CN113726395B - 一种智能反射面增强云接入网多天线用户上行传输方法 - Google Patents

Abstract

一种智能反射面增强云接入网多天线用户上行传输方法，属于无线通信技术领域。其特点在于对用户发送波束赋形，IRS被动波束赋形以及前传压缩噪声协方差矩阵进行联合优化；多天线用户通过射频拉远头RRH与基带处理单元BBU池通信，并在用户和RRH之间部署多个IRS；RRH对接收到的信号进行点对点压缩或Wyner‑Ziv编码，然后通过前传链路传输到BBU池。本发明针对IRS辅助的C‑RAN上行链路传输***，通过对用户发送波束赋形，IRS被动波束赋形以及前传压缩噪声协方差矩阵的联合设计，提升通信***的上行链路总速率。

Description

一种智能反射面增强云接入网多天线用户上行传输方法

技术领域

本发明属于无线通信技术领域，具体涉及一种针对多智能反射面IRS辅助云接入网C-RAN多天线多用户上行传输的波束赋形以及前传压缩联合设计方法。

背景技术

随着人工智能AI、物联网IoT、移动互联网和工业互联网的发展，为了向全社会提供多样化的无线网络服务，需要构建跨场景、跨领域的无线网络服务。因此，传统的无线通信***已经无法满足现在的通信需求。

云接入网(C-RAN)是一个有望缓解现在通信需求的无线通信***，它不同于传统的通信***，它将传统基站的基带处理功能向后迁移到基带处理单元(BBU)池中。因此，在C-RAN中可以实现联合信号处理以及灵活的资源管理。用户将信号传输到射频拉远头(RRH)，RRH将信号通过点对点压缩或者Wyner-Ziv编码压缩，经过前传链路传输到BBU池。由于有些用户与RRH相距较远，因此可以通过智能反射面IRS来辅助用户接入到RRH。IRS是由大量反射单元组成的一个平面，通过这些反射单元，可以对用户传输过来的信息进行反射，并且可以通过对反射单元的控制来对信息的振幅和相位进行控制，使得RRH更好地服务于用户。与传统的中继不同，它可以智能的重构无线网络环境，有效的提升无线网络的性能。

通过IRS辅助C-RAN的接入链路，用户通过直射链路和反射链路将信号传输到RRH，RRH通过点对点压缩或Wyner-Ziv编码压缩接收信号，再经过前传链路将信号传输到BBU池。该***的性能取决于用户发送波束赋形，IRS被动波束赋形以及前传压缩噪声协方差矩阵，通过联合优化用户发送波束赋形，IRS被动波束赋形以及前传压缩噪声协方差矩阵，进一步提升上行链路总速率。

发明内容

针对现有技术中存在的上述问题，本发明的目的在于提供一种智能反射面增强云接入网多天线用户上行传输方法。

本发明提供如下技术方案：一种智能反射面增强云接入网多天线用户上行传输方法，通过IRS辅助C-RAN接入链路，以最大化上行链路总速率为目的，对用户发送波束赋形，IRS被动波束赋形以及前传压缩噪声协方差矩阵进行联合优化，具体包括如下步骤：

1.1)基于IRS辅助的C-RAN的接入链路传输***中，多天线用户通过RRH与BBU池进行通信，将多个IRS部署在用户和RRH之间，辅助用户接入RRH；链路传输***中有K个多天线用户，有L个RRH，每个用户有N_U根发射天线，每个RRH有N_R根接收天线，在用户和RRH之间部署有M个IRS，每个IRS有N_I个反射单元；RRH对接收信号进行压缩，再通过前传链路传输到BBU池；

