CN116233897A - 一种基于irs的感知增强认知无线电网络资源分配的优化方法 - Google Patents
一种基于irs的感知增强认知无线电网络资源分配的优化方法 Download PDFInfo
- Publication number
- CN116233897A CN116233897A CN202310515169.XA CN202310515169A CN116233897A CN 116233897 A CN116233897 A CN 116233897A CN 202310515169 A CN202310515169 A CN 202310515169A CN 116233897 A CN116233897 A CN 116233897A
- Authority
- CN
- China
- Prior art keywords
- irs
- base station
- optimization
- diagonal
- phase shift
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000001149 cognitive effect Effects 0.000 title claims abstract description 17
- 238000013468 resource allocation Methods 0.000 title claims abstract description 14
- 230000037410 cognitive enhancement Effects 0.000 title claims description 6
- 239000011159 matrix material Substances 0.000 claims abstract description 57
- 230000005540 biological transmission Effects 0.000 claims abstract description 56
- 238000001228 spectrum Methods 0.000 claims abstract description 52
- 230000010363 phase shift Effects 0.000 claims abstract description 41
- 230000008447 perception Effects 0.000 claims abstract description 31
- 239000013598 vector Substances 0.000 claims abstract description 27
- 238000004891 communication Methods 0.000 claims abstract description 13
- 230000000452 restraining effect Effects 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 33
- 238000001514 detection method Methods 0.000 claims description 15
- 239000000654 additive Substances 0.000 claims description 5
- 230000000996 additive effect Effects 0.000 claims description 5
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/145—Passive relay systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- 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)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于IRS的感知增强认知无线电网络资源分配的优化方法,属于无线通信技术领域;步骤:次基站获取基站到IRS以及IRS到用户的信道状态信息;定义感知阶段和传输阶段的IRS对角相移矩阵,根据信道状态信息,建立优化模型;利用优化模型对感知阶段IRS对角相移矩阵辅助次基站感知主网络频谱占用情况进行优化;进入传输阶段,利用优化模型优化不同感知结果下传输阶段次基站波束形成向量与IRS对角相移矩阵;次基站根据优化结果发射传输信息,实现在约束对主用户干扰的情形下对***的频谱效率的改善。本发明通过IRS辅助次基站的传输过程,方便次基站更精细地制定不同的发射策略,改善信道环境,提高次用户的总和速率。
Description
