【技术实现步骤摘要】
本专利技术涉及无人机辅助通信和智能反射表面，具体涉及一种基于uav智能反射面的无线网络加权和速率最大化方法，通过利用可调混合有源和无源可重构智能反射面来改善无线网络的性能和覆盖范围。
技术介绍
1、智能反射面是一种重要的技术。irs由许多被动反射元件组成，可以调整入射信号的相位和幅度，从而改变信号的传输方向和覆盖范围，提高信号质量和传输速率。
2、然而，传统的智能反射面部署在固定位置限制了其应用范围，并且当无人机位置部署位置不当时，大量的反射元件数量其性能增益也是有限的。因此如何利用现有资源，实现对智能反射面的实时部署和调节是有待优化的关键问题。
技术实现思路
1、本专利技术的目的是为了公开一种基于uav智能反射面的无线网络加权和速率最大化方法，解决智能反射面的部署、反射单元数量的实时调整的技术问题。
2、为实现上述技术目的，本专利技术采取的技术方案为：
3、一种基于uav智能反射面的无线网络加权和速率最大化方法，所述无线网络加权和速率最大化方法包括以下步骤：
4、s1，构建基于无人机协助智能反射面辅助的多用户通信系统模型；
5、s2，基于多用户通信系统模型，确定信道模型；
6、s3，基于步骤s2的信道模型，提出无人机辅助可调irs组件的信号传输优化模型；
7、s4，通过联合优化反射元件的数量、预编码矩阵、相移矩阵和uav位置，对信号传输优化模型进行求解，以最大化uav智能反射面辅助的无线网络中的加
8、进一步地，步骤s1中，构建基于无人机协助智能反射面辅助的多用户通信系统模型的过程包括以下步骤：
9、构建多用户通信系统模型，其中配备有天线的基站与一组含有l个用户的小区通信，每个用户配备有单个天线，使用无人机装载数量为nmax的智能反射面辅助通信；所有信道都经历了准静态平坦衰落；
10、基站和无人机之间、无人机和第l个用户之间以及基站和第l个用户之间的距离分别为：
11、
12、
13、
14、式中，db，u表示基站和无人机之间；du，l表示无人机和第l个用户之间的距离；db，l表示基站和第l个用户之间的距离；zb、zu和0分别表示基站、无人机和每个用户的高度；b＝(xb，yb)、u＝(xu，yu)和l＝(xl，yl)分别表示基站、无人机和第l个用户的水平坐标，xb，yb分别表示基站在水平方向x轴和y轴的坐标值，xu，yu分别表示无人机在水平方向x轴和y轴的坐标值，xl，yl分别表示第l个用户在水平方向x轴和y轴的坐标值；l∈[1，l]。
15、进一步地，步骤s2中，基于多用户通信系统模型，确定信道模型的过程包括以下步骤：
16、对于入射链路、反射链路和直接链路的信道增益，分别由hb，u，hu，l和hb，l表示：
17、
18、
19、
20、式中，db，u表示基站和无人机之间；du，l表示无人机和第l个用户之间的距离；db，l表示基站和第l个用户之间的距离；α1是入射链路和反射链路的路径损耗指数，α2表示直接链路的路径损耗指数，ρ表示单位参考距离下信道的短期衰落效应，β是莱斯因子；和分别表示入射链路和反射链路的视距分量的信道增益；和分别表示入射链路和反射链路的非视距分量的信道增益。和表示莱斯衰落信道，表示瑞利衰落信道。
21、进一步地，步骤s3中，信号传输优化模型为：
22、
23、
24、
25、n≤nmax (7)；
26、t3≤t (8)；
27、其中，式(4)是待优化的目标函数，式(5)是每个反射元件的相移约束，式(6)表示bs处的发射功率约束，式(7)是对反射元件数量的约束，式(8)表示时间限制；ξl表示第l个用户的解码sinr；wl∈cm×1是预编码向量，是反射面中第n个元素的复数形式的相移系数，φn是第n个原件的相位调整的大小，n∈[1，n]，n∈[1，nmax]是用于反射的反射元件的数目，u代表无人机的位置；t是传输时隙的时长，其中时隙t被分为三个部分，t1阶段选择反射原件数量并对预编码矩阵和反射相移进行优化，t2阶段确定irs的位置部署位置，最后无人机进行巡航调节到部署点，t3阶段无人机辅助irs进行反射通信。