1.2)用户k,k＝1,...,K向RRH发送信号x_k＝F_ks_k，其中

表示具有协方差矩阵/>

的数据符号向量，d表示每个用户发送数据流中的数据符号个数，/>

表示受功率约束/>

的用户发送波束赋形，P_k表示用户发射功率；各RRH通过直射链路和IRS的反射链路接收用户发送的信号，第l个RRH，

RRHl，l＝1,...,L接收到的信号表示为：

其中

和/>

分别表示用户k和RRH_l之间、IRS_m和RRH_l之间以及用户k和IRS_m之间的信道矩阵，其中IRS_m表示第m个IRS；/>

表示所有用户到RRH_l的信道矩阵，/>

表示所有IRS到RRH_l之间的信道矩阵，/>

表示用户k到所有IRS之间的信道矩阵，/>

表示信道矩阵所有用户到所有IRS之间；/>

表示IRS_m的被动波束赋形,IRS只调整相移，即|θ_m,n|＝1,n＝1,···N_I，其中θ_m,n表示第m个IRS上的第n个反射单元的相移角，/>

是加性高斯白噪声，其中I为单位矩阵；

1.3)RRH将接收信号通过点对点压缩或者Wyner-Ziv编码，再通过前传链路传输到BBU池，BBU池恢复的压缩信号表示为：

其中

表示RRH_l的量化噪声，Ω_l为压缩噪声协方差矩阵，这样用户到BBU池的上行链路总速率表示为：

其中

表示所有用户到RRH的信道矩阵，

表示所有用户到所有RRH的直射链路信道矩阵，/>

表示所有IRS到所有RRH的信道矩阵，/>

进一步的，所述步骤1.3)中，所述RRH将接收信号通过点对点压缩，前传链路压缩率要小于前传链路容量C_l，即需要满足：

进一步的，所述步骤1.3)中，所述RRH将接收信号通过Wyner-Ziv编码，前传链路压缩率也要小于前传链路容量，即需要满足：

其中/>

是/>

的补集，其中/>

表示联合解压的RRH集合。

进一步的，所述步骤1.3)中，所述RRH将接收信号通过点对点压缩，是以最大化上行链路总速率为目的，联合设计用户发送波束赋形，IRS被动波束赋形以及前传压缩噪声协方差矩阵，具体步骤如下：

2.1)对于上行链路总速率最大化优化问题可以表示为：

其中

表示所有用户到RRH_l的信道矩阵；

2.2)再确定联合优化的最大迭代次数T_max，并选取满足约束条件的初始F_k,Θ和Ω_l；

2.3)对于步骤2.1)的优化问题可以转换成如下形式：

其中

W为接收矩阵，Σ表示后验准则估计数据符号的协方差矩阵，Ε_l为辅助变量矩阵。

2.4)在每次迭代中，首先固定F_k,Θ,Ω_l对W,Σ,Ε_l进行更新，可得：

2.5)接着固定Θ,Ω_l对F_k进行优化，对于步骤2.3)的优化问题可以转换成如下的子问题：

使用标准凸优化工具对上述问题进行迭代优化，可得到优化解为：F_k ^*表示本步骤中优化问题的优化解；

2.6)再固定F_k对Θ和Ω_l进行优化，这样优化问题可以表示为：

其中

A⊙B^T表示A和B^T的哈达玛积，

为列向量，由矩阵

的对角线元素组成，/>

其为列向量，由矩阵

的对角线元素组成，

通过半正定放松SDR将

的约束条件去除，再通过标准凸优化工具对半正定放松SDR放松后的优化问题进行迭代优化，可得到优化解为：/>

表示本步骤中优化问题的优化解；

2.7)再判断

是否满足步骤2.6)的约束条件，若满足约束条件直接进行特征值分解：/>

为步骤2.6)优化问题的优化解，其中U表示为/>

特征向量组成的矩阵，Λ为

的特征值组成的对角矩阵，U^H为U的共轭转置；/>

表示优化后的列向量，由IRS被动波束赋形的对角线元素组成的列向量和1组成的列向量；若不满足步骤2.6)的约束条件通过以下方法来产生多个次优的解：首先让/>

其中/>

为独立随机变量，均匀分布在复平面的单位圆上，即/>

θ_i独立均匀分布在[0,2π]，其次通过对Ω_l进行放缩，使产生的优化解满足步骤2.6)的约束条件，最后再从中选取一个使步骤2.6)中目标函数达到最小值的作为最优解，最后得到优化解为：IRS被动波束赋形Θ^(t)和压缩噪声的协方差矩阵/>