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IRS的感知增强认知无线电网络资源分配的优化方法。
背景技术
认知无线电网络可以在保证主网络用户服务质量约束的前提下授权次网络用户使用未经授权的频谱资源,从而提高频谱利用率。次网络的接入方式主要有机会接入,频谱共享以及感知增强频谱共享。机会接入方案旨在仅当主用户不使用频谱资源时由次用户使用,虽然没有对主用户的干扰,但次用户的平均传输速率不高。频谱共享方案则不论主用户是否使用都授权次用户使用频谱资源,但是无法同时约束对主用户的干扰及提高次用户的传输速率。感知增强则可以根据次基站的感知结果动态分配不同情形下的功率,实现在保证主用户的通信质量前提下最大程度上提高次用户的传输速率。频谱感知作为机会接入模式和感知增强共享的重要一环,是实现后续频谱切换和频谱共享的前提。常见的频谱检测方法有匹配滤波法、循环平稳检测法和能量检测法。其中,匹配滤波法和循环平稳检测法需要大量的主网络用户先验知识,虽然检测性能好,但是实现复杂,有很强的局限性。能量检测实现简单,但对噪声敏感,不适合在低信噪比情形下使用。
目前一些方案对IRS辅助认知无线电***进行了研究:在频谱共享模式下,主用户会受到来自次用户的干扰从而降低通信质量,为了保护主用户的通信,次基站不得不降低发射功率以约束干扰,导致次用户的低速率。在感知增强频谱共享模式下,次网络感知频段使用情况,从而制定不同的发射策略,使用IRS辅助传输数据,在提高次用户速率的同时保护主用户的服务质量。但是,在感知阶段中却并没有使用IRS辅助感知,这造成了硬件资源的浪费以及感知性能的低下。
发明内容
本发明的目的在于提供一种基于IRS的感知增强认知无线电网络资源分配的优化方法,以解决上述背景技术中提出的问题。
本发明目的是这样实现的:一种基于IRS的感知增强认知无线电网络资源分配的优化方法,该方法包括以下步骤:
步骤S1:次基站获取基站到IRS以及IRS到用户的信道状态信息;
步骤S2:定义感知阶段和传输阶段的IRS对角相移矩阵,根据信道状态信息,建立优化模型;
步骤S3:利用优化模型对感知阶段IRS对角相移矩阵辅助次基站感知主网络频谱占用情况进行优化;
步骤S4:进入传输阶段,利用优化模型优化不同感知结果下传输阶段次基站波束形成向量与IRS对角相移矩阵;
步骤S5:次基站根据优化结果发射传输信息,实现在约束对主用户干扰的情形下对***的频谱效率的改善。
优选的,所述步骤S2中定义感知阶段和传输阶段的IRS对角相移矩阵,具体操作为:
优选的,所述步骤S2中建立优化模型,优选模型选择IRS辅助的感知增强型CR网络模型;
基于次基站获取完美的信道状态信息,IRS辅助的感知增强型CR网络模型的优选问题表述为:
其中,为SBS的最大发射功率;为PU能承受的最大干扰;为SBS在频谱
空闲时对第个次用户的波束赋形;为SBS在频谱占用时对第个次用户的波束赋形;
为一个通信帧的持续时间;为SBS的感知时间;为一个通信帧中SBS与次用户的传输
时间;为用户集合,;为恒定的检测概率;为SUs到主用户的等效矩阵;为智能反射面到主用户的等效矩阵;C1为SBS的总功率约束,C2限制了PUs受到的干扰上
限,C3为目标检测概率约束,C4为IRS上感知阶段中对角相移矩阵的约束,C5为IRS上传输阶
段中对角相移矩阵的约束。
优选的,所述步骤S3总利用优化模型对感知阶段IRS对角相移矩阵辅助次基站感知主网络频谱占用情况进行优化,具体操作为:
目标函数为非凸的,利用其特殊结构得到其封闭解;构建如下不等式:
步骤S4-1:对次基站波束形成向量优化;通过逐次凸优化与半正定规划求得次基站波束形成向量的最优解;
优选的,所述步骤S4-1中次基站波束形成向量优化,具体操作如下:
优化问题的目标函数和约束C4为非凸函数,对目标函数进行处理:
将约束C2转化为:
对于非凸目标函数,给出如下定义:
因此,优化问题转化为:
与现有技术相比,本发明具有如下改进及优点: 1、通过部署IRS辅助频谱感知,使虚警概率可以在更短的感知时间、更低的发射功率情形下收敛于0,以方便次基站更精细地制定不同的发射策略,提升频谱效率;同时,可以通过IRS辅助次基站的传输过程,改善信道环境,提高次用户的总和速率。
2、通过BCD优化方法,依次优化IRS感知阶段相位、传输阶段相位和次基站波束赋形,提高流入次用户的总和速率;同时,解决在较低的噪声门限下,仍能保持较高的总和速率。
附图说明
图1为本发明的整体流程示意图。
图2为本发明的整体***模型图。
图3为SBS处的虚警概率在不同感知阶段与不同感知时间下的对比图。
图4为SUs处感知阶段IRS优化方案与无优化方案在不同IRS元件数下的对比图。
图5为各种方案中 SUs 的总和速率在不同的发射功率下的对比图。
图6为针对不同的频谱使用情况制定不同的发射策略中的 SUs 总和速率与传统方案的对比图。
具体实施方式
以下结合附图对本发明做进一步概述。
