本发明专利技术提供了一种基于RIS辅助的认知无线网络中断性能预测方法及系统，包括S1构建RIS辅助认知无线网络模型，写出次用户接收机的接收信号表达式,S2用RIS消除次用户对主用户的干扰，导出各反射单元的相位取值，得到接收信噪比表达式，S3讨论RIS各反射单元的幅度取值，导出对应的接收信噪比表达式，S4定义中断概率事件，推导出次用户中断概率理论表达式,S5通过蒙特卡洛进行仿真及理论分析验证；另一方面还提供一种系统用于实现上述方法。本发明专利技术在RIS覆盖范围的限制下，采用RIS来消除次用户对主用户的干扰，以提升次用户系统性能，可以精确预测实际系统性能甚至提升系统性能，其网络还可以工作在更低干扰噪声比环境下，为实际网络设计与优化提供了理论指导。络设计与优化提供了理论指导。络设计与优化提供了理论指导。
【技术实现步骤摘要】
一种基于RIS辅助的认知无线网络中断性能预测方法及系统
[0001]本专利技术属于领域无线通信领域，特别涉及一种基于RIS辅助认知无线网络中断性能预测方法。
技术介绍
[0002]随着无线通信产业的蓬勃发展，激增的移动用户数和无线宽带业务需求面临着频谱资源分配殆尽、设备成本高和能耗高等问题，制约着无线通信产业的持续发展。认知无线电技术被认为是解决频谱资源短缺问题的一项有效技术。认知无线网络中，主次用户可以采用重叠模式或覆盖模式来共享频谱。在重叠模式下，次用户可接入主用户的频谱，只要其对主用户的干扰低于预设的门限值。由于干扰门限和信道衰落的影响，次用户的服务质量往往难于满足。如何保障次用户链路的通信质量，是认知无线技术实用化需要考虑的关键问题。
[0003]智能反射面(RIS)技术由于其具有全双工全频带工作、无需射频单元、不会放大噪声、低成本、低能耗和易布置等优点获得了学术界和工业界的广泛关注。RIS是一个由大量低成本的无源反射单元所构成的超表面。每个单元都可独立地对入射信号的幅度和相位进行调节。通过各单元的协作，RIS可让各反射信号在接收端相干叠加或相干抵消，从而达到改变信道环境、提升系统性能的目的。RIS为恶劣信道环境下的无线通信提速提供了新思路。
[0004]为提升次用户系统性能，RIS技术被引入认知无线网络中。然而现有对RIS辅助的认知无线网络的研究，往往假设所有用户都处于RIS覆盖范围内。在此假设下，RIS被同时用于增强次用户信号和抑制主用户处的干扰。然而，在实际网络中，当RIS布置于主用户接收机附近，而又远离次用户发射机时，由于路径损耗的影响，RIS覆盖范围有限。此时，RIS只能用于消除次用户对主用户的干扰，对其性能的预测是现实网络需要解决的问题。
技术实现思路
[0005]有鉴于现有技术的上述缺陷，本专利技术的目的在于提供一种基于RIS辅助的认知无线网络中断性能预测方法，与传统分析忽视RIS覆盖范围不同，本专利技术考虑在RIS覆盖范围的限制下，采用RIS来消除次用户对主用户的干扰，以提升次用户系统性能，导出的次用户中断概率封闭表达式可以精确预测实际系统性能，分析还表明采用适当大地反射单元数就可以显著提升系统性能，且相比于忽视RIS覆盖范围的网络，本专利技术网络可以工作在更低干扰噪声比环境下，这为实际网络设计与优化提供了理论指导。
[0006]一方面，本专利技术通过如下技术方案实现，提供一种基于RIS辅助的认知无线网络中断性能预测方法，其特征在于，包括以下步骤：
[0007]S1，对通信系统构建基于RIS辅助的认知无线网络模型，写出次用户接收机的接收信号表达式；
[0008]S2，导出各反射单元的相位取值，并得到此时的接收信噪比表达式；
[0009]S3，获取RIS各反射单元的幅度取值，导出对应的接收信噪比表达式；
[0010]S4，定义中断概率事件，推导出次用户中断概率理论表达式；
[0011]S5，通过蒙特卡洛对S4所述次用户中断概率理论表达式进行仿真及理论分析验证。
[0012]优选的，所述步骤S1所述通信系统还包括单天线主用户接收机、单天线次用户发射机、单天线次用户接收机和具有N个反射单元的RIS所组成，主用户发射机位于RIS覆盖范围内，而次用户发射机位于RIS覆盖范围之外。
[0013]更优的，所述的通信系统，其特征在于，还包括单天线主用户接收机数量为1，单天线次用户发射机数量为1，单天线次用户接收机数量为1，RIS数量为1。
[0014]优选的，所述方法还包括：把RIS的第i个反射单元记为用h
sd
、h
sp
、h
si
和h
ip
分别表示s
→
d链路、s
→
p链路、s
→
r
i
链路和r
i
→
p链路的复信道系数，用d
sd
、d
sp
、d
sr
和d
rp
分别表示上述对应链路节点间间距；
[0015]所有链路信道系数：服从均值为0，方差为1的复高斯随机分布，其中|h
mn
|和∠h
mn
分别是信道h
mn
的幅度和相位，e为常数，j2＝
‑
