CN114501497B - 一种基于信噪泄漏比的多智能反射面与多用户的匹配方法 - Google Patents
一种基于信噪泄漏比的多智能反射面与多用户的匹配方法 Download PDFInfo
- Publication number
- CN114501497B CN114501497B CN202210073010.2A CN202210073010A CN114501497B CN 114501497 B CN114501497 B CN 114501497B CN 202210073010 A CN202210073010 A CN 202210073010A CN 114501497 B CN114501497 B CN 114501497B
- Authority
- CN
- China
- Prior art keywords
- base station
- intelligent
- reflecting surface
- user
- intelligent reflecting
- 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
Links
Images
Classifications
-
- 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
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
-
- 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)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于信噪泄漏比的多智能反射面与多用户的匹配方法,该方法首先用户端发送正交导频信号,基站端根据接收的导频信号估计出直接链路和反射级联链路信道状态信息;然后基站端采用广义瑞利熵算法计算得到最佳预编码向量;接着基站端计算得出其通过每一个智能反射面服务不同用户端时的信噪泄漏比值;最后基站端采用基于信噪泄漏比权值的Kuhn‑Munkres算法,经迭代获得一组最大权值的智能反射面与用户端匹配结果,依据匹配结果配置智能反射面的幅度和相位进行下行链路数据通信。本发明增强了***稳定性,提升了无线通信***的频谱效率以及能量效率。
Description
技术领域
本发明涉及无线通信技术领域,特别涉及一种基于信噪泄漏比的多智能反射面与多用户的匹配方法。
背景技术
随着5G通信网络的商业化,第六代通信技术旨在实现更快、更可靠的数据传输。在这些技术中,智能反射面最近吸引了学术界和工业的广泛兴趣。智能反射面作为新兴技术,其定义了新的无线传输和传播模式,并控制通信信道。智能反射面是一种包含电子可控和低功耗模拟处理元件的智能超表面,它可实时调整无源反射元件的相位、幅度、频率甚至极化,从而将入射电磁信号引导到所需方向,提高无线通信***的覆盖率和速率。
多个智能反射面辅助的无线通信***的性能通常会比单个智能反射面辅助的无线通信***性能更好。因为多个智能反射面可以提供多条通信链路来增强接收到的信号强度,并且分布在不同位置的多个智能反射面可以提供灵活的链路,从而减少其中一个或多个链路被某些障碍物阻塞的情况所带来的影响。尽管多个智能反射面辅助可以提高无线通信***的性能,但是由于智能反射面个数增加,需要使用更准确的相移进行被动预编码,以保证智能反射面反射的信号能够更精确地到达用户。此外,高维级联信道和智能反射面的无源反射单元数也随之显著增加,其级联信道状态信息的估计将产生大量的导频训练开销和硬件复杂度,从而使***性能下降,数据传输速率降低。
因此,减少服务单个用户的智能反射面的数量十分必要,故需合理地为每个用户选择适当的智能反射面来为其服务。目前常采用的就近选择的智能反射面选择方案,基站端只选择距离其较近的智能反射面来为用户服务,不仅不能保证所选智能反射面确实能够增强通信质量,而且整个无线通信***的性能也没有提升。面对这一问题,本发明设计了一种基于信噪泄漏比的多智能反射面与多用户的匹配方法,用于在多个智能反射面辅助的无线通信***中选择最优的一个智能反射面辅助通信,提高了能量效率,提升了无线通信***性能。
发明内容
为解决上述背景技术中提出的问题,本发明提出了一种基于信噪泄漏比的多智能反射面与多用户的匹配方法,用于在多个智能反射面辅助的无线通信***中选择最优的一个智能反射面辅助通信,从而能够更好地进行下行链路数据通信。
为了达到上述目的,本发明提出的一种基于信噪泄漏比的多智能反射面与多用户的匹配方法,包括如下步骤:
