CN114584233B - 一种基于ris辅助的认知无线网络中断性能预测方法及*** - Google Patents

一种基于ris辅助的认知无线网络中断性能预测方法及*** Download PDF

Info

Publication number
CN114584233B
CN114584233B CN202210313277.4A CN202210313277A CN114584233B CN 114584233 B CN114584233 B CN 114584233B CN 202210313277 A CN202210313277 A CN 202210313277A CN 114584233 B CN114584233 B CN 114584233B
Authority
CN
China
Prior art keywords
ris
secondary user
expression
probability
interruption
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
CN202210313277.4A
Other languages
English (en)
Other versions
CN114584233A (zh
Inventor
杨平
邝伟潮
王善进
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.)
Dongguan University of Technology
Original Assignee
Dongguan University of Technology
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 Dongguan University of Technology filed Critical Dongguan University of Technology
Priority to CN202210313277.4A priority Critical patent/CN114584233B/zh
Publication of CN114584233A publication Critical patent/CN114584233A/zh
Application granted granted Critical
Publication of CN114584233B publication Critical patent/CN114584233B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H04B17/3913—Predictive models, e.g. based on neural network models
    • 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
    • H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H04B17/3912—Simulation models, e.g. distribution of spectral power density or received signal strength indicator [RSSI] for a given geographic region
    • 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
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Quality & Reliability (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Monitoring And Testing Of Transmission In General (AREA)

Abstract

本发明提供了一种基于RIS辅助的认知无线网络中断性能预测方法及***，包括S1构建RIS辅助认知无线网络模型，写出次用户接收机的接收信号表达式,S2用RIS消除次用户对主用户的干扰，导出各反射单元的相位取值，得到接收信噪比表达式，S3讨论RIS各反射单元的幅度取值，导出对应的接收信噪比表达式，S4定义中断概率事件，推导出次用户中断概率理论表达式,S5通过蒙特卡洛进行仿真及理论分析验证；另一方面还提供一种***用于实现上述方法。本发明在RIS覆盖范围的限制下，采用RIS来消除次用户对主用户的干扰，以提升次用户***性能，可以精确预测实际***性能甚至提升***性能，其网络还可以工作在更低干扰噪声比环境下，为实际网络设计与优化提供了理论指导。