表示迭代次数；再将优化解带入步骤2.6)的目标函数得到f^(t)，f^(t)表示本次优化解带入目标函数的值，再将上一次迭代的解Θ^(t-1)，/>

也带入本轮步骤2.6)的目标函数得到f^(t-1)，进行比较，若f^(t)≤f^(t-1)则将上一轮的优化解作为本轮的优化解；

2.8)将步骤2.5)和步骤2.7)的优化解带入和速率表达式R_sum，得到本次迭代的和速率

与上一次迭代的/>

进行比较，若/>

则停止迭代，确定最优结果

输出优化解F_k ^*,Θ^*,/>

其中/>

表示允许误差范围；若/>

再判断迭代次数是否超过T_max，若没有超过T_max，回到步骤2.2)继续进行迭代优化；若超过T_max，则输出最后的优化解/>

2.9)对于IRS反射面相位为离散的情况，首先通过步骤2.1)～2.8)获得F_k ^*,Θ^*,

其中将Θ的对角线元素θ_m,n映射到离散相位的点上，即:/>

其中φ表示离散的相位，τ＝2^b,b＝1,2表示离散电平；再对/>

进行放缩得到/>

使/>

满足步骤2.1)中的约束条件。

进一步的，所述步骤1.3)中，所述RRH将接收信号通过Wyner-Ziv编码，以最大化上行链路总速率为目的，联合设计用户发送波束赋形，IRS被动波束赋形以及前传压缩噪声协方差矩阵，具体步骤如下：

3.1)对于上行链路总速率最大化优化问题表示为：

其中

表示所有用户到/>

的信道矩阵，/>

表示所有IRS到/>

的信道矩阵；

3.2)再确定联合优化的最大迭代次数T_max，并选取满足约束条件的初始F_k,Θ和Ω_l；

3.3)对于步骤3.1)中的优化问题可以写成如下形式：

其中

为接收矩阵，/>

表示后验准则估计数据符号的协方差矩阵，/>

为辅助变量矩阵；

3.4)在每次迭代中，首先固定F_k,Θ,

对W,Σ,/>

进行更新，可得：

3.5)接着固定Θ,

对F_k进行优化，对于步骤3.2)的优化问题可以转换成如下的子问题：

其中：

使用标准凸优化工具对上述问题进行迭代优化可得优化解为：F_k ^*，表示本步骤中优化问题的优化解；

3.6)再固定F_k对Θ,

进行优化，这样优化问题可以表示为：

其中/>

为列向量由矩阵，

对角线元素组成，

通过半正定放松SDR将/>

的约束条件去除，再通过标准凸优化工具对SDR放松后的优化问题进行迭代优化，可得优化解为：/>

表示本步骤中优化问题的优化解；

3.7)再判断

是否满足步骤3.6)的约束条件，若满足约束条件直接进行特征值分解：/>

为步骤3.6)优化问题的优化解，其中U表示为/>

特征向量组成的矩阵，Λ为/>

的特征值组成的对角矩阵，U^H为U的共轭转置。/>

表示优化后的列向量，由IRS被动波束赋形的对角线元素组成的列向量和1组成的列向量；若不满足步骤3.6)的约束条件通过以下方法来产生多个次优的解：首先让/>

其中/>

为独立随机变量，均匀分布在复平面的单位圆上，即/>

θ_i独立均匀分布在[0,2π]，其次通过对Ω_l进行放缩，使产生的优化解满足步骤3.6)的约束条件，最后在从中选取一个使步骤3.6)中目标函数达到最小值的作为最优解，最后得到优化解为：IRS被动波束赋形Θ^(t)和压缩噪声的协方差矩阵/>

