CN115209423A - 面向切换性能的6g智能超表面网络配置方法 - Google Patents
面向切换性能的6g智能超表面网络配置方法 Download PDFInfo
- Publication number
- CN115209423A CN115209423A CN202210766126.4A CN202210766126A CN115209423A CN 115209423 A CN115209423 A CN 115209423A CN 202210766126 A CN202210766126 A CN 202210766126A CN 115209423 A CN115209423 A CN 115209423A
- Authority
- CN
- China
- Prior art keywords
- irs
- network
- distance
- user
- units
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 abstract description 8
- 238000005457 optimization Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000035939 shock 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
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W36/00—Hand-off or reselection arrangements
- H04W36/0005—Control or signalling for completing the hand-off
- H04W36/0055—Transmission or use of information for re-establishing the radio link
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W36/00—Hand-off or reselection arrangements
- H04W36/08—Reselecting an access point
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了面向切换性能的6G智能超表面网络配置方法。在所述方法中,通过统计智能超表面网络的固定参数,并作为平均网络切换概率估计算法的输入参数;考虑有限的小区内IRS单元总数和典型的用户移动速度,面向网络切换性能,以最小化网络平均切换概率为优化目标,通过合理的网络模型建模,获得平均网络切换概率的估计方法,比较不同的每个IRS单元个数N和对应IRS部署密度下的网络平均切换概率的估计值,获得面向切换性能的6G智能超表面网络最佳配置参数,即每个IRS单元个数N和对应的IRS部署密度,最小化网络切换次数,减少网络切换开销。
Description
技术领域
本发明涉及无线通信技术领域,特别涉及未来第五代移动通信(Beyond 5thgeneration,B5G)和第六代移动通信(6th Generation,6G)中,面向切换性能的6G智能超表面网络配置方法。
背景技术
智能反射面(Intelligent Reflecting Surface,简称IRS)成为一种有前途的应用于未来网络的新技术,用于通过软件控制的反射来重新配置无线传播环境。具体而言,IRS是一种超表面,由大量低成本无源反射元件组成,每个元件都能够独立地将振幅和/或相位变化加入到入射信号,从而协同实现细粒度三维反射波束成形。与发射器/接收器现有的无线链路适配技术形成鲜明对比的是,IRS通过高度可控和智能的信号反射主动修改它们之间的无线信道。因此,这提供了一个新的自由度,以进一步增强无线通信性能,并能够实现智能和可编程的无线环境。由于IRS消除了发射前端的使用,并且仅在短距离内运行,因此可以以可扩展的成本和低能耗进行密集部署,而无需在无源IRS之间进行复杂的干扰管理。IRS的增益还可以体现在减少切换次数,然而目前却缺少以最佳切换性能为目标的IRS网络配置方法。
发明内容
本发明提出面向切换性能的6G智能超表面网络配置方法,该方法中,首先统计智能超表面网络的固定参数,包括基站的密度、小区内最多可分配的智能超表面(IRS)单元个数,IRS服务距离,信道路损因子,载波频率,用户的典型速度;然后考虑用户在典型速度下用户在基站之间的切换,以网络平均切换概率的概率为关键指标,根据指标和每个IRS上单元个数的关系情况,考虑典型用户速度下最小化切换概率的IRS配置参数,最后得到最佳的每IRS单元个数和IRS部署密度,从而完成面向切换性能的6G智能超表面网络配置。
本发明的面向切换性能的6G智能超表面网络配置方法包括一下步骤:
步骤200,统计智能超表面网络的固定参数,包括基站的密度、小区内最多可分配的智能超表面(IRS)单元个数,IRS服务距离,信道路损因子,载波频率,用户的典型平均速度。
