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
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 Download PDFInfo
- Publication number
- CN114915976A CN114915976A CN202210279830.7A CN202210279830A CN114915976A CN 114915976 A CN114915976 A CN 114915976A CN 202210279830 A CN202210279830 A CN 202210279830A CN 114915976 A CN114915976 A CN 114915976A
- Authority
- CN
- China
- Prior art keywords
- intelligent
- base station
- reflecting surface
- ultra
- formula
- 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.)
- Pending
Links
- 238000004891 communication Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000013461 design Methods 0.000 title claims abstract description 12
- 239000013598 vector Substances 0.000 claims abstract description 39
- 230000010363 phase shift Effects 0.000 claims abstract description 26
- 238000005265 energy consumption Methods 0.000 claims abstract description 10
- 238000013468 resource allocation Methods 0.000 claims abstract description 6
- 238000005457 optimization Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000003068 static effect Effects 0.000 claims description 6
- 239000011541 reaction mixture Substances 0.000 claims description 3
- 230000002040 relaxant effect Effects 0.000 claims description 3
- 230000008054 signal transmission Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000011160 research Methods 0.000 description 4
- 230000004888 barrier function Effects 0.000 description 3
- IJJWOSAXNHWBPR-HUBLWGQQSA-N 5-[(3as,4s,6ar)-2-oxo-1,3,3a,4,6,6a-hexahydrothieno[3,4-d]imidazol-4-yl]-n-(6-hydrazinyl-6-oxohexyl)pentanamide Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)NCCCCCC(=O)NN)SC[C@@H]21 IJJWOSAXNHWBPR-HUBLWGQQSA-N 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
- H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
- H04W16/10—Dynamic resource partitioning
-
- 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
-
- 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
- H04W16/24—Cell structures
- H04W16/28—Cell structures using beam steering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- 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
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hd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,θn∈[0,2π)和βn∈[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:
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,θN]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:
PT(w)=||w||2+(L+1)Ps (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,Ps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,Pmax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:
并且得到一个新的约束条件如下:
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
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Pd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,
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hd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,θn∈[0,2π)和βn∈[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,θN]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:
PT(w)=||w||2+(L+1)Ps (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,Ps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,Pmax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,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:
并且得到一个新的约束条件如下:
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
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Pd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,
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hd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,θn∈[0,2π)和βn∈[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:
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,θN]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:
PT(w)=||w||2+(L+1)Ps (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,Ps代表每根天线的静态功率消耗。
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:
并且得到一个新的约束条件如下:
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
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Pd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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210279830.7A CN114915976A (zh) | 2022-03-21 | 2022-03-21 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210279830.7A CN114915976A (zh) | 2022-03-21 | 2022-03-21 | 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 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114915976A true CN114915976A (zh) | 2022-08-16 |
Family
ID=82763805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210279830.7A Pending CN114915976A (zh) | 2022-03-21 | 2022-03-21 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114915976A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111447618A (zh) * | 2020-03-13 | 2020-07-24 | 重庆邮电大学 | 一种基于安全通信的智能反射面能效最大资源分配方法 |
US20210288698A1 (en) * | 2020-03-10 | 2021-09-16 | University Of Electronic Science And Technology Of China | Method for Intelligent Reflecting Surface Aided Terahertz Secure Communication System |
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 |
CN113904742A (zh) * | 2021-10-09 | 2022-01-07 | 重庆邮电大学 | 非正交多址接入网络中基于智能反射面的资源分配方法 |
CN113965245A (zh) * | 2021-09-30 | 2022-01-21 | 广西电网有限责任公司柳州供电局 | 基于opgw接头盒的智能反射面通信***资源优化方法 |
CN114040415A (zh) * | 2021-11-03 | 2022-02-11 | 南京邮电大学 | 智能反射面辅助的基于dqn-ddpg的资源分配方法 |
-
2022
- 2022-03-21 CN CN202210279830.7A patent/CN114915976A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210288698A1 (en) * | 2020-03-10 | 2021-09-16 | University Of Electronic Science And Technology Of China | Method for Intelligent Reflecting Surface Aided Terahertz Secure Communication System |
CN111447618A (zh) * | 2020-03-13 | 2020-07-24 | 重庆邮电大学 | 一种基于安全通信的智能反射面能效最大资源分配方法 |
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 |
CN113965245A (zh) * | 2021-09-30 | 2022-01-21 | 广西电网有限责任公司柳州供电局 | 基于opgw接头盒的智能反射面通信***资源优化方法 |
CN113904742A (zh) * | 2021-10-09 | 2022-01-07 | 重庆邮电大学 | 非正交多址接入网络中基于智能反射面的资源分配方法 |
CN114040415A (zh) * | 2021-11-03 | 2022-02-11 | 南京邮电大学 | 智能反射面辅助的基于dqn-ddpg的资源分配方法 |
Non-Patent Citations (1)
Title |
---|
李民政;李艳峰;: "大规模MIMO***中基于迫零预编码的能效优化算法", 计算机工程, no. 07, 21 August 2017 (2017-08-21) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108809375B (zh) | 基于概率整型的低精度大规模天线***及其编码调制方法 | |
CN109921882B (zh) | 一种基于深度学习的mimo解码方法、装置及存储介质 | |
Popovski et al. | Interactive joint transfer of energy and information | |
CN111835406B (zh) | 适用于多波束卫星通信的能效谱效权衡的鲁棒预编码方法 | |
CN110190879B (zh) | 基于低精度adc大规模mimo***的能效优化方法 | |
CN110266352A (zh) | 一种大规模mimo***中智能反射面相移矩阵自适应设计方法 | |
CN111147113B (zh) | 一种能效保障的多波束卫星通信鲁棒预编码方法 | |
CN111342934A (zh) | 一种基于极化码的多级比特交织编码调制方法 | |
CN107995692A (zh) | 一种云接入网上行无速率传输机制 | |
CN104869626A (zh) | 基于低复杂度接收机的上行大规模mimo***功率控制方法 | |
CN113726395A (zh) | 一种智能反射面增强云接入网多天线用户上行传输方法 | |
CN114900398A (zh) | 非理想csi的irs辅助云接入网下行的波束成形方法 | |
CN114915976A (zh) | 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 | |
CN116980011A (zh) | 混合irs辅助dm的低复杂度波束成形优化方法及*** | |
CN101540663B (zh) | 一种用于高阶mimo***的预编码码本的构造方法 | |
CN115802466A (zh) | 一种基于分布式ris辅助多用户***的联合功率分配和相移设计方法 | |
CN115361734B (zh) | 基于信息时效性的功率和irs相移联合优化方法及装置 | |
CN110690934B (zh) | 一种降低联合编码调制***误比特率的星座映射方法 | |
WO2021151980A1 (en) | Finite resolution decomposition of a matrix and matrix-vector multiplication | |
CN114157392A (zh) | 一种分布式irs辅助通信***安全传输的优化方法 | |
CN110572871B (zh) | 一种含多窃听节点的无线携能中继***及其资源分配方法 | |
CN115696437A (zh) | 基于irs的无线能量传输网络的用户总速率最大化方法 | |
CN106788645B (zh) | 一种多用户mimo分布式基站***中能量效率最优化方法 | |
CN105281816A (zh) | 基于全双工双向mimo通信***的发送天线选择方法 | |
Wang et al. | QoS optimized and energy efficient power control for deep space multimedia communications in InterPlaNetary networks |
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 |