CN113709755B - 一种基于ris技术的异构网络公平共存方法 - Google Patents

一种基于ris技术的异构网络公平共存方法 Download PDF

Info

Publication number
CN113709755B
CN113709755B CN202110981508.4A CN202110981508A CN113709755B CN 113709755 B CN113709755 B CN 113709755B CN 202110981508 A CN202110981508 A CN 202110981508A CN 113709755 B CN113709755 B CN 113709755B
Authority
CN
China
Prior art keywords
base station
cellular base
wifi
cellular
user
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
CN202110981508.4A
Other languages
English (en)
Other versions
CN113709755A (zh
Inventor
陈琪美
杨洋
李瑞雪
江昊
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.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
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 Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN202110981508.4A priority Critical patent/CN113709755B/zh
Publication of CN113709755A publication Critical patent/CN113709755A/zh
Application granted granted Critical
Publication of CN113709755B publication Critical patent/CN113709755B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04W16/18—Network planning tools
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/336—Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/345—Interference values
    • 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
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/06—Testing, supervising or monitoring using simulated traffic
    • 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)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提出了一种基于RIS技术的异构网络公平共存方法。基于所构建的RIS辅助下的异构网络***，构建每个蜂窝基站的吞吐量模型、WiFi用户的干扰功率模型以及每个WiFi用户的饱和吞吐量模型；基于蜂窝基站吞吐量模型、WiFi用户的饱和吞吐量模型构建优化目标，结合WiFi用户接入信道干扰功率的大小、蜂窝基站发射功率的大小、RIS上各反射元件幅度与相位间的限制关系以及WiFi用户接入选择变量的数值构建约束条件；在约束条件的限制下，通过优化所有蜂窝基站的波束向量、可重构智能反射面的反射系数对角阵以及所有WiFi用户的接入选择变量来最大化异构网络中每个蜂窝基站和WiFi接入点加权吞吐量中的最小值。本发明提出的公平共存方法可以有效抵消传输干扰，提高频谱效率。