表示迭代次数。再将优化解带入步骤3.6)的目标函数得到f^(t)，表示本次优化解带入目标函数的值，再将上一次迭代的解Θ^(t-1)，/>

也带入本轮步骤3.6)的目标函数得到f^(t-1)，进行比较，若f^(t)≤f^(t-1)则将上一轮的优化解作为本轮的优化解；

3.8)将步骤3.5)和步骤3.7)的优化解带入和速率表达式R_sum，得到本次迭代的和速率

与上一次迭代的/>

进行比较，若/>

则停止迭代，确定最优结果

输出优化解F_k ^*,Θ^*,/>

其中/>

表示允许误差范围；若/>

再判断迭代次数是否超过T_max，若没有超过T_max，回到步骤3.2)继续进行迭代优化；若超过T_max，则输出最后的优化解/>

3.9)对于IRS反射面相位为离散的情况，首先通过步骤3.1)～3.8)获得F_k ^*,Θ^*

其中将Θ的对角线元素θ_m,n映射到离散相位的点上，即:/>

其中φ表示离散的相位，τ＝2^b,b＝1,2.表示离散电平；再对/>

进行放缩得到/>

使/>

满足步骤3.1)中的约束条件。

通过采用上述技术，与现有技术相比，本发明的有益效果如下：

本发明采用针对用户发送波束赋形，IRS被动波束赋形以及前传压缩噪声协方差矩阵进行联合设计的方法来最大化上行链路总速率；通过IRS辅助C-RAN的接入链路，用户通过直射链路和反射链路将信号传输到RRH，RRH通过点对点压缩或Wyner-Ziv编码压缩接收信号，再经过前传链路将信号传输到BBU池；然后在前传链路容量受限的情况下，联合优化用户发送波束赋形矩阵、IRS被动波束赋形矩阵和前传链路压缩噪声的协方差矩阵，使上行链路总速率最大化使用基于智能反射面IRS辅助云接入网C-RAN通信***的接入链路，对用户发送波束赋形，IRS被动波束赋形以及前传压缩噪声协方差矩阵进行联合设计，使***上行链路总速率显著提升。

附图说明

图1为本发明基于智能反射面辅助云接入网接入链路***示意图的结构示意图；

图2为基于智能反射面辅助云接入网接入链路***在采用本发明的联合优化方法后，***平均上行链路总速率与每个智能反射面单元个数的关系示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合说明书附图及实施例，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。

相反，本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。

请参阅图1-2，基于IRS辅助C-RAN接入链路的通信***传输过程如图1所示。在传输开始前，先收集***中信道信息，然后对用户发送波束赋形，IRS被动波束赋形以及前传压缩噪声协方差矩阵进行联合优化。其传输过程为：用户通过RRH与BBU池进行通信，用户发送信号通过直射链路和反射链路将信号传输到RRH，RRH对接收到的信号通过点对点压缩或Wyner-Ziv编码压缩，再通过前传链路传输到BBU池。其中通过对用户发送波束赋形，IRS被动波束赋形以及前传压缩噪声协方差矩阵进行联合优化，以提升***上行链路总速率，具体优化过程如下：

1.1)基于IRS辅助的C-RAN的接入链路传输***中，多天线用户通过RRH与BBU池进行通信，将多个IRS部署在用户和RRH之间，辅助用户接入RRH。***中有K个多天线用户，有L个RRH，每个用户有N_U根发射天线，每个RRH有N_R根接收天线，在用户和RRH之间部署有M个IRS，每个IRS有N_I个反射单元。RRH对接收信号进行压缩，再通过前传链路传输到BBU池。

1.2)用户k,k＝1,...,K向RRH发送信号x_k＝F_ks_k，其中

是具有协方差矩阵

的数据符号向量，/>

是受功率约束/>

的用户发送波束赋形。各RRH通过直射链路和IRS的反射链路接收用户发送的信号。RRHl，l＝1,...,L接收到的信号可表示为：

其中

和/>

分别表示用户k和RRH_l之间、IRS_m和RRH_l之间以及用户k和IRS_m之间的信道矩阵。/>

表示所有用户到RRHl的信道矩阵，/>

表示所有IRS到RRH_l之间的信道矩阵，

表示用户k到所有IRS之间的信道矩阵，/>

表示信道矩阵所有用户到所有IRS之间。/>

表示IRS_m的被动波束赋形(IRS只调整相移，即|θ_m，n|)，/>

是加性高斯白噪声。

1.3)RRH将接收信号通过点对点压缩或者Wyner-Ziv编码，再通过前传链路传输到BBU池。BBU池恢复的压缩信号可以表示为：

其中

表示RRH_l的量化噪声，Ω_l为其协方差矩阵。这样用户到BBU池的上行链路总速率可表示为：

其中

表示所有用户到RRH的信道矩阵，

表示所有用户到所有RRH的直射链路信道矩阵，/>

表示所有IRS到所有RRH的信道矩阵，/>

1.4)对于RRH采用点对点压缩的情况，前传链路压缩率要小于前传链路容量C_l，即需要满足：

1.5)对于RRH采用Wyner-Ziv编码压缩的情况，前传链路压缩率也要小于前传链路容量，即需要满足：

其中/>

是/>

的补集。

2、对于点对点压缩，根据权利要求1中基于IRS辅助C-RAN接入链路传输***，以最大化上行链路总速率为目的，联合设计用户发送波束赋形，IRS被动波束赋形以及前传压缩噪声协方差矩阵，具体步骤如下：