S1:考虑无线网络中的下行链路通信,无线通信***依靠直接通信链路以及智能反射面辅助信道进行通信。用户端进行上行链路通信,首先其直接向基站端发送正交导频信号,然后通过智能反射面反射的方式向基站端发送正交导频信号,基站端控制智能反射面依次打开其所有无源元件反射导频信号,基站端根据接收的导频信号估计出直接链路和反射级联链路信道状态信息;
S2:基站端依据已知的信道状态信息,采用广义瑞利熵算法计算得到最佳预编码向量;
S3:基站端依据所求最佳预编码向量,计算其通过直接链路和每一个智能反射面服务不同用户端时的信噪泄漏比值;
S4:基站端依据遍历所获得的信噪泄漏比值,采用Kuhn-Munkres算法,以信噪泄漏比作为权值,获得一组最大权值的智能反射面与用户端匹配结果;
S5:基站端依据所求最佳预编码向量设置预编码,并依据获得的基于最大权值的智能反射面与用户端匹配结果,选择智能反射面,设置智能反射面的幅度、相位,进行下行链路数据通信。
优选地,所述步骤S1中,考虑无线网络中的下行链路通信,无线通信***依靠直接通信链路以及智能反射面辅助进行通信。基站端配备多根天线,多个智能反射面在基站端与用户端之间分布式布设。具体的,考虑配备M根天线的单个基站,J个智能反射面在单个基站端与K个用户端之间分布式布设,每个智能反射面包含N个无源反射单元,用户端配备单根天线,智能反射面的位置信息在基站端已知。用户端进行上行链路通信,发送维度为τ×1的正交导频信号,τ为正交导频序列长度,满足τ=K,基站端通过控制器使智能反射面依次打开N个无源反射单元反射正交导频信号,基站端根据接收的导频信号估计出直接链路和反射级联链路信道状态信息,具体组成部分包括基站端到第k个用户之间的直接通信链路基站端通过第j个智能反射面服务第k个用户的级联信道其中()H表示共轭转置矩阵,包括基站端到第j个智能反射面的信道矩阵第j个智能反射面到第k个用户间的信道向量以及智能反射面的相移矩阵其中αj,n∈[0,1]为第j个智能反射面的第n块无源反射单元的幅度,θj,n∈[0,2π]为第j个智能反射面的第n块无源反射单元的相位,设置所有智能反射面的所有无源反射单元的幅度α1,1=α1,2=...=αj,n=1,相位其中arg(fk)为基站端到第k个用户之间直接链路的相位,fk为基站端到第k个用户之间的直接链路信道,基站端到第k个用户之间的M条直接链路的相位设为一致,是基站端通过第j个智能反射面中第n块无源反射单元反射给第k个用户的级联链路的相位,为基站端与第j个智能反射面之间的信道,基站端到第j个智能反射面上第n块无源反射单元的M条反射链路的相位设为一致。
优选地,根据权利要求1所述的一种基于信噪泄漏比的多智能反射面与多用户的匹配方法,其特征在于:所述步骤S2中,基站端依据已知的信道状态信息,采用广义瑞利熵算法计算得到最佳预编码向量;具体的,基站端通过第j块智能反射面服务第k个用户时的信噪泄漏比可表示为其中 为基站端在通过直接通信链路和第j个智能反射面来为第k个用户服务时的预编码向量,为基站端所求到第k个用户之间的直接通信链路,为基站端通过第j个智能反射面服务第k个用户的级联信道,其包括基站端到第j个智能反射面的信道矩阵第j个智能反射面到第k个用户间的信道向量以及智能反射面的相移矩阵 为基站端与第k个用户之间的直接链路和通过第j个智能反射面的反射链路的复合信道, 为基站端在通过直接链路和第j个智能反射面服务第k个用户时对第t个用户所造成的干扰,其中为基站端通过直接通信链路服务第k个用户时给第t个用户带来的干扰,为基站端通过第j个智能反射面服务第k个用户时给第t个用户带来的干扰,加性高斯白噪声σ2为n的方差;采用广义瑞利熵算法,当考虑max(SLNRj,k)时,可求得基站端通过直接链路以及第j块智能反射面服务第k个用户最优预编码向量其中()-1为逆矩阵,IM为M×M单位矩阵。
优选地,所述步骤S3中,基站端依据所求最佳预编码向量,计算其通过直接链路和每一个智能反射面服务不同用户端时的信噪泄漏比值;基站端计算其通过直接链路和每一个智能反射面服务不同用户端时的信噪泄漏比值,共计算JK次,当J=K时需计算J2次;第j块智能反射面服务第k个用户时的信噪泄漏比
优选地,所述步骤S4中,基站端依据遍历所获得的信噪泄漏比值,采用Kuhn-Munkres算法,该算法具体步骤如下:
T1:判断智能反射面数J与用户数K是否一致;当智能反射面布设数J等于用户数K时,跳转至步骤T2;当智能反射面布设数J大于用户数K时,增设X位通过任意智能反射面反射时信噪泄漏比皆为0的虚拟用户,即在二部图中,这些虚拟用户的权值为0,其中X=J-K;
T2:将智能反射面集与用户集划分为两类顶点集,顶点集中顶点j、k分别代表第j个智能反射面和第k位用户,分别作为二部图G的一部;对顶点集中顶点设置顶标,分别为LR(j)与LU(k);列出二部图G和信噪泄漏比权重矩阵W,其中SLNRj,k为第j块智能反射面服务第k个用户时的信噪泄漏比;
