CN114915976A - 一种智能反射面辅助的超可靠低延时通信***高能效预编码设计方法 - Google Patents

Abstract

本发明公开了一种智能反射面辅助的超可靠低延时通信***高能效预编码设计方法，包括：建立一个具有实际意义的部署了智能反射面的超可靠低延时通信***模型；建立用户接受信号模型以及用户在超可靠低延时场景下的可达速率模型；建立***的能量消耗模型并结合可达速率模型得到***能量效率模型；设计能效最大化算法，计算出最优的智能反射面的反射相移向量、基站的波束权重向量以及误包率；基于计算得到的反射相移向量和波束权重向量，解决智能反射面的各个元素相移设置以及基站的功率资源分配策略。

Description

一种智能反射面辅助的超可靠低延时通信***高能效预编码 设计方法

技术领域

本发明涉及无线通信领域中的资源分配技术领域，特别是涉及一种智能反射面辅助的超可靠低延时通信***高能效预编码设计方法。

背景技术

超可靠低延时通信已经是5G和后5G网络的重要应用场景，也是物联网实现的关键要求。未来的一系列物联网智能服务如智能工厂、VR、AR等都对通信的传输延时和可靠性有着极高的要求。然而，大部分超可靠低延时通信场景下的设备比如遥感器对能量消耗有着较大的限制，因此需要周密的资源分配设计以求最大化能量效率。所以，高能效设计也是超可靠低延时通信中的一个关键课题。

另一方面，智能反射面近年来被认为是一项在未来的无线通信***中非常具有前景的技术，因为其优异的高能效特性。智能反射面由一系列低成本可重构的反射元素组成，这些元素可以将入射信号进行一定的移相后反射出去，这使得智能反射面可以在极低的消耗下显著提升***性能。我们希望智能反射面可以在超可靠低延时通信***中发挥关键作用。

已有的超可靠低延时通信的相关研究中很少考虑加入智能反射面来提升***性能，少数的考虑加入智能反射面的超可靠低延时通信的研究也主要关注于提高***的可达速率，几乎没有相关研究考虑到利用智能反射面来提升超可靠低延时通信***的能效。因此需要研究如何在超可靠低延时***中加入智能反射面辅助，来提升整个***的能效，即在提升速率的同时减少整个***的能量消耗。

发明内容

有鉴于此，本发明的目的在于提供一种智能反射面辅助的超可靠低延时通信***高能效预编码设计方法，用以解决超可靠低延时通信中大多数设备功率限制较大以及基站与用户之间信道条件恶劣导致性能显著降低的问题。

为了实现上述目的，本发明采用如下技术方案：

一种智能反射面辅助的超可靠低延时通信***高能效预编码设计方法，所述设计方法包括如下步骤：

步骤S1、构建基于智能反射面辅助的超可靠低延时通信***模型，该通信***模型包括基站侧、用户侧以及智能反射面，其中，在所述基站侧和所述用户侧存在有障碍物；

步骤S2、针对步骤S1中构建的通信***模型，构建其用户侧的信号接收模型，基于该信号接收模型得到用户侧的信噪比表达式以及超可靠低延时通信下的可达速率表达式；

步骤S3、针对步骤S1中构建的通信***模型，构建其能量消耗模型，其包括动态的信号传输功率以及静态的天线电路功率；

步骤S4、以最大化***能效为目标，并且以基站功率限制、智能反射面相移范围以及用户的最大误包率为约束，构建第一能效最大化问题；

步骤S5、利用连续凸近似以及半定松弛方法将步骤S4中构建的第一能效最大化问题转化为第二能效最大化问题，其中，该第二能效最大化问题为凸优化问题；

步骤S6、采用凸优化解决工具求解步骤S5中得到的第二能效最大化问题，直到达到收敛条件，得到优化的智能反射面反射相移向量、基站波束向量以及误包率；

步骤S7、基于得到的智能反射面的反射相移向量和基站的波束向量，解决智能反射面的各个元素相移设置以及基站的功率资源分配策略。

进一步的，所述步骤S2具体包括：

步骤S201、定义h_d表示基站到用户的直接信道，定义h_r和D分别表示智能反射面到用户和基站到智能反射面的等效信道，定义

代表智能反射面的反射相移矩阵，其中，θ_n∈[0,2π)和β_n∈[0,1]分别代表智能反射面第N个反射元素的相移和幅度系数；则用户侧的信号接收模型表示为：

在公式(1)中，w表示基站的波束向量，x[m]代表第m个归一化功率的已调制数据符号，其中一个码字长度为M个符号；z[i]代表用户处的高斯白噪声，均值为0，方差为σ²；