如图1、2所示,一种基于IRS的感知增强认知无线电网络资源分配的优化方法,该方法包括以下步骤:
步骤S1:次基站获取基站到IRS以及IRS到用户的信道状态信息;
建立IRS辅助的下行感知增强频谱共享认知无线电***,该***主要包含一个授
权的主网络和一个未经授权的次网络;主网络中包含一个多天线的主基站和个单天线
Pus,次网络包含一个多天线的次级基站和个单天线SUs。
为了最大程度上保证主网络QoS的前提下提升频谱效率,采用感知增强频谱共享
的模式。为了保证主网络的QoS,考虑恒定的检测概率,虚警概率为,其中为感知阶段SBS处接收的来自PBS信号的信噪
比,是采样频率,是标准高斯随机变量的互补误差分布函数;本发明方法对受到
了IRS的辅助增强,则:
其中,为主基站的发射功率,表示加性高斯白噪声的方差,表示的转置,
表示为主基站到次基站的直连链路,和分别为智能反射面到次基站和主基站到
智能反射面的等效矩阵; 为感知阶段的IRS的对角相移矩阵,为传输阶段的IRS的对角
相移矩阵。
步骤S2:定义感知阶段和传输阶段的IRS对角相移矩阵,根据信道状态信息,建立优化模型;
定义为主网络的频段状态为空闲,为频段状态为占用;为SBS在频谱空闲
时对第个次用户的波束赋形,为SBS在频谱占用时对第个次用户的波束赋形,基于频
段的实际状态和SBS的频谱感知结果,SUs的可实现传输速率情形如下:
其中,表示频段实际上未被占用时次基站与第个次网络用户的传输速率,表示频段实际上被占用时次基站与第个次网络用户的传输速率;为变量,为0表示
次基站的感知结果为频段未被占用,为1表示次基站的感知结果为频段被占用;为SBS
在频谱空闲时对第个次用户的波束赋形;为SBS在频谱占用时对第个次用户的波束
赋形;表示第个SUs处的加性高斯白噪声的方差;为第个SU处来自主基站的噪声;为用户到智能反射面的等效矩阵;为第个次用户的基带等效信道状态;为智能
反射面到SBS的等效信道矩阵;用户集合为;表示去除了元素
的合集。
其中,速率的实际状态为空闲状态,速率的实际状态为占用状态;为
SBS的感知时隙,为一个通信帧中SBS与次用户的传输时间;为变量,为0表示次基站
的感知结果为频段未被占用,为1表示次基站的感知结果为频段被占用。
基于次基站获取完美的信道状态信息,IRS辅助的感知增强型CR网络模型的优选问题表述为:
其中,为SBS的最大发射功率;为PU能承受的最大干扰;为SBS在频谱
空闲时对第个次用户的波束赋形;为SBS在频谱占用时对第个次用户的波束赋形;
为一个通信帧的持续时间;为SBS的感知时间;为一个通信帧中SBS与次用户的传输
时间;为恒定的检测概率;为SUs到主用户的等效矩阵;为智能反射面到主用户的等效
矩阵;C1为SBS的总功率约束,C2限制了PUs受到的干扰上限,C3为目标检测概率约束,C4为
感知阶段中IRS的对角相移矩阵的约束,C5为传输阶段中IRS的对角相移矩阵的约束。
具体操作为:
目标函数为非凸的,利用其特殊结构得到其封闭解;构建如下不等式:
具体操作如下:
步骤S4-1:对次基站波束形成向量优化;通过逐次凸优化与半正定规划求得次基站波束形成向量的最优解;
并将约束条件C2重写为:
因此,四种情况下用户速率为:
通过采用SDR,去除了约束C7。
具体操作如下:
优化问题的目标函数和约束C4为非凸函数,对目标函数进行处理:
将约束C2转化为:
对于非凸目标函数,给出如下定义:
因此,优化问题转化为:
步骤S5:次基站根据优化结果发射传输信息,实现在约束对主用户干扰的情形下对***的频谱效率的改善。
通过BCD优化方法,依次优化IRS感知阶段相位、传输阶段相位和次基站波束赋形:利用柯西不等式首先优化出感知阶段 IRS 的相位,利用SCA、SDR和高斯随机化交替优化感知阶段IRS对角相移矩阵与次基站波束赋形向量,利用一维搜索优化感知时间。证实了本发明中提出的方案具有较高的感知性能以及频谱效率。
仿真实验:
利用Matlab语言仿真实验,在仿真中,信道为瑞利信道,帧持续时间ms,感
知时间ms,载波频率MHz,目标检测概率,感知网络包含2个SUs。主网
络空闲概率,SBS和PBS处的发射功率都设为30dBm,PUs处的可以容忍的干扰
设置为-90dBm。第个SUs处的噪声的方差设为。IRS上的元件数设为。
如图3所示,在同一发射功率下,在感知阶段无IRS、感知阶段IRS无优化、感知阶段
IRS优化的三种情形下虚警概率是逐步降低的,并且即使在发射功率较低时,相对其他方案
依然有更低的虚警概率。由图可知,感知性能随着感知时间的提高而提高。因此,我们可以
通过部署IRS辅助频谱感知,使可以在更短的感知时间、更低的发射功率情形下收敛于0,
以方便次基站更精细地制定不同的发射策略,提升频谱效率。
如图4所示,描述了SUs处和速率和IRS元件数之间的关系,可以看出随着IRS数的提高,SUs和速率稳步提高,一方面更多的IRS元件在改善用户信道质量上提供了更多的灵活性,另一方面更多的IRS元件可以反射更多的由BS发出的信号。因此更多的IRS元件辅助感知增强频谱共享方案可以更好的提高次用户的通信质量。