Description

一种基于RIS技术的异构网络公平共存方法
技术领域
本发明属于移动互联网技术领域，尤其涉及一种基于RIS技术的异构网络公平共存的方法。
背景技术
随着移动互联网行业的快速发展，各种智能终端和新兴应用层出不穷。同时，不断扩大的用户规模和***式增长的数据流量给无线通信网络的发展带来了新的挑战，当前5G移动通信亟需探索新的技术手段来扩充频谱资源，提升通信***容量。
目前，多入多出技术(Multiple Input Multiple Output，MIMO)、非正交多址接入技术(Non-Orthogonal Multiple Access，NOMA)、部署超密集组网(Ultra Dense Network，UDN)等多种方案的应用可以保证更高的用户连接密度，从而提升***容量和频谱效率。除此之外，研究者们还在探索拓宽现有频谱资源的可行性。当前，许可频段频谱资源早已被各大运营商分配一空，将现有通信技术部署到免许可频段以及毫米波等高频段成为了通信行业研究的主要方向。
在未被充分利用的2.4GHz与5GHz免许可频段，人们首先提出了免许可频段长期演进(LTE in Unlicensed Spectrum，LTE-U)与许可频段辅助接入(Licensed-AssistedAccess，LAA)两种新兴方案，充分利用免许可频段资源，扩大网络容量；同时，为解决5G时代各行各业的网络部署问题，新空口免许可频段通信(NR in Unlicensed Spectrum，NR-U)技术应运而生，通过使用2.4GHz、5GHz、毫米波等多频段，采用双连接(Dual Connectivity，DC)、载波聚合(Carrier Aggregation，CA)、独立部署(Standalone，SA)等多种部署方式，构建具有全球普适性的免许可频段辅助通信框架。
随着频谱资源的不断拓宽，5G免许可频段内将存在NR-U、LTE-U、LAA、WiFi等多种无线接入技术，构成包含无线个域网、无线局域网、无线城域网、公众移动通信网等多种接入网的异构网络***。如何解决不同接入网间的不同步、不兼容等问题，有效避免网络间冲突与干扰，公平合理分配频谱资源，实现异构网络间的友好共存，成为了5G免许可频段通信的核心问题。
而现存有关异构网络的共存机制多采用时分复用方案，其频谱效率与通信性能均难以满足未来通信***的需求。因此，我们需要开发出先进的空间复用技术应用于异构网络***。作为6G中有前途的新兴技术，由大量低成本、易部署、可移动的无缘反射原件组成的RIS可以通过主动控制信号的反射来智能地改善无线通信环境，增加无线通信的可用空间自由度、拓宽覆盖范围、提高频谱效率、提升通信性能。将RIS技术融入异构网络中，通过反射元件合理诱导入射信号振幅或相位的变换，能够有效抵消传输干扰，实现公平共存。
发明内容
为了解决上述技术问题，本发明公开了一种基于RIS技术的异构网络公平共存的方法，以5G NR-U蜂窝通信***和WiFi***为例，构建RIS辅助的免许可频段异构网络模型，通过合理配置RIS相位，抵消传输干扰，提高频谱效率，促进异构网络间公平共存。
本发明所采用的技术方案是：一种基于RIS技术的异构网络公平共方法，包括以下步骤：
步骤1：构建RIS辅助的异构网络***；
步骤2：构建每个蜂窝基站覆盖下的每个蜂窝用户信号模型，根据每个蜂窝基站覆盖下的每个蜂窝用户信号模型构建每个蜂窝基站覆盖下的每个蜂窝用户信号与干扰加噪声比模型，根据蜂窝基站覆盖下的所有蜂窝用户信号与干扰加噪声比模型构建蜂窝基站的吞吐量模型；
步骤3：分别构建WiFi用户的干扰功率模型、每个WiFi用户的饱和吞吐量模型；
步骤4：通过蜂窝基站吞吐量模型、WiFi用户的饱和吞吐量模型构建优化目标；结合WiFi用户接入信道时干扰功率大小、蜂窝基站的发射功率大小、RIS上各个反射元件幅度与相位间的限制关系以及WiFi用户接入选择变量数值构建约束条件；在约束条件的限制下，通过优化所有蜂窝基站的波束向量、优化可重构智能反射面的反射系数对角阵、优化所有WiFi用户的接入选择变量来最大化异构网络中每个蜂窝基站和WiFi接入点加权吞吐量中的最小值，得到优化后所有蜂窝基站的波束向量、优化后可重构智能反射面的反射系数对角阵、优化后所有WiFi用户的接入选择变量；
作为优选，步骤1所述RIS辅助的异构网络***包括N个蜂窝基站、N*K个蜂窝用户、WiFi接入模块、I个WiFi用户、可重构智能反射面；
所述智能反射面配备R个反射元件；
所述蜂窝基站分别与对应的K个蜂窝用户通过无线方式依次连接；
所述WiFi接入模块分别与所述I个WiFi用户通过无线方式依次连接；
所述可重构智能反射面通过生成反射路径建立蜂窝基站与蜂窝用户间以及蜂窝基站与WiFi用户间的间接链路信号，协助异构网络***间通信；
作为优选，步骤2所述每个蜂窝基站覆盖下的每个蜂窝用户信号模型为：
Figure GDA0003292271000000031
Figure GDA0003292271000000032
其中，N表示蜂窝基站的数量，K表示每个蜂窝基站下的蜂窝用户的数量，R表示可重构智能反射面中反射元件的数量；
Figure GDA0003292271000000033
表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的直射信道向量，
Figure GDA0003292271000000034
表示第m个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的直射信道向量；gn为第n个蜂窝基站到可重构智能反射面的信道向量，gm为第m个蜂窝基站到可重构智能反射面的信道向量；
Figure GDA0003292271000000035
为可重构智能反射面到第n个蜂窝基站覆盖下的第k个蜂窝用户的信道向量；Θ表示可重构智能反射面的反射系数对角阵，其中，Ar表示RIS上第r个反射元件的幅度，θr表示RIS上第r个反射元件的相位，r∈[1,R]；
Figure GDA0003292271000000036
表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的波束向量，
Figure GDA0003292271000000037
表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第l个蜂窝用户的波束向量，
Figure GDA0003292271000000038
表示第m个蜂窝基站到第m个蜂窝基站覆盖下的第l个蜂窝用户的波束向量；
Figure GDA0003292271000000039
表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的传输信号，
Figure GDA00032922710000000310
表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第l个蜂窝用户的传输信号，
Figure GDA0003292271000000041
表示第m个蜂窝基站到第m个蜂窝基站覆盖下的第l个蜂窝用户的传输信号；
Figure GDA0003292271000000042
表示第n个蜂窝基站覆盖下的第k个蜂窝用户收到的高斯随机噪声，