步骤S202、根据公式(1)得到用户侧的信噪比为：

步骤S203、根据公式(1)和公式(2)，得到超可靠低延时通信场景下的可达速率，其表示为：

在公式(3)中，∈表示误包率，M代表传输码块的块长；

其中，Q^-1(·)代表高斯Q函数的逆函数，其中，该高斯Q函数具体表示为：

步骤S204、对于给定的块长M，将其可达速率重新表示为：

G(w,θ,∈)＝R(γ,∈,M) (4)

在公式(4)中，θ＝[θ₁,L,θ_N]为智能反射面的相移向量。

进一步的，所述能量消耗模型的具体表达式为：

P_T(w)＝||w||²+(L+1)P_s (5)

在公式(5)中，w代表***中基站的发射波束向量，L示基站的天线个数，P_s代表每根天线的静态功率消耗。

进一步的，所述第一能效最大化问题具体表示为：

在公式(6)中，P_max和∈_max分别表示基站的最大功率和用户的最大误包率；

进一步的，该步骤S5具体包括：

步骤S501、利用丁克尔巴赫方法，对公式(6)中的目标函数进行转换，通过引入辅助向量q，将两式相除变为两式相减，表示为：

步骤S502、通过引入辅助变量μ作为信噪比γ的下界，则可达速率重写为：

步骤S503、将目标函数中G(w,θ,∈)的非凸部分

在μ₀处进行泰勒展开，则目标函数重写为：

并且得到一个新的约束条件如下：

步骤S504、令v＝[v₁,L,v_N]^H，其中

并且，

其中，

再引入辅助变量t,t∈￡,|t|＝1,再令

使t作为反射波束向量v的一个相位偏转，则得到：

在公式(11)中，

步骤S505、利用半定松弛方法，放松半正定矩阵V的秩一约束，将第一能效最大化问题松弛转化为如下优化问题

在公式(12)中，P_d为基站的发射功率，与波束向量的关系为

步骤S506、由于公式(12)的特殊结构，观察到其对于固定的变量V，∈以及μ，最优的发射功率P_d为：

步骤S507、利用该公式(13)，变量V不再和其他变量耦合，单独优化如下：

步骤S508、记公式(14)的最优值为τ＝tr(RV^*)，则公式(12)转化为：

其中，公式(14)和公式(15)为所述第二能效最大化问题。

进一步的，所述凸优化解决工具包括：CVX工具箱。

进一步的，再采用CVX工具箱求解公式(14)和公式(15)，需要迭代地更新q的值，其具体包括：

首先，设定q的初始值，

然后，重复求解公式(14)和公式(15)，其包括：先求解公式(14)，再内层迭代求解公式(15)，其中，每一次求解，即更新q的值为

重复上述步骤，直到达到收敛条件。

本发明的有益效果是：

1、本发明在超可靠低延时通信中引入了智能反射面，低成本的同时可以显著地提升***性能。且以最大化***能效为目标，提升速率的同时也减少***的能耗。

2、本发明采用了基于连续凸近似和半定松弛方法的优化算法，算法总体复杂度较低，能够在数次迭代内迅速达到收敛。

附图说明

图1为实施例1中提供的基于智能反射面辅助的超可靠低延时通信***模型的示意图；

图2为实施例1中提供的一种智能反射面辅助的超可靠低延时通信***高能效预编码设计方法的流程示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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。

实施例1

参见图1和图2，本实施例提供一种智能反射面辅助的超可靠低延时通信***高能效预编码设计方法，该方法的流程如图2所示，具体包括如下步骤：

步骤S1、构建基于智能反射面辅助的超可靠低延时通信***模型，该通信***模型包括基站侧、用户侧以及智能反射面，其中，在所述基站侧和所述用户侧存在有障碍物，该模型具体如1所示；