如图5所示,给出了在基于感知的频谱共享和机会频谱接入的情况下,IRS辅助的CR网络中SUs的总和速率在不同的发射功率下的对比,可以观察到,与其他方案相比,本发明提出的IRS辅助感知增强频谱共享方案在相同的发射功率下,次网络中SUs的总和速率有了显著提高。此外,增加了感知阶段没有IRS辅助的情况,可以看出,本发明提出的方案总和速率最高。
如图6所示,进一步比较了在不同的主网络噪声门限下,针对不同的频谱使用情况制定不同的发射策略对于总和速率下降的缓解作用,可以看出,在较低的噪声门限下,本发明所提的方案仍能保持较高的总和速率。
以上所述仅为本发明的实施方式而已,并不用于限制本发明。对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原理内所作的任何修改、等同替换、改进等,均应包括在本发明的权利要求范围之内。
Claims (7)
1.一种基于IRS的感知增强认知无线电网络资源分配的优化方法,该方法包括以下步骤:
步骤S1:次基站获取基站到IRS以及IRS到用户的信道状态信息;
步骤S2:定义感知阶段和传输阶段的IRS对角相移矩阵,根据信道状态信息,建立优化模型;
步骤S3:利用优化模型对感知阶段IRS对角相移矩阵辅助次基站感知主网络频谱占用情况进行优化;
步骤S4:进入传输阶段,利用优化模型优化不同感知结果下传输阶段次基站波束形成向量与IRS对角相移矩阵;
步骤S5:次基站根据优化结果发射传输信息,实现在约束对主用户干扰的情形下对***的频谱效率的改善。
3.根据权利要求1所述的一种基于IRS的感知增强认知无线电网络资源分配的优化方法,其特征在于:所述步骤S2中建立优化模型,优选模型选择IRS辅助的感知增强型CR网络模型;
基于次基站获取完美的信道状态信息,IRS辅助的感知增强型CR网络模型的优选问题表述为:
4.根据权利要求3所述的一种基于IRS的感知增强认知无线电网络资源分配的优化方法,其特征在于:所述步骤S3中利用优化模型对感知阶段IRS对角相移矩阵辅助次基站感知主网络频谱占用情况进行优化,具体操作为:
其中, 为感知阶段SBS处接收的来自PBS信号的信噪比;/>和/>分别为智能反射面到次基站和主基站到智能反射面的等效矩阵;/>为主基站到次基站的直连链路,/>表示加性高斯白噪声的方差,/>为主基站的波束赋形向量;
目标函数为非凸的,利用其特殊结构得到其封闭解;构建如下不等式:
优化问题的目标函数和约束C4为非凸函数,对目标函数进行处理:
将约束C2转化为:
对于非凸目标函数,给出如下定义:
因此,优化问题转化为:
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310515169.XA CN116233897B (zh) | 2023-05-09 | 2023-05-09 | 一种基于irs的感知增强认知无线电网络资源分配的优化方法 |
PCT/CN2024/086290 WO2024125675A1 (zh) | 2023-05-09 | 2024-04-07 | 一种基于irs的感知增强认知无线电网络资源分配的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310515169.XA CN116233897B (zh) | 2023-05-09 | 2023-05-09 | 一种基于irs的感知增强认知无线电网络资源分配的优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116233897A true CN116233897A (zh) | 2023-06-06 |
CN116233897B CN116233897B (zh) | 2023-07-21 |
Family
ID=86587744
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310515169.XA Active CN116233897B (zh) | 2023-05-09 | 2023-05-09 | 一种基于irs的感知增强认知无线电网络资源分配的优化方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN116233897B (zh) |
WO (1) | WO2024125675A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118042493A (zh) * | 2024-04-11 | 2024-05-14 | 华东交通大学 | 基于反射元件的车联网感知通信计算联合优化方法 |
