CN115834322A - 一种基于分离接收机和智能反射面辅助的通信*** - Google Patents

Abstract

本发明属于无线通信技术领域，具体涉及一种基于分离接收机和智能反射面辅助的通信***。本发明的***包括一个单天线发射机、一个N反射阵元的无源IRS以及一个单天线功率分离接收机，其中发射机的发射信号通过直接链路

和反射链路

到达功率分离接收机，功率分离接收机接收到信号后，根据功率分离因子ρ将接收信号分成两路信号，分别进入相干接收机处理和非相干接收机处理，最后通过联合进行信息检测。本发明还包括了对IRS的相移与分离接收机的功率分离比进行联合优化，从而实现较大增益。

Description

一种基于分离接收机和智能反射面辅助的通信***

技术领域

本发明属于无线通信技术领域，具体涉及一种基于分离接收机和智能反射面辅助的通信***。

背景技术

近年，智能反射面辅助无线通信***得到了广泛的研究和关注，因为它可实现下一代通信***中的高频谱效率、高能量效率及高数据速率的通信需求，并被提出为控制收发器之间无线信道的一种极具成本效益的解决方案，参见“W.Qingqing and Z.Rui,“Towards smart and reconfigurable environment:Intelligent reflecting surfaceaided wireless network,”IEEE Commun.Mag.,vol.58,no.1,pp.106–112,Jan.2019”，也被认为是未来6G生态***的关键技术。具体而言，由大量无源反射元件组成的IRS可以很容易地部署在室内墙壁或建筑物上，它可以调整入射信号的幅度和相位，实现无线信道的重构。与传统继电器不同，IRS是一种无源器件，它只被动地反射入射信号而不进行信号处理，不会引入额外的噪声。因此其所需的硬件成本和功耗要低得多，这些大大促进了IRS在B5G/6G网络中的应用，IRS增强型无线网络可以在大规模连接、频谱效率、能源管理和成本等方面满足未来B5G/6G网络的挑战；分离接收机则是利用相干和非相干接收信号联合进行信息检测，参见“Y.Wang,W.Liu and X.Zhou,"Splitting Receiver With Joint Envelope andCoherent Detection,"in IEEE Communications Letters,vol.26,no.6,pp.1328-1332,June 2022,doi:10.1109/LCOMM.2022.3157025”，相较于传统的相干接收机，能有效提升***的数据传输速率和信号检测性能。

发明内容

针对上述问题，本发明提出了一种基于分离接收机和智能反射面辅助的通信***。

本发明的技术方案是：

一种基于分离接收机和智能反射面辅助的通信***，包括一个单天线发射机、一个N反射阵元的无源IRS以及一个单天线功率分离接收机，其中发射机的发射信号通过直接链路

和反射链路

到达功率分离接收机，

是IRS到功率分离接收机的通信链路，Θ是IRS反射相移矩阵，G是发射机到IRS的通信链路；将发射机到功率分离接收机的等效信道表示为

功率分离接收机接收到信号后，根据功率分离因子ρ将接收信号分成两路信号，其中一路进入相干接收机处理，相干接收机的AWGN噪声为

另一路则进入非相干接收机处理，非相干接收机的AWGN噪声为N；在相干接收机处理过程中，射频接收信号通过下变频电路变换为I路和Q路基带信号，然后利用模数转换器ADC得到第一离散信号；在非相干接收机处理过程中，通过整流器把射频信号变换为直流信号，然后通过ADC得到第二离散信号，最后将第一离散信号和第二离散信号这两路信号联合进行信息检测；

