CN114785388A - 智能全向面辅助的多用户大规模simo上行m阶调制加权和速率优化方法 - Google Patents

智能全向面辅助的多用户大规模simo上行m阶调制加权和速率优化方法 Download PDF

Info

Publication number
CN114785388A
CN114785388A CN202210424206.1A CN202210424206A CN114785388A CN 114785388 A CN114785388 A CN 114785388A CN 202210424206 A CN202210424206 A CN 202210424206A CN 114785388 A CN114785388 A CN 114785388A
Authority
CN
China
Prior art keywords
user
ris
star
uplink
order modulation
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.)
Granted
Application number
CN202210424206.1A
Other languages
English (en)
Other versions
CN114785388B (zh
Inventor
孙宇楠
欧阳崇峻
杨鸿文
刘奕彤
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.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
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 Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN202210424206.1A priority Critical patent/CN114785388B/zh
Publication of CN114785388A publication Critical patent/CN114785388A/zh
Application granted granted Critical
Publication of CN114785388B publication Critical patent/CN114785388B/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
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H04B7/0452—Multi-user MIMO systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H04B7/0426—Power distribution
    • 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)
  • Power Engineering (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提出一种智能全向面辅助的多用户大规模SIMO上行M阶调制加权和速率优化方法。本发明针对直射径被遮挡场景下的多用户大规模SIMO上行M阶调制通信的特点，同时考虑了用户侧的发射功率限制以及智能全向面器件单元所需满足的约束条件，通过联合优化用户侧的波束赋形、智能超表面的反射系数与透射系数以改善***上行加权和速率。本发明提出一种基于流形优化以及梯度下降法的算法对用户侧的波束赋形、智能超表面的反射系数与透射系数矩阵进行联合优化，能够有效地提升在直射径被遮挡场景下的多用户大规模SIMO上行M阶调制加权和速率，同时降低优化问题求解与物理层实现的复杂度。