Figure GDA0003292271000000043
表示第n个蜂窝基站覆盖下的第k个蜂窝用户收到的高斯随机噪声的标准差。
步骤2所述构建每个蜂窝基站覆盖下的每个蜂窝用户的信号与干扰加噪声比模型为：
Figure GDA0003292271000000044
其中，N表示蜂窝基站的数量，K表示每个蜂窝基站下的蜂窝用户的数量；
Figure GDA0003292271000000045
表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的直射信道向量，
Figure GDA0003292271000000046
表示第m个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的直射信道向量；gn为第n个蜂窝基站到可重构智能反射面的信道向量，gm为第m个蜂窝基站到可重构智能反射面的信道向量；
Figure GDA0003292271000000047
为可重构智能反射面到第n个蜂窝基站覆盖下的第k个蜂窝用户的信道向量；Θ表示可重构智能反射面的反射系数对角阵，其中，Ar表示RIS上第r个反射元件的幅度，θr表示RIS上第r个反射元件的相位，r∈[1,R]；
Figure GDA0003292271000000048
表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的波束向量，
Figure GDA0003292271000000049
表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第l个蜂窝用户的波束向量，
Figure GDA00032922710000000410
表示第m个蜂窝基站到第m个蜂窝基站覆盖下的第l个蜂窝用户的波束向量；
Figure GDA00032922710000000411
表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的传输信号，
Figure GDA00032922710000000412
表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第l个蜂窝用户的传输信号，
Figure GDA00032922710000000413
表示第m个蜂窝基站到第m个蜂窝基站覆盖下的第l个蜂窝用户的传输信号；
Figure GDA00032922710000000414
表示第n个蜂窝基站覆盖下的第k个蜂窝用户收到的高斯随机噪声，
Figure GDA00032922710000000415
表示第n个蜂窝基站覆盖下的第k个蜂窝用户收到的高斯随机噪声的标准差。
步骤2所述每个蜂窝基站的吞吐量模型为：
Figure GDA0003292271000000051
n∈[1,N]
其中，FRn为第n个蜂窝基站的吞吐量模型,N表示蜂窝基站的数量，K表示每个蜂窝基站的蜂窝用户的数量；
作为优选，步骤3所述WiFi用户的干扰功率模型为：
Figure GDA0003292271000000052
Figure GDA0003292271000000053
其中，N表示蜂窝基站的数量，K表示每个蜂窝基站下的蜂窝用户的数量，R表示可重构智能反射面中反射元件的数量；hn,i表示第n个蜂窝基站到第i个WiFi用户的直射信道向量，Hi为RIS到第i个WiFi用户的信道向量；gn为第n个蜂窝基站到可重构智能反射面的信道向量；Θ表示可重构智能反射面的反射系数对角阵，其中，Ar表示RIS上第r个反射元件的幅度，θr表示RIS上第r个反射元件的相位，r∈[1,R]；
Figure GDA0003292271000000054
表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的波束向量。
通过合理地设置RIS的反射系数，可以选择性地抵消WiFi用户受到的干扰，使其检测到的干扰功率小于某个阈值。此时，WiFi用户将认为信道为空，开始基于DCF协议中的CSMA/CA机制竞争接入。同时，我们引入变量xi表示第i个WiFi用户是否接入信道，当xi＝1时，表示第i个WiFi用户成功接入。
步骤3所述WiFi用户的饱和吞吐量模型为：
Figure GDA0003292271000000055
其中，Lp表示WiFi数据传输的平均数据包尺寸，Tσ表示平均时隙长度，Ts表示成功传输时信道占用的平均时间，Tc表示由于WiFi用户产生碰撞造成的信道占用的平均时间。
Figure GDA0003292271000000061
为信道中至少一个设备正在传输的概率，具体表示为：
Figure GDA0003292271000000062
其中，F为接入信道的WiFi用户的总数，τ表示WiFi用户接入概率。
Figure GDA0003292271000000063
为WiFi用户成功传输的概率，具体表示为：
Figure GDA0003292271000000064
其中，F为接入信道的WiFi用户的总数，τ表示WiFi用户接入概率。
当WiFi用户的吞吐量达到最大时，接入概率τ可由下式表示：
Figure GDA0003292271000000065
其中，Tσ表示平均时隙长度，Tc表示由于WiFi用户产生碰撞造成的信道占用的平均时间，F为接入信道的WiFi用户的总数。
作为优选，步骤4所述优化目标为最大化异构网络中每个蜂窝基站和WiFi接入点加权吞吐量中的最小值，具体定义如下：
Figure GDA0003292271000000066
步骤4所述等式约束条件为：
w＝[w1,...,wn,...,wN]
wn＝[wn,1,...,wn,m,...,wn,N]T
Figure GDA0003292271000000067
Figure GDA0003292271000000068
x＝[x1,...,xI]T
步骤4所述不等式约束条件为：
Figure GDA0003292271000000069
Figure GDA0003292271000000071
Figure GDA0003292271000000072
Figure GDA0003292271000000073
其中N表示蜂窝基站的数量，K表示每个蜂窝基站下的蜂窝用户的数量,I表示WiFi用户的数量，R表示可重构智能反射面中反射元件的数量；w表示所有蜂窝基站的波束向量，wn表示第n个蜂窝基站的所有波束向量，wn,m表示从第n个蜂窝基站到第m个蜂窝基站覆盖下所有蜂窝用户的波束向量，
Figure GDA0003292271000000074
表示第n个蜂窝基站到第m个蜂窝基站第k个蜂窝用户的波束向量，Θ表示可重构智能反射面的反射系数对角阵，x表示所有WiFi用户接入选择变量值；ρn表示第n个蜂窝***在异构网络中的权重，ρw表示WiFi***在异构网络中的权重，可根据应用场景设置0至1内的数字；FRn表示第n个蜂窝基站的吞吐量模型，WR表示所有WiFi用户的饱和吞吐量；xi表示第i个WiFi用户的信道接入选择，yi表示第i个WiFi用户干扰功率，Γw表示允许WiFi用户接入信道的干扰阈值；
Figure GDA0003292271000000075