2.1)对于上行链路总速率最大化优化问题可以表示为：

其中

表示所有用户到RRH_l的信道矩阵；

2.2)再确定联合优化的最大迭代次数T_max，并选取满足约束条件的初始F_k,Θ和Ω_l；

2.3)对于步骤2.1)的优化问题可以转换成如下形式：

其中

W为接收矩阵，Σ表示后验准则估计数据符号的协方差矩阵，Ε_l为辅助变量矩阵；

2.4)在每次迭代中，首先固定F_k,Θ,Ω_l对W,Σ,Ε_l进行更新，可得：

2.5)接着固定Θ,Ω_l对F_k进行优化，对于步骤2.3)的优化问题可以转换成如下的子问题：

使用标准凸优化工具对上述问题进行迭代优化，可得到优化解为：F_k ^*表示本步骤中优化问题的优化解。

2.6)再固定F_k对Θ和Ω_l进行优化，这样优化问题可以表示为：

其中

A_l⊙B^T表示A_l和B^T的哈达玛积，

为列向量，由矩阵

的对角线元素组成。/>

/>

为列向量，由矩阵/>

的对角线元素组成，/>

通过半正定放松(SDR)将/>

的约束条件去除，再通过标准凸优化工具对SDR放松后的优化问题进行迭代优化，可得到优化解为：/>

表示本步骤中优化问题的优化解。

2.7)再判断

是否满足步骤2.6)的约束条件，若满足约束条件直接进行特征值分解：/>

为步骤2.6)优化问题的优化解，其中U表示为/>

特征向量组成的矩阵，Λ为

的特征值组成的对角矩阵，U^H为U的共轭转置；/>

表示优化后的列向量，由IRS被动波束赋形的对角线元素组成的列向量和1组成的列向量。若不满足步骤2.6)的约束条件通过以下方法来产生多个次优的解：首先让/>

其中/>

为独立随机变量，均匀分布在复平面的单位圆上(即/>

θ_i独立均匀分布在[0,2π])，其次通过对Ω_l进行放缩，使产生的优化解满足步骤2.6)的约束条件，最后在从中选取一个使步骤2.6)中目标函数达到最小值的作为最优解，最后得到优化解为：IRS被动波束赋形Θ^(t)和压缩噪声的协方差矩阵/>

表示迭代次数。再将优化解带入步骤2.6)的目标函数得到f^(t)，表示本次优化解带入目标函数的值，再将上一次迭代的解Θ^(t-1)，/>

也带入本轮步骤2.6)的目标函数得到f^(t-1)，进行比较，若f^(t)≤f^(t-1)则将上一轮的优化解作为本轮的优化解。

2.8)将步骤2.5)和步骤2.7)的优化解带入和速率表达式R_sum，得到本次迭代的和速率

与上一次迭代的/>

进行比较，若/>

则停止迭代，确定最优结果

输出优化解F_k ^*,Θ^*,/>

其中/>

表示允许误差范围；若/>

再判断迭代次数是否超过T_max，若没有超过T_max，回到步骤2.2)继续进行迭代优化；若超过T_max，则输出最后的优化解/>

2.9)对于IRS反射面相位为离散的情况，首先通过步骤2.1)～2.8)获得F_k ^*,Θ^*,

其中将Θ的对角线元素θ_m,n映射到离散相位的点上，即:/>

其中φ表示离散的相位，τ＝2^b,b＝1,2.表示离散电平。再对/>

进行放缩得到/>

使/>

满足步骤2.1)中的约束条件。

3、对于采用Wyner-Ziv编码，根据权利要求1中基于IRS辅助C-RAN接入链路传输***，以最大化上行链路总速率为目的，联合设计用户发送波束赋形，IRS被动波束赋形以及前传压缩噪声协方差矩阵，具体步骤如下：