Description

智能全向面辅助的多用户大规模SIMO上行M阶调制加权和速 率优化方法
1.应用领域
本发明涉及无线通信物理层中的和速率优化问题，特别涉及一种智能全向面辅助的多用户大规模SIMO上行M阶调制加权和速率优化方法。
2.背景技术
可重构智能超表面(Reconfigurable Intelligent Surface，RIS)是一种由大量无源可重构元器件组成的相位控制智能表面。在直射径被遮挡的场景下，RIS的辅助能够为无线通信***的和速率带来可观的增益。但是，传统的RIS对入射信号仅能进行反射，位于基站关于RIS对侧的用户则无法接收到或发送无线信号。
智能全向面(Simultaneous Transmitting And Reflecting ReconfigurableIntelligent Surface，STAR-RIS)。STAR-RIS的每一个器件单元都具有可变的器件结构，通过控制器件单元的工作状态，从而控制其对无线信号的响应特性。无线信号从STAR-RIS的一侧入射，一部分被反射至于入射信号相同的一侧，称为反射信号；其余部分被透射至另一侧，称为透射信号。反射与透射信号可以通过STAR-RIS器件单元的两个参数来分配，这两个参数可称为反射系数与透射系数。
在有STAR-RIS辅助的多用户大规模SIMO通信中，为了在减少功率损耗的前提下尽可能最大化上行M阶调制和速率，需要联合设计发射侧的功率分配方式与STAR-RIS的反射系数和透射系数。目前存在的RIS辅助多用户大规模SIMO通信***设计中大部分仅采用普通的可重构智能超表面，对入射信号仅能够进行反射，无法为位于基站对侧的用户提供辅助。另外，由于M阶调制容量的形式复杂，很难对其进行优化与简化。另外，目前对于和速率的优化研究大多仅考虑输入满足高斯分布的情况，并未考虑采用M阶调制时的优化方案。因此，本发明提出一种基于流形优化(Manifold Optimization，MO)方法的STAR-RIS辅助下多用户大规模SIMO上行M阶调制加权和速率优化方法。本发明通过采用近似公式表示M阶调制加权和速率，考虑发射侧的功率限制以及STAR-RIS反射系数与透射系数所满足的限制条件，提出了一种有效的对发射侧的功率分配与STAR-RIS的反射与透射系数进行联合优化以取得上、上行M阶调制最大和速率的算法。
3.发明内容及特征
本发明提出一种STAR-RIS辅助的多用户大规模SIMO上行M阶调制加权和速率优化算法，能够有效地提升在直射径被遮挡场景下的多用户大规模SIMO上行M阶调制加权和速率，并降低优化问题求解与物理层实现的复杂度。
为实现上述发明目的，本发明所述的STAR-RIS辅助的多用户大规模SIMO上行M阶调制加权和速率优化算法，包括以下步骤：
在STAR-RIS辅助的直射径被遮挡场景下多用户大规模SIMO上行传输中，信号由用户天线入射到STAR-RIS表面，可以分为反射信号与透射信号两部分，且由于STAR-RIS的相位控制作用而受到相位调整。反射信号与透射信号分别服务位于处在基站关于STAR-RIS的同侧的用户与对侧的用户，分别称作反射用户与透射用户。以上行M阶调制和速率最大化为准则联合优化发射功率分配方式以及STAR-RIS的反射与透射系数。所述联合优化问题的目标为在满足发射端功率限制条件约束以及STAR-RIS反射与透射系数服从的能量守恒约束下最大化反射用户与透射用户的上行M阶调制加权和速率。
M阶调制和速率的原表达式形式较为复杂，难以对其进行优化求解。因此，可以考虑采用近似公式对其进行替换，即：
Figure BDA0003607843390000021
其中，C代表信道容量，即最大上行和速率。M代表调制阶数，log(·)表示对数运算，γ代表信噪比。I，ai与bi都由调制方式确定。通过对确定调制方式的信道和速率原表达式进行近似可以得到：
当调制方式为QPSK时，I＝1，a1＝1，b1＝0.6507；
当调制方式为8PSK时，I＝2，a1＝0.6130，b1＝0.1681；a2＝0.3855，b1＝0.8992；
当调制方式为16QAM时，I＝2，a1＝0.7177，b1＝0.1225；a2＝0.2804，b1＝0.8702；
对于不服从高斯分布的干扰，可以按照熵功率不变的前提用一个高斯随机变量等效其与高斯噪声的和，视作近似的高斯噪声。于是近似得到的噪声功率为：
