利索能及
我要发布
收藏
专利号: 2020114773797
申请人: 浙江工业大学
专利类型:发明专利
专利状态:已下证
更新日期:2026-07-29
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.云接入网中智能反射面增强无线前传链路传输方法,其特征在于:对于智能反射面辅助上行云接入网无线前传链路的通信系统,以最大化系统和速率为目的,对前传链路量化噪声协方差矩阵、用户和RRH预编码矩阵以及反射面相移矩阵进行联合优化,具体包括如下步骤:

1.1)智能反射面辅助前传链路的上行云接入网通信系统中,K个多天线用户通过L个多天线远端射频单元RRH与多天线基带处理单元BBU池进行通信,其中RRH采用Wyner‑Ziv编码对接收信号进行压缩,并且在一个智能反射面辅助下通过无线前传链路将量化信息发送给BBU池,其中每个用户、RRH和BBU的天线数分别为NU、NR和NB,智能反射面IRS的反射单元数为NI;

1.2)在接入链路,K个用户同时向L个RRH发送信息,第l个RRH处的接收信号为:其中sk是用户k发送的数据信号,Fk是用户预编码矩阵,各用户功率限制条件为 PU为每个用户的最大发送功率,HA,l,k是用户k到RRHl的信道矩阵,nl为在RRHl处的高斯噪声,其协方差矩阵为 是噪声方差,I是单位阵;各RRH对接收的信号进行Wyner‑Ziv压缩后发送给BBU池,压缩后的信号为:其中ql为量化噪声,其协方差矩阵为Ωl,与yl相互独立;

1.3)在前传链路,各RRH在IRS的辅助下与BBU池通信,BBU池接收信号为:其中HF,l、GB和Gl分别为RRHl到BBU池、IRS到BBU池和RRHl到IRS的信道矩阵,Θ=diag(θ)为IRS的相移矩阵,diag(θ)表示将θ对角化成矩阵,其中对角线元素为θ的每个元素,其中 根据IRS器件的指标可以分为连续相位和离散相位两种情况,连续相位即 的取值范围在0‑2π之间,离散相位指在0‑2π之间有τ个等间隔的相位电平, 的取值是在0‑2π之间离散的点,即tl为RRHl发送的数据信号,Vl为RRHl处的预编码矩阵,各RRH功率限制条件为 PR为每个RRH的最大发送功率,nB为BBU池处的高斯噪声,其协方差矩阵为

1.4)对于步骤1.1)‑1.3)描述的智能反射面辅助上行云接入网前传链路通信系统,

1.4.1)系统总上行速率为:其中 为所有用户集合, 为所有RRH集合,为RRH集合 的量化噪声及高斯噪声和的协方差矩阵, 为所有用户发送的数据信号, 为所有RRH压缩后的接收信号, 为所有用户的预编码矩阵, 为所有用户到所有RRH的信道矩阵;矩阵上标H表示该矩阵的共轭转置;

1.4.2)无线前传链路的容量限制条件为:RF,l为RRHl到BBU池的前传链路可达速率,右边可以由下式计算:其中 表示所选的RRH集合, 表示在总集合 中 的补集, 表示在 集合中的RRH发送的总数据信号, 表示RRH集合 的预编码矩阵,表示RRH集合 到IRS的信道矩阵, 表示RRH集合 到BBU池的信道矩阵;

1.4.3)前传链路压缩限制条件为 左边可以由下式计算得到:

其中π(·)为RRH解压缩顺序, 为编号从π(1)到π(l)的RRH的集合,RF,π(l)和 分别为RRHπ(l)到BBU池的可达速率和所有用户到l个RRH的信道矩阵; 为RRHπ(l)集合的量化噪声及高斯噪声和的协方差矩阵,Ωπ(l)为RRHπ(l)的量化噪声, 为 的共轭转置矩阵, 为RRHπ(l‑1)集合的量化噪声及高斯噪声和的协方差矩阵;

所述的前传链路量化协方差矩阵Ωl、各用户和各RRH的预编码矩阵Fk和Vl以及IRS的相移矩阵Θ,对其优化使系统和速率最大,具体步骤如下:

2.1)以上行和速率最大化为目标,优化上述系统参数的优化问题可表示为:(Pl):

其中式中: 为RRHπ(l)集合的量化噪声;

2 .2) 解 压 缩顺 序π(l) 按 如下 方 法获 得 :对 于各 个 RR H l ,计 算以计算结果排序,结

果大的优先解压;

2.2.1)将目标函数转换为:其中dU为每个用户发送的数据流维度,UB和WB为引进的辅助变量,WB要求半正定,是均方误差矩阵;

表示RRH集合 的量化噪声及高斯噪声和的协方差矩阵;

2.2.2)将优化问题中的限制条件式(1)替换为下述近似条件:其中dR为每个RRH发送的数据流维度,|S|为所选RRH集合中RRH的个数,US和WS为引进的辅助变量,WS需要半正定, 为均方误差矩阵;

2.2.3)将优化问题中的限制条件式(2)替换为下述近似条件:其中

2.2.4)将优化问题(P1)转换为:(P2):

s.t.(3),(4)

2.3)对于连续相位情况,首先初始化变量Θ,Ωl,Fk和Vl满足问题P1的限制条件;

2.3.1)固定Θ,Ωl,Fk和Vl,按下式更新辅助变量UB、WB、US、WS和

2.3.2)固定Θ和Ωl,通过求解下述优化问题(P2.a)优化Fk,Vl和RF,l;

(P2.a)

s.t.(3),(4)

可以利用各类常用凸优化软件获得该凸问题的最优解;s.t.表示subject to受限于,tr(A)表示矩阵A的迹;

2.3.3)固定Fk和Vl,通过求解下述优化问题(P2.b)优化Θ,Ωl和RF,l;

(P2.b)

s.t.(4)

其中

θ=diag(Θ),

除去限制条件(6),利用各类常用凸优化软件获得的新问题最优解;rank(A)表示矩阵A的秩;

2.3.4)通过步骤2.3.3)的解获得问题(P2.b)的可行次优解:A)将步骤2.3.3)得到的 特征分解为 其中∑为 特征值组成的对角阵,U为特征值对应的特征向量组成的矩阵;

B)产生n个随机变量: 其中υ为(NI+1)×1维的单位向量,其相位在0‑2π之间均匀分布;再将每个ξ转换为 为ξ第NI+1元素的相角;j表示复数;

C)对于每个 等比例增大Ωl得到 满足问题(P2.b)的限制条件,计算对应的目标函数值;

D)选择具有最大目标函数值的 取其前NI项作为θ;Θ=diag(θ)以及其对应 即为问题(P2.b)的可行次优解;

2.4)重复2.3.1)‑2.3.4)中的步骤至收敛;

2.5)对于IRS反射面相位离散情况,首先按照2.1)‑2.3)中的步骤至收敛之后,获得Θ,Ωl,Fk和Vl,其中将Θ的对角线元素θm映射到离散相位的点上,即:确定后Θ,在等比例增大Ωl得到 使得满足问题(P1)的限制条件。