28、进一步地，步骤s4中，通过联合优化反射元件的数量、预编码矩阵、相移矩阵和uav位置，对信号传输优化模型进行求解的过程包括以下步骤：
29、s41，将用户l的信道增益表示为h表示厄密特变换算子，基站处的复基带发射信号表示为ml表示第l个用户的传输数据，wl∈cm×1是预编码向量；θ是反射面的相移矩阵；假设最佳信道状态信息可用时，第l个用户的接收信号yl表示为：
30、
31、其中nl是平均值为0、方差为σ2的独立且同分布的高斯随机变量，θ是反射面的相移矩阵，表示为：
32、θ＝diag(θ1，θ2，…，θn) (10)；
33、s42，将待优化的目标函数表示为：
34、
35、式中，a(φu)和a(φb，u)分别表示接收天线阵列对irsa的到达角φu的响应和发射天线阵列对基站的离开角φb，u的响应；n∈[1，nmax]是用于反射的反射元件的数目，λ表示发射信号的波长，d表示发射天线之间的间距；rl(n)为miso下的反射面增益：
36、
37、其中，[hu，l]n，[hb，u]n分别表示第n个反射原件下的入射链路和反射链路信道增益。
38、s43，令平均信道增益为：第l个用户的速率上限表示为：
39、
40、s44，设δn个反射元件被激活，以保证最小用户速率大于预定的速率阈值rth，δn的计算公式为：
41、
42、s45，对预编码矩阵进行优化，其中，w＝[w1，…，wl]＝[-i1/2a，…，-il/2a]，分母因子人的计算公式为：
43、
44、其中||·||f表示frobenius范数；其中μi是引入的辅助变量，hi是用户信道增益，pb是基站处的最大发射功率约束，ii是分子因子；
45、s46，定义和使用sca算法优化相移：
46、
47、其中，grad[·]表示梯度算子，上标(p)表示第p次迭代中的相应值，n是反射原件的数量，m是发射天线的数量；d1和d2分别计算为：
48、
49、是第p次迭代时的辅助变量值，|μl|是对辅助变量μl取模；
50、s47，为保证每个用户的速率不变或增加，更新uav位置的速率满足以下条件：
51、rl≥rl，o (18)；
52、其中rl是本文档来自技高网...
【技术保护点】
1.一种基于UAV智能反射面的无线网络加权和速率最大化方法，其特征在于，所述无线网络加权和速率最大化方法包括以下步骤：
2.根据权利要求1所述的基于UAV智能反射面的无线网络加权和速率最大化方法，其特征在于，步骤S1中，构建基于无人机协助智能反射面辅助的多用户通信系统模型的过程包括以下步骤：
3.根据权利要求1所述的基于UAV智能反射面的无线网络加权和速率最大化方法，其特征在于，步骤S2中，基于多用户通信系统模型，确定信道模型的过程包括以下步骤：
4.根据权利要求1所述的基于UAV智能反射面的无线网络加权和速率最大化方法，其特征在于，步骤S3中，信号传输优化模型为：
5.根据权利要求4所述的基于UAV智能反射面的无线网络加权和速率最大化方法，其特征在于，步骤S4中，通过联合优化反射元件的数量、预编码矩阵、相移矩阵和UAV位置，对信号传输优化模型进行求解的过程包括以下步骤：
6.根据权利要求5所述的基于UAV智能反射面的无线网络加权和速率最大化方法，其特征在于，步骤S47中，引入基于梯度优化的新颖的元启发式优化算法，求解无
...【技术特征摘要】
1.一种基于uav智能反射面的无线网络加权和速率最大化方法，其特征在于，所述无线网络加权和速率最大化方法包括以下步骤：
2.根据权利要求1所述的基于uav智能反射面的无线网络加权和速率最大化方法，其特征在于，步骤s1中，构建基于无人机协助智能反射面辅助的多用户通信系统模型的过程包括以下步骤：
3.根据权利要求1所述的基于uav智能反射面的无线网络加权和速率最大化方法，其特征在于，步骤s2中，基于多用户通信系统模型，确定信道模型的过程包括以下步骤：
4.根据权利要求...
【专利技术属性】
技术研发人员：王文静，杜子杨，李书田，戚楠，甄立，杨辉，
申请(专利权)人：西安邮电大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。