Figure BDA0003607843390000022
作为优选，所述STAR-RIS辅助的多用户大规模SIMO上行M阶调制加权和速率可以表示为：
Figure BDA0003607843390000023
Figure BDA0003607843390000024
其中，上行M阶调制用户共有K个，可以被分为R个反射用户与T个折射用户，每个用户配备单天线，基站侧配备S条接收天线，STAR-RIS共有N个反射透射单元，(·)H表示矩阵的共轭转置运算，||·||表示L2范数运算。ω(k)代表第k个用户的权重，
Figure BDA0003607843390000025
代表从STAR-RIS到第k个用户的信道，
Figure BDA0003607843390000026
代表第k个用户所对应STAR-RIS的反射或透射特性，当此用户为反射用户，即k≤R时，Θk代表ΘR＝diag(θr，1，θr，2，...，θr，N)，即STAR-RIS的反射特性矩阵，ΘR第(n,n)个元素
Figure BDA0003607843390000027
代表第n个单元的反射系数，j是虚数符号，
Figure BDA0003607843390000028
代表第n个单元反射系数的幅度，φr，n代表第n个单元反射系数的相位；当此用户为透射用户，即k＞R时，Θk代表ΘT＝diag(θt，1，θt，2，...，θt，N)，即STAR-RIS的透射特性矩阵，ΘT第(n,n)个元素
Figure BDA00036078433900000210
代表第n个单元的透射系数，
Figure BDA00036078433900000211
代表第n个单元透射系数的幅度，φt，n代表第n个单元透射系数的相位。
Figure BDA00036078433900000212
代表STAR-RIS与基站天线之间的信道，
Figure BDA0003607843390000031
代表第k个用户根据发射功率所进行的波束赋形，
Figure BDA0003607843390000032
表示加性高斯白噪声功率。
通常情况下，用户的发射功率是有限的，因此对所有用户分配的功率应当不超过给定的最大限制。另外，STAR-RIS的反射系数与透射系数之间还应当满足能量守恒定律，即：
Figure BDA0003607843390000033
其中，用户侧的发射功率分配与STAR-RIS反射与透射系数的联合优化可以采用基于流形上的梯度下降法的迭代算法：首先关于待优化变量对目标函数求梯度，并根据用户发射功率、STAR-RIS反射与透射系数所满足的约束条件确定待优化变量所在的流形，计算梯度在流形的切空间上的投影；通过线性回溯法确定优化步长，并按照确定的步长，使待优化变量沿着梯度在切空间上的投影方向移动；将偏离流形的发射功率与STAR-RIS反射与透射系数的取值收缩回到流形上；迭代、交替实施上述各变量的优化流程，直至相邻两次目标函数值的差小于某个给定的阈值。
作为优选，所述上行M阶调制加权和速率优化问题可以表示为：
Figure BDA0003607843390000034
Figure BDA0003607843390000035
Figure BDA0003607843390000036
其中，IN表示N×N的单位矩阵，Pmax表示用户侧的发射总功率约束。
作为优选，所述根据用户发射功率、STAR-RIS反射与透射系数所满足的约束条件确定待优化变量所在的流形，计算梯度在流形的切空间上的投影可以表示为：
Figure BDA0003607843390000037
Figure BDA0003607843390000038
对于STAR-RIS的能量分割与模式切换两种工作模式，
Figure BDA0003607843390000039
Figure BDA00036078433900000310
对于STAR-RIS的时间切换模式，
Figure BDA00036078433900000311
Figure BDA00036078433900000312
其中，
Figure BDA00036078433900000318
表示取实部，(·)*表示取共轭运算，⊙表示哈达玛积。
作为优选，在第n次迭代中，通过线性回溯法确定优化步长，并按照确定的步长，使待优化变量沿着梯度在切空间上的投影方向移动，可以表示为：