具体的说，在本实施例中，该通信***模型具体包括：

一个装有L根天线的基站，一个在超可靠低延时通信服务下的单天线用户以及一个装有N个反射元素的智能反射面；在基站和用户之间存在障碍物，该障碍物在本实施例中可以是树林或者高楼，具体是何种物体在本实施例中并不限定，该障碍物的存在使得基站和用户之间的直接链路的信道环境较为恶劣；

上述的智能反射面由一个智能反射面控制器所控制，其上的每一个反射元素按照特定的相移对入射信号进行移相后反射给用户；

基站将发送给用户的信息比特编码到一个块长为M个符号的码字中。

步骤S2、针对步骤S1中构建的通信***模型，构建其用户侧的信号接收模型，基于该信号接收模型得到用户侧的信噪比表达式以及超可靠低延时通信下的可达速率表达式；

具体的说，在本实施例中，该步骤S2具体包括：

步骤S201、定义h_d表示基站到用户的直接信道，定义hr和D分别表示智能反射面到用户和基站到智能反射面的等效信道，定义

代表智能反射面的反射相移矩阵，其中，θ_n∈[0,2π)和β_n∈[0,1]分别代表智能反射面第N个反射元素的相移和幅度系数；则用户侧的信号接收模型表示为：

在公式(1)中，w表示基站的波束向量，x[m]代表第m个归一化功率的已调制数据符号，其中一个码字长度为M个符号；z[i]代表用户处的高斯白噪声，均值为0，方差为σ²；

步骤S202、根据公式(1)得到用户侧的信噪比为：

步骤S203、根据公式(1)和公式(2)，得到超可靠低延时通信场景下的可达速率，其表示为：

在公式(3)中，∈表示误包率(PEP)，M代表传输码块的块长，超可靠低延时通信中为了降低传输延时，一般采用短包传输，因此需要考虑有限块长，即每一个码字中的信息符号个数；在该公式中，右边第一项代表香农容量(Shannon capacity)，第二项代表信道色散(Channel dispersion)；

其中，Q^-1(·)代表高斯Q函数的逆函数，其中，该高斯Q函数具体表示为：

步骤S204、对于给定的块长M，可以将可达速率重新表示为：

G(w,θ,∈)＝R(γ,∈,M) (4)

在公式(4)中，θ＝[θ₁,L,θ_N]为智能反射面的相移向量。

步骤S3、针对步骤S1中构建的通信***模型，构建其能量消耗模型，其包括动态的信号传输功率以及静态的天线电路功率；

具体的说，在本实施例中，该能量消耗模型的具体表达式为：

P_T(w)＝||w||²+(L+1)P_s (5)

