一种混合智能超表面网络的系统吞吐量优化方法技术方案

本发明专利技术提出一种混合智能超表面网络的系统吞吐量优化方法，属于智能超表面技术领域。混合智能超表面网络的系统包括：配置有M个反射元件的智能超表面；位于所述智能超表面其中一侧的配置有N个天线的发射机；位于所述智能超表面其中一侧的属于r组的K

【技术实现步骤摘要】
一种混合智能超表面网络的系统吞吐量优化方法


[0001]本专利技术属于智能超表面
，尤其涉及一种混合智能超表面网络的系统吞吐量优化方法。

技术介绍

[0002]目前，可重构智能超表面(RIS)已经引起了工业界和学术界的广泛关注。由于RIS可以安装在建筑物平面用于反射/透射无线信号，从而在发射机(Tx)和接收机(Rx)之间建立虚拟的端到端连接，提升信号覆盖和通信容量，因此RIS已经成为未来第六代无线通信系统的关键候选技术之一。然而，在反射型的RIS通信系统中，Tx和Rx需要部署在RIS的同一侧，因此反射型RIS的通信模式对网络中Tx和Rx的位置产生了限制。
[0003]近年来，随着可重构智能超表面硬件技术的飞速发展，一种新颖的反射
‑
透射一体式可重构智能超表面(STAR
‑
RIS)技术受到学术界和产业界的广泛关注。与纯反射的RIS不同，STAR
‑
RIS可以同时透射和反射电磁信号，从而实现全空间的信号覆盖。其实质是通过时空编码调整STAR
‑
RIS元件的电磁特性，从而改变电磁信号的透射和反射系数(TRCs)，以控制透射和反射信号的幅度、相位、极化特性。STAR
‑
RIS现有的三种协议可分为能量分裂(ES)、模式选择(MS)和时间切换(TS)，主要基于透射与反射的相移系数互相独立的理想假设，但这一假设并不符合无源STAR
‑
RIS的实际应用。