对IRS的相移与分离接收机的功率分离比进行联合优化，建立优化问题为：

s.t.0<ρ<1,0≤θ_n≤2π,n＝1,2,...,N

其中，ρ为分离接收机的功率分离比，P为***发射功率，

为接收天线噪声功率，

为相干接收机的噪声功率，

为非相干接收机的噪声功率，对于该非凸问题，优化变量ρ和Θ耦合，因此采取交替优化法，其每轮迭代过程包括：

S1、用给定的ρ值，优化θ，具体为：

对优化问题进行简化，去掉无关常量得到目标函数：

s.t.0≤θ_n≤2π,n＝1,2,...,N

其中

令

因此对于|h|²就有：

令

可得：

带入目标函数得：

s.t.diag(V)＝1,V≥0

其中

对-log₂(1+C·Tr(RV))进行SCA：

其中V₀是上一轮迭代得到的变量值，可得：

s.t.diag(V)＝1,V≥0

通过凸优化工具求解得到最优θ值；

S2、利用得到的最优θ值，优化ρ：

将优化问题转化为：

s.t.0<ρ<1

其中：

B＝P|h|²，

以及a＝A(F-E)，b＝AE，c＝BC(G-H)，d＝B[C(H+I)+D(G-H)]，e＝BD(H+I)；

使用FP对分子分母解耦：

s.t.0<ρ<1,α>0

其中α是引入的辅助变量，其最优解为：

对-α²(cρ²+dρ+e)进行SCA：

其中ρ₀是上一轮迭代得到的变量值，可得：

s.t.0<ρ<1

通过凸优化工具求解得到最优ρ值。

S3、计算目标函数值：

第r轮迭代完成后，将由步骤S1、S2得到的θ和ρ代入初始目标函数中，计算***互信息量MI^(r)，当该值满足下式时，即可停止迭代，否则就进入第r+1轮迭代：

其中∈是预设的门限值，本发明中其取值为0.001。

本发明的有益效果为：相较于传统的无IRS或无功率分离接收机***，在***互信息量，也即***可达最大信息速率方面，本发明的“IRS-分离接收机”***带来较大增益，且其中分离接收机带来的增益部分在

与

差值较大(大约相差15dBm)时体现的更为明显。

附图说明

图1是本发明的***模型。

图2是互信息和增益与发射功率关系曲线图。

图3是互信息和增益与相干接收机噪声关系曲线图。

图4是互信息和增益与非相干接收机噪声关系曲线图。

具体实施方式

下面将结合附图和仿真示例，对本发明的技术方案进行清楚、完整地描述，以便本领域的技术人员能够更好地理解本发明。

本发明在基于分离接收机的SISO无线通信***中，加入IRS，如图1所示。***包括一个单天线发射机、一个N反射阵元的无源IRS以及一个单天线功率分离接收机，信道考虑莱斯(Rician)衰落信道。其中IRS会对入射信号产生反射作用，并且假设其不会影响入射信号的能量值(因为是无源IRS)，即只改变入射信号的相位，产生一个被动波束赋形(BF)的作用；而功率分离接收机主要包括两部分，即相干接收机部分和非相干接收机部分。发射机发射信号后，该信号会经过两条路径到达功率分离接收机：一条是“直射链路”，即发射信号从发射机经过图1中

表示的链路直接到达接收机；另一条是“反射链路”，即发射信号从发射机先到达IRS，经IRS反射作用后再到达接收机，该条链路由

表示，其中Θ是IRS反射相移矩阵。上述两径链路的等效信道h可以用如下方式刻画：

当发射信号经过该等效信道抵达接收机处，考虑接收天线处存在加性高斯白(AWGN)噪声

得到射频接收信号。然后，该射频信号被功率分离器根据功率分离因子ρ分成两路信号，其中一路进入相干接收机处理，该过程考虑相干接收机的AWGN噪声

另一路则进入非相干接收机处理，该过程考虑非相干接收机的AWGN噪声N。其中在相干接收机处理过程中，射频接收信号通过下变频电路变换为I路和Q路基带信号，然后利用模数转换器(ADC)得到离散信号；在非相干接收机处理过程中，接收信号通过整流器(包括二极管和低通滤波器)把射频信号变换为直流信号，然后通过ADC得到离散信号。最后这两路信号联合进行信息检测。

在上述***下，分析其互信息量或者数据传输速率，通过联合优化IRS的相移与分离接收机的功率分离比，来使其最大化。原始问题如式(1)所示，由于优化变量的耦合及问题的非凸形式，难以直接求解。因此，采用交替优化思想，通过应用半定松弛(Semi-Definite Relaxation,SDR)、连续凸逼近(Successive Convex Approximation,SCA)、分式规划(Fractional Programming,FP)和高斯随机化过程等算法来解决上述问题。具体为：首先对于给定的功率分离比，设计最优IRS相移，然后再用得到的IRS相移来解算最优功率分离比，如此循环迭代，直至最后结果达到给定的门限阈值，停止交替。

