非正交多址传输方法
CN104702396B (zh) 基于效用的协作多中继认知***的联合资源分配方法
Nobar et al. Cognitive radio sensor network with green power beacon
Shi et al. Joint gateway selection and resource allocation for cross-tier communication in space-air-ground integrated IoT networks
CN105451322A (zh) D2D网络中一种基于QoS的信道分配和功率控制方法
CN112911587B (zh) Mec-d2d环境下利用物理层安全防窃听任务卸载方法
Ashraf et al. Optimization of the overall success probability of the energy harvesting cognitive wireless sensor networks
Thinh et al. Adaptive computation scaling and task offloading in mobile edge computing
Budhiraja et al. Energy management scheme for wireless powered D2D users with NOMA underlaying full duplex UAV
CN111182569B (zh) 一种5g场景下的边缘计算卸载周期最小化方法
CN112261662B (zh) 一种提升noma协作通信***能量效率的传输方法
Sabuj et al. A partial federated learning model in cognitive UAV-enabled edge computing networks
CN104540203A (zh) 基于独立集的无线体域网能效优化方法
CN114222318A (zh) 一种认知无线供电反向散射通信网络鲁棒优化方法
CN108174448B (zh) 蜂窝d2d通信的资源分配方法
Cheng et al. Joint Power and Time Allocation in Full‐Duplex Wireless Powered Communication Networks
Jiang et al. A cooperative computation offloading scheme for dense wireless sensor-assisted smart grid networks
Truong et al. Secured scheme for RF energy harvesting mobile edge computing networks based on NOMA and access point selection

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