表示第n个蜂窝基站到第n个蜂窝基站第k个蜂窝用户的波束向量，Pn表示第n个蜂窝基站的最大发射功率；Ar表示RIS上第r个反射元件的幅度，θr表示RIS上第r个反射元件的相位，r∈[1,R]；
步骤4所述优化目标是一个非凸函数，需要引入辅助变量转换；WiFi用户的信道接入选择约束中涉及整数变量，需要引入辅助变量进行等价替换；
优化目标函数中WiFi用户吞吐量只与接入信道的WiFi用户的总数目F相关，WiFi用户接入概率是一个超越函数，引入双层循环优化算法求解：
外层循环对WiFi用户接入的总数目进行穷举搜索，内层循环针对三个优化变量建立子问题依次求解：
通过二分搜索法求解蜂窝基站功率子问题得到所有蜂窝基站的波束向量；
通过连续凸近似法求解RIS反射波束子问题得到RIS中各元件的反射系数；
通过罚函数法求解WiFi用户选择变量子问题得到所有WiFi用户接入选择变量；
基于步骤4所得的优化后所有蜂窝基站的波束向量w*，优化后可重构智能反射面上反射系数对角阵Θ*，优化后所有WiFi用户的接入选择变量x*，***重新配置无线通信环境，调整各基站网络信号覆盖范围，改善用户边缘吞吐量，并抵消信道干扰，提高网络通信效率，提升***通信性能。
相比于现有技术，本发明的有益效果是：本发明针对5G免许可频段异构网络的公平共存问题，引入了新兴的RIS技术，构建RIS辅助的免许可频段异构网络***，通过主动控制信号的反射来智能地改善无线通信环境，提出一种公平分配空间增益的异构网络友好共存方法。与现有方法相比，本发明提出的公平共存方法可以有效抵消传输干扰，提高频谱效率。
附图说明
图1：是本发明实施例的基于RIS辅助的免许可频段异构网络结构图。
图2：是本发明实施例的目标优化问题的求解步骤图。
具体实施方案
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明以NR-U和WiFi***组成的异构网络为例，提供了一种基于RIS技术的异构网络公平共方法，包括以下步骤：
步骤1：构建RIS辅助的异构网络***；
请见图1，所述RIS辅助的异构网络***包括N＝4个蜂窝基站、N*K个蜂窝用户、WiFi接入模块、I＝8个WiFi用户、可重构智能反射面；
所述智能反射面配备R＝50个反射元件；
所述蜂窝基站分别与对应的K＝8个蜂窝用户通过无线方式依次连接；
所述WiFi接入模块分别与所述I个WiFi用户通过无线方式依次连接；
所述可重构智能反射面通过生成反射路径建立蜂窝基站与蜂窝用户间以及蜂窝基站与WiFi用户间的间接链路信号，协助异构网络***间通信；
步骤2：构建每个蜂窝基站覆盖下的每个蜂窝用户信号模型，根据每个蜂窝基站覆盖下的每个蜂窝用户信号模型构建每个蜂窝基站覆盖下的每个蜂窝用户信号与干扰加噪声比模型，根据蜂窝基站覆盖下的所有蜂窝用户信号与干扰加噪声比模型构建蜂窝基站的吞吐量模型；
步骤2所述每个蜂窝基站覆盖下的每个蜂窝用户信号模型为：
Figure GDA0003292271000000091
Figure GDA0003292271000000092
其中，N表示蜂窝基站的数量，K表示每个蜂窝基站下的蜂窝用户的数量，R表示可重构智能反射面中反射元件的数量；
Figure GDA0003292271000000093
表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的直射信道向量，
Figure GDA0003292271000000094
表示第m个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的直射信道向量；gn为第n个蜂窝基站到可重构智能反射面的信道向量，gm为第m个蜂窝基站到可重构智能反射面的信道向量；
Figure GDA0003292271000000095
为可重构智能反射面到第n个蜂窝基站覆盖下的第k个蜂窝用户的信道向量；Θ表示可重构智能反射面的反射系数对角阵，其中，Ar表示RIS上第r个反射元件的幅度，θr表示RIS上第r个反射元件的相位，r∈[1,R]；
Figure GDA0003292271000000096
表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的波束向量，
Figure GDA0003292271000000097
表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第l个蜂窝用户的波束向量，
Figure GDA0003292271000000098
表示第m个蜂窝基站到第m个蜂窝基站覆盖下的第l个蜂窝用户的波束向量；
Figure GDA0003292271000000099
表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的传输信号，
Figure GDA00032922710000000910
表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第l个蜂窝用户的传输信号，
Figure GDA00032922710000000911
表示第m个蜂窝基站到第m个蜂窝基站覆盖下的第l个蜂窝用户的传输信号；
Figure GDA00032922710000000912
表示第n个蜂窝基站覆盖下的第k个蜂窝用户收到的高斯随机噪声，
Figure GDA0003292271000000101
表示第n个蜂窝基站覆盖下的第k个蜂窝用户收到的高斯随机噪声的标准差。
步骤2所述构建每个蜂窝基站覆盖下的每个蜂窝用户的信号与干扰加噪声比模型为：
Figure GDA0003292271000000102
其中，N表示蜂窝基站的数量，K表示每个蜂窝基站下的蜂窝用户的数量，R表示可重构智能反射面中反射元件的数量；
Figure GDA0003292271000000103
表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的直射信道向量，
Figure GDA0003292271000000104
表示第m个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的直射信道向量；gn为第n个蜂窝基站到可重构智能反射面的信道向量，gm为第m个蜂窝基站到可重构智能反射面的信道向量；
Figure GDA0003292271000000105
为可重构智能反射面到第n个蜂窝基站覆盖下的第k个蜂窝用户的信道向量；Θ表示可重构智能反射面的反射系数对角阵，其中，Ar表示RIS上第r个反射元件的幅度，θr表示RIS上第r个反射元件的相位，r∈[1,R]；
Figure GDA0003292271000000106
表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的波束向量，
Figure GDA0003292271000000107
表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第l个蜂窝用户的波束向量，
Figure GDA0003292271000000108
表示第m个蜂窝基站到第m个蜂窝基站覆盖下的第l个蜂窝用户的波束向量；
Figure GDA0003292271000000109