考虑在一种IRS辅助的多小区无线网络,在估计用户切换概率时,将基站的位置建模为二维泊松点过程,每个基站配置了相同的发射功率,将IRS的位置也建模为二维泊松点过程;在平面内选择随机位置的典型用户进行分析,每个IRS配备了N个反射单元,并联合基站共同为用户提供传输,考虑有限的IRS服务距离D,典型用户最初连接到最近基站和IRS(如果IRS存在于D的距离内)。
考虑小区内可分配的IRS单元个数有限,最大的小区内可分配单元总数记为Nc;所以,为确定每块IRS的最佳单元数和最佳IRS密度,需要统计网络的其他必要参数,包括:IRS服务距离,记为D;信道路损因子,记为α;载波频率,记为fc;用户典型平均速度,记为v;基站的密度,记为λb;作为切换概率估计算法的输入参数。
步骤210,结合网络参数,计算最大小区内可分配单元总数约束下的不同IRS单元数和IRS密度的典型用户单位时间的切换概率。
为了量化IRS、基站级联链路的反射增益,对于原服务基站的链路,考虑具IRS反射波束成形的信道增益模型,原基站的IRS增益Γo(d)如式(1)为:
其中,d为用户距离IRS的距离,Γbf(d)为用户距离IRS小于D时IRS的信道增益,Γsc(d)为用户距离IRS大于D时或者没有服务用户时IRS的信道增益,两种增益由式(2)和(3)给出:
Γsc(d)=1+Ngr(d)+Gsc(d) (3)
lo(ro,d)=Γo(d)gb(ro) (4)
对于邻基站的路损表示为式(5):
ln(rn,d)=Γsc(d)gb(rn) (5)
其中,rn为用户距离邻基站的距离。
不失一般性,考虑典型用户在t1时刻位于初始位置l1,并在单位时间内以典型速度v,和随机选择的角度移动单位时间。在t2移动到l2。运动方向与BS和IRS之间的角度分别记为θ和θ和建模为独立地遵循(-π,π]中的均匀分布。用户会切换到提供最高平均接收功率的基站。
定义等效距离r',等效距离r'的物理意义是,在用户与原始基站之间的距离为ro以及IRS与用户之间的距离为d下,发生切换时用户与邻基站的最小距离,等效距离的计算如式(6):
考虑用户时刻连接距离自己最近的IRS,在t1时刻,用户距离最近IRS的距离为d1,所以t2时刻,用户距离IRS的最大距离如式(7):
由于存在连接到更近IRS的可能,算法中将t2时刻用户与I RS的距离d2建模为随机变量,而且d2的概率分布函数如式(8):
其中,中间变量S∩(x1,x2,a)和S′∩(d1,d2,v)分别为式(9)和(10):
δ(x)为冲击函数。
基于等效距离和IRS距离的分布,获得切换概率的计算方法,如式(11):
步骤220,考虑有限的小区内IRS单元总数,比较不同的每个IRS单元个数N下的网络平均切换概率的估计值,选择典型用户速度下估计值最小时的每个IRS单元个数N和IRS部署密度,确定切换性能最优的智能超表面网络配置。
考虑有限的小区内IRS单元总数且每个IRS分配的单元相同,即小区内每个IRS单元单元的总和一定,所以,每个IRS的单元数量N、IRS部署密度λr、小区内IRS单元总数Nc和基站密度λb的关系满足式(14):
基站密度和小区内IRS单元总数为定值,所以优化的参量为每个IRS的单元个数N和IRS部署密度λr,且二者为反比例关系。
分别计算每个IRS的单元个数N取值为1至Nc下和对应的IRS部署密度λr的网络平均切换概率,选择网络平均切换概率最小时候的每个IRS的单元个数N和对应的IRS部署密度λr作为最佳的IRS配置,最小化网络切换开销。
有益效果
本发明通过统计智能超表面网络的固定参数,包括基站的密度、小区内最多可分配的智能超表面(IRS)单元个数,IRS服务距离,信道路损因子,载波频率,用户的典型速度,并作为平均网络切换概率估计算法的输入参数;考虑有限的小区内IRS单元总数,比较不同的每个IRS单元个数N,选择典型用户速度下最小值时的切换概率的每个IRS单元个数N,得到最优的每IRS单元个数和IRS部署密度;该发明面向网络切换性能,以最小化切换概率为优化目标,通过合理的网络模型建模,获得平均网络切换概率的紧致的理论表达式,比较不同网络参数下的估计值,获得最佳参数,完成面向切换性能的6G智能超表面网络配置,最小化网络切换次数,从而减少网络切换开销。
附图说明
图1是本发明的面向切换性能的6G智能超表面网络***模型图;
图2是本发明的算法实施流程图;
图3是本发明的基站密度为200每平方千米时网络平均切换概率随每IRS单元个数变化关系的示意图;
图4是本发明的基站密度为5000每平方千米时网络平均切换概率随每IRS单元个数变化关系的示意图;
具体实施方式
下面结合附图对本发明实施例作详细说明。本发明面向切换性能,提出了一种6G智能超表面网络配置方法。
图1为面向切换性能的6G智能超表面网络***模型。考虑在一种IRS辅助的多小区无线网络,在估计用户切换概率时,将基站的位置建模为二维泊松点过程,每个基站配置了相同的发射功率,将IRS的位置也建模为二维泊松点过程;在平面内选择随机位置的典型用户,并在典型用户速度下进行分析,每个IRS配备了N个反射单元,并联合基站共同为用户提供传输,考虑有限的IRS服务距离D,典型用户最初连接到最近基站和IRS(如果IRS存在于D的距离内)。考虑小区内可分配的IRS单元个数有限,即小区内每个IRS单元单元的总和一定,移动用户会切换到提供最高平均接收功率的基站。