3.1)对于上行链路总速率最大化优化问题可以表示为：

其中

3.2)再确定联合优化的最大迭代次数T_max，并选取满足约束条件的初始F_k,Θ和Ω_l。

3.3)对于步骤3.1)中的优化问题可以写成如下形式：

其中

为接收矩阵，/>

表示后验准则估计数据符号的协方差矩阵，/>

为辅助变量矩阵。

3.4)在每次迭代中，首先固定F_k,Θ,

对W,Σ,/>

进行更新，可得：

3.5)接着固定Θ,

对F_k进行优化，对于步骤3.2)的优化问题可以转换成如下的子问题：

其中：

使用标准凸优化工具对上述问题进行迭代优化可得优化解为：F_k ^*表示本步骤中优化问题的优化解。/>

3.6)再固定F_k对Θ,

进行优化，这样优化问题可以表示为：

其中/>

为列向量由矩阵：

对角线元素组成，

通过半正定放松(SDR)将/>

的约束条件去除，再通过标准凸优化工具对SDR放松后的优化问题进行迭代优化，可得优化解为：/>

表示本步骤中优化问题的优化解。

3.7)再判断

是否满足步骤3.6)的约束条件，若满足约束条件直接进行特征值分解：/>

为步骤3.6)优化问题的优化解，其中U表示为/>

特征向量组成的矩阵，Λ为/>

的特征值组成的对角矩阵，U^H为U的共轭转置。/>

表示优化后的列向量，由IRS被动波束赋形的对角线元素组成的列向量和1组成的列向量。若不满足步骤3.6)的约束条件通过以下方法来产生多个次优的解：首先让/>

其中/>

为独立随机变量，均匀分布在复平面的单位圆上(即/>

θ_i独立均匀分布在[0,2π])，其次通过对Ω_l进行放缩，使产生的优化解满足步骤3.6)的约束条件，最后在从中选取一个使步骤3.6)中目标函数达到最小值的作为最优解，最后得到优化解为：IRS被动波束赋形Θ^(t)和压缩噪声的协方差矩阵/>

表示迭代次数。再将优化解带入步骤3.6)的目标函数得到f^(t)，表示本次优化解带入目标函数的值，再将上一次迭代的解Θ^(t-1)，/>

也带入本轮步骤3.6)的目标函数得到f^(t-1)，进行比较，若f^(t)≤f^(t-1)则将上一轮的优化解作为本轮的优化解。

3.8)将步骤3.5)和步骤3.7)的优化解带入和速率表达式R_sum，得到本次迭代的和速率

与上一次迭代的/>

进行比较，若/>

则停止迭代，确定最优结果

输出优化解F_k ^*,Θ^*,/>

其中/>

表示允许误差范围；若/>

再判断迭代次数是否超过T_max，若没有超过T_max，回到步骤3.2)继续进行迭代优化；若超过T_max，则输出最后的优化解/>

3.9)对于IRS反射面相位为离散的情况，首先通过步骤3.1)～3.8)获得F_k ^*,Θ^*,

其中将Θ的对角线元素θ_m,n映射到离散相位的点上，即:/>

其中φ表示离散的相位，τ＝2^b,b＝1,2.表示离散电平。再对/>

进行放缩得到/>

使/>

满足步骤3.1)中的约束条件。

计算机仿真表明，基于IRS辅助C-RAN接入链路的通信***，在采用本专利的联合优化方法后，其上行链路总速率显著高于传统的C-RAN的上行链路总速率。

其中，图2分别表示在Wyner-Ziv编码压缩下连续相位，2bit离散相位，1bit离散相位，随机相位和没有智能反射面情况下的平均上行链路总速率，以及在点对点压缩情况下连续相位，2bit离散相位，1bit离散相位，随机相位和没有智能反射面情况下的平均上行链路总速率。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.智能反射面增强云接入网多天线用户上行传输方法，其特征在于：通过IRS辅助C-RAN接入链路，以最大化上行链路总速率为目的，对用户发送波束赋形，IRS被动波束赋形以及前传压缩噪声协方差矩阵进行联合优化，具体包括如下步骤：

1.1)基于IRS辅助的C-RAN的接入链路传输***中，多天线用户通过RRH与BBU池进行通信，将多个IRS部署在用户和RRH之间，辅助用户接入RRH；链路传输***中有K个多天线用户，有L个RRH，每个用户有N_U根发射天线，每个RRH有N_R根接收天线，在用户和RRH之间部署有M个IRS，每个IRS有N_I个反射单元；RRH对接收信号进行压缩，再通过前传链路传输到BBU池；

