智能反射面辅助的认知无线携能通信网络性能优化方法技术

本发明专利技术公开了一种智能反射面辅助的认知无线携能通信网络性能优化方法，涉及无信通信的技术领域；建立智能反射面辅助的认知无线携能通信网络系统，包括次要用户发射机、次要用户接收机、主要用户接收机和智能反射面；次要用户发射机产生复信号，直接传输的同时也经智能反射面反射后传输至次要用户接收机；根据接收信号计算信干扰噪比、收获总能量和干扰功率作为约束条件，将最小化次要用户发射机的传输总功率作为优化目标，采用交替优化方法对波束形成向量、反射相移矩阵和功率分裂比进行联合优化，获得最优解。本发明专利技术能够满足次要用户接收信号强度和信干扰噪比的要求，减少对主要用户的信号干扰，降低次要用户发射机的功耗，提高频谱利用率。高频谱利用率。高频谱利用率。

【技术实现步骤摘要】
智能反射面辅助的认知无线携能通信网络性能优化方法


[0001]本专利技术涉及无信通信的
，更具体地，涉及一种智能反射面辅助的认知无线携能通信网络性能优化方法。

技术介绍

[0002]在认知无线电网络(Cognitive radio networks，CRN)中，频谱由主要用户接收机(Primary Receivers，PR)和次要用户接收机(Secondary Receivers，SR)共享，PR获准有更高的优先级来访问频谱，而SR只允许使用频谱，而不会对PR造成干扰。为了控制对PR的干扰，实现对SR适当的服务质量，通过优化多天线次要用户发射机的波束形成矢量和传输功率，将信息信号远离PR。但是由于仅优化次要用户发射机的波束形成矢量，使得次要用户发射机传输功率相对较大。智能反射平面(Intelligent reflecting surface，IRS)是一项能提高无线通信频谱和能源效率的新技术，其利用大量低成本无源发射元件通过软件动态调整反射信号的相移，重新配置无线传播信道，以增强在SR处所需的信号强度或减轻对PR信道的干扰，从而使得通信性能得到进一步的优化。与传统的有源波束成形技术相比，IRS消除了信号的放大和再生，从而享受更低的硬件成本、能耗和干扰。现有一文献公开了通过联合优化次要用户发射机(Secondary Transmitter，ST)的波束形成向量和IRS上的相移矩阵，研究了IRS增强单个认知无线电网络与主用户网络共存的下行发射功率最小化问题，该文献仅考虑次要用户发射机同时服务一个次要用户和多个主要用户的情况，模型并不具有普适性，并且没有考虑到在无线携能通信系统中的通信情况；另一公开文献则研究了IRS辅助多天线基站在面向多个单天线用户的下行链路的通信，通过联合优化基站的波束形成向量、IRS上的相移矩阵和用户功率分割系数获得了最小的传输功率，仿真验证了基于IRS辅助的无线携能通信系统可以显著提升通信性能，但没有考虑在认知无线电网络中通信情况。
[0003]现有技术公开了一种安全携能通信中功率分割因子与波束成型联合优化方法，包括：步骤1、安全携能通信中功率分割因子与波束成型联合优化方法场景假设与建模；步骤2、安全携能通信中功率分割因子与波束成型联合优化方法中最佳中继节点的选择策略；步骤3、安全携能通信中功率分割因子与波束成型联合优化方法中最佳中继节点的接收波束成型向量设计；步骤4、安全携能通信中功率分割因子与波束成型联合优化方法中最佳中继节点的功率分割因子与发送波束成型向量联合优化。该方法虽然确保了SWIPT通信网络中安全通信性能的要求，但没有考虑到认知无线电网络中的通信情况，功耗大、频谱利用率低。

