智能全向面辅助的多用户大规模MISO下行加权和速率优化方法技术

本发明专利技术提出一种智能全向面辅助的多用户大规模MISO下行加权和速率优化算法。本发明专利技术针对直射径被遮挡场景下的多用户大规模MISO通信的特点，同时考虑了基站侧的发射功率限制以及智能全向面器件单元所需满足的约束条件，通过联合优化基站侧的功率分配、智能超表面的反射系数与透射系数以改善系统下行加权和速率。本发明专利技术提出一种基于分式规划以及极大化极小方法的算法对基站侧的功率分配、智能超表面的反射系数与透射系数矩阵进行联合优化，能够有效地提升在直射径被遮挡场景下的多用户大规模MISO下行加权和速率，同时降低优化问题求解与物理层实现的复杂度。与物理层实现的复杂度。与物理层实现的复杂度。

Intelligent omni-directional plane assisted downlink weighting and rate optimization method for multi-user large-scale miso

【技术实现步骤摘要】
智能全向面辅助的多用户大规模MISO下行加权和速率优化方法
[0001]1.应用领域
[0002]本专利技术涉及无线通信物理层中的和速率优化问题，特别涉及一种智能全向面辅助的多用户大规模MISO下行加权和速率优化方法。
2.
技术介绍

[0003]可重构智能超表面(Reconfigurable Intelligent Surface，RIS)是一种由大量无源可重构元器件组成的相位控制智能表面。在直射径被遮挡的场景下，RIS的辅助能够为无线通信系统的和速率带来可观的增益。但是，传统的RIS对入射信号仅能进行反射，位于基站关于RIS对侧的用户则无法接收到无线信号。
[0004]智能全向面(Simultaneous Transmitting And Reflecting Reconfigurable Intelligent Surface，STAR
‑
RIS)。STAR
‑
RIS的每一个器件单元都具有可变的器件结构，通过控制器件单元的工作状态，从而控制其对无线信号的响应特性。无线信号从STAR
‑
RIS的一侧入射，一部分被反射至于入射信号相同的一侧，称为反射信号；其余部分被透射至另一侧，称为透射信号。反射与透射信号可以通过STAR
‑
RIS器件单元的两个参数来分配，这两个参数可称为反射系数与透射系数。
[0005]在有STAR
‑
RIS辅助的多用户大规模MISO通信中，为了在减少功率损耗的前提下尽可能最大化下行和速率，需要联合设计发射侧的功率分配方式与STAR
‑
RIS的反射系数和透射系数。目前存在的RIS辅助多用户大规模MISO通信系统设计中大部分仅采用普通的可重构智能超表面，对入射信号仅能够进行反射，无法为位于基站对侧的用户提供辅助。因此，本专利技术提出一种基于分式规划(Fractional Programming，FP)方法的STAR
‑
RIS辅助下多用户大规模MISO下行加权和速率优化方法。本专利技术通过考虑发射侧的功率限制以及STAR
‑
RIS反射系数与透射系数所满足的限制条件，提出了一种有效的对发射侧的功率分配与STAR
‑
RIS的反射与透射系数进行联合优化以取得上、下行最大和速率的算法。
[0006]3.
技术实现思路
及特征
[0007]本专利技术提出一种STAR
‑
RIS辅助的多用户大规模MISO下行加权和速率优化算法，能够有效地提升在直射径被遮挡场景下的多用户大规模MISO下行加权和速率，并降低优化问题求解与物理层实现的复杂度。
[0008]为实现上述专利技术目的，本专利技术所述的STAR
‑
RIS辅助的多用户大规模MISO下行加权和速率优化算法，包括以下步骤：
[0009]在STAR
‑
RIS辅助的直射径被遮挡场景下多用户大规模MISO下行传输中，信号由基站天线入射到STAR
‑
RIS表面，被分为反射信号与透射信号两部分，且由于STAR
‑
RIS的相位控制作用而受到相位调整。反射信号与透射信号分别服务位于处在基站关于STAR
‑
RIS的同侧的用户与对侧的用户，分别称作反射用户与透射用户。以下行和速率最大化为准则联合优化发射功率分配方式以及STAR
‑
RIS的反射与透射系数。所述联合优化问题的目标为在满足发射端功率限制条件约束以及STAR
‑
RIS反射与透射系数服从的能量守恒约束下最大化
反射用户与透射用户的下行加权和速率。
[0010]其中，基站侧的发射功率分配与STAR
‑
RIS反射与透射系数的联合优化可以采用基于分式规划方法、拉格朗日乘数法以及极小化极大方法的迭代算法：首先通过引入辅助变量的形式，将原问题转化为一个最大化分式的问题；而后利用分式规划方法，再一次引入辅助变量，将最大化分式的问题转化为一个关于基站侧发射功率分配的凸问题；针对转化得到的凸问题，利用拉格朗日乘数法求解，进行功率分配的优化；再一次引入辅助变量后，将问题转化为关于反射与透射系数目标函数为凸问题但约束条件并非凸集的形式；对于转化后的问题，采用极小化极大方法，通过连续使反射与透射系数取得接近收敛值的点，从而得到本次迭代反射与透射系数的最优取值；迭代、交替实施上述各变量的优化流程，直至相邻两次目标函数值的差小于某个给定的阈值。