Description

一种基于RIS辅助的认知无线网络中断性能预测方法及***
技术领域
本发明属于领域无线通信领域，特别涉及一种基于RIS辅助认知无线网络中断性能预测方法。
背景技术
随着无线通信产业的蓬勃发展，激增的移动用户数和无线宽带业务需求面临着频谱资源分配殆尽、设备成本高和能耗高等问题，制约着无线通信产业的持续发展。认知无线电技术被认为是解决频谱资源短缺问题的一项有效技术。认知无线网络中，主次用户可以采用重叠模式或覆盖模式来共享频谱。在重叠模式下，次用户可接入主用户的频谱，只要其对主用户的干扰低于预设的门限值。由于干扰门限和信道衰落的影响，次用户的服务质量往往难于满足。如何保障次用户链路的通信质量，是认知无线技术实用化需要考虑的关键问题。
智能反射面(RIS)技术由于其具有全双工全频带工作、无需射频单元、不会放大噪声、低成本、低能耗和易布置等优点获得了学术界和工业界的广泛关注。RIS是一个由大量低成本的无源反射单元所构成的超表面。每个单元都可独立地对入射信号的幅度和相位进行调节。通过各单元的协作，RIS可让各反射信号在接收端相干叠加或相干抵消，从而达到改变信道环境、提升***性能的目的。RIS为恶劣信道环境下的无线通信提速提供了新思路。
为提升次用户***性能，RIS技术被引入认知无线网络中。然而现有对RIS辅助的认知无线网络的研究，往往假设所有用户都处于RIS覆盖范围内。在此假设下，RIS被同时用于增强次用户信号和抑制主用户处的干扰。然而，在实际网络中，当RIS布置于主用户接收机附近，而又远离次用户发射机时，由于路径损耗的影响，RIS覆盖范围有限。此时，RIS只能用于消除次用户对主用户的干扰，对其性能的预测是现实网络需要解决的问题。
发明内容
有鉴于现有技术的上述缺陷，本发明的目的在于提供一种基于RIS辅助的认知无线网络中断性能预测方法，与传统分析忽视RIS覆盖范围不同，本发明考虑在RIS覆盖范围的限制下，采用RIS来消除次用户对主用户的干扰，以提升次用户***性能，导出的次用户中断概率封闭表达式可以精确预测实际***性能，分析还表明采用适当大地反射单元数就可以显著提升***性能，且相比于忽视RIS覆盖范围的网络，本发明网络可以工作在更低干扰噪声比环境下，这为实际网络设计与优化提供了理论指导。
一方面，本发明通过如下技术方案实现，提供一种基于RIS辅助的认知无线网络中断性能预测方法，其特征在于，包括以下步骤：
S1，对通信***构建基于RIS辅助的认知无线网络模型，写出次用户接收机的接收信号表达式；
S2，导出各反射单元的相位取值，并得到此时的接收信噪比表达式；
S3，获取RIS各反射单元的幅度取值，导出对应的接收信噪比表达式；
S4，定义中断概率事件，推导出次用户中断概率理论表达式；
S5，通过蒙特卡洛对S4所述次用户中断概率理论表达式进行仿真及理论分析验证。
优选的，所述步骤S1所述通信***还包括单天线主用户接收机、单天线次用户发射机、单天线次用户接收机和具有N个反射单元的RIS所组成，主用户发射机位于RIS覆盖范围内，而次用户发射机位于RIS覆盖范围之外。
更优的，所述的通信***，其特征在于，还包括单天线主用户接收机数量为1，单天线次用户发射机数量为1，单天线次用户接收机数量为1，RIS数量为1。
优选的，所述方法还包括：把RIS的第i个反射单元记为
Figure BDA0003569149690000031
用hsd、hsp、hsi和hip分别表示s→d链路、s→p链路、s→ri链路和ri→p链路的复信道系数，用dsd、dsp、dsr和drp分别表示上述对应链路节点间间距；
所有链路信道系数：
Figure BDA0003569149690000032
服从均值为0，方差为1的复高斯随机分布，其中|hmn|和∠hmn分别是信道hmn的幅度和相位，e为常数，j2＝-1为虚数，写出次用户接收机的接收信号表达式：
Figure BDA0003569149690000033
其中，Ps是发射功率，x是能量归一化发射信号，n是均值为0，方差为N0的加性高斯白噪声；
在最大发射功率约束Q和干扰功率约束Ip下，次用户发射功率表示为：