T5:判断顶点j是否完成匹配,若完成匹配,则转至步骤T6;若顶点j若不满足匹配条件,没有找到可行边或与其他已配对点相冲突,未完成匹配,则修改有关顶点的顶标的值,延伸增广路径;顶标修改规则为:LR(j)←LR(j)-d,LU(k)←LU(k)+d,其中在修改顶标值后,再次对顶点j进行匹配,若修改后值满足匹配条件,则匹配完成,否则重复步骤T5直至完成匹配连接;
T6:判断二部图G是否为完备匹配;若是完备匹配,则获得基于信噪泄漏比权值的智能反射面与用户的最优匹配;若不是完备匹配,则转至步骤T4。
与现有技术相比,本发明的有益效果是:
(1)本发明为每个用户在多个智能反射面中选择一个合适的智能反射面辅助通信,提高了能量效率,提升了无线通信***性能。
(2)本发明通过多个智能反射面的分布式布设可为用户端提供更加灵活的通信链路,从而减小其中一条或多条通信链路被某些障碍物阻塞的情况对通信效果带来的影响,增强了通信***的稳定性。
(3)本发明通过在基站端设计所选智能反射面的相位以及预编码,保证智能反射面反射的信号能够更精确地到达用户,显著提升了通信服务质量。
(4)本发明基于信噪泄漏比的智能反射面选择方案可为每个用户提供匹配最佳的智能反射面,提升了无线通信***频谱效率。
附图说明
图1为本发明的多个智能反射面辅助的无线通信***模型示意图。
图2为本发明的步骤流程图。
图3为本发明基于信噪泄漏比权值的Kuhn-Munkres算法流程图。
具体实施方式
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,所描述的实施例仅仅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。
参照图1,一种由多个智能反射面辅助通信的无线通信***,***依靠直接通信链路以及智能反射面辅助进行通信。基站端配备多根天线,考虑配备M根天线的单个基站,J个智能反射面在单个基站端与K个用户端之间分布式布设,每个智能反射面包含N个无源反射单元,用户端配备单根天线,智能反射面的位置信息在基站端已知。
参照图2,首先用户端进行上行链路通信,通过直接发送以及智能反射面反射两种方式发送τ×1的正交导频信号,τ为正交导频序列长度且τ=K,基站端通过控制器使智能反射面依次打开N个无源反射单元反射导频信号,并根据接收的导频信号估计出直接链路和反射级联链路信道状态信息。在获取信道状态信息后,基站端设计智能反射面的幅度αj,n与相位θj,n,并采用广义瑞利熵算法,计算出最佳预编码向量。然后基站端依据所得最佳预编码向量,计算得出其通过每一个智能反射面服务不同用户端时的信噪泄漏比。接着基站端根据所求信噪泄漏比值来进行智能反射面与用户端匹配,采用基于信噪泄漏比权值的Kuhn-Munkres算法,经迭代获得一组最大权值的智能反射面与用户端匹配结果,即为智能反射面与用户端的最优匹配。最后基站端依据所得智能反射面与用户端的最优匹配结果进行下行链路通信。
参照图3,基站端根据所求信噪泄漏比来进行智能反射面与用户端匹配。将匹配问题视作带权二部图的最优匹配问题,采用基于信噪泄漏比权值的Kuhn-Munkres算法,将智能反射面和用户端作为二部图的两部分,以遍历所得的信噪泄漏比值作为权值,经迭代获得一组最大权值的智能反射面与用户端匹配结果,即为智能反射面与用户端的最优匹配。
基于信噪泄漏比权值的Kuhn-Munkres算法具体步骤如下:
T1:判断智能反射面数J与用户数K是否一致;当智能反射面布设数J等于用户数K时,跳转至步骤T2;当智能反射面布设数J大于用户数K时,增设X位通过任意智能反射面反射时信噪泄漏比皆为0的虚拟用户,即在二部图中,这些虚拟用户的权值为0,其中X=J-K;
T2:将智能反射面集与用户集划分为两类顶点集,顶点集中顶点j、k分别代表第j个智能反射面和第k位用户,分别作为二部图G的一部;对顶点集中顶点设置顶标,分别为LR(j)与LU(k);列出二部图G和信噪泄漏比权重矩阵W,其中 SLNRj,k为第j块智能反射面服务第k个用户时的信噪泄漏比;
T5:判断顶点j是否完成匹配,若完成匹配,则转至步骤T6;若顶点j若不满足匹配条件,没有找到可行边或与其他已配对点相冲突,未完成匹配,则修改有关顶点的顶标的值,延伸增广路径;顶标修改规则为:LR(j)←LR(j)-d,LU(k)←LU(k)+d,其中在修改顶标值后,再次对顶点j进行匹配,若修改后值满足匹配条件,则匹配完成,否则重复步骤T5直至完成匹配连接;
T6:判断二部图G是否为完备匹配;若是完备匹配,则获得基于信噪泄漏比权值的智能反射面与用户的最优匹配;若不是完备匹配,则转至步骤T4。