[0011]作为优选，所述STAR
‑
RIS辅助的多用户大规模MISO下行加权和速率可以表示为：
[0012][0013]其中，下行用户共有K个，可以被分为R个反射用户与T个折射用户，每个用户配备单天线，基站侧配备M条发射天线，STAR
‑
RIS共有N个反射透射单元，log(
·
)表示对数运算，(
·
)
H
表示矩阵的共轭转置运算，||
·
||表示L2范数运算。ω(k)代表第k个用户的权重，代表从STAR
‑
RIS到第k个用户的信道，代表第k个用户所对应STAR
‑
RIS的反射或透射特性，当此用户为反射用户，即k≤R时，Θ
k
代表Θ
R
＝diag(θ
r，1
，θ
r，2
，...，θ
r，N
)，即STAR
‑
RIS的反射特性矩阵，Θ
R
第(n,n)个元素代表第n个单元的反射系数，是虚数符号，代表第n个单元反射系数的幅度，φ
r，n
代表第n个单元反射系数的相位；当此用户为透射用户，即k>R时，Θ
k
代表Θ
T
＝diag(θ
t，1
，θ
t，2
，...，θ
t，N
)，即STAR
‑
RIS的透射特性矩阵，Θ
T
第(n,n)个元素代表第n个单元的透射系数，代表第n个单元透射系数的幅度，φ
t，n
代表第n个单元透射系数的相位。代表STAR
‑
RIS与基站天线之间的信道，代表根据基站分配给第k个用户的发射功率所进行的波束赋形，表示加性高斯白噪声功率。
[0014]通常情况下，基站的发射功率是有限的，因此对所有用户分配的功率之和应当不超过给定的最大限制。另外，STAR
‑
RIS的反射系数与透射系数之间还应当满足能量守恒定律，即：
[0015][0016]作为优选，所述下行加权和速率优化问题可以表示为：
[0017][0018][0019][0020]其中，I
N
表示N
×
N的单位矩阵，P
max
表示基站侧的发射总功率约束。
[0021]作为优选本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能全向面辅助的多用户大规模MISO下行加权和速率优化算法。其特征在于，针对直射径被遮挡场景下的多用户大规模MISO通信的特点，同时考虑了基站侧的发射功率限制以及智能全向面器件单元所需满足的约束条件，通过联合优化基站侧的功率分配、智能超表面的反射系数与透射系数以改善系统下行加权和速率，采用基于分式规划以及极大化极小方法的算法对基站侧的功率分配、智能超表面的反射系数与透射系数矩阵进行联合优化，能够有效地提升在直射径被遮挡场景下的多用户大规模MISO下行加权和速率，同时降低优化问题求解与物理层实现的复杂度。其中，基站侧的发射功率分配与智能全向面反射与透射系数的联合优化可以采用基于分式规划方法、拉格朗日乘数法以及极小化极大方法的迭代算法：首先通过引入辅助变量的形式，将原问题转化为一个最大化分式的问题；而后利用分式规划方法，再一次引入辅助变量，将最大化分式的问题转化为一个关于基站侧发射功率分配的凸问题；针对转化得到的凸问题，利用拉格朗日乘数法求解，进行功率分配的优化；再一次引入辅助变量后，将问题转化为关于反射与透射系数目标函数为凸问题但约束条件并非凸集的形式；对于转化后的问题，采用极小化极大方法，通过连续使反射与透射系数取得接近收敛值的点，从而得到本次迭代反射与透射系数的最优取值；迭代、交替实施上述各变量的优化流程，直至相邻两次目标函数值的差小于某个给定的阈值。2.根据权利要求1所述的智能全向面辅助的多用户大规模MISO下行加权和速率优化算法，其特征在于，所述智能全向面辅助的多用户大规模MISO下行加权和速率可以表示为：其中，下行用户共有K个，可以被分为R个反射用户与T个折射用户，每个用户配备单天线，基站侧配备M条发射天线，STAR
‑
RIS共有N个反射透射单元，log(
·
)表示对数运算，(
·
)
H
表示矩阵的共轭转置运算，||
·
||表示L2范数运算。ω(k)代表第k个用户的权重，代表从STAR
‑
RIS到第k个用户的信道，代表第k个用户所对应STAR
‑
RIS的反射或透射特性，当此用户为反射用户，即k≤R时，Θ
k
代表Θ
R
＝diag(θ
r，1
，θ
r，2
，
…
，θ
r，N
)，即STAR
‑
RIS的反射特性矩阵，Θ
R
第(n,n)个元素代表第n个单元的反射系数，j是虚数符号，代表第n个单元反射系数的幅度，φ
r，n
代表第n个单元反射系数的相位；当此用户为透射用户，即k>R时，Θ
k
代表Θ
T
＝diag(θ
t，1
，θ...

【专利技术属性】
技术研发人员：孙宇楠，欧阳崇峻，杨鸿文，刘奕彤，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：