1.2)用户k,k＝1,...,K向RRH发送信号x_k＝F_ks_k，其中

表示具有协方差矩阵/>

的数据符号向量，d表示每个用户发送数据流中的数据符号个数，/>

表示受功率约束/>

的用户发送波束赋形，P_k表示用户发射功率；各RRH通过直射链路和IRS的反射链路接收用户发送的信号，第l个RRH，

RRHl，l＝1,...,L接收到的信号表示为：

其中

和/>

分别表示用户k和RRHl之间、IRSm和RRHl之间以及用户k和IRSm之间的信道矩阵，其中IRSm表示第m个/>

表示所有用户到RRHl的信道矩阵，G_l,M＝[G_l,1,...,G_l,M]表示所有IRS到RRHl之间的信道矩阵，/>

表示用户k到所有IRS之间的信道矩阵，/>

表示信道矩阵所有用户到所有IRS之间；/>

表示IRSm的被动波束赋形,IRS只调整相移，即|θ_m,n|＝1,n＝1,···N_I，其中θ_m,n表示第m个IRS上的第n个反射单元的相移角，/>

是加性高斯白噪声，其中I为单位矩阵；

1.3)RRH将接收信号通过点对点压缩或者Wyner-Ziv编码，再通过前传链路传输到BBU池，BBU池恢复的压缩信号表示为：

其中

表示RRHl的量化噪声，Ω_l为压缩噪声协方差矩阵，这样用户到BBU池的上行链路总速率表示为：

其中

表示所有用户到RRH的信道矩阵，

表示所有用户到所有RRH的直射链路信道矩阵，/>

表示所有IRS到所有RRH的信道矩阵，/>

所述RRH将接收信号通过点对点压缩，前传链路压缩率要小于前传链路容量C_l，即需要满足：

所述RRH将接收信号通过点对点压缩，是以最大化上行链路总速率为目的，联合设计用户发送波束赋形，IRS被动波束赋形以及前传压缩噪声协方差矩阵，具体步骤如下：

2.1)对于上行链路总速率最大化优化问题可以表示为：

其中

表示所有用户到RRHl的信道矩阵；

2.2)再确定联合优化的最大迭代次数T_max，并选取满足约束条件的初始F_k,Θ和Ω_l；

2.3)对于步骤2.1)的优化问题可以转换成如下形式：

其中

W为接收矩阵，Σ表示后验准则估计数据符号的协方差矩阵，Ε_l为辅助变量矩阵；

2.4)在每次迭代中，首先固定F_k,Θ,Ω_l对W,Σ,Ε_l进行更新，可得：

2.5)接着固定Θ,Ω_l对F_k进行优化，对于步骤2.3)的优化问题可以转换成如下的子问题：

使用标准凸优化工具对上述问题进行迭代优化，可得到优化解为：F_k ^*表示本步骤中优化问题的优化解；

2.6)再固定F_k对Θ和Ω_l进行优化，这样优化问题可以表示为：

其中

A⊙B^T表示A和B^T的哈达玛积，

为列向量，由矩阵

的对角线元素组成，/>

其为列向量，由矩阵

的对角线元素组成，

通过半正定放松SDR将/>

的约束条件去除，再通过标准凸优化工具对半正定放松SDR放松后的优化问题进行迭代优化，可得到优化解为：/>

表示本步骤中优化问题的优化解；

2.7)再判断

是否满足步骤2.6)的约束条件，若满足约束条件直接进行特征值分解：

为步骤2.6)优化问题的优化解，其中U表示为/>

特征向量组成的矩阵，Λ为/>

的特征值组成的对角矩阵，U^H为U的共轭转置；/>

表示优化后的列向量，由IRS被动波束赋形的对角线元素组成的列向量和1组成的列向量；若不满足步骤2.6)的约束条件通过以下方法来产生多个次优的解：首先让/>

其中/>

为独立随机变量，均匀分布在复平面的单位圆上，即/>

θ_i独立均匀分布在[0,2π]，其次通过对Ω_l进行放缩，使产生的优化解满足步骤2.6)的约束条件，最后再从中选取一个使步骤2.6)中目标函数达到最小值的作为最优解，最后得到优化解为：IRS被动波束赋形Θ^(t)和压缩噪声的协方差矩阵/>

t＝1,...,T_max，表示迭代次数；再将优化解带入步骤2.6)的目标函数得到f^(t)，f^(t)表示本次优化解带入目标函数的值，再将上一次迭代的解Θ^(t-1)，/>