本发明中披露的说明和实践,对于本技术领域的普通技术人员来说,都是易于思考和理解的,且在不脱离本发明原理的前提下,还可以做出若干改进和润饰。因此,在不偏离本发明精神的基础上所做的修改或改进,也应视为本发明的保护范围。
Claims (1)
1.一种基于信噪泄漏比的多智能反射面与多用户的匹配方法,其特征在于,包括以下步骤:
S1:考虑无线网络中的下行链路通信,无线通信***依靠直接通信链路以及智能反射面辅助信道进行通信;用户端进行上行链路通信,首先其直接向基站端发送正交导频信号,然后通过智能反射面反射的方式向基站端发送正交导频信号,基站端控制智能反射面依次打开其所有无源元件反射导频信号,基站端根据接收的导频信号估计出直接链路和反射级联链路信道状态信息;
所述步骤S1中,考虑无线网络中的下行链路通信,无线通信***依靠直接通信链路以及智能反射面辅助进行通信;基站端配备多根天线,多个智能反射面在基站端与用户端之间分布式布设:具体的,考虑配备M根天线的单个基站,J个智能反射面在单个基站端与K个用户端之间分布式布设,每个智能反射面包含N个无源反射单元,用户端配备单根天线,智能反射面的位置信息在基站端已知;用户端进行上行链路通信,发送维度为τ×1的正交导频信号,τ为正交导频序列长度,满足τ=K,基站端通过控制器使智能反射面依次打开N个无源反射单元反射正交导频信号,基站端根据接收的导频信号估计出直接链路和反射级联链路信道状态信息;具体组成部分包括基站端到第k个用户之间的直接通信链路基站端通过第j个智能反射面服务第k个用户的级联信道其中()H表示共轭转置矩阵,包括基站端到第j个智能反射面的信道矩阵第j个智能反射面到第k个用户间的信道向量以及智能反射面的相移矩阵其中为第j个智能反射面的第n块无源反射单元的幅度,θj,n∈[0,2π]为第j个智能反射面的第n块无源反射单元的相位,设置所有智能反射面的所有无源反射单元的幅度α1,1=α1,2=...=αj,n=1,相位其中arg(fk)为基站端到第k个用户之间直接链路的相位,fk为基站端到第k个用户之间的直接链路信道,基站端到第k个用户之间的M条直接链路的相位设为一致,是基站端通过第j个智能反射面中第n块无源反射单元反射给第k个用户的级联链路的相位,为基站端与第j个智能反射面之间的信道,基站端到第j个智能反射面上第n块无源反射单元的M条反射链路的相位设为一致;
S2:基站端依据已知的信道状态信息,采用广义瑞利熵算法计算得到最佳预编码向量;
S3:基站端依据所求最佳预编码向量,计算其通过直接链路和每一个智能反射面服务不同用户端时的信噪泄漏比值;
S4:基站端依据遍历所获得的信噪泄漏比值,采用Kuhn-Munkres算法,以信噪泄漏比作为权值,获得一组最大权值的智能反射面与用户端匹配结果;
S5:基站端依据所求最佳预编码向量设置预编码,并依据获得的基于最大权值的智能反射面与用户端匹配结果,选择智能反射面,设置智能反射面的幅度和相位,进行下行链路数据通信;
所述步骤S2中,基站端依据已知的信道状态信息,采用广义瑞利熵算法计算得到最佳预编码向量;具体的,基站端通过第j块智能反射面服务第k个用户时的信噪泄漏比可表示为其中为基站端在通过直接通信链路和第j个智能反射面来为第k个用户服务时的预编码向量,为基站端与第k个用户之间的直接链路和通过第j个智能反射面的反射链路的复合信道,为基站端在通过直接链路和第j个智能反射面服务第k个用户时对第t个用户所造成的干扰,其中为基站端通过直接通信链路服务第k个用户时给第t个用户带来的干扰,为基站端通过第j个智能反射面服务第k个用户时给第t个用户带来的干扰,加性高斯白噪声σ2为n的方差;采用广义瑞利熵算法,当考虑max(SLNRj,k)时,可求得基站端通过直接链路以及第j块智能反射面服务第k个用户最优预编码向量其中()-1为逆矩阵,IM为M×M单位矩阵;
所述步骤S3中,基站端依据所求最佳预编码向量,计算其通过直接链路和每一个智能反射面服务不同用户端时的信噪泄漏比值;基站端计算其通过直接链路和每一个智能反射面服务不同用户端时的信噪泄漏比值,共计算JK次,当J=K时需计算J2次;第j块智能反射面服务第k个用户时的信噪泄漏比
所述步骤S4中,基站端依据遍历所获得的信噪泄漏比值,采用Kuhn-Munkres算法,该算法具体步骤如下:
T1:判断智能反射面数J与用户数K是否一致;当智能反射面布设数J等于用户数K时,跳转至步骤T2;当智能反射面布设数J大于用户数K时,增设X位通过任意智能反射面反射时信噪泄漏比皆为0的虚拟用户,即在二部图中,这些虚拟用户的权值为0,其中X=J-K;
T2:将智能反射面集与用户集划分为两类顶点集,顶点集中顶点j、k分别代表第j个智能反射面和第k位用户,分别作为二部图G的一部;对顶点集中顶点设置顶标,分别为LR(j)与LU(k);列出二部图G和信噪泄漏比权重矩阵W,其中SLNRj,k为第j块智能反射面服务第k个用户时的信噪泄漏比;