Figure BDA0003569149690000034
其中，β是路径损耗因子，θi是第i个反射单元的调节相位，α∈(0，1]是第i个反射单元的调节幅度。
优选的，所述步骤S2中反射单元的相位取值为：
Figure BDA0003569149690000035
次用户接收机处的信噪比表示为：
Figure BDA0003569149690000036
其中，
Figure BDA0003569149690000037
为平均信噪比，
Figure BDA0003569149690000038
为平均干扰噪声比，
Figure BDA0003569149690000039
报从瑞利分布，
Figure BDA0003569149690000041
服从指数分布，
Figure BDA0003569149690000042
用伽马分布对X2进行近似，X2的概率密度函数表示为：
Figure BDA0003569149690000043
其中，Γ(·)为伽马函数，ρ＝Nπ2/(16-π2)为形状参数，
Figure BDA0003569149690000044
为逆尺度参数。
优选的，所述步骤S3中，在各反射单元的幅度取值范围内为使得次用户接收机处的信噪比最大，反射单元的调节幅度取值表示为：
Figure BDA0003569149690000045
其中，①对应于次用户对主用户的干扰可完全消除的情形，②和③对应于次用户对主用户的干扰不能完全消除的情形。
优选的，所述步骤S4中次用户中断概率定义为瞬时传输速率低于预定速率R的概率，次用户中断概率表示为：
Figure BDA0003569149690000046
其中，Pr[·]表示事件发生的概率，γth＝2R-1为信噪比中断门限值，P1对应于次用户以最大发射功率Q发射信号，但次用户接收机不能正确解码的情形；P2对应于次用户不能以最大发射功率Q发射信号，且次用户接收机不能正确解码的情形，
把X1、X2和X3的概率密度函数代入公式(7)中，得到P1表达式：
Figure BDA0003569149690000047
其中，
Figure BDA0003569149690000051
Dp(·)为抛物柱面函数，
把公式(5)代入公式(7)中，得到P2表达式：
Figure BDA0003569149690000052
其中
Figure BDA0003569149690000053
其中，
Figure BDA0003569149690000054
Figure BDA0003569149690000055
是高斯Q函数，
把高斯Q函数的近似表达式
Figure BDA0003569149690000056
代入公式(10)，可以得到I1的封闭表达式：
Figure BDA0003569149690000057
其中，
Figure BDA0003569149690000058
τ2i＝2Bic2c3+v，
Figure BDA0003569149690000059
把公式(8)-(11)代入公式(7)，得到最终次用户中断概率封闭表达式。
优选的，所述步骤S5蒙特卡洛仿真验算的输入参数包括二维平面网络拓扑、主用户接收机、次用户发射机、RIS和次用户接收机的归一化坐标。
另一方面，本发明还提供了一种基于RIS辅助的认知无线网络中断性能预测***，其特征在于，包括：模型构建模块，相位导出模块，RIS获取模块，中断概率事件定义模块，仿真及理论分析验证模块。
优选的，所述模型构建模块用于对通信***构建基于RIS辅助的认知无线网络模型。
优选的，所述RIS获取模块用于获取RIS各反射单元的幅度取值。
优选的，所述中断概率事件定义模块用于推导得到最终次用户中断概率封闭表达式。
优选的，所述仿真及理论分析验证模块通过蒙特卡洛对次用户中断概率理论表达式进行仿真及理论分析验证。
附图说明
图1为本发明流程图。
图2为本发明RIS覆盖范围内各设备关系图；
图3为本发明考虑网络与无RIS网络中断概率随信噪比变化性能对比图；
图4为本发明考虑网络与无RIS网络中断概率随反射单元数性能对比图；
图5为本发明考虑网络与其它网络性能对比图。
