基于智能反射面的多用户协作发射功率优化方法
文献发布时间:2023-06-19 19:30:30
技术领域
本发明属于无线通信领域,尤其涉及一种基于智能反射面的多用户协作NOMASWIPT系统的发射端功率优化方法。
背景技术
智能反射面通过调整无线环境来提高频谱和能源利用率,同时具有低成本、低能耗、高可靠性等优点,不仅可以提高无线能量的传输效率,而且能够提高无线信息的传输速率。因此智能反射面被认为是一种非常有潜力的无线通信技术。此外,非正交多址(NOMA)技术具有高频谱效率、低传输延迟等优点,其在接收端采用连续干扰消除技术允许多个用户同时利用相同的频谱传输信号,因此也受到了很大的关注。将智能反射面应用于NOMA通信网络中,可以进一步提高频谱利用率,降低系统的开销,提高通信系统的稳定性。
关于智能反射面与NOMA相结合的通信网络最近也有一些研究,F.Fang研究了下行多输入单输出的智能反射面与NOMA结合的通信网络的能量效率最大化问题,优化变量包括智能反射面的波束成形矩阵以及发射端的波束成形向量。同步无线信息和功率传输(SWIPT)能够同时发送信号和能量从而实现高效可靠的通信,对于无线设备来说具有可以代替电池的潜力。M.Hedayati等人研究了基于智能反射面的多输入多输出网络的加权和速率最大化问题,通过联合优化发射端、接收端以及智能反射面的波束成形向量从而实现加权和速率的最大化。
关于SWIPT系统的大多数工作都是集中在最大化吞吐量方面,忽略了用户之间的公平性;以及服务质量的需求。本发明为了解决上面提到的问题充分利用智能反射面与NOMA的优势,将其结合起来利用在SWIPT的通信系统中,同时由于处在小区边缘的用户距离发射端的位置相对较远,因此本发明采用多用户协作的方式进行,由处在小区中心位置的多个用户帮忙转发信号给小区的边缘用户,从而达到协作的目的,最终对发射端的功率进行最小化优化。由于该优化问题是非凸的,本发明采用基于逐次凸逼近的迭代算法进行求解,最终得到最优的发射端波束成形向量、智能反射面的相位反射矩阵、功率分割比以及最小的发射端功率。
发明内容
本发明的目的是:解决传统处在小区边缘用户接收到的信号较弱的问题,采用多用户协作的方式帮助边缘用户传输信息,同时也为了进一步降低发射端的发射功率。
为了达到上述目的,本发明提供了一种基于智能反射面的多用户协作发射功率优化方法,采用基于逐次凸逼近的迭代优化算法对发射端的发射功率进行优化,包括以下步骤:
建立基于智能反射面的协作NOMA无线通信系统模型:系统中,发射端基站由M个天线构成,智能反射面有N个反射单元,接收端为单天线用户,用户被分成两组,同一组用户接收相同的信号。关于这两组用户,靠近发射端的这一组用户定义为中心用户(中心用户)由K
由于位于小区边缘的用户距离发射端基站较远无法满足通信要求,因此借助距离发射端较近的中心用户协作传输信号给边缘用户。本发明基于最小发射端功率对发射端波束赋形向量、智能反射面相角以及功率分割比系数进行了优化设计。由于优化问题是非凸的,因此采用了逐次凸逼近的迭代优化算法进行了求解。首先给定智能反射面相角一个初始值,求得发射端波束成形向量和功率分割比,然后使用发射端波束成形向量和功率分割比求解最优的智能反射面相角,最终在使用最优的智能反射面相角去求解最优的发射端波束成形向量和功率分割比系数,以及最小的发射端功率,通过增加智能反射面上的反射单元和发射端的天线数量实现发射端的发射功率降低。
附图说明
图1为智能反射面辅助的协作NOMA通信系统示意图;
图2为给定智能反射面相位反射矩阵时的迭代优化算法流程图;
图3为给定发射端波束成形向量和功率分割比时的迭代优化算法流程图;
图4为不同数量的反射单元对发射端发射功率的影响情况示意图;
图5为不同数量的发射端天线数量对发射端功率的影响情况示意图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明针对小区边缘用户接收到的信息较弱,通过多用户协作的方式提高边缘用户的信噪比,同时利用智能反射面和NOMA的优势尽可能降低发射端的发射功率。具体来说,通过建立起的系统模型,让小区的中心用户充当协作者来辅助提升边缘用户的信噪比。通过仿真验证了本发明提出的基于智能反射面的协作NOMA设计的性能优势,具体包括以下步骤:
建立如图1所示的基于智能反射面的协作NOMA系统模型:系统中,发射端基站由M个天线构成,智能反射面有N个反射单元,接收端为单天线用户,单天线用户用户被分成两组,同一组用户接收相同的信号;关于这两组用户,靠近发射端的这一组用户定义为中心用户由K