T5:判断顶点j是否完成匹配,若完成匹配,则转至步骤T6;若顶点j若不满足匹配条件,没有找到可行边或与其他已配对点相冲突,未完成匹配,则修改有关顶点的顶标的值,延伸增广路径;顶标修改规则为:LR(j)←LR(j)-d,LU(k)←LU(k)+d,其中在修改顶标值后,再次对顶点j进行匹配,若修改后值满足匹配条件,则匹配完成,否则重复步骤T5直至完成匹配连接;
T6:判断二部图G是否为完备匹配;若是完备匹配,则获得基于信噪泄漏比权值的智能反射面与用户的最优匹配;若不是完备匹配,则转至步骤T4。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210073010.2A CN114501497B (zh) | 2022-01-21 | 2022-01-21 | 一种基于信噪泄漏比的多智能反射面与多用户的匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210073010.2A CN114501497B (zh) | 2022-01-21 | 2022-01-21 | 一种基于信噪泄漏比的多智能反射面与多用户的匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114501497A CN114501497A (zh) | 2022-05-13 |
CN114501497B true CN114501497B (zh) | 2023-04-28 |
Family
ID=81472037
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210073010.2A Active CN114501497B (zh) | 2022-01-21 | 2022-01-21 | 一种基于信噪泄漏比的多智能反射面与多用户的匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114501497B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115173914B (zh) * | 2022-07-15 | 2023-12-26 | 南通大学 | 一种多智能反射面辅助通信主被动波束赋形迭代优化方法 |
CN115278810B (zh) * | 2022-07-28 | 2023-11-07 | 南通大学 | 一种分布式可重构智能表面辅助的海上通信方法 |
CN115808236B (zh) * | 2023-02-02 | 2023-05-05 | 武汉理工大学 | 船用涡轮增压器故障在线监测诊断方法、装置和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113055816A (zh) * | 2021-03-23 | 2021-06-29 | 南通大学 | 一种基于位置信息的多智能反射面辅助两跳中继无线通信方法及其*** |
CN113179232A (zh) * | 2021-04-22 | 2021-07-27 | 南通大学 | 一种基于深度学习的无源智能反射表面的信道估计方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109361438B (zh) * | 2018-10-24 | 2021-02-26 | 西安电子科技大学 | 一种连续优化匹配泄漏加权的信漏噪比预编码方法 |
CN110225538B (zh) * | 2019-06-21 | 2021-04-09 | 电子科技大学 | 反射面辅助的非正交多址接入通信***设计方法 |
CN113163325B (zh) * | 2021-02-24 | 2022-09-30 | 南通大学 | 一种多个智能反射面辅助的无线通信方法及其*** |
CN113225276B (zh) * | 2021-05-08 | 2022-05-20 | 东南大学 | 一种面向智能反射面辅助通信***的半盲信道估计方法 |
-
2022
- 2022-01-21 CN CN202210073010.2A patent/CN114501497B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113055816A (zh) * | 2021-03-23 | 2021-06-29 | 南通大学 | 一种基于位置信息的多智能反射面辅助两跳中继无线通信方法及其*** |