也带入本轮步骤2.6)的目标函数得到f^(t-1)，进行比较，若f^(t)≤f^(t-1)则将上一轮的优化解作为本轮的优化解；

2.8)将步骤2.5)和步骤2.7)的优化解带入和速率表达式R_sum，得到本次迭代的和速率

与上一次迭代的/>

进行比较，若/>

则停止迭代，确定最优结果/>

输出优化解/>

其中/>

表示允许误差范围；若/>

再判断迭代次数是否超过T_max，若没有超过T_max，回到步骤

2.2)继续进行迭代优化；若超过T_max，则输出最后的优化解

2.9)对于IRS反射面相位为离散的情况，首先通过步骤2.1)～2.8)获得

其中将Θ的对角线元素θ_m,n映射到离散相位的点上，即:/>

其中φ表示离散的相位，τ＝2^b,b＝1,2表示离散电平；再对/>

进行放缩得到/>

使/>

满足步骤2.1)中的约束条件；

所述RRH将接收信号通过Wyner-Ziv编码，前传链路压缩率也要小于前传链路容量，即需要满足：

其中/>

是/>

的补集，其中/>

表示联合解压的RRH集合；

所述RRH将接收信号通过Wyner-Ziv编码，以最大化上行链路总速率为目的，联合设计用户发送波束赋形，IRS被动波束赋形以及前传压缩噪声协方差矩阵，具体步骤如下：

3.1)对于上行链路总速率最大化优化问题表示为：

其中

表示所有用户到/>

的信道矩阵，/>

表示所有IRS到/>

的信道矩阵；

3.2)再确定联合优化的最大迭代次数T_max，并选取满足约束条件的初始F_k,Θ和Ω_l；

3.3)对于步骤3.1)中的优化问题可以写成如下形式：

其中

为接收矩阵，/>

表示后验准则估计数据符号的协方差矩阵，/>

为辅助变量矩阵；

3.4)在每次迭代中，首先固定

对/>

进行更新，可得：

3.5)接着固定

对F_k进行优化，对于步骤3.2)的优化问题可以转换成如下的子问题：

其中：

使用标准凸优化工具对上述问题进行迭代优化可得优化解为：F_k ^*，表示本步骤中优化问题的优化解；

3.6)再固定F_k对

进行优化，这样优化问题可以表示为：

其中

为列向量由矩阵，

对角线元素组成，

通过半正定放松SDR将/>

的约束条件去除，再通过标准凸优化工具对SDR放松后的优化问题进行迭代优化，可得优化解为：/>

表示本步骤中优化问题的优化解；

3.7)再判断

是否满足步骤3.6)的约束条件，若满足约束条件直接进行特征值分解：

为步骤3.6)优化问题的优化解，其中U表示为/>

特征向量组成的矩阵，Λ为/>

的特征值组成的对角矩阵，U^H为U的共轭转置；/>

表示优化后的列向量，由IRS被动波束赋形的对角线元素组成的列向量和1组成的列向量；若不满足步骤3.6)的约束条件通过以下方法来产生多个次优的解：首先让/>

其中/>

为独立随机变量，均匀分布在复平面的单位圆上，即/>

θ_i独立均匀分布在[0,2π]，其次通过对Ω_l进行放缩，使产生的优化解满足步骤3.6)的约束条件，最后在从中选取一个使步骤3.6)中目标函数达到最小值的作为最优解，最后得到优化解为：IRS被动波束赋形Θ^(t)和压缩噪声的协方差矩阵/>

t＝1,...,T_max表示迭代次数；再将优化解带入步骤3.6)的目标函数得到f^(t)，表示本次优化解带入目标函数的值，再将上一次迭代的解Θ^(t-1)，/>

也带入本轮步骤3.6)的目标函数得到f^(t-1)，进行比较，若f^(t)≤f^(t-1)则将上一轮的优化解作为本轮的优化解；

3.8)将步骤3.5)和步骤3.7)的优化解带入和速率表达式R_sum，得到本次迭代的和速率

与上一次迭代的/>

进行比较，若/>

则停止迭代，确定最优结果/>

输出优化解/>

其中/>

表示允许误差范围；若/>

再判断迭代次数是否超过T_max，若没有超过T_max，回到步骤3.2)继续进行迭代优化；若超过T_max，则输出最后的优化解/>

3.9)对于IRS反射面相位为离散的情况，首先通过步骤3.1)～3.8)获得

其中将Θ的对角线元素θ_m,n映射到离散相位的点上，即:/>

其中φ表示离散的相位，τ＝2^b,b＝1,2.表示离散电平；再对/>

进行放缩得到/>

使/>

满足步骤3.1)中的约束条件。

Images