本案例的算法流程如附图2所示,其具体实施步骤为:
步骤300,统计智能超表面网络的固定参数,包括基站的密度、小区内最多可分配的智能超表面单元个数,IRS服务距离,信道路损因子,载波频率,用户的典型平均速度。所述的固定参数为网络平均切换概率估计算法的输入参数。
步骤310,结合网络参数,计算最大小区内可分配单元总数约束下的不同IRS单元数和IRS密度的典型用户单位时间的切换概率。估计算法的输入参数为每IRS单元个数、IRS部署密度、IRS服务距离、信道路损因子、载波频率、用户的典型平均速度,计算式为式(15)
λr为IRS部署密度,λb为基站部署密度,v为用户典型速度,θ为移动方向和基站夹角,为移动方向与IRS夹角,为典型用户移动单位时间后距IRS的最大距离,r1为初始时刻用户与基站距离,d1为初始时刻用户与IRS距离,为典型用户移动单位时间后距IRS的距离的概率分布,r2′为典型用户移动单位时间后的等效距离,其计算式为式(18):
步骤320,考虑有限的小区内IRS单元总数,比较不同的每个IRS单元个数N下的网络平均切换概率的估计值,选择典型用户速度下估计值最小时的每个IRS单元个数N和IRS部署密度,确定切换性能最优的智能超表面网络配置。实现最小化网络切换开销。
仿真与估计结果如附图3和附图4所示。定量分析IRS单元分配对网络平均切换概率的影响。若无特殊说明,网络的参数设置如下:fc=2GHz,α=4,v=15m/s。
附图3为基站密度为200每平方千米时网络平均切换概率随每IRS单元个数和小区内IRS单元总数比值的变化关系;标记点为仿真值;当IRS服务距离D为5m时,在小区内IRS单元总数分别为100、500、2500时,最佳的每IRS单元个数分别为:34、105、350,相比没有部署IRS,切换概率分别下降了22%、43%、62%。当IRS服务距离D为20m时,在小区内IRS单元总数分别为100、500、2500时,最佳的每IRS单元个数分别为:100、500、2500,相比没有部署IRS,切换概率分别下降了48%、70%、84%。
附图4为基站密度为5000每平方千米时网络平均切换概率随每IRS单元个数和小区内IRS单元总数比值的变化关系;标记点为仿真值;当IRS服务距离D为5m时,在小区内IRS单元总数分别为100、500、2500时,最佳的每IRS单元个数分别为:4、1、1,相比没有部署IRS,切换概率分别下降了23%、54%、73%。当IRS服务距离D为20m时,在小区内IRS单元总数分别为100、500、2500时,最佳的每IRS单元个数分别为:10、35、125,相比没有部署IRS,切换概率分别下降了62%、84%、92%。
Claims (5)
1.面向切换性能的6G智能超表面网络配置方法,其特征在于,包括:通过统计智能超表面网络的固定参数,包括:基站的密度、小区内最多可分配的智能超表面单元个数,IRS服务距离,信道路损因子,载波频率,用户的典型速度;以网络平均切换概率为关键指标,根据指标和每个IRS上单元个数的关系情况,比较最大小区内可分配单元总数下,建立等效距离,不同每IRS单元个数和IRS部署密度下的典型用户速度下切换概率估计值,确定网络平均切换概率最小时的每IRS单元个数和IRS部署密度,从而完成最小化切换开销的智能超表面网络配置。
3.根据权利要求1所述的方法,其特征在于,考虑有限的小区内IRS单元总数,比较不同的每个IRS单元个数N下的网络平均切换概率的估计值,选择典型用户速度下估计值最小时的每个IRS单元个数N和IRS部署密度,确定切换性能最优的智能超表面网络配置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210766126.4A CN115209423B (zh) | 2022-06-30 | 2022-06-30 | 面向切换性能的6g智能超表面网络配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210766126.4A CN115209423B (zh) | 2022-06-30 | 2022-06-30 | 面向切换性能的6g智能超表面网络配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115209423A true CN115209423A (zh) | 2022-10-18 |
CN115209423B CN115209423B (zh) | 2023-12-29 |
Family
ID=83578014