技术实现思路

[0004]本专利技术上述方法的不足，提出一种混合智能超表面网络的系统吞吐量优化方案，其使用相移耦合模型对无源STAR
‑
RIS的透射与反射系数之间的关系进行建模。
[0005]本专利技术第一方面提出一种混合智能超表面网络的系统吞吐量优化方法，混合智能超表面网络的系统包括：配置有M个反射元件的智能超表面；位于所述智能超表面其中一侧的配置有N个天线的发射机；位于所述智能超表面其中一侧的属于r组的K
r
个用户；位于所述智能超表面另外一侧的属于t组的K
t
个用户；其中，用户总数为K＝K
r
+K
t
，所述r组表征反射组，所述t组表征透射组，所述反射组与所述发射机位于所述智能超表面的同一侧。
[0006]所述方法包括：计算第l组第k个用户处的信干噪比其中l∈{t,r}，获取所述智能超表面透射和反射的幅度系数和并建立幅度系数约束获取所述智能超表面透射和反射的相位系数和并建立相位系数约束以所述混合智能超表面网络的系统吞吐量为目标函数，以所述幅度系数约束、所述相位系数约束为约束条件，结合所述信干噪比来构建优化函数所述优化函数的优化变量为波束成形矢量和移相系数θ
l
，所述优化函数具体表示为：
[0007][0008][0009][0010][0011][0012]其中，权重满足用于表示第l组第k个用户的优先级，P
s
为所述发射机的发射功率门限。
[0013]根据本专利技术第一方面的方法，利用拉格朗日对偶方法，通过引入辅助变量对所述信干噪比进行解码，将所述优化函数进一步表征为：
[0014][0015]根据本专利技术第一方面的方法，针对由比率运算引入的非凸性，采用多比率分式规划技术对辅助变量进行处理，将所述优化函数化简为：
[0016][0017][0018]其中，
[0019]根据本专利技术第一方面的方法，通过引入辅助变量利用二次变换方法将经化简的优化函数表征为：
[0020][0021]根据本专利技术第一方面的方法，对于给定的最优辅助变量为：
[0022][0023]其中，其中，和为θ
r
和θ
t
的第m个元素，进一步表示为：
[0024][0025]则有：
[0026][0027][0028][0029]其中，
[0030]根据本专利技术第一方面的方法，引入辅助向量x
t
＝[x
t,1
,x
t,2
,...x
t,M
]T
来线性化使得将调整至近似为
[0031]根据本专利技术第一方面的方法，其中：
[0032][0033][0034][0035][0036]其中，y
t,m
≥0为模量约束的松弛变量，为惩罚项，由乘子η进行缩放，利用凸优化工具箱CVX来求解所述波束成形矢量和所述移相系数θ
l
。
[0037]本专利技术第二方面提出一种混合智能超表面网络的系统吞吐量优化装置。混合智能超表面网络的系统包括：配置有M个反射元件的智能超表面；位于所述智能超表面其中一侧的配置有N个天线的发射机；位于所述智能超表面其中一侧的属于r组的K
r
个用户；位于所述智能超表面另外一侧的属于t组的K
t
个用户；其中，用户总数为K＝K
r
+K
t
，所述r组表征反
射组，所述t组表征透射组，所述反射组与所述发射机位于所述智能超表面的同一侧。
[0038]所述装置中的处理单元被配置为：计算第l组第k个用户处的信干噪比其中l∈{t,r}，获取所述智能超表面透射和反射的幅度系数和并建立幅度系数约束获取所述智能超表面透射和反射的相位系数和并建立相位系数约束以所述混合智能超表面网络的系统吞吐量为目标函数，以所述幅度系数约束、所述相位系数约束为约束条件，结合所述信干噪比来构建优化函数所述优化函数的优化变量为波束成形矢量和移相系数θ
l
，所述优化函数具体表示为：
[0039][0040][0041][0042][0043][0044]其中，权重满足用于表示第l组第k个用户的优先级，P
s
为所述发射机的发射功率门限。
[0045]本专利技术第三方面公开了一种电子设备。所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现本公开第一方面所述的一种混合智能超表面网络的系统吞吐量优化方法中的步骤。
[0046]本专利技术第四方面公开了一种计算机可读存储介质。所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现本公开第一方面所述的一种混合智能超表面网络的系统吞吐量优化方法中的步骤。
[0047]综上，本专利技术提出的技术方案针对反透射一体式可重构智能超表面网络，采用拉格朗日对偶变换和惩罚凹凸过程方法以优化发射功率和耦合的相移，实现网络多用户的系统吞吐量(WSR)最大化。
附图说明
[0048]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种混合智能超表面网络的系统吞吐量优化方法，其特征在于：混合智能超表面网络的系统包括：配置有M个反射元件的智能超表面；位于所述智能超表面其中一侧的配置有N个天线的发射机；位于所述智能超表面其中一侧的属于r组的K
r
个用户；位于所述智能超表面另外一侧的属于t组的K
t
个用户；其中，用户总数为K＝K
r
+K
t
，所述r组表征反射组，所述t组表征透射组，所述反射组与所述发射机位于所述智能超表面的同一侧；所述方法包括：计算第l组第k个用户处的信干噪比其中l∈{t,r}，获取所述智能超表面透射和反射的幅度系数和并建立幅度系数约束获取所述智能超表面透射和反射的相位系数和并建立相位系数约束以所述混合智能超表面网络的系统吞吐量为目标函数，以所述幅度系数约束、所述相位系数约束为约束条件，结合所述信干噪比来构建优化函数所述优化函数的优化变量为波束成形矢量和移相系数θ
l
，所述优化函数具体表示为：，所述优化函数具体表示为：，所述优化函数具体表示为：，所述优化函数具体表示为：，所述优化函数具体表示为：其中，权重满足用于表示第l组第k个用户的优先级，P
s
为所述发射机的发射功率门限。2.根据权利要求1所述的一种混合智能超表面网络的系统吞吐量优化方法，其特征在于，利用拉格朗日对偶方法，通过引入辅助变量对所述信干噪比进行解码，将所述优化函数进一步表征为：3.根据权利要求2所述的一种混合智能超表面网络的系统吞吐量优化方法，其特征在
于，针对由比率运算引入的非凸性，采用多比率分式规划技术对辅助变量进行处理，将所述优化函数化简为：述优化函数化简为：其中，4.根据权利要求3所述的一种混合智能超表面网络的系统吞吐量优化方法，其特征在于，通过引入辅助变量利用二次变换方法将经化简的优化函数表征为：5.根据权利要求4所述的一种混合智能超表面网络的系统吞吐量优化方法，其特征在于，对于给定的最优辅助变量为：其中，其中，和为θ
r
和θ
t
的第m个元素，进一步表示为：则有：则有：则有：
其中，6.根据权利要求5所述的一种混合智能超表面网络的系统吞吐量优化方法，其特征在于，引入辅助向量x
t

【专利技术属性】
技术研发人员：林志，翟雅笛，牛和昊，钟旭东，王勇，安康，王磊，马瑞谦，赵青松，张岩，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：