WO2024125675A1 (zh) * | 2023-05-09 | 2024-06-20 | 南京邮电大学 | 一种基于irs的感知增强认知无线电网络资源分配的优化方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102869018A (zh) * | 2012-10-17 | 2013-01-09 | 东北大学秦皇岛分校 | 认知无线电中保证通信连续性的信道和功率联合分配方法 |
CN112929068A (zh) * | 2021-02-04 | 2021-06-08 | 重庆邮电大学 | 基于sdr的irs-noma***波束赋形优化方法 |
CN112929067A (zh) * | 2021-02-04 | 2021-06-08 | 重庆邮电大学 | 基于sca的irs-noma***低复杂度波束赋形方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112769461B (zh) * | 2020-12-11 | 2022-04-22 | 华南理工大学 | 基于毫米波智能反射面通信的大规模天线信道估计方法 |
CN114765785B (zh) * | 2021-01-15 | 2024-02-27 | 哈尔滨工业大学 | 一种基于最大信噪比的多智能反射面选择方法 |
CN113315547A (zh) * | 2021-05-28 | 2021-08-27 | 北京邮电大学 | 智能反射面辅助多小区的鲁棒联合传输波束优化方法 |
CN114726414B (zh) * | 2022-03-04 | 2024-07-19 | 西安电子科技大学 | 一种联合传输波束优化的方法、***、介质、设备及终端 |
CN114828258A (zh) * | 2022-04-26 | 2022-07-29 | 南京邮电大学 | 一种智能反射面辅助认知无线电***资源分配优化方法 |
CN116233897B (zh) * | 2023-05-09 | 2023-07-21 | 南京邮电大学 | 一种基于irs的感知增强认知无线电网络资源分配的优化方法 |
-
2023
- 2023-05-09 CN CN202310515169.XA patent/CN116233897B/zh active Active
-
2024
- 2024-04-07 WO PCT/CN2024/086290 patent/WO2024125675A1/zh unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102869018A (zh) * | 2012-10-17 | 2013-01-09 | 东北大学秦皇岛分校 | 认知无线电中保证通信连续性的信道和功率联合分配方法 |
CN112929068A (zh) * | 2021-02-04 | 2021-06-08 | 重庆邮电大学 | 基于sdr的irs-noma***波束赋形优化方法 |
CN112929067A (zh) * | 2021-02-04 | 2021-06-08 | 重庆邮电大学 | 基于sca的irs-noma***低复杂度波束赋形方法 |
Non-Patent Citations (3)
Title |
---|
FEI LI: "《A Model and Data Hybrid Driven Detection Scheme for IRS-Assisted Massive MIMO Systems》", 《2021 IEEE 94TH VEHICULAR TECHNOLOGY CONFERENCE (VTC2021-FALL)》 * |
李汀: "《有源IRS 辅助的安全通信***波束成形设计》", 《信号处理》 * |
李飞: "《IRS 辅助SIMO-MAC 认知无线电***频谱感知优化策略》", 《信号处理》, pages 2 - 17 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024125675A1 (zh) * | 2023-05-09 | 2024-06-20 | 南京邮电大学 | 一种基于irs的感知增强认知无线电网络资源分配的优化方法 |
CN118042493A (zh) * | 2024-04-11 | 2024-05-14 | 华东交通大学 | 基于反射元件的车联网感知通信计算联合优化方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2024125675A1 (zh) | 2024-06-20 |
CN116233897B (zh) | 2023-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116233897B (zh) | 一种基于irs的感知增强认知无线电网络资源分配的优化方法 | |