具体实施方式
为了使本领域的人员更好地理解本发明实施例中的技术方案，下面将结合附图对本发明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。应该理解，这些描述只是示例性的，并非用于限定本发明的范围。基于本发明的实施例，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，都应当属于本发明保护的范围。
如图2所示，所述通信***由一个单天线主用户接收机(p)、一个单天线次用户发射机(s)、一个单天线次用户接收机(d)和一个具有N个反射单元的RIS所组成。主用户发射机位于RIS覆盖范围内，而次用户发射机位于RIS覆盖范围之外。
一方面，如图1所示，一种基于RIS辅助的认知无线网络中断性能预测方法，具体包括以下步骤：
步骤S1：考虑RIS覆盖范围限制，构建基于RIS辅助的认知无线网络模型，写出次用户接收机的接收信号表达式；
步骤S2：当RIS用于消除次用户对主用户的干扰时，导出各反射单元的相位取值，并得到此时的接收信噪比表达式；
步骤S3：讨论RIS各反射单元的幅度取值，导出对应的接收信噪比表达式；
步骤S4：定义中断概率事件，推导出次用户中断概率理论表达式；
步骤S5：通过蒙特卡洛进行仿真，进行理论分析验证。
作为本发明的进一步改进，所述步骤S1中采用RIS来消除次用户对主用户的干扰。把RIS的第i个反射单元记为
Figure BDA0003569149690000071
记hsd、hsp、hsi和hip分别为s→d链路、s→p链路、s→ri链路和ri→p链路的复信道系数，记dsd、dsp、dsr和drp分别为上述对应链路节点间间距。所有链路信道系数：
Figure BDA0003569149690000072
Figure BDA0003569149690000073
服从均值为0，方差为1的复高斯随机分布，其中|hmn|和∠hmn分别是信道hmn的幅度和相位，e为常数，j2＝-1为虚数；
次用户接收机处的接收信号可表示为：
Figure BDA0003569149690000074
其中，Ps是发射功率，x是能量归一化发射信号，n是均值为0，方差为N0的加性高斯白噪声，
在最大发射功率约束Q和干扰功率约束Ip下，次用户发射功率可表示为：
Figure BDA0003569149690000081
其中，β是路径损耗因子，θi是第i个反射单元的调节相位，α∈(0，1]是第i个反射单元的调节幅度。
作为本发明的进一步改进，所述步骤S2中为消除次用户对主用户的干扰，反射单元的相位取值需为：
Figure BDA0003569149690000082
此时，次用户接收机处的信噪比可表示为：
Figure BDA0003569149690000083
其中，
Figure BDA0003569149690000084
是平均信噪比，
Figure BDA0003569149690000085
是平均干扰噪声比，
Figure BDA0003569149690000086
报从瑞利分布，
Figure BDA0003569149690000087
报从指数分布，
Figure BDA0003569149690000088
对于X2用伽马分布进行近似，X2的概率密度函数可表示为：
Figure BDA0003569149690000089
其中，Γ(·)为伽马函数，ρ＝Nπ2/(16-π2)为形状参数，
Figure BDA00035691496900000810
为逆尺度参数。
作为本发明的进一步改进，所述步骤S3中，为使得次用户接收机处的信噪比最大，反射单元的调节幅度取值可表示为：
Figure BDA00035691496900000811
其中，第一种情况对应于次用户对主用户的干扰可完全消除的情形，其它两种情况对应于次用户对主用户的干扰不能完全消除的情形。
作为本发明的进一步改进，所述步骤S4中次用户中断概率定义为瞬时传输速率低于预定速率R的概率。合并公式(6)中的第一和第二种情况，次用户中断概率可表示为：