表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的传输信号，
Figure GDA00032922710000001010
表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第l个蜂窝用户的传输信号，
Figure GDA00032922710000001011
表示第m个蜂窝基站到第m个蜂窝基站覆盖下的第l个蜂窝用户的传输信号；
Figure GDA00032922710000001012
表示第n个蜂窝基站覆盖下的第k个蜂窝用户收到的高斯随机噪声，
Figure GDA00032922710000001013
表示第n个蜂窝基站覆盖下的第k个蜂窝用户收到的高斯随机噪声的标准差。
步骤2所述每个蜂窝基站的吞吐量模型为：
Figure GDA0003292271000000111
n∈[1,N]
其中，FRn为第n个蜂窝基站的吞吐量模型,N表示蜂窝基站的数量，K表示每个蜂窝基站下的蜂窝用户的数量；
步骤3：分别构建WiFi用户的干扰功率模型、每个WiFi用户的饱和吞吐量模型；
步骤3所述WiFi用户的干扰功率模型为：
Figure GDA0003292271000000112
Figure GDA0003292271000000113
其中，N表示蜂窝基站的数量，K表示每个蜂窝基站下的蜂窝用户的数量，R表示可重构智能反射面中反射元件的数量；hn,i表示第n个蜂窝基站到第i个WiFi用户的直射信道向量，Hi为RIS到第i个WiFi用户的信道向量；gn为第n个蜂窝基站到可重构智能反射面的信道向量；Θ表示可重构智能反射面的反射系数对角阵，其中，Ar表示RIS上第r个反射元件的幅度，θr表示RIS上第r个反射元件的相位，r∈[1,R]；
Figure GDA0003292271000000114
表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的波束向量。
通过合理地设置RIS的反射系数，可以选择性地抵消WiFi用户受到的干扰，使其检测到的干扰功率小于某个阈值。此时，WiFi用户将认为信道为空，开始基于DCF协议中的CSMA/CA机制竞争接入。同时，我们引入变量xi表示第i个WiFi用户是否接入信道，当xi＝1时，表示第i个WiFi用户成功接入。
步骤3所述WiFi用户的饱和吞吐量模型为：
Figure GDA0003292271000000115
其中，Lp表示WiFi数据传输的平均数据包尺寸，Tσ表示平均时隙长度，Ts表示成功传输时信道占用的平均时间，Tc表示由于WiFi用户产生碰撞造成的信道占用的平均时间。
prt为信道中至少一个设备正在传输的概率，具体表示为：
Figure GDA0003292271000000121
其中，F为接入信道的WiFi用户的总数，τ表示WiFi用户接入概率。
Figure GDA0003292271000000122
为WiFi用户成功传输的概率，具体表示为：
Figure GDA0003292271000000123
其中，F为接入信道的WiFi用户的总数，τ表示WiFi用户接入概率。
当WiFi用户的吞吐量达到最大时，接入概率τ可由下式表示：
Figure GDA0003292271000000124
其中，Tσ表示平均时隙长度，Tc表示由于WiFi用户产生碰撞造成的信道占用的平均时间，F为接入信道的WiFi用户的总数。
步骤4：通过蜂窝基站吞吐量模型、WiFi用户的饱和吞吐量模型构建优化目标；结合WiFi用户接入信道时干扰功率大小、蜂窝基站的发射功率大小、RIS上各个反射元件幅度与相位间的限制关系以及WiFi用户接入选择变量数值构建约束条件；在约束条件的限制下，通过优化所有蜂窝基站的波束向量、优化可重构智能反射面的反射系数对角阵、优化所有WiFi用户的接入选择变量来最大化异构网络中每个蜂窝基站和WiFi接入点加权吞吐量中的最小值，得到优化后所有蜂窝基站的波束向量、优化后可重构智能反射面的反射系数对角阵、优化后所有WiFi用户的接入选择变量；
步骤4所述优化目标为最大化异构网络中每个蜂窝基站和WiFi接入点加权吞吐量中的最小值，具体定义如下：
Figure GDA0003292271000000125
步骤4所述等式约束条件为：
w＝[w1,...,wn,...,wN]
wn＝[wn,1,...,wn,m,...,wn,N]T
Figure GDA0003292271000000131
Figure GDA0003292271000000132
x＝[x1,...,xI]T
步骤4所述不等式约束条件为：
Figure GDA0003292271000000133
Figure GDA0003292271000000134
Figure GDA0003292271000000135
Figure GDA0003292271000000136
其中，N表示蜂窝基站的数量，K表示每个蜂窝基站下的蜂窝用户的数量,I表示WiFi用户的数量，R表示可重构智能反射面中反射元件的数量；w表示所有蜂窝基站的波束向量，wn表示第n个蜂窝基站的所有波束向量，wn,m表示从第n个蜂窝基站到第m个蜂窝基站覆盖下所有蜂窝用户的波束向量，
Figure GDA0003292271000000137
表示第n个蜂窝基站到第m个蜂窝基站第k个蜂窝用户的波束向量，Θ表示可重构智能反射面的反射系数对角阵，x表示所有WiFi用户接入选择变量值；ρn表示第n个蜂窝***在异构网络中的权重，ρw表示WiFi***在异构网络中的权重，可根据应用场景设置0至1内的数字；FRn表示第n个蜂窝基站的吞吐量模型，WR表示所有WiFi用户的饱和吞吐量；xi表示第i个WiFi用户的信道接入选择，yi表示第i个WiFi用户干扰功率，Γw表示允许WiFi用户接入信道的干扰阈值；
Figure GDA0003292271000000138
表示第n个蜂窝基站到第n个蜂窝基站第k个蜂窝用户的波束向量，Pn表示第n个蜂窝基站的最大发射功率；Ar表示RIS上第r个反射元件的幅度，θr表示RIS上第r个反射元件的相位，r∈[1,R]；
步骤4所述优化目标是一个非凸函数，需要引入辅助变量转换；WiFi用户的信道接入选择约束中涉及整数变量，需要引入辅助变量进行等价替换；
优化目标函数中WiFi用户吞吐量只与接入信道的WiFi用户的总数目F相关，WiFi用户接入概率是一个超越函数，引入双层循环优化算法求解：
外层循环对WiFi用户接入的总数目进行穷举搜索，内层循环针对三个优化变量建立子问题依次求解：
通过二分搜索法求解蜂窝基站功率子问题得到所有蜂窝基站的波束向量；
通过连续凸近似法求解RIS反射波束子问题得到RIS中各元件的反射系数；
通过罚函数法求解WiFi用户选择变量子问题得到所有WiFi用户接入选择变量；
基于步骤4所得的优化后所有蜂窝基站的波束向量w*，优化后可重构智能反射面上反射系数对角阵Θ*，优化后所有WiFi用户的接入选择变量x*，***重新配置无线通信环境，调整各基站网络信号覆盖范围，改善用户边缘吞吐量，并抵消信道干扰，提高网络通信效率，提升***通信性能。
请见图2，优化问题的求解步骤图，具体求解过程再次不多赘述。
应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (1)