Figure BDA00036078433900000313
Figure BDA00036078433900000314
Figure BDA00036078433900000315
其中
Figure BDA00036078433900000316
和
Figure BDA00036078433900000317
代表步长，可通过线性回溯法确定。
作为优选，所述将偏离流形的发射功率与STAR-RIS反射与透射系数的取值收缩回到流形上，可以表示为：
Figure BDA0003607843390000041
对于STAR-RIS的能量分割与模式切换两种工作模式，
Figure BDA0003607843390000042
Figure BDA0003607843390000043
对于STAR-RIS的时间切换模式，
Figure BDA0003607843390000044
Figure BDA0003607843390000045
本发明与目前常用的可重构智能反射面辅助的多用户大规模SIMO上行M阶调制传输优化方案相比，有如下优点：
1.本发明考虑采用M阶调制时和速率的优化方案，采取近似公式的方式对其进行简化，从而设计了优化算法，显著地降低了问题求解的难度，相较于针对满足高斯分布输入的算法，具有实践意义。
2.本发明引入了STAR-RIS辅助进行通信，并为之设计了符合其工作模式的优化算法，较之传统的RIS辅助的无线通信***，将原本的半空间内智能无线电环境拓展到全空间，能够为更多用户进行服务，显著地提高了智能反射面部署的灵活性。
3.利用流形优化、梯度下降法等方法联合设计用户侧的发射功率分配以及STAR-RIS的反射系数矩阵和透射系数矩阵，最大化***的上行M阶调制加权和速率，迭代获得原问题的次优解，有效改善***的上行M阶调制加权和速率。本发明提出的方法能够显著降低优化问题求解和物理层实现的复杂度。
4.附图说明
(1)图1为STAR-RIS辅助的多用户SIMO上行M阶调制传输场景示意图。
(2)图2为STAR-RIS辅助的多用户SIMO上行M阶调制加权和速率优化算法流程图。
5.具体实施方法举例
为了进一步说明本发明的实施方法，下面给出一个实施范例。此示例仅表示对本发明的原理性说明，不代表本发明的任何限制。
(1)STAR-RIS辅助的多用户大规模SIMO上行M阶调制传输场景
上行M阶调制用户共有K个，可以被分为R个反射用户与T个折射用户，每个用户配备单天线，基站侧配备S条接收天线，STAR-RIS共有N个反射透射单元。上图1给出了***传输示意图。M阶调制和速率的原表达式形式较为复杂，难以对其进行优化求解。因此，可以考虑采用近似公式对其进行替换，即：
Figure BDA0003607843390000051
其中，C代表信道容量，即最大上行和速率。M代表调制阶数，log(·)表示对数运算，γ代表信噪比。I，ai与bi都由调制方式确定。通过对确定调制方式的信道和速率原表达式进行近似可以得到：
当调制方式为QPSK时，I＝1，a1＝1，b1＝0.6507；
当调制方式为8PSK时，I＝2，a1＝0.6130，b1＝0.1681；a2＝0.3855，b1＝0.8992；
当调制方式为16QAM时，I＝2，a1＝0.7177，b1＝0.1225；a2＝0.2804，b1＝0.8702；
对于不服从高斯分布的干扰，可以按照熵功率不变的前提用一个高斯随机变量等效其与高斯噪声的和，视作近似的高斯噪声。所述STAR-RIS辅助的多用户大规模SIMO上行M阶调制加权和速率可以表示为：
Figure BDA0003607843390000052
其中，
Figure BDA0003607843390000053
Figure BDA0003607843390000054
每个用户配备单天线，基站侧配备S条接收天线，STAR-RIS共有N个反射透射单元，(·)H表示矩阵的共轭转置运算，||·||表示L2范数运算。ω(k)代表第k个用户的权重，
Figure BDA0003607843390000055
代表从STAR-RIS到第k个用户的信道，
Figure BDA0003607843390000056
代表第k个用户所对应STAR-RIS的反射或透射特性，当此用户为反射用户，即k≤R时，Θk代表ΘR＝diag(θr，1，θr，2，...，θr，N)，即STAR-RIS的反射特性矩阵，ΘR第(n,n)个元素