Figure BDA0003569149690000091
其中，Pr[·]表示事件发生的概率，γth＝2R-1为信噪比中断门限值，P1对应于次用户以最大发射功率Q发射信号，但次用户接收机不能正确解码的情形；P2对应于次用户不能以最大发射功率Q发射信号，且次用户接收机不能正确解码的情形；
把X1、X2和X3的概率密度函数代入公式{7)中，可以得到P1表达式：
Figure BDA0003569149690000092
其中，
Figure BDA0003569149690000093
Dp(·)为抛物柱面函数，
把公式(5)代入公式(7)中，可以得到P2表达式：
Figure BDA0003569149690000094
其中，
Figure BDA0003569149690000095
其中，
Figure BDA0003569149690000096
Figure BDA0003569149690000097
是高斯Q函数，
把高斯Q函数的近似表达式
Figure BDA0003569149690000098
代入公式(10)，可以得到I1的封闭表达式为：
Figure BDA0003569149690000099
其中，
Figure BDA00035691496900000910
τ2i＝2Bic2c3+v，
Figure BDA0003569149690000101
把公式(8)-(11)代入公式(7)，可以得到最终次用户中断概率封闭表达式。
对本发明所导出的次用户中断概率理论表达式进行仿真验证，仿真参数设置如下：考虑一个二维平面网络拓扑，主用户接收机、次用户发射机、RIS和次用户接收机归一化坐标分别为(-0.5，0)、(0，0)、(-0.4，0.5)和(1，0)，路径损耗因子β＝2.2，R＝2bps/Hz。
图3为本发明考虑网络与无RIS网络中断概率随信噪比变化性能对比图。从图中可以发现，理论值与仿真值完美匹配，证明了本发明理论表达式的正确性和精确性。此外，还可以看出，本发明考虑网络性能优于无RIS网络的性能，这是因为通过采用RIS来消除次用户对主用户的干扰，本发明考虑网络中的次用户总是能以更高的功率进行信息传输。
图4为本发明考虑网络与无RIS网络中断概率随反射单元数性能对比图。从图中可看出，当信噪比γQ固定时，随着IRS反射单元数N的增加，次用户中断性能开始得到改善，而后随着N的进一步增加(例如，N≥10)，其中断概率趋于一个固定值。其解释如下：当N不太大时，随着N的增加，RIS可以消除次用户对主用户的干扰也越来越多，此时，次用户可以采用更大的功率进行信息发送，进而使得其中断性能得到不断改善；然而，随着N的进一步增加，次用户对主用户的干扰可被RIS完全消除，次用户将以最大功率Q进行信息传输，继续增加N并不能带来次用户性能的提升。
图5为本发明考虑网络与其它网络性能对比图。从图中不难发现，当干扰噪声比γI逐渐减小时(对应于***信道环境不断恶化情况，如，深度衰落、同频干扰严重等)，其它网络性能将急剧衰减至无法通信情况，而本发明考虑网络中断性能却始终保持在可正常工作下的恒定值。这是因为，通过采用RIS来消除次用户对主用户的干扰，次用户始终能以最大发射功率Q进行信息传输，而其它网络皆不能。对比忽视RIS覆盖范围网络的情形，证明了本发明所考虑RIS覆盖范围的必要性。
另一方面，本发明还提供了一种基于RIS辅助的认知无线网络中断性能预测***，其特征在于，包括：模型构建模块，相位导出模块，RIS获取模块，中断概率事件定义模块，仿真及理论分析验证模块。
优选的，所述模型构建模块用于对通信***构建基于RIS辅助的认知无线网络模型。
优选的，所述RIS获取模块用于获取RIS各反射单元的幅度取值。
优选的，所述中断概率事件定义模块用于推导得到最终次用户中断概率封闭表达式。
优选的，所述仿真及理论分析验证模块通过蒙特卡洛对次用户中断概率理论表达式进行仿真及理论分析验证。
以上结合附图对本申请的实施方式作了详细说明，但本申请不限于所描述的实施方式。对于本领域的技术人员而言，在不脱离本申请原理和精神的情况下，对这些实施方式进行多种变化、修改、替换和变型，仍落入本申请的保护范围内。