1.一种基于RIS技术的异构网络公平共存方法，其特征在于，包括以下步骤：
步骤1：构建RIS辅助的异构网络***；
步骤2：构建每个蜂窝基站覆盖下的每个蜂窝用户信号模型，根据每个蜂窝基站覆盖下的每个蜂窝用户信号模型构建每个蜂窝基站覆盖下的每个蜂窝用户信号与干扰加噪声比模型，根据蜂窝基站覆盖下的所有蜂窝用户信号与干扰加噪声比模型构建蜂窝基站的吞吐量模型；
步骤3：分别构建WiFi用户的干扰功率模型、每个WiFi用户的饱和吞吐量模型；
步骤4：通过蜂窝基站吞吐量模型、WiFi用户的饱和吞吐量模型构建优化目标；结合WiFi用户接入信道时干扰功率大小、蜂窝基站的发射功率大小、RIS上各个反射元件幅度与相位间的限制关系以及WiFi用户接入选择变量数值构建约束条件；在约束条件的限制下，通过优化所有蜂窝基站的波束向量、优化可重构智能反射面的反射系数对角阵、优化所有WiFi用户的接入选择变量来最大化异构网络中每个蜂窝基站和WiFi接入点加权吞吐量中的最小值，得到优化后所有蜂窝基站的波束向量、优化后可重构智能反射面的反射系数对角阵、优化后所有WiFi用户的接入选择变量；
步骤1所述RIS辅助的异构网络***包括N个蜂窝基站、N*K个蜂窝用户、WiFi接入模块、I个WiFi用户、可重构智能反射面；
所述智能反射面配备R个反射元件；
所述蜂窝基站分别与对应的K个蜂窝用户通过无线方式依次连接；
所述WiFi接入模块分别与所述I个WiFi用户通过无线方式依次连接；
所述可重构智能反射面通过生成反射路径建立蜂窝基站与蜂窝用户间以及蜂窝基站与WiFi用户间的间接链路信号，协助异构网络***间通信；
步骤2所述每个蜂窝基站覆盖下的每个蜂窝用户信号模型为：
Figure FDA0003588914950000011
Figure FDA0003588914950000021
其中，N表示蜂窝基站的数量，K表示每个蜂窝基站下的蜂窝用户的数量，R表示可重构智能反射面中反射元件的数量；
Figure FDA0003588914950000022
表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的直射信道向量，
Figure FDA0003588914950000023
表示第m个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的直射信道向量；gn为第n个蜂窝基站到可重构智能反射面的信道向量，gm为第m个蜂窝基站到可重构智能反射面的信道向量；
Figure FDA0003588914950000024
为可重构智能反射面到第n个蜂窝基站覆盖下的第k个蜂窝用户的信道向量；Θ表示可重构智能反射面的反射系数对角阵，其中，Ar表示RIS上第r个反射元件的幅度，θr表示RIS上第r个反射元件的相位，r∈[1,R]；
Figure FDA0003588914950000025
表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的波束向量，
Figure FDA0003588914950000026
表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第l个蜂窝用户的波束向量，
Figure FDA0003588914950000027
表示第m个蜂窝基站到第m个蜂窝基站覆盖下的第l个蜂窝用户的波束向量；
Figure FDA0003588914950000028
表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的传输信号，
Figure FDA0003588914950000029
表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第l个蜂窝用户的传输信号，
Figure FDA00035889149500000210
表示第m个蜂窝基站到第m个蜂窝基站覆盖下的第l个蜂窝用户的传输信号；
Figure FDA00035889149500000211
表示第n个蜂窝基站覆盖下的第k个蜂窝用户收到的高斯随机噪声，
Figure FDA00035889149500000212
表示第n个蜂窝基站覆盖下的第k个蜂窝用户收到的高斯随机噪声的标准差；
步骤2所述构建每个蜂窝基站覆盖下的每个蜂窝用户的信号与干扰加噪声比模型为：
Figure FDA00035889149500000213
步骤2所述每个蜂窝基站的吞吐量模型为：
Figure FDA0003588914950000031
n∈[1,N]
其中，FRn为第n个蜂窝基站的吞吐量模型,N表示蜂窝基站的数量，K表示每个蜂窝基站的蜂窝用户的数量；
步骤3所述WiFi用户的干扰功率模型为：
Figure FDA0003588914950000032
Figure FDA0003588914950000033
其中，N表示蜂窝基站的数量，K表示每个蜂窝基站下的蜂窝用户的数量，R表示可重构智能反射面中反射元件的数量；hn,i表示第n个蜂窝基站到第i个WiFi用户的直射信道向量，Hi为RIS到第i个WiFi用户的信道向量；gn为第n个蜂窝基站到可重构智能反射面的信道向量；Θ表示可重构智能反射面的反射系数对角阵，其中，Ar表示RIS上第r个反射元件的幅度，θr表示RIS上第r个反射元件的相位，r∈[1,R]；
Figure FDA0003588914950000034