技术实现思路

[0004]本专利技术为克服上述现有技术在认知无线携能通信网络中次要用户发射机功耗大、频谱利用率低的缺陷，提供一种智能反射面辅助的认知无线携能通信网络性能优化方法，能够在满足次要用户接收信号强度和信干扰噪比的要求下，减少对主要用户的信号干扰，
并大幅度降低次要用户发射机的功耗，提高频谱利用率。
[0005]为解决上述技术问题，本专利技术的技术方案如下：
[0006]本专利技术提供了一种智能反射面辅助的认知无线携能通信网络性能优化方法，包括：
[0007]S1：建立智能反射面辅助的认知无线携能通信网络系统，所述系统包括单个次要用户发射机、K个次要用户接收机、L个主要用户接收机和单个智能反射面；所述智能反射面包含反射相移矩阵；
[0008]S2：次要用户发射机根据波束形成向量产生复信号，所述复信号直接传输至次要用户接收机的同时，也经智能反射面反射后传输至次要用户接收机，在次要用户接收机处产生接收信号；
[0009]S3：根据功率分裂比，将接收信号分裂为处理输入信号和功率收集输入信号，并根据处理输入信号计算信干扰噪比、根据功率收集输入信号计算收获总能量；
[0010]S4：复信号传输过程中，对主要用户接收机造成干扰，计算主要用户接收机处的干扰功率；
[0011]S5：建立优化问题：将次要用户发射机的传输总功率为最小值作为优化目标，信干扰噪比、收获总能量、干扰功率为约束条件，对波束形成向量、反射相移矩阵和功率分裂比进行联合优化；
[0012]S6：采用交替优化方法对优化问题进行求解，获得次要用户发射机的传输总功率的最小值，输出对应的波束形成向量、反射相移矩阵和功率分裂比作为最优解。
[0013]本专利技术构建的智能反射面辅助的认知无线携能通信网络系统包括一个配有M根天线的次要用户发射机、K个单天线的次要用户接收机、L个单天线的主要用户接收机和一个包含N个无源反射元件的智能反射面；多天线的次要用户发射机产生复信号，在L个单天线的主要用户接收机存在的情况下，向K个单天线的次要用户接收机发送数据流，次要用户接收机接收后进信息处理和能量收集；通过对次要用户发射机的传输功率进行约束，就能保证次要用户接收机接入频段后，对主要用户接收机的干扰保持在可承受范围内，不会对主要用户的正常通信产生影响，主要用户接收机和次要用户接收机即可在相同的频段上同时进行数据传输；设置智能反射面，使复信号经反射户再传输至次要用户接收机，通过调节智能反射面的反射相移矩阵，增强了次要用户接收机接收的信号强度，即收获总能量，同时消除施加给主要用户接收机的干扰；通过计算复信号传输过程中对主要用户接收机的干扰功率、传输到次要用户接收机形成接收信号的信干扰噪比和收获总能量，作为约束条件，将次要用户发射机的传输总功率为最小值作为优化目标，形成优化问题；采用交替优化方法对优化问题进行求解，获得波束形成向量、反射相移矩阵和功率分裂比的最优解，以实现满足次要用户接收信号强度和信干扰噪比的要求下，减少对主要用户的信号干扰，并大幅度降低次要用户发射机的功耗，提高频谱利用率的目的。
[0014]优选地，所述步骤S1中，反射相移矩阵具体为：
[0015]智能反射面包括N个无源反射元件，N个无源反射元件组成反射相移矩阵：
[0016]Θ＝diag(q1，q2，
…
，q
n
)
[0017][0018]式中，Θ表示反射相移矩阵，q
n
表示第n个无源反射元件，β
n
表示第n个无源反射元
件的幅度，θ
n
表示第n个无源反射元件的相移，n∈{1，
…
，N}，β
n
∈[0，1]，θ
n
∈(0，2π]。
[0019]优选地，所述步骤S2中，次要用户发射机根据波束形成向量产生的复信号具体为：
[0020][0021]式中，x(t)表示t时刻次要用户发射机产生的复信号，v
k
表示第k个次要用户接收机的波束形成向量，s
k
(t)表示t时刻第k个次要用户接收机的传输数据信号。
[0022]优选地，所述步骤S2中，在次要用户接收机处产生的接收信号具体为：