Claims (7)

1.一种基于RIS辅助的认知无线网络中断性能预测方法，其特征在于，包括以下步骤：
S1，对通信***构建基于RIS辅助的认知无线网络模型，写出次用户接收机的接收信号表达式；
S2，导出各反射单元的相位取值，并得到此时的接收信噪比表达式；
反射单元的相位取值为：
Figure FDA0003897115180000011
次用户接收机处的接收信噪比表示为：
Figure FDA0003897115180000012
其中，γQ＝Q/N0是平均信噪比，γI＝Ip/N0是平均干扰噪声比，
Figure FDA0003897115180000013
服从瑞利分布，
Figure FDA0003897115180000014
服从指数分布，
Figure FDA0003897115180000015
对于X2用伽马分布进行近似，X2的概率密度函数可表示为：
Figure FDA0003897115180000016
其中，Γ(·)为伽马函数，ρ＝Nπ2/(16-π2)为形状参数，
Figure FDA0003897115180000017
为逆尺度参数；
S3，获取RIS各反射单元的幅度取值，导出对应的接收信噪比表达式；
在各反射单元的幅度取值范围内为使得次用户接收机处的信噪比最大，导出对应的次用户接收机处的接收信噪比表达式，如下：
Figure FDA0003897115180000021
其中，①对应于次用户对主用户的干扰可完全消除的情形，②和③对应于次用户对主用户的干扰不能完全消除的情形；
S4，定义中断概率事件，推导出次用户中断概率理论表达式；
S5，通过蒙特卡洛对S4所述次用户中断概率理论表达式进行仿真及理论分析验证。
2.根据权利要求1所述的一种基于RIS辅助的认知无线网络中断性能预测方法，其特征在于，步骤S1所述通信***还包括单天线主用户接收机、单天线次用户发射机、单天线次用户接收机和具有N个反射单元的RIS所组成，主用户发射机位于RIS覆盖范围内，而次用户发射机位于RIS覆盖范围之外。
3.根据权利要求2所述的一种基于RIS辅助的认知无线网络中断性能预测方法，其特征在于，所述的通信***的单天线主用户接收机数量为1，单天线次用户发射机数量为1，单天线次用户接收机数量为l，RIS数量为1。
4.根据权利要求1所述的一种基于RIS辅助的认知无线网络中断性能预测方法，其特征在于，包括：
把RIS的第i个反射单元记为
Figure FDA0003897115180000022
记hsd、hsp、hsi和hip分别为s→d链路、s→p链路、s→ri链路和ri→p链路的复信道系数，记dsd、dsp、dsr和drp分别为上述对应链路节点问间距；
所有链路信道系数：
Figure FDA0003897115180000031
Figure FDA0003897115180000032
服从均值为0，方差为1的复高斯随机分布；
其中|hmn|和∠hmn分别是信道hmn的幅度和相位，e为常数，j2＝-1为虚数，写出次用户接收机的接收信号表达式：
Figure FDA0003897115180000033
其中，Ps是发射功率，x是能量归一化发射信号，n是均值为0，方差为N0的加性高斯白噪声；
在最大发射功率约束Q和干扰功率约束Ip下，次用户发射功率表示为：
Figure FDA0003897115180000034
其中，β是路径损耗因子，θi是第i个反射单元的调节相位，α∈(0，1]是第i个反射单元的调节幅度。
5.根据权利要求4所述的一种基于RIS辅助的认知无线网络中断性能预测方法，其特征在于，所述步骤S4中次用户中断概率定义为瞬时传输速率低于预定速率R的概率，次用户中断概率表示式为：
Figure FDA0003897115180000035
其中，Pr[·]表示事件发生的概率，γth＝2R-1为信噪比中断门限值，P1对应于次用户以最大发射功率Q发射信号，但次用户接收机不能正确解码的情形；P2对应于次用户不能以最大发射功率Q发射信号，且次用户接收机不能正确解码的情形；
把X1、X2和X3的概率密度函数代入次用户中断概率表示式中，得到P1表达式：
Figure FDA0003897115180000041
其中，
Figure FDA0003897115180000042
Dp(·)为抛物柱面函数；
把X2的概率密度函数代入次用户中断概率表示式中，得到P2表达式：
Figure FDA0003897115180000043
其中I1表达式如下：
Figure FDA0003897115180000044
其中，
Figure FDA0003897115180000045
Figure FDA0003897115180000046
是高斯Q函数；
把高斯Q函数的近似表达式
Figure FDA0003897115180000048
代入公式I1表达式，可以得到I1的封闭表达式：
Figure FDA0003897115180000049
其中，
Figure FDA00038971151800000410
τ2i＝2Bic2c3+v，
Figure FDA00038971151800000411
把公式P1表达式、P2表达式和I1的封闭表达式代入次用户中断概率表示式，得到最终次用户中断概率封闭表达式。
6.根据权利要求1所述的一种基于RIS辅助的认知无线网络中断性能预测方法，其特征在于，所述步骤S5蒙特卡洛仿真验算的输入参数包括二维平面网络拓扑、主用户接收机、次用户发射机、RIS和次用户接收机的归一化坐标。
7.一种基于RIS辅助的认知无线网络中断性能预测***，用于实现权利要求1-6任一项所述的基于RIS辅助的认知无线网络中断性能预测方法，包括依次连接的模型构建模块、相位导出模块、RIS获取模块、中断概率事件定义模块和仿真及理论分析验证模块；
所述模型构建模块用于对通信***构建基于RIS辅助的认知无线网络模型；
所述相位导出模块用于导出RIS各反射单元的相位取值；
所述RIS获取模块用于获取RIS各反射单元的幅度取值；
所述中断概率事件定义模块用于推导得到最终次用户中断概率封闭表达式；
所述仿真及理论分析验证模块通过蒙特卡洛对次用户中断概率理论表达式进行仿真及理论分析验证。
CN202210313277.4A 2022-03-28 2022-03-28 一种基于ris辅助的认知无线网络中断性能预测方法及*** Active CN114584233B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210313277.4A CN114584233B (zh) 2022-03-28 2022-03-28 一种基于ris辅助的认知无线网络中断性能预测方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210313277.4A CN114584233B (zh) 2022-03-28 2022-03-28 一种基于ris辅助的认知无线网络中断性能预测方法及***