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210766126.4A Active CN115209423B (zh) | 2022-06-30 | 2022-06-30 | 面向切换性能的6g智能超表面网络配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115209423B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017168297A1 (en) * | 2016-03-27 | 2017-10-05 | King Abdullah University Of Science And Technology | Reducing handover signaling through base station skipping |
CN111245493A (zh) * | 2020-01-10 | 2020-06-05 | 北京邮电大学 | 智能反射面辅助毫米波通信***的高效波束训练方法 |
CN111641955A (zh) * | 2020-06-01 | 2020-09-08 | 北京邮电大学 | 智能反射面辅助毫米波通信网络的前摄性波束切换方法 |
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*** |
WO2021221603A1 (en) * | 2020-04-27 | 2021-11-04 | Nokia Technologies Oy | Ue positioning aided by reconfigurable reflecting surfaces such as intelligent reflecting surfaces (irs) |
CN113993102A (zh) * | 2021-10-21 | 2022-01-28 | 北京邮电大学 | 一种6g下异构无人机网络切换参数设定方法 |
CN114286312A (zh) * | 2021-12-06 | 2022-04-05 | 北京科技大学 | 一种基于可重构智能表面增强无人机通信的方法 |
-
2022
- 2022-06-30 CN CN202210766126.4A patent/CN115209423B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017168297A1 (en) * | 2016-03-27 | 2017-10-05 | King Abdullah University Of Science And Technology | Reducing handover signaling through base station skipping |
CN111245493A (zh) * | 2020-01-10 | 2020-06-05 | 北京邮电大学 | 智能反射面辅助毫米波通信***的高效波束训练方法 |
WO2021221603A1 (en) * | 2020-04-27 | 2021-11-04 | Nokia Technologies Oy | Ue positioning aided by reconfigurable reflecting surfaces such as intelligent reflecting surfaces (irs) |
CN111641955A (zh) * | 2020-06-01 | 2020-09-08 | 北京邮电大学 | 智能反射面辅助毫米波通信网络的前摄性波束切换方法 |
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*** |
CN113993102A (zh) * | 2021-10-21 | 2022-01-28 | 北京邮电大学 | 一种6g下异构无人机网络切换参数设定方法 |
CN114286312A (zh) * | 2021-12-06 | 2022-04-05 | 北京科技大学 | 一种基于可重构智能表面增强无人机通信的方法 |
Non-Patent Citations (4)
Title |
---|
EDENALISOA RAKOTOMANANA ET AL.: "A Novel Utility-Based Handover Decision Policy for a Two-Tier HetNets", 《2017 IEEE 85TH VEHICULAR TECHNOLOGY CONFERENCE (VTC SPRING)》 * |
SHIN-YING HSUEH ET AL.: "An Equivalent Analysis for Handoff Probability in Heterogeneous Cellular Networks", 《IEEE COMMUNICATIONS LETTERS 》 * |
吕斌 等: "IRS辅助的认知反向散射通信网络性能增强方案", 《通信学报》 * |
周儒雅 等: "基于可重构智能表面的移动通信简要综述", 移动通信 * |
Also Published As
Publication number | Publication date |
---|---|