Figure BDA0003607843390000057
代表第n个单元的反射系数，j是虚数符号，
Figure BDA0003607843390000058
代表第n个单元反射系数的幅度，φr，n代表第n个单元反射系数的相位；当此用户为透射用户，即k>R时，Θk代表ΘT＝diag(θt，1，θt，2，...，θt，N)，即STAR-RIS的透射特性矩阵，ΘT第(n,n)个元素
Figure BDA0003607843390000059
代表第n个单元的透射系数，
Figure BDA00036078433900000510
代表第n个单元透射系数的幅度，φt，n代表第n个单元透射系数的相位。
Figure BDA00036078433900000511
代表STAR-RIS与基站天线之间的信道，
Figure BDA00036078433900000512
代表第k个用户根据发射功率所进行的波束赋形，
Figure BDA00036078433900000513
表示加性高斯白噪声功率。
通常情况下，用户的发射功率是有限的，因此对所有用户分配的功率应当不超过给定的最大限制。另外，STAR-RIS的反射系数与透射系数之间还应当满足能量守恒定律，即：
Figure BDA00036078433900000514
所述上行M阶调制加权和速率优化问题可以表示为：
Figure BDA0003607843390000061
Figure BDA0003607843390000062
Figure BDA0003607843390000063
其中，IN表示N×N的单位矩阵，Pmax表示用户侧的发射总功率约束。
本发明提出一种复杂度较低的上行M阶调制加权和速率优化方法，可以求得原问题的一个次优解或局部最优解。
(2)算法一：STAR-RIS辅助的多用户大规模SIMO上行M阶调制加权和速率优化算法图2给出了上行M阶调制加权和速率优化算法流程图，详细优化步骤列举如下。
步骤1：根据信道条件以及功率分配和所选取的STAR-RIS工作模式所满足的约束条件，设定P、ΘR与ΘT的初始值，初始化迭代次数n＝0。
步骤2：根据用户发射功率、STAR-RIS反射与透射系数所满足的约束条件确定待优化变量所在的流形，计算梯度在流形的切空间上的投影。各待优化变量在流形的切空间上的投影可以被表示为：
Figure BDA0003607843390000064
Figure BDA0003607843390000065
对于STAR-RIS的能量分割与模式切换两种工作模式，
Figure BDA0003607843390000066
Figure BDA0003607843390000067
对于STAR-RIS的时间切换模式，
Figure BDA0003607843390000068
Figure BDA0003607843390000069
其中，
Figure BDA00036078433900000610
表示取实部，(·)*表示取共轭运算，⊙表示哈达玛积。
步骤3：在第n次迭代中，通过线性回溯法确定优化步长，并按照确定的步长，使待优化变量沿着梯度在切空间上的投影方向移动，可以表示为：
Figure BDA00036078433900000611
Figure BDA00036078433900000612
Figure BDA00036078433900000613
其中
Figure BDA00036078433900000614
和
Figure BDA00036078433900000615
代表步长，可通过线性回溯法确定。
步骤4：将偏离流形的发射功率与STAR-RIS反射与透射系数的取值收缩回到流形上，可以表示为：
Figure BDA0003607843390000071
对于STAR-RIS的能量分割与模式切换两种工作模式，
Figure BDA0003607843390000072
Figure BDA0003607843390000073
对于STAR-RIS的时间切换模式，
Figure BDA0003607843390000074
Figure BDA0003607843390000075
步骤5：计算新的目标函数的值Cn+1，若与上一次迭代目标函数值的差小于所设定的阈值，则终止迭代；否则，将迭代次数加1，回到步骤2。