CN113179232A (zh) * | 2021-04-22 | 2021-07-27 | 南通大学 | 一种基于深度学习的无源智能反射表面的信道估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114501497A (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114501497B (zh) | 一种基于信噪泄漏比的多智能反射面与多用户的匹配方法 | |
CN113179232B (zh) | 一种基于深度学习的无源智能反射表面的信道估计方法 | |
JP6539503B2 (ja) | 大規模mimoシステムにおいて情報を送信するのに使用するための送受信機及び方法 | |
An et al. | Codebook-based solutions for reconfigurable intelligent surfaces and their open challenges | |
EP1777837A1 (en) | MIMO communication system using SDMA mode | |
CN113162876B (zh) | 基于深度学习的irs反射图样和信道估计的联合设计方法 | |
CN113163325A (zh) | 一种多个智能反射面辅助的无线通信方法及其*** | |
CN112929302B (zh) | 一种半无源反射元协助的智能反射面***的信道估计方法 | |
CN114828253A (zh) | 一种ris辅助多无人机通信***的资源分配方法 | |
Dampahalage et al. | Weighted-sum-rate maximization for an reconfigurable intelligent surface aided vehicular network | |
Al-Nahhas et al. | Intelligent reflecting surface assisted MISO downlink: Channel estimation and asymptotic analysis | |
CN114222310B (zh) | 一种联合3d波束赋形和智能反射面反射优化方法 | |
CN116033461B (zh) | 一种基于star-ris辅助的共生无线电传输方法 | |
CN116056118A (zh) | 基于主被动混合智能超表面的无线通信传输方法及*** | |
CN114629751B (zh) | 一种毫米波通信***的信道估计方法及*** | |
Desai et al. | A review on deep learning algorithms for large intelligent surfaces in next generation wireless systems | |
Shi et al. | Constant Modulus Waveform Design For RIS-aided ISAC system | |
Li et al. | Joint admission control and beamforming for intelligent reflecting surface aided wireless networks | |
CN114244657A (zh) | 多用户场景下的智能反射表面选择方法 | |
Zhong et al. | STAR-RISs assisted NOMA networks: A tile-based passive beamforming approach | |
Zhao et al. | Learning beamforming for RIS-aided systems with permutation equivariant graph neural networks | |
Wang et al. | Joint Phase Shift and Deployment Optimization for Multi-RIS-aided Emergency Communications | |
CN115765900B (zh) | 一种叠加导频模式下智能反射面辅助的大规模mimo***上行传输方法 | |
CN115278810B (zh) | 一种分布式可重构智能表面辅助的海上通信方法 | |
CN114124258B (zh) | 一种最大化安全传输速率的方法 |
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 |