建立的优化问题为：

其中各参数意义如下：ρ为分离接收机的功率分离比，P为***发射功率，

为接收天线噪声功率，

为相干接收机的噪声功率，

为非相干接收机的噪声功率，h为从发射机到接收机的等效信道系数，N为IRS的反射元数。且对于信道系数h有：

其中

为发射机直接到接收机的通信链路，

为IRS到接收机的通信链路，G为发射机到IRS的通信链路，Θ则为IRS的相移矩阵。对于该非凸问题，优化变量ρ和Θ耦合，因此采取交替优化，其每轮迭代过程如下：

优化θ：

首先用给定的ρ值，优化θ。对于(1)式的复杂形式，首先对其简化，去掉无关常量：

其中

令

因此对于|h|²就有：

令

并代入式(3)则有：

然后将式(4)代入目标函数(2)得到：

其中

由于式(5)中第三项是凸的，因此对其进行SCA：

其中V₀是上一轮迭代得到的变量值。将式(6)代入式(5)得到：

此时式(7)就是一个标准的凸优化问题，可使用凸优化工具，例如CVX直接解之。

优化ρ：

然后用得到的最优θ值，优化ρ。对于式(1)，由于log函数是单调递增函数，对优化目标无影响，因此可直接将其去掉，并为简单起见，将部分无关变量由字母代替：

其中：

B＝P|h|²，

以及a＝A(F-E)，b＝AE，c＝BC(G-H)，d＝B[C(H+I)+D(G-H)]，e＝BD(H+I)。由于式(8)的非凸性，且是二次有理分式形式，因此考虑使用FP将其分子分母解耦：

其中α是引入的辅助变量，其最优解为：

当α固定后，由于式(9)第二项是凸的，因此对其进行SCA：

其中ρ₀是上一轮迭代得到的变量值。再将式(10)代入式(9)后可得到：

此时式(11)就是一个标准的凸优化问题，可使用凸优化工具，例如CVX直接解之。

第r轮迭代完成后，将得到的θ和ρ值代入初始目标函数式(1)，计算***互信息量MI^(r)，当该值满足下式时，即可停止迭代，否则就进入第r+1轮迭代：

其中∈是预设的门限值，本发明中其取值为0.001。

仿真示例：

图2仿真参数设置如下：IRS阵元数N＝30，接收天线噪声

非相干接收机噪声

相干接收机噪声

图2(a)是***互信息量与发射功率P_T之间的关系，可以看出，随P_T增加，***互信息增加，且所提“IRS-分离接收机”方案(五角星形，后文简称所提方案)明显高于其他三种方案：①“无IRS，有分离接收机”(倒三角形，后文简称方案①)、②“IRS相位随机，有分离接收机”(方形，后文简称方案②)、③“有IRS，无分离接收机”(圆圈形，后文简称方案③)，此外，方案①和方案②基本重合，这表明IRS的相位是有必要经过优化的，否则IRS将无法给***带来增益；图2(b)是增益与发射功率P_T之间的关系，可以看出，与方案③相比，无论是所提方案还是方案①都有较大增益，但增益随发射功率增加而降低，可知所提方案更适用于低发射功率的情况；