在公式(5)中，w代表***中基站的发射波束向量，L示基站的天线个数，P_s代表每根天线的静态功率消耗。

步骤S4、以最大化***能效为目标，并且以基站功率限制、智能反射面相移范围以及用户的最大误包率为约束，构建第一能效最大化问题；

具体的说，在本实施例中，该第一能效最大化问题具体表示为：

在公式(6)中，P_max和∈_max分别表示基站的最大功率和用户的最大误包率；

更具体的说，在本实施例中，智能反射面的元素是设计为最大化反射信号，因此本实施例将反射元素的幅度都设置为

更具体的说，在本实施例中，构建的该第一能效最大化问题是一个非凸问题，因此需要进一步处理。

步骤S5、利用连续凸近似以及半定松弛方法将步骤S4中构建的第一能效最大化问题转化为第二能效最大化问题，其中，该第二能效最大化问题为凸优化问题；

具体的说，在本实施例中，该步骤S5具体包括：

步骤S501、利用丁克尔巴赫方法，对公式(6)中的目标函数进行转换，通过引入辅助向量q，将两式相除变为两式相减，表示为：

步骤S502、通过引入辅助变量μ作为信噪比γ的下界，则可达速率重写为：

步骤S503、将目标函数中G(w,θ,∈)的非凸部分

在μ₀处进行泰勒展开，则目标函数重写为：

并且得到一个新的约束条件如下：

步骤S504、令v＝[v₁,L,v_N]^H，其中

矩阵v是推导过程中由向量v变换得到的秩一半正定矩阵，只是问题求解的中间变量，向量v表示智能反射面的反射波束向量；并且，

其中，

引入辅助变量t,t∈￡,|t|＝1,再令

使t作为反射波束向量v的一个相位偏转，则得到：

在公式(11)中，

步骤S505、利用半定松弛方法，放松半正定矩阵V的秩一约束，将第一能效最大化问题松弛转化为如下优化问题

在公式(12)中，P_d为基站的发射功率，与波束向量的关系为

具体的说，在本实施例中，该公式(12)仍然不是一个凸问题，需要进一步将变量分解。

步骤S506、由于公式(12)的特殊结构，可以观察到对于固定的变量V，∈以及μ，最优的发射功率P_d为：

步骤S507、利用该公式(13)，变量V不再和其他变量耦合，可以单独优化如下：

具体的说，在本实施例中，利用半定松弛方法忽略了矩阵V的秩一条件，而公式(14)的解并不一定满足秩为1，所以本实施例需要利用已有的特征值分解和高斯随机化的方法从优化得到的矩阵V中分解向量

进而得到需要的向量v。

步骤S508、记公式(14)的最优值为τ＝tr(RV^*)，则公式(12)可以转化为：

步骤S6、采用凸优化解决工具求解步骤S5中得到的第二能效最大化问题，直到达到收敛条件，得到优化的智能反射面反射相移向量、基站波束向量以及误包率；

具体的说，在本实施例中，因为该公式(14)和公式(15)均为凸问题，可以采用CVX工具箱进行有效地解决。

具体的说，在进行求解时，因为使用丁克尔巴赫方法对目标函数进行转换且引入了辅助变量q，所以需要迭代地更新q的值，其包括如下步骤：

首先，设定q的初始值，

然后，重复求解公式(14)和公式(15)，其包括：先求解公式(14)，再内层迭代求解公式(15)，其中，每一次求解，即更新q的值为

重复上述步骤，直到达到收敛条件。

更具体的说，在本实例中，针对该公式(15)，其目标函数中的G(μ,∈；μ₀)对于∈是单调递增的，所以本实施例可以先单独优化误包率∈，然后，对于一个固定的误包率∈，公式(15)是一个凸问题，可以用已有的内点法迭代地解决。具体来说，在每一次迭代中，将上一次迭代中的最优解μ^*设为此次迭代的展开点μ₀，如此迭代解决问题(P1.2)直到目标函数的值的增量小于一个阈值或者达到最大迭代次数为止。然后，基于得到的最优的变量μ，可以计算出其他变量的最优值。

步骤S7、基于得到的智能反射面的反射相移向量和基站的波束向量，解决智能反射面的各个元素相移设置以及基站的功率资源分配策略。

本发明未详述之处，均为本领域技术人员的公知技术。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (7)