表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的波束向量；
通过合理地设置RIS的反射系数，可以选择性地抵消WiFi用户受到的干扰，使其检测到的干扰功率小于某个阈值；此时，WiFi用户将认为信道为空，开始基于DCF协议中的CSMA/CA机制竞争接入；同时，我们引入变量xi表示第i个WiFi用户是否接入信道，当xi＝1时，表示第i个WiFi用户成功接入；
步骤3所述WiFi用户的饱和吞吐量模型为：
Figure FDA0003588914950000035
其中，Lp表示WiFi数据传输的平均数据包尺寸，Tσ表示平均时隙长度，Ts表示成功传输时信道占用的平均时间，Tc表示由于WiFi用户产生碰撞造成的信道占用的平均时间；
Figure FDA0003588914950000041
为信道中至少一个设备正在传输的概率，具体表示为：
Figure FDA0003588914950000042
其中，F为接入信道的WiFi用户的总数，τ表示WiFi用户接入概率；
Figure FDA0003588914950000043
为WiFi用户成功传输的概率，具体表示为：
Figure FDA0003588914950000044
其中，F为接入信道的WiFi用户的总数，τ表示WiFi用户接入概率；
当WiFi用户的吞吐量达到最大时，接入概率τ可由下式表示：
Figure FDA0003588914950000045
其中，Tσ表示平均时隙长度，Tc表示由于WiFi用户产生碰撞造成的信道占用的平均时间，F为接入信道的WiFi用户的总数；
步骤4所述优化目标为最大化异构网络中每个蜂窝基站和WiFi接入点加权吞吐量中的最小值，具体定义如下：
Figure FDA0003588914950000046
步骤4等式约束条件为：
w＝[w1,...,wn,...,wN]
wn＝[wn,1,...,wn,m,...,wn,N]T
Figure FDA0003588914950000047
Figure FDA0003588914950000048
x＝[x1,...,xI]T
步骤4不等式约束条件为：
Figure FDA0003588914950000049
Figure FDA00035889149500000410
Figure FDA0003588914950000051
Figure FDA0003588914950000052
其中N表示蜂窝基站的数量，K表示每个蜂窝基站下的蜂窝用户的数量,I表示WiFi用户的数量，R表示可重构智能反射面中反射元件的数量；w表示所有蜂窝基站的波束向量，wn表示第n个蜂窝基站的所有波束向量，wn,m表示从第n个蜂窝基站到第m个蜂窝基站覆盖下所有蜂窝用户的波束向量，
Figure FDA0003588914950000053
表示第n个蜂窝基站到第m个蜂窝基站第k个蜂窝用户的波束向量，Θ表示可重构智能反射面的反射系数对角阵，x表示所有WiFi用户接入选择变量值；ρn表示第n个蜂窝***在异构网络中的权重，ρw表示WiFi***在异构网络中的权重，可根据应用场景设置0至1内的数字；FRn表示第n个蜂窝基站的吞吐量模型，WR表示所有WiFi用户的饱和吞吐量；xi表示第i个WiFi用户的信道接入选择，yi表示第i个WiFi用户干扰功率，Γw表示允许WiFi用户接入信道的干扰阈值；
Figure FDA0003588914950000054
表示第n个蜂窝基站到第n个蜂窝基站第k个蜂窝用户的波束向量，Pn表示第n个蜂窝基站的最大发射功率；Ar表示RIS上第r个反射元件的幅度，θr表示RIS上第r个反射元件的相位，r∈[1,R]；
步骤4所述优化目标是一个非凸函数，需要引入辅助变量转换；WiFi用户的信道接入选择约束中涉及整数变量，需要引入辅助变量进行等价替换；
优化目标函数中WiFi用户吞吐量只与接入信道的WiFi用户的总数目F相关，WiFi用户接入概率是一个超越函数，引入双层循环优化算法求解：
外层循环对WiFi用户接入的总数目进行穷举搜索，内层循环针对三个优化变量建立子问题依次求解：
通过二分搜索法求解蜂窝基站功率子问题得到所有蜂窝基站的波束向量；
通过连续凸近似法求解RIS反射波束子问题得到RIS中各元件的反射系数；
通过罚函数法求解WiFi用户选择变量子问题得到所有WiFi用户接入选择变量；
基于步骤4所得的优化后所有蜂窝基站的波束向量w*，优化后可重构智能反射面上反射系数对角阵Θ*，优化后所有WiFi用户的接入选择变量x*，***重新配置无线通信环境，调整各基站网络信号覆盖范围，改善用户边缘吞吐量，并抵消信道干扰，提高网络通信效率，提升***通信性能。
CN202110981508.4A 2021-08-25 2021-08-25 一种基于ris技术的异构网络公平共存方法 Active CN113709755B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110981508.4A CN113709755B (zh) 2021-08-25 2021-08-25 一种基于ris技术的异构网络公平共存方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110981508.4A CN113709755B (zh) 2021-08-25 2021-08-25 一种基于ris技术的异构网络公平共存方法