Pesavento et al. | Iterative dual downlink beamforming for cognitive radio networks | |
Bhattacharya et al. | Smart radio spectrum management for cognitive radio | |
CN113316154B (zh) | 一种授权和免授权d2d通信资源联合智能分配方法 | |
JP2009118453A (ja) | パイロット信号を用いた周波数スペクトラムのセンシング方法およびこの方法を採用する認知無線システム | |
Tayel et al. | Throughput maximization of hybrid access in multi-class cognitive radio networks with energy harvesting | |
CN111988783B (zh) | 一种上行非正交多址的安全传输方法及*** | |
Ozcan et al. | Energy-efficient power adaptation for cognitive radio systems under imperfect channel sensing | |
CN117715219A (zh) | 基于深度强化学习的空时域资源分配方法 | |
Rehman et al. | Opportunistic cognitive MAC (OC-MAC) protocol for dynamic spectrum access in WLAN environment | |
Murugan et al. | Energy Efficient Cognitive Radio Spectrum Sensing for 5G Networks–A Survey | |
CN103888952B (zh) | 一种认知无线电***中竞争频谱的方法和*** | |
Pendeza Martinez et al. | Spectral and energy efficiency tradeoff in optical code division multiple access networks | |
CN111246502B (zh) | 一种基于q学习的能量阈值动态优化方法 | |
Qian et al. | System utility maximization with interference processing for cognitive radio networks | |
CN112821969B (zh) | 一种全双工认知无线网络的混合动态频谱访问方法及装置 | |
CN115278896A (zh) | 一种基于智能天线的mimo全双工功率分配方法 | |
CN110536306B (zh) | 基于凸优化的多信道认知无线网络中最优功率分配方法 | |
Kusaladharma et al. | Performance characterization of spatially random energy harvesting underlay D2D networks with primary user power control | |
Patil et al. | Throughput improvement in hybrid MIMO cognitive radio using simultaneous narrowband and wideband system | |
CN111787623A (zh) | 一种联合功率控制、上下行信道分配和模式选择的d2d通信资源分配方法 | |
You et al. | Joint beamforming and power control algorithm for cognitive radio network with the multi-antenna base station | |
Drozd et al. | Multiobjective joint optimization and frequency diversity for efficient utilization of the RF transmission hyperspace | |
Wang et al. | RIS-Aided Latency-Efficient MEC HetNet with Wireless Backhaul | |
Wang et al. | Full-duplex cooperative non-orthogonal multiple access with spectrum sensing |
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 |