在直接传输阶段,基站发送叠加信号w
其中
根据NOMA的解码顺序,EU
在直接传输阶段,中心用户中的用户将接收到的信号采用功率分割的方式一部分用于能量收割,另外的一部分协作传输给边缘用户中的用户;中心用户中的第f个用户CU
其中β∈[0,1]表示功率分割比,
根据NOMA的解码原则,接收端采用连续干扰消除技术首先解码信号s
同时,用户CU
用户CU
其中η为线性能量收割的收割比例。
在协作传输阶段,中心用户中的用户使用收割的能量协作传输信号给边缘用户中的用户;用户EU
其中
这里的
用户EU
在满足用户最小信干噪比约束以及连续干扰消除能够成功的条件下优化发射端的功率使其最小化,优化的变量包括智能反射面的反射相位矩阵、功率分割比以及发射端的波束成形向量;总的优化问题描述如下:
0≤β≤1(10e)
0≤θ
其中γ
在给定IRS波束成形向量Θ的条件下,由于公式(10b)、(10c)、(10d)中发射端波束成形向量与功率分割比耦合在一起,因此公式(10)仍然是非凸的,为此在优化时引入了辅助变量进行求解;
令
采用半正定松弛方法进行优化;将辅助变量代入后化简得到如下形式:
(1-β)Tr(H
0≤β≤1(11e)
其中Tr表示矩阵的迹;由于约束公式(11b)、(11c)、(11d)是非凸的,需要转换成凸的形式进行求解;约束公式(11b)写成下面的形式:
通过引入辅助变量l,公式(11c)转换成如下形式:
此时的公式(13)和公式(14)仍然是非凸的,根据不等式
/>
这里的
继续引入辅助变量q,将公式(14)转换成如下形式:
q
将公式(16)变成线性的矩阵形式为:
公式(17)采用一阶泰勒展开得到近似解:
2q
同理,q
和上面类似,公式(11d)转换成下面的形式:
(1-β)Tr(H
m
其中W
公式(21)通过泰勒展开得到:
2m
其中m
(11e),(12),(15),(18),(19),(22),(23)(24b)
在给定第n次迭代的最优值m,q,l,e时,使用凸优化工具CVX进行求解,可以得到发射端波束成形向量和功率分割比。
在得到上述的发射端波束成形向量和功率分割比之后,求解智能反射面的相位反射矩阵;此时优化问题等效为求解公式(4)、(5)、(9)的最大值,因此等效为如下的形式:
/>
t≥γ
由于公式(25b)、(25c)、(25d)是非凸的,转化为凸的形式,令
其中,v
(1-β)|v
|v
其中a
公式(26)仍然是非凸的,采用半正定松弛和基本不等式变换将其转换成为凸的形式,
令
/>
(1-β)Tr(VA
约束公式(27b)和公式(27c)是非凸的,根据基本不等式转换成下面的形式:
其中b
在引入辅助变量z,公式(27c)转化成下面的形式:
其中A
其中g
因此,最终的优化问题变成下面的形式:
s.t.(27d),(27e),(28),(31),(32)(33b)
此时的优化问题变成凸优化问题,使用CVX求解即可得到最优的智能反射面相位反射矩阵。
以发射端的发射功率最小化为目标,通过对发射端的波束成形向量、智能反射面的相位反射矩阵以及功率分割比联合优化。本发明采用逐次凸逼近的迭代优化算法进行求解。首先在给定智能反射面的相位反射矩阵的条件下,对发射端的波束成形向量和功率分割比进行联合优化,由于优化问题为非凸的,所以经过一系列的变量代换,将其转变为凸优化问题,转变成的凸优化问题形式如下:
/>
2q
2m
详细的具体流程见图2和算法1。
在得到上面的发射端波束成形向量和功率分割比,使用它们对智能反射面的相位反射矩阵进行优化,凸优化问题的形式如下:
(1-β)Tr(VA
/>
详细的具体流程见图3和算法2。
图4给出了在发射端天线数量M=3,中心用户=2,边缘用户=2的情况下,智能反射面上反射单元的数量与发射功率之间的关系。可以看到随着智能反射面上反射单元数量的增加,发射端的功率越来越小,当智能反射面的反射单元数量增加到一定值后,发射功率也趋于平稳。也就是说增加反射单元的数量可以有效的减少发射端的功率消耗。
图5给出了在智能反射面反射单元的数量N=20,中心用户=2,边缘用户=2的情况下,不同反射段天线数量对发射功率的影响,从图中可以看出增加发射端的天线数量也可以有效降低发射端的发射功率。
- 认知无线电中基于智能反射面的多用户频谱共享的方法
- 全双工多用户MIMO系统发射功率最小化的收发机优化方法