图3仿真参数设置如下：IRS阵元数N＝30，接收天线噪声

非相干接收机噪声

发射功率P_T＝10dB。图3(a)是***互信息量与相干接收机噪声

之间的关系，图3(b)是增益与相干接收机噪声

之间的关系。可以看出，当

最小时(此时

与

值非常接近)，所提方案相较于方案③基本无增益，但随

增加(也即

与

差值增大)，所提方案增益提高，这说明分离接收机更适用于

与

差值较大的情况，而该情况也更具有实际意义。此外值得注意的是，无论

与

差值如何，所提方案始终高于方案①和②，该增益就是IRS的被动波束赋形带来的增益。

图4仿真参数设置如下：IRS阵元数N＝30，接收天线噪声

相干接收机噪声

发射功率P_T＝10dB。图4(a)是***互信息量与非相干接收机噪声

之间的关系，图4(b)是增益与非相干接收机噪声

之间的关系。首先方案③的***互信息不随

变化是因为方案③的接收机就是传统相干接收机。然后观察此图可以得出与图3类似的结论，即当

最大时(此时

与

值非常接近)，所提方案相较于方案③基本无增益，但随

减小(也即

与

差值增大)，所提方案增益提高，这说明分离接收机更适用于

与

差值较大的情况，而该情况也更具有实际意义。此外值得注意的是，无论

与

差值如何，所提方案始终高于方案①和②，该增益就是IRS的被动波束赋形带来的增益。

综上，本发明所提“IRS-分离接收机”方案带来较大增益，且其中分离接收机带来的增益部分在

与

差值较大(大约相差15dBm)时体现的更为明显；IRS反射相位的优化是有必要的，且其带来的增益部分更为稳定。

Claims (1)

1.一种基于分离接收机和智能反射面辅助的通信***，其特征在于，包括一个单天线发射机、一个N反射阵元的无源IRS以及一个单天线功率分离接收机，其中发射机的发射信号通过直接链路

和反射链路

到达功率分离接收机，

是IRS到功率分离接收机的通信链路，Θ是IRS反射相移矩阵，G是发射机到IRS的通信链路；将发射机到功率分离接收机的等效信道表示为

功率分离接收机接收到信号后，根据功率分离因子ρ将接收信号分成两路信号，其中一路进入相干接收机处理，相干接收机的AWGN噪声为

另一路则进入非相干接收机处理，非相干接收机的AWGN噪声为N；在相干接收机处理过程中，射频接收信号通过下变频电路变换为I路和Q路基带信号，然后利用模数转换器ADC得到第一离散信号；在非相干接收机处理过程中，通过整流器把射频信号变换为直流信号，然后通过ADC得到第二离散信号，最后将第一离散信号和第二离散信号这两路信号联合进行信息检测；

对IRS的相移与分离接收机的功率分离比进行联合优化，建立优化问题为：

s.t.0<ρ<1,0≤θ_n≤2π,n＝1,2,...,N

其中，ρ为分离接收机的功率分离比，P为***发射功率，

为接收天线噪声功率，

为相干接收机的噪声功率，

为非相干接收机的噪声功率，对于该非凸问题，优化变量ρ和Θ耦合，因此采取交替优化法，迭代过程为：

S1、用给定的ρ值，优化θ，具体为：

对优化问题进行简化，去掉无关常量得到目标函数：

s.t.0≤θ_n≤2π,n＝1,2,...,N

其中

令

因此对于|h|²就有：

令

可得：

带入目标函数得：

s.t.diag(V)＝1,V≥0

其中

对-log₂(1+C·Tr(RV))进行SCA：

其中V₀是上一轮迭代得到的变量值，可得：

s.t.diag(V)＝1,V≥0

通过凸优化工具求解得到最优θ值；

S2、利用得到的最优θ值，优化ρ：

将优化问题转化为：

s.t.0<ρ<1

其中：

B＝P|h|²，

以及a＝A(F-E)，b＝AE，c＝BC(G-H)，d＝B[C(H+I)+D(G-H)]，e＝BD(H+I)；

使用FP对分子分母解耦：

s.t.0<ρ<1,α>0

其中α是引入的辅助变量，其最优解为：

对-α²(cρ²+dρ+e)进行SCA：

-α²(cρ²+dρ+e)≤-α²(cρ₀ ²+dρ₀+e)-α²(2cρ₀+d)(ρ-ρ₀)

其中ρ₀是上一轮迭代得到的变量值，可得：

s.t.0<ρ<1

通过凸优化工具求解得到最优ρ值；

S3、第r轮迭代完成后，将由步骤S1、S2得到的θ和ρ代入优化问题中，计算***互信息量MI^(r)，并且当下式成立时，即可停止迭代，否则就进入第r+1轮迭代：

其中∈是预设的门限值。

Images