CN115209423B (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Attiah et al. | A survey of mmWave user association mechanisms and spectrum sharing approaches: An overview, open issues and challenges, future research trends | |
CN110972312B (zh) | 一种毫米波蜂窝网络的小区间干扰协调方法 | |
CN115278707B (zh) | 基于智能反射面辅助的noma太赫兹网络能效优化方法 | |
Johnson et al. | An optimized algorithm for vertical handoff in heterogeneous wireless networks | |
Sarma et al. | Symbiosis between D2D communication and industrial IoT for industry 5.0 in 5G mm-wave cellular network: An interference management approach | |
CN107277846B (zh) | 一种异构毫米波蜂窝网络的速率估计方法 | |
Hashida et al. | Mobility-aware user association strategy for IRS-aided mm-wave multibeam transmission towards 6G | |
Liu et al. | RIS-aided next-generation high-speed train communications: Challenges, solutions, and future directions | |
CN114980169A (zh) | 一种基于轨迹与相位联合优化的无人机辅助地面通信方法 | |
CN107454601B (zh) | 一种超密集环境下考虑小区间干扰的无线虚拟映射方法 | |
Wang et al. | A novel network planning algorithm of three-dimensional dense networks based on adaptive variable-length particle swarm optimization | |
Dai et al. | Multi-objective intelligent handover in satellite-terrestrial integrated networks | |
CN114615730A (zh) | 回程受限密集无线网络面向内容覆盖的功率分配方法 | |
CN115209423B (zh) | 面向切换性能的6g智能超表面网络配置方法 | |
Lou et al. | Terrain-based UAV deployment: Providing coverage for outdoor users | |
CN102348265A (zh) | 一种基于隐马氏模型的cdma无线网络功率控制方法 | |
Yang et al. | Coverage analysis of heterogeneous cellular networks in urban areas | |
Mahbub et al. | Energy efficient maximization of user association employing IRS in mmwave multi-tier 6G networks | |
KR100205957B1 (ko) | 전기 영상 트리를 이용한 전파 경로 추적 방법 | |
Zhang et al. | Adaptive Obstacle-Aware RIS Switch for Mobile mmWave Access Networks | |
Zhong et al. | STAR-RISs assisted NOMA networks: A tile-based passive beamforming approach | |
CN117956505B (zh) | 基于互信息的通感一体化***时频资源分配方法 | |
Zhang et al. | Distributed DRL Based Beamforming Design for RIS-Assisted Multi-Cell Systems | |
CN114363931B (zh) | 多接入点场景的共生无线电***及其资源分配方法、介质 | |
Ojo et al. | Deep Learning Based Software-Defined Indoor Environment for Space-time Coded Wireless Communication Using Reconfigurable Intelligent Surfaces. |
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 |