[0023][0024][0025]式本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.智能反射面辅助的认知无线携能通信网络性能优化方法，其特征在于，包括：S1：建立智能反射面辅助的认知无线携能通信网络系统，所述系统包括次要用户发射机、次要用户接收机、主要用户接收机和单个智能反射面；所述智能反射面包含反射相移矩阵；S2：次要用户发射机根据波束形成向量产生复信号，所述复信号直接传输至次要用户接收机的同时，也经智能反射面反射后传输至次要用户接收机，在次要用户接收机处产生接收信号；S3：根据功率分裂比，将接收信号分裂为处理输入信号和功率收集输入信号，并根据处理输入信号计算信干扰噪比、根据功率收集输入信号计算收获总能量；S4：复信号传输过程中，对主要用户接收机造成干扰，计算主要用户接收机处的干扰功率；S5：建立优化问题：以次要用户发射机的传输总功率为最小值作为优化目标，信干扰噪比、收获总能量、干扰功率为约束条件，对波束形成向量、反射相移矩阵和功率分裂比进行联合优化；S6：采用交替优化方法对优化问题进行求解，获得次要用户发射机的传输总功率的最小值，输出对应的波束形成向量、反射相移矩阵和功率分裂比作为最优解。2.根据权利要求1所述的智能反射面辅助的认知无线携能通信网络性能优化方法，所述步骤S1中，反射相移矩阵具体为：智能反射面包括N个无源反射元件，N个无源反射元件组成反射相移矩阵：Θ＝diag(q1，q2，
…
，q
n
)式中，Θ表示反射相移矩阵，q
n
表示第n个无源反射元件，β
n
表示第n个无源反射元件的幅度，θ
n
表示第n个无源反射元件的相移，n∈{1，
…
，N}，β
n
∈[0，1]，θ
n
∈(0，2π]。3.根据权利要求2所述的智能反射面辅助的认知无线携能通信网络性能优化方法，所述步骤S2中，次要用户发射机根据波束形成向量产生的复信号具体为：式中，x(t)表示t时刻次要用户发射机产生的复信号，v
k
表示第k个次要用户接收机的波束形成向量，s
k
(t)表示t时刻第k个次要用户接收机的传输数据信号。4.根据权利要求3所述的智能反射面辅助的认知无线携能通信网络性能优化方法，所述步骤S2中，在次要用户接收机处产生的接收信号具体为：在次要用户接收机处产生的接收信号具体为：式中，y
k
(t)表示t时刻第k个次要用户接收机产生的接收信号，h
k
表示次要用户发射机与第k个次要用户接收机间的等效信道系数，n
k
(t)表示t时刻第k个次要用户接收机处的天线噪声；h
s，k
表示次要用户发射机到第k个次要用户接收机的信道系数，h
r，k
表示智能反射面
到第k个次要用户接收机的信道系数，h
s，r
表示次要用户发射机到智能反射面的信道系数，(*)
H
表示求共轭转置操作。5.根据权利要求4所述的智能反射面辅助的认知无线携能通信网络性能优化方法，所述步骤S3中，根据功率分裂比，将接收信号分裂为处理输入信号和功率收集输入信号的具体方法为：次要用户接收机包括信息解码器和能量收集器，次要用户接收机根据功率分裂比，将接收信号分裂为处理输入信号传输至信息解码器、分裂为功率收集输入信号传输至能量收集器；处理输入信号表示为：式中，表示t时刻第k个次要用户接收机处的处理输入信号，α
k
表示第k个次要用户接收机的功率分裂比，w
k
(t)表示t时刻第k个次要用户接收机处的信号处理噪声；功率收集输入信号表示为：式中，表示t时刻第k个次要用户接收机处的功率收集输入信号。6.根据权利要求5所述的智能反射面辅助的认知无线携能通信网络性能优化方法，所述步骤S3中，根据处理输入信号计算信干扰噪比、根据功率收集输入信号计算收获总能量的具体方法为：信干扰噪比表示为：式中，SINR
k
表示第k个次要用户接收机的信干扰噪比，表示第k个次要用户接收机处的天线噪声的方差，表示第k个次要用户接收机处的信号处理噪声的方差；线性获取的收获能量表示为：式中，表示第k个次要用户接收机的线性获取的收获能量，μ
k
表示第k个次要用户接收机处的功率转换效率，μ
k
∈(0，1]；为避免线性获取的收获能量与实际不匹配，利用非线性能量获取模型计算收获总能量，表示为：表示为：
式中，表示第k个次要用户接收机的收获总能量，M
k
表示能量采集饱和时第k个次要用户接收机的最大收获功率，a
k
表示第一联合效应常数，b
k
表示第二联合效应常数；Ω
k
表示响应常数，以确保能量采集的零输入或零输出响应，表示第k个次要用户接收机线性获取的收获能量的逻辑函数。7.根据权利要求6所述的智能反射面辅助的认知无线携能通信网络性能优化方法，所述步骤S4中，主要用户接收机处的干扰功率表示为：主要用户接收机处的干扰功率表示为：式中，I
l
表示第l个主要用户接收机处的干扰功率，g
l
表示次要用户发射机与第l个主要用户接收机间的等效信道...

【专利技术属性】
技术研发人员：张广驰，乐文英，崔苗，刘圣海，王日明，王昆，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：