Claims (6)

1.一种智能全向面辅助的多用户大规模SIMO上行M阶调制加权和速率优化方法。本发明针对直射径被遮挡场景下的多用户大规模SIMO上行M阶调制通信的特点，同时考虑了用户侧的发射功率限制以及智能全向面器件单元所需满足的约束条件，通过联合优化用户侧的波束赋形、智能超表面的反射系数与透射系数以改善***上行加权和速率。本发明提出一种基于流形优化以及梯度下降法的算法对用户侧的波束赋形、智能超表面的反射系数与透射系数矩阵进行联合优化，能够有效地提升在直射径被遮挡场景下的多用户大规模SIMO上行M阶调制加权和速率，同时降低优化问题求解与物理层实现的复杂度。
其中，用户侧的发射功率分配与STAR-RIS反射与透射系数的联合优化可以采用基于流形上的梯度下降法的迭代算法：首先关于待优化变量对目标函数求梯度，并根据用户发射功率、STAR-RIS反射与透射系数所满足的约束条件确定待优化变量所在的流形，计算梯度在流形的切空间上的投影；通过线性回溯法确定优化步长，并按照确定的步长，使待优化变量沿着梯度在切空间上的投影方向移动；将偏离流形的发射功率与STAR-RIS反射与透射系数的取值收缩回到流形上；迭代、交替实施上述各变量的优化流程，直至相邻两次目标函数值的差小于某个给定的阈值。
2.根据权利要求1所述的智能全向面辅助的多用户大规模SIMO上行M阶调制加权和速率优化算法，其特征在于，所述STAR-RIS辅助的多用户大规模SIMO上行M阶调制加权和速率可以表示为：
Figure FDA0003607843380000011
其中，
Figure FDA0003607843380000012
Figure FDA0003607843380000013
上行M阶调制用户共有K个，可以被分为R个反射用户与T个折射用户，每个用户配备单天线，基站侧配备S条接收天线，STAR-RIS共有N个反射透射单元，(·)H表示矩阵的共轭转置运算，||·||表示L2范数运算。ω(k)代表第k个用户的权重，
Figure FDA0003607843380000014
代表从STAR-RIS到第k个用户的信道，
Figure FDA0003607843380000015
代表第k个用户所对应STAR-RIS的反射或透射特性，当此用户为反射用户，即k≤R时，Θk代表ΘR＝diag(θr，1，θr，2，...，θr，N)，即STAR-RIS的反射特性矩阵，ΘR第(n,n)个元素
Figure FDA0003607843380000016
代表第n个单元的反射系数，j是虚数符号，
Figure FDA0003607843380000017
代表第n个单元反射系数的幅度，φr，n代表第n个单元反射系数的相位；当此用户为透射用户，即k>R时，Θk代表ΘT＝diag(θt，1，θt，2，...，θt，N)，即STAR-RIS的透射特性矩阵，ΘT第(n,n)个元素
Figure FDA0003607843380000018
代表第n个单元的透射系数，
Figure FDA0003607843380000019
代表第n个单元透射系数的幅度，φt，n代表第n个单元透射系数的相位。
Figure FDA00036078433800000110
代表STAR-RIS与基站天线之间的信道，
Figure FDA00036078433800000111
代表第k个用户根据发射功率所进行的波束赋形，
Figure FDA00036078433800000112
表示加性高斯白噪声功率。
I，ai与bi都由调制方式确定。通过对确定调制方式的信道和速率原表达式进行近似可以得到：
当调制方式为QPSK时，I＝1，a1＝1，b1＝0.6507；
当调制方式为8PSK时，I＝2，a1＝0.6130，b1＝0.1681；a2＝0.3855，b1＝0.8992；
当调制方式为16QAM时，I＝2，a1＝0.7177，b1＝0.1225；a2＝0.2804，b1＝0.8702；
通常情况下，用户的发射功率是有限的，因此对所有用户分配的功率应当不超过给定的最大限制。另外，STAR-RIS的反射系数与透射系数之间还应当满足能量守恒定律，即：
Figure FDA00036078433800000113
3.根据权利要求1所述的智能全向面辅助的多用户大规模SIMO上行M阶调制加权和速率优化算法，其特征在于，所述上行M阶调制加权和速率优化问题可以表示为：
Figure FDA0003607843380000021
Figure FDA0003607843380000022
Figure FDA0003607843380000023
其中，IN表示N×N的单位矩阵，Pmax表示用户侧的发射总功率约束。
4.根据权利要求1所述的智能全向面辅助的多用户大规模SIMO上行M阶调制加权和速率优化算法，其特征在于，所述根据用户发射功率、STAR-RIS反射与透射系数所满足的约束条件确定待优化变量所在的流形，计算梯度在流形的切空间上的投影可以表示为：
Figure FDA0003607843380000024
Figure FDA0003607843380000025
对于STAR-RIS的能量分割与模式切换两种工作模式，
Figure FDA0003607843380000026
Figure FDA0003607843380000027
对于STAR-RIS的时间切换模式，
Figure FDA0003607843380000028
Figure FDA0003607843380000029
其中，
Figure FDA00036078433800000210
表示取实部，(·)*表示取共轭运算，⊙表示哈达玛积。
5.根据权利要求1所述的智能全向面辅助的多用户大规模SIMO上行M阶调制加权和速率优化算法，其特征在于，所述在第n次迭代中，通过线性回溯法确定优化步长，并按照确定的步长，使待优化变量沿着梯度在切空间上的投影方向移动，可以表示为：
Figure FDA00036078433800000211
Figure FDA00036078433800000212
Figure FDA00036078433800000213
其中
Figure FDA00036078433800000214
和
Figure FDA00036078433800000215
代表步长，可通过线性回溯法确定。
6.根据权利要求1所述的智能全向面辅助的多用户大规模SIMO上行M阶调制加权和速率优化算法，其特征在于，所述将偏离流形的发射功率与STAR-RIS反射与透射系数的取值收缩回到流形上，可以表示为：
Figure FDA00036078433800000216
对于STAR-RIS的能量分割与模式切换两种工作模式，
Figure FDA0003607843380000031
Figure FDA0003607843380000032
对于STAR-RIS的时间切换模式，
Figure FDA0003607843380000033
Figure FDA0003607843380000034
CN202210424206.1A 2022-04-21 2022-04-21 智能全向面辅助的多用户simo上行加权和速率优化方法 Active CN114785388B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210424206.1A CN114785388B (zh) 2022-04-21 2022-04-21 智能全向面辅助的多用户simo上行加权和速率优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210424206.1A CN114785388B (zh) 2022-04-21 2022-04-21 智能全向面辅助的多用户simo上行加权和速率优化方法