1.一种智能反射面辅助的超可靠低延时通信***高能效预编码设计方法，其特征在于，所述设计方法包括如下步骤：

步骤S1、构建基于智能反射面辅助的超可靠低延时通信***模型，该通信***模型包括基站侧、用户侧以及智能反射面，其中，在所述基站侧和所述用户侧存在有障碍物；

步骤S2、针对步骤S1中构建的通信***模型，构建其用户侧的信号接收模型，基于该信号接收模型得到用户侧的信噪比表达式以及超可靠低延时通信下的可达速率表达式；

步骤S3、针对步骤S1中构建的通信***模型，构建其能量消耗模型，其包括动态的信号传输功率以及静态的天线电路功率；

步骤S4、以最大化***能效为目标，并且以基站功率限制、智能反射面相移范围以及用户的最大误包率为约束，构建第一能效最大化问题；

步骤S5、利用连续凸近似以及半定松弛方法将步骤S4中构建的第一能效最大化问题转化为第二能效最大化问题，其中，该第二能效最大化问题为凸优化问题；

步骤S6、采用凸优化解决工具求解步骤S5中得到的第二能效最大化问题，直到达到收敛条件，得到优化的智能反射面反射相移向量、基站波束向量以及误包率；

步骤S7、基于得到的智能反射面的反射相移向量和基站的波束向量，解决智能反射面的各个元素相移设置以及基站的功率资源分配策略。

2.根据权利要求1所述的一种智能反射面辅助的超可靠低延时通信***高能效预编码设计方法，其特征在于，所述步骤S2具体包括：

步骤S201、定义h_d表示基站到用户的直接信道，定义h_r和D分别表示智能反射面到用户和基站到智能反射面的等效信道，定义

代表智能反射面的反射相移矩阵，其中，θ_n∈[0,2π)和β_n∈[0,1]分别代表智能反射面第N个反射元素的相移和幅度系数；则用户侧的信号接收模型表示为：

在公式(1)中，w表示基站的波束向量，x[m]代表第m个归一化功率的已调制数据符号，其中一个码字长度为M个符号；z[i]代表用户处的高斯白噪声，均值为0，方差为σ²；

步骤S202、根据公式(1)得到用户侧的信噪比为：

步骤S203、根据公式(1)和公式(2)，得到超可靠低延时通信场景下的可达速率，其表示为：

在公式(3)中，∈表示误包率，M代表传输码块的块长；

其中，Q^-1(·)代表高斯Q函数的逆函数，其中，该高斯Q函数具体表示为：

步骤S204、对于给定的块长M，将其可达速率重新表示为：

G(w,θ,∈)＝R(γ,∈,M) (4)

在公式(4)中，θ＝[θ₁,L,θ_N]为智能反射面的相移向量。

3.根据权利要求2所述的一种智能反射面辅助的超可靠低延时通信***高能效预编码设计方法，其特征在于，所述能量消耗模型的具体表达式为：

P_T(w)＝||w||²+(L+1)P_s (5)

在公式(5)中，w代表***中基站的发射波束向量，L示基站的天线个数，P_s代表每根天线的静态功率消耗。

4.根据权利要求3所述的一种智能反射面辅助的超可靠低延时通信***高能效预编码设计方法，其特征在于，所述第一能效最大化问题具体表示为：

在公式(6)中，P_max和∈_max分别表示基站的最大功率和用户的最大误包率。

5.根据权利要求4所述的一种智能反射面辅助的超可靠低延时通信***高能效预编码设计方法，其特征在于，该步骤S5具体包括：

步骤S501、利用丁克尔巴赫方法，对公式(6)中的目标函数进行转换，通过引入辅助向量q，将两式相除变为两式相减，表示为：

步骤S502、通过引入辅助变量μ作为信噪比γ的下界，则可达速率重写为：

步骤S503、将目标函数中G(w,θ,∈)的非凸部分

在μ₀处进行泰勒展开，则目标函数重写为：

并且得到一个新的约束条件如下：

步骤S504、令v＝[v₁,L,v_N]^H，其中

并且，

其中，

再引入辅助变量

|t|＝1,再令

使t作为反射波束向量v的一个相位偏转，则得到：

在公式(11)中，

步骤S505、利用半定松弛方法，放松半正定矩阵V的秩一约束，将第一能效最大化问题松弛转化为如下优化问题

在公式(12)中，P_d为基站的发射功率，与波束向量的关系为

步骤S506、由于公式(12)的特殊结构，观察到其对于固定的变量V，∈以及μ，最优的发射功率P_d为：

步骤S507、利用该公式(13)，变量V不再和其他变量耦合，单独优化如下：

步骤S508、记公式(14)的最优值为τ＝tr(RV^*)，则公式(12)转化为：

其中，公式(14)和公式(15)为所述第二能效最大化问题。

6.根据权利要求5所述的一种智能反射面辅助的超可靠低延时通信***高能效预编码设计方法，其特征在于，所述凸优化解决工具包括：CVX工具箱。

7.根据权利要求6所述的一种智能反射面辅助的超可靠低延时通信***高能效预编码设计方法，其特征在于，再采用CVX工具箱求解公式(14)和公式(15)，需要迭代地更新q的值，其具体包括：

首先，设定q的初始值，

然后，重复求解公式(14)和公式(15)，其包括：先求解公式(14)，再内层迭代求解公式(15)，其中，每一次求解，即更新q的值为

重复上述步骤，直到达到收敛条件。

Images