Publications (2)

Publication Number Publication Date
CN114584233A CN114584233A (zh) 2022-06-03
CN114584233B true CN114584233B (zh) 2022-11-22

Family

ID=81776762

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210313277.4A Active CN114584233B (zh) 2022-03-28 2022-03-28 一种基于ris辅助的认知无线网络中断性能预测方法及***

Country Status (1)

Country Link
CN (1) CN114584233B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116112043B (zh) * 2022-12-30 2024-04-30 东莞理工学院 基于ris辅助基站与用户之间的近场通信方法及***
CN116156517B (zh) * 2023-03-16 2024-06-14 华能伊敏煤电有限责任公司 一种在室内场景下的ris部署方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN114337762A (zh) * 2021-12-28 2022-04-12 南京邮电大学 利用部分csi的ris辅助认知无线电无线安全通信传输方法
CN114626229A (zh) * 2022-03-18 2022-06-14 电子科技大学中山学院 智能反射面辅助的无线通信与能量收集***性能分析方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9661503B2 (en) * 2015-05-14 2017-05-23 King Fahd University Of Petroleum And Minerals Spectrum-efficient secondary users grouping method for two-tier cognitive radio networks
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
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
CN114337762A (zh) * 2021-12-28 2022-04-12 南京邮电大学 利用部分csi的ris辅助认知无线电无线安全通信传输方法
CN114626229A (zh) * 2022-03-18 2022-06-14 电子科技大学中山学院 智能反射面辅助的无线通信与能量收集***性能分析方法

Also Published As

Publication number Publication date
CN114584233A (zh) 2022-06-03

Similar Documents

Publication Publication Date Title
CN114584233B (zh) 一种基于ris辅助的认知无线网络中断性能预测方法及***
US8838162B2 (en) Power control method in cognitive radio communication, cognitive radio communication system, and radio communication device
CN101330358B (zh) 一种干扰抑制分集合并的方法及***
CN104780006A (zh) 基于最小错误概率准则的频谱检测器软融合方法
CN104202789A (zh) 兼顾能量有效性与传输可靠性的认知中继节点选择方法
CN103763706A (zh) 基于分簇的协作频谱感知模糊融合方法
CN103684626A (zh) 多用户协同频谱感知的数据融合方法及装置
Toan et al. Performance analysis of cognitive underlay two-way relay networks with interference and imperfect channel state information
CN102368854B (zh) 一种基于反馈控制信息的认知无线电网络频谱共享方法
CN114222318B (zh) 一种认知无线供电反向散射通信网络鲁棒优化方法
Khalid et al. Outage performance analysis of hybrid relay-reconfigurable intelligent surface networks
CN103580806A (zh) 一种认知网络中鲁棒性能效传输的方法
Chuan-qing et al. Adaptive weighted algorithm of cooperative spectrum sensing in cognitive radio networks
CN113315607B (zh) 一种基于harq辅助多ris***的通信方法
CN115622617A (zh) 一种基于noma的认知反向散射通信鲁棒传输方法
CN106941715B (zh) 信道不确定性条件下大规模用户共享信道的功率分配方法
CN105577591B (zh) 一种异构网中基于全双工通信的跨层串行干扰删除方法
KR101646658B1 (ko) 인지 무선 통신에서 문턱 값을 최적화하여 협력적 센싱을 수행하는 방법 및 그 장치
Hussien et al. Calculation of TVWS spectrum availability using geo-location white space spectrum database
Song et al. Outage Performance Analysis of CR‐NOMA Based on Incremental Relay
Tran et al. Combining multi-RIS and relay for performance improvement of multi-user NOMA systems
Gao et al. Optimal Communication System with Power Control and Ultra Wideband Propagation Channel Model Designs for Monitoring Harsh Through-Wall Environments
Bae et al. BLE-Based Indoor Positioning Using Extended Advertisement
CN106211320B (zh) 一种用于异构网中宏基站与用户间距离的被动式估计方法
CN108494510A (zh) 基于最优加权系数的非理想汇报信道下的决策融合方法

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