1为虚数，写出次用户接收机的接收信号表达式：
[0016][0017]其中，P
s
是发射功率，x是能量归一化发射信号，n是均值为0，方差为N0的加性高斯白噪声；
[0018]在最大发射功率约束Q和干扰功率约束I
p
下，次用户发射功率表示为：
[0019][0020]其中，β是路径损耗因子，θ
i
是第i个反射单元的调节相位，α∈(0，1]是第i个反射单元的调节幅度。
[0021]优选的，所述步骤S2中反射单元的相位取值为：
[0022][0023]次用户接收机处的信噪比表示为：
[0024][0025]其中，为平均信噪比，为平均干扰噪声比，报从瑞利分布，服从指数分布，用伽马分布对X2进行近似，X2的概率密度函数表示为：
[0026][0027]其中，Γ(
·
)为伽马函数，ρ＝Nπ2/(16
‑
π2)为形状参数，为逆尺度参数。
[0028]优选的，所述步骤S3中，在各反射单元的幅度取值范围内为使得次用户接收机处的信噪比最大，反射单元的调节幅度取值表示为：
[0029][0030]其中，
①
对应于次用户对主用户的干扰可完全消除的情形，
②
和
③
对应于次用户对主用户的干扰不能完全消除的情形。
[0031]优选的，所述步骤S4中次用户中断概率定义为瞬时传输速率低于预定速率R的概率，次用户中断概率表示为：
[0032][0033]其中，Pr[
·
]表示事件发生的概率，γ
th
＝2
R
‑
1为信噪比中断门限值，P1对应于次用户以最大发射功率Q发射信号，但次用户接收机不能正确解码的情形；P2对应于次用户不能以最大发射功率Q发射信号，且次用户接收机不能正确解码的情形，
[0034]把X1、X2和X3的概率密度函数代入公式(7)中，得到P1表达式：
[0035][0036]其中，Dp(
·
)为抛物柱面函数，
[0037]把公式(5)代入公式(7)中，得到P2表达式：
[0038][0039]其中
[0040][0041]其中，其中，是高斯Q函数，
[0042]把高斯Q函数的近似表达式代入公式(10)，可以得到I1的封闭表达式：
[0043][0044]其中，τ
2i
＝2B
i
c2c3+v，
[0045]把公式(8)...
【技术保护点】
【技术特征摘要】
1.一种基于RIS辅助的认知无线网络中断性能预测方法，其特征在于，包括以下步骤：S1，对通信系统构建基于RIS辅助的认知无线网络模型，写出次用户接收机的接收信号表达式；S2，导出各反射单元的相位取值，并得到此时的接收信噪比表达式；S3，获取RIS各反射单元的幅度取值，导出对应的接收信噪比表达式；S4，定义中断概率事件，推导出次用户中断概率理论表达式；S5，通过蒙特卡洛对S4所述次用户中断概率理论表达式进行仿真及理论分析验证。2.根据权利要求1所述的一种基于RIS辅助的认知无线网络中断性能预测方法，其特征在于，步骤S1所述通信系统还包括单天线主用户接收机、单天线次用户发射机、单天线次用户接收机和具有N个反射单元的RIS所组成，主用户发射机位于RIS覆盖范围内，而次用户发射机位于RIS覆盖范围之外。3.根据权利要求2所述的通信系统，其特征在于，还包括单天线主用户接收机数量为1，单天线次用户发射机数量为1，单天线次用户接收机数量为1，RIS数量为1。4.根据权利要求1所述的一种基于RIS辅助的认知无线网络中断性能预测方法，其特征在于，包括：把RIS的第i个反射单元记为用h
sd
、h
sp
、h
si
和h
ip
分别表示s
→
d链路、s
→
p链路、s
→
r
i
链路和r
i
→
p链路的复信道系数，用d
sd
、d
sp
、d
sr
和d
rp
分别表示上述对应链路节点间间距；所有链路信道系数：服从均值为0，方差为1的复高斯随机分布；其中|h
mn
|和∠h
mn
分别是信道h
mn
的幅度和相位，e为常数，j2＝
‑
1为虚数，写出次用户接收机的接收信号表达式：其中，P
s
是发射功率，x是能量归一化发射信号，n是均值为0，方差为N0的加性高斯白噪声；在最大发射功率约束Q和干扰功率约束I
p
下，次用户发射功率表示为：其中，β是路径损耗因子，θ
i
是第i个反射单元的调节相位，α∈(0，1]是第i个反射单元的调节幅度。5.根据权利要求1所述的一种基于RIS辅助的认知无线网络中断性能预测方法，其特征在于，所述步骤S2中反射单元的相位取值为：次用户接收机处的信噪比表示为：
其中，为平均信噪比，为平均干扰噪声比，服从瑞利分布，服从指数分布，用伽马分布对X2进行近似，X2的概率密度函数表示为：其中，Γ(
·
)为伽马函数，ρ＝Nπ2/(16
‑
π2)为...
【专利技术属性】
技术研发人员：杨平，邝伟潮，王善进，
申请(专利权)人：东莞理工学院，
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。