Publications (2)

Publication Number Publication Date
CN114785388A true CN114785388A (zh) 2022-07-22
CN114785388B CN114785388B (zh) 2023-08-18

Family

ID=82430142

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210424206.1A Active CN114785388B (zh) 2022-04-21 2022-04-21 智能全向面辅助的多用户simo上行加权和速率优化方法

Country Status (1)

Country Link
CN (1) CN114785388B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115733533A (zh) * 2022-11-09 2023-03-03 哈尔滨工业大学（深圳） 基于流形的irs辅助去蜂窝大规模mimo***波束赋形方法
CN116156517A (zh) * 2023-03-16 2023-05-23 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 (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012038661A1 (fr) * 2010-09-24 2012-03-29 France Telecom Procede d'emission double iteratif de flux multiples par utilisateur pour un systeme mimo multi utilisateurs, emetteur, produit programme d'ordinateur et support d'information correspondants
CN111163511A (zh) * 2019-12-20 2020-05-15 北京邮电大学 智能反射表面辅助的毫米波通信中延迟受限的上行功率分配方法
CN111953391A (zh) * 2020-07-09 2020-11-17 东南大学 智能反射面辅助的多用户mimo上行能效谱效联合优化方法
CN113037349A (zh) * 2021-03-12 2021-06-25 重庆邮电大学 Irs辅助的miso***中基于交替迭代的物理层安全设计方法
CN113193894A (zh) * 2021-04-27 2021-07-30 东南大学 可重构智能表面辅助的多用户miso下行无线通信谱效能效联合优化方法
WO2021207748A2 (en) * 2020-08-13 2021-10-14 Futurewei Technologies, Inc. Methods and apparatus for channel reconstruction in intelligent surface aided communications
WO2021237688A1 (en) * 2020-05-29 2021-12-02 British Telecommunications Public Limited Company Ris-assisted wireless communications
CN113746578A (zh) * 2021-08-18 2021-12-03 南京邮电大学 一种基于智能反射表面辅助的通信***传输方法
CN113783812A (zh) * 2021-07-20 2021-12-10 北京交通大学 基于同步透射反射智能表面同步信号增强及干扰抑制方法
CN114070365A (zh) * 2021-11-18 2022-02-18 北京邮电大学 一种智能反射表面辅助的低射频复杂度多用户mimo上行频谱效率优化方法
CN114124258A (zh) * 2021-11-30 2022-03-01 中央民族大学 一种最大化安全传输速率的方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012038661A1 (fr) * 2010-09-24 2012-03-29 France Telecom Procede d'emission double iteratif de flux multiples par utilisateur pour un systeme mimo multi utilisateurs, emetteur, produit programme d'ordinateur et support d'information correspondants
CN111163511A (zh) * 2019-12-20 2020-05-15 北京邮电大学 智能反射表面辅助的毫米波通信中延迟受限的上行功率分配方法
WO2021237688A1 (en) * 2020-05-29 2021-12-02 British Telecommunications Public Limited Company Ris-assisted wireless communications
CN111953391A (zh) * 2020-07-09 2020-11-17 东南大学 智能反射面辅助的多用户mimo上行能效谱效联合优化方法
WO2021207748A2 (en) * 2020-08-13 2021-10-14 Futurewei Technologies, Inc. Methods and apparatus for channel reconstruction in intelligent surface aided communications
CN113037349A (zh) * 2021-03-12 2021-06-25 重庆邮电大学 Irs辅助的miso***中基于交替迭代的物理层安全设计方法
CN113193894A (zh) * 2021-04-27 2021-07-30 东南大学 可重构智能表面辅助的多用户miso下行无线通信谱效能效联合优化方法
CN113783812A (zh) * 2021-07-20 2021-12-10 北京交通大学 基于同步透射反射智能表面同步信号增强及干扰抑制方法
CN113746578A (zh) * 2021-08-18 2021-12-03 南京邮电大学 一种基于智能反射表面辅助的通信***传输方法
CN114070365A (zh) * 2021-11-18 2022-02-18 北京邮电大学 一种智能反射表面辅助的低射频复杂度多用户mimo上行频谱效率优化方法
CN114124258A (zh) * 2021-11-30 2022-03-01 中央民族大学 一种最大化安全传输速率的方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
CHENYU WU: "Channel Estimation for STAR-RIS-Aided Wireless Communication", 《 IEEE COMMUNICATIONS LETTERS》 *
CHENYU WU: "Coverage Characterization of STAR-RIS Networks: NOMA and OMA", 《 IEEE COMMUNICATIONS LETTERS》 *
王兆瑞;刘亮;李航;崔曙光;: "面向6G物联网的智能反射表面设计", 物联网学报, no. 02 *
王圣森;冯春燕;郭彩丽;: "上行MU-SIMO中高能效联合波束赋形与功率控制", 北京邮电大学学报, no. 05 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115733533A (zh) * 2022-11-09 2023-03-03 哈尔滨工业大学（深圳） 基于流形的irs辅助去蜂窝大规模mimo***波束赋形方法
CN116156517A (zh) * 2023-03-16 2023-05-23 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