Publications (2)

Publication Number Publication Date
CN113709755A CN113709755A (zh) 2021-11-26
CN113709755B true CN113709755B (zh) 2022-06-07

Family

ID=78654654

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110981508.4A Active CN113709755B (zh) 2021-08-25 2021-08-25 一种基于ris技术的异构网络公平共存方法

Country Status (1)

Country Link
CN (1) CN113709755B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11917585B2 (en) * 2021-08-30 2024-02-27 Qualcomm Incorporated Methods for measuring and controlling utility of an intelligent reflective surface
CN114449535A (zh) * 2021-12-21 2022-05-06 上海物骐微电子有限公司 信号传输方法、装置、***、设备和存储介质
CN115065979B (zh) * 2022-05-19 2023-07-04 南京邮电大学 一种基于RIS技术的室内Wi-Fi信号增强和分配方法
CN114978263B (zh) * 2022-05-20 2023-10-20 西安电子科技大学 一种基于智能反射面辅助的回环干扰抑制装置及方法
CN117221978B (zh) * 2023-09-11 2024-04-30 国网江苏省电力有限公司电力科学研究院 无源阵列辅助的电力物联网节点间数据传输方法及装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111050276A (zh) * 2019-12-23 2020-04-21 华中科技大学 基于角度信息的irs辅助通信***的优化方法及设备
CN111246491A (zh) * 2020-03-10 2020-06-05 电子科技大学 一种智能反射表面辅助的太赫兹通信***设计方法
CN111954190A (zh) * 2020-08-20 2020-11-17 深圳恩步通信技术有限公司 基于智能反射面的d2d通信吞吐量最大化的方法及装置
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
CN112737994A (zh) * 2020-12-25 2021-04-30 北京信息科技大学 一种基于智能反射面的功率域noma通信***设计方法
CN113014525A (zh) * 2021-03-15 2021-06-22 之江实验室 一种智能反射表面***中干扰抑制方法
CN113068195A (zh) * 2021-03-17 2021-07-02 东南大学 基于用户速率最大化的智能超表面位置设计方法
CN113114317A (zh) * 2021-04-13 2021-07-13 重庆邮电大学 一种irs辅助下行多用户通信***的相移优化方法
CN113259944A (zh) * 2021-05-11 2021-08-13 广东工业大学 一种基于深度强化学习的ris辅助频谱共享方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9338663B2 (en) * 2003-08-05 2016-05-10 Mobileum, Inc. Method and system for providing roaming intelligence (RI) to a host network operator for its roaming traffic
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 (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111050276A (zh) * 2019-12-23 2020-04-21 华中科技大学 基于角度信息的irs辅助通信***的优化方法及设备
CN111246491A (zh) * 2020-03-10 2020-06-05 电子科技大学 一种智能反射表面辅助的太赫兹通信***设计方法
CN111954190A (zh) * 2020-08-20 2020-11-17 深圳恩步通信技术有限公司 基于智能反射面的d2d通信吞吐量最大化的方法及装置
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
CN112737994A (zh) * 2020-12-25 2021-04-30 北京信息科技大学 一种基于智能反射面的功率域noma通信***设计方法
CN113014525A (zh) * 2021-03-15 2021-06-22 之江实验室 一种智能反射表面***中干扰抑制方法
CN113068195A (zh) * 2021-03-17 2021-07-02 东南大学 基于用户速率最大化的智能超表面位置设计方法
CN113114317A (zh) * 2021-04-13 2021-07-13 重庆邮电大学 一种irs辅助下行多用户通信***的相移优化方法
CN113259944A (zh) * 2021-05-11 2021-08-13 广东工业大学 一种基于深度强化学习的ris辅助频谱共享方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Intelligent Reflecting Surface (IRS)-Enhanced Cognitive Radio System;Jie Yuan;《ICC 2020 - 2020 IEEE International Conference on Communications (ICC)》;20200727;全文 *
异构协议空间信息网络的ＤＴＮ互联方法研究;周红彬;《武汉大学学报（工学版）》;20151031;全文 *

Also Published As

Publication number Publication date
CN113709755A (zh) 2021-11-26

Similar Documents

Publication Publication Date Title
CN113709755B (zh) 一种基于ris技术的异构网络公平共存方法
US11617214B2 (en) Method for random access, user equipment and base station
CN102036410B (zh) Mmwave无线***中可配置的基于竞争的时期
Ni et al. Research on key technology in 5G mobile communication network
US20160065294A1 (en) Method and apparatus for adaptive beam hopping in multi cell multi user communication system
US7983710B2 (en) Method of coordinated wireless downlink transmission
Maksymyuk et al. Deployment strategies and standardization perspectives for 5G mobile networks
CN111615202B (zh) 基于noma与波束成型的超密集网络无线资源分配方法
US11464013B2 (en) Coordinated link adaptation and packet scheduling in dynamic spectrum sharing
CN111885732B (zh) 一种增强noma可见光通信网络安全的动态资源分配方法
Han et al. On medium access control schemes for wireless networks in the millimeter-wave and terahertz bands
CN1731706A (zh) 车域网中环形阵列波束形成的装置
Cai et al. Efficient resource management for mmWave WPANs
CN113330767B (zh) 频谱管理设备、电子设备、无线通信方法和存储介质
Li et al. Efficient beam selection and resource allocation scheme for WiFi and 5G coexistence at unlicensed millimetre‐wave bands
CN116669197A (zh) 面向动态任务卸载的射频充电ud-mec***资源分配方法
Shoji et al. Piggy-back network to enable beyond5G society supported by autonomous mobilities: Concept, key technologies & prototyping on a service robot platform
CN102264078A (zh) 无线局域网基础结构模式中隐藏终端现象的处理方法
CN114629539A (zh) 一种基于ris的多用户毫米波非正交多址接入***中高能效资源分配方法
Shen et al. Millimeter wave multiuser beam clustering and iterative power allocation schemes
Hussain et al. IEEE 802.15. 4 MAC for clustered WSNs with a directional framework
Alotaibi et al. Performance analysis in overlay-based cognitive D2D communications in 5G networks
WO2023098823A1 (zh) 信号发送方法及装置
Ahmed et al. Scalable internet of things network design using multi-hop IEEE 802.11 ah
CN116567820A (zh) 一种位置信息辅助的d2d通信资源分配方法

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
GR01 Patent grant
GR01 Patent grant