Also Published As

Publication number Publication date
CN114785388B (zh) 2023-08-18

Similar Documents

Publication Publication Date Title
CN112865893B (zh) 智能反射面辅助的sm-noma***资源分配方法
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
CN101867402B (zh) 一种自适应天线选择的mimo***及其应用方法
CN114785388A (zh) 智能全向面辅助的多用户大规模simo上行m阶调制加权和速率优化方法
CN113258980B (zh) 一种无线通信***信息传输速率优化方法及装置
CN114070365B (zh) 一种智能反射表面辅助的低射频复杂度多用户mimo上行频谱效率优化方法
CN112994770B (zh) 基于部分csi的ris辅助多用户下行鲁棒无线传输方法
CN111901812A (zh) 一种全双工蜂窝通信网基站和智慧反射面联合控制方法
CN116170102A (zh) 一种可重构的多功能智能超表面及其应用
CN114124258A (zh) 一种最大化安全传输速率的方法
Sagir et al. Deep-learning-assisted IoT-based RIS for cooperative communications
CN114285445A (zh) 电磁辐射约束的ris-dma辅助多用户mimo上行谱效优化方法
CN115396917A (zh) 智能反射面辅助的通信和干扰***吞吐量最大优化方法
CN114614864A (zh) 多用户场景的3d波束赋形和智能反射面相移优化方法
Amiriara et al. IRS-user association in IRS-aided MISO wireless networks: Convex optimization and machine learning approaches
CN116033461B (zh) 一种基于star-ris辅助的共生无线电传输方法
CN114785387B (zh) 智能全向面辅助的多用户miso下行加权和速率优化方法
Taghavi et al. Joint user association and phase optimization for IRS-assisted multi-cell networks
CN116056118A (zh) 基于主被动混合智能超表面的无线通信传输方法及***
CN113992254B (zh) 智能反射面辅助无线通信***波束成形方法
Lin et al. Stacked intelligent metasurface enabled LEO satellite communications relying on statistical CSI
CN114337902A (zh) 一种irs辅助的毫米波多小区间干扰的抑制方法
Jiang et al. Active sensing for two-sided beam alignment using ping-pong pilots
Peng et al. Joint power allocation algorithm for UAV-borne simultaneous transmitting and reflecting reconfigurable intelligent surface-assisted non-orthogonal multiple access system
Zhong et al. STAR-RISs assisted NOMA networks: A tile-based passive beamforming approach

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