一种基于智能反射面的通信系统技术方案

本发明专利技术公开了一种基于智能反射面的通信系统，所述系统基于D2D通信系统实现无线通信，所述系统包括无人机基站、蜂窝用户、包含若干反射元件的智能反射面和若干D2D用户对；其中，D2D用户功率分配表述为非凸优化问题；所述非凸优化问题基于SD3算法求解。本发明专利技术能够学习问题本身的属性从而提升计算效率，通过训练的方式学习问题的共性特征从而直接将训练的模型进行部署测试，再借助神经网络的并行计算能力，模型能够在极短的时间内给出优化方案，以较低的复杂度解决智能反射面辅助的D2D系统大维度优化问题。维度优化问题。维度优化问题。

【技术实现步骤摘要】
一种基于智能反射面的通信系统


[0001]本专利技术属于无线通信
，尤其涉及一种基于智能反射面的通信系统。

技术介绍

[0002]设备与设备(Device
‑
to
‑
Device，D2D)的通信可以让两个接近的用户直接传输信号，而不需要经过BS，已经被认为是提高有限频谱利用率的潜在解决方案。传统的蜂窝通信中，信道的传输距离长，需要较大的传输功率进而产生更大的路径损耗，而D2D通信极大地缩减了信道传输的距离，用户可以采用较小的发射功率，达到对应传输速率的要求。当用户位置都处于小区的边缘或者环境中信道衰减非常严重时，D2D通信会带来更显著的优势。
[0003]近年来，智能反射面(Reconfigurable Intelligent Surface，RIS)技术已成为改善信道质量的一种有效方法。特别是在RIS控制器的帮助下，通过合理设计RIS相位矩阵，可以使期望信号与反射信号建设性地结合以增加期望信号功率增益，或破坏性地减少恶性干扰，从而建立有利于提高系统性能的通信信道。
[0004]目前，针对RIS辅助的D2D通信系统，主要是交替最大化和优化最小(Majorization
‑
Minimization)算法相结合以及半定松弛交替优化技术，此类传统算法需要掌握全局信息，导致严重的信令开销。此外，由于传统优化方法仅仅以某个时间间隔中的资源变量为研究对象，根据资源分配问题制定优化方案，并利用算法求解，可能只适用于小规模网络和静态无线环境。
专利技术内容
[0005]本专利技术的目的在于，为克服现有技术缺陷，提供了一种基于智能反射面的通信系统,能够学习问题本身的属性从而提升计算效率，通过训练的方式学习问题的共性特征从而直接将训练的模型进行部署测试，再借助神经网络的并行计算能力，模型能够在极短的时间内给出优化方案，以较低的复杂度解决智能反射面辅助的D2D系统大维度优化问题。
[0006]本专利技术目的通过下述技术方案来实现：
[0007]一种基于智能反射面的通信系统，所述系统基于D2D通信系统实现无线通信，其特征在于：
[0008]所述系统包括无人机基站、蜂窝用户、包含若干反射元件的智能反射面和若干D2D用户对；
[0009]其中，D2D用户功率分配表述为非凸优化问题：
[0010][0011][0012][0013]0≤P
c
≤P
max
,
[0014]SINR
c
≥SINR
thr
,
[0015][0016][0017]其中，P＝{P1,P2,
…
,P
D
}，表示第j个D2D接收端接收到的信号与干扰加噪声比，P
j
′
为第j个D2D发送端的发射功率，σ
j2
为第j个D2D接收端的噪声方差，P
c
为无人机基站到蜂窝用户的发射功率，表示智能反射面的发射系数矩阵，和β
m
＝1分别为第m个反射元件的相移和幅值反射系数，h
r
表示无人机基站到智能反射面的信道增益；
[0018]所述非凸优化问题基于SD3算法求解。
[0019]进一步的，所述SD3算法输入当前信道信息，环境状态包括当前无人机位置，蜂窝用户和D2D用户的信号与干扰加噪声比；
[0020]智能体执行动作，所述动作包括智能反射面的相位矩阵、D2D用户的功率和无人机基站发射功率，当智能体执行完动作后，进入下一个状态；
[0021]以D2D用户和速率作为奖励，给定当前信道信息以及动作，根据actor network计算出奖励。
[0022]进一步的，所述无人机基站到用户i信道增益为其中，其中α0是用户与无人机链路之间的路径损耗系数，η是与NLOS链路的相关系数，A、B为与环境有关的常数，P
NLoS
＝1
‑
P
LoS
，d为无人机基站到用户的距离。
[0023]进一步的，所述无人机基站到蜂窝用户信道增益为：
[0024][0025]其中，表示无人机基站到蜂窝用户的距离，表示随机生成的瑞利分布系数。
[0026]进一步的，所述无人机基站到智能反射面信道增益为：
[0027][0028]其中，表示无人机基站到智能反射面的距离，表示随机生成的瑞利分布系数。
[0029]进一步的，所述无人机基站到第j个D2D用户的信道增益为：
[0030][0031]其中，表示无人机基站到第j个D2D用户的距离，表示随机生成的瑞利分布系数。
[0032]进一步的，所述智能反射面到蜂窝用户信道增益为：
[0033][0034]其中，表示智能反射面到蜂窝用户的距离，表示路径损耗，d是节点间距离，ρ表示1m处的路径损耗，υ表示1m处的路径损耗系数。
[0035]进一步的，所述智能反射面到第j个D2D用户信道增益为：
[0036][0037]其中，表示智能反射面到第j个D2D用户的距离，表示随机生成的瑞利分布系数。
[0038]进一步的，所述蜂窝用户到第j个D2D用户信道增益为：
[0039][0040]其中，表示蜂窝用户到第j个D2D用户的距离，表示随机生成的瑞利分布系数。
[0041]进一步的，所述第j个D2D发射端到第j
′
个D2D接收端信道增益为：
[0042][0043]其中，表示第j个D2D发射端到第j
′
个D2D接收端的距离，表示随机生成的瑞利分布系数。
[0044]本专利技术的有益效果在于：
[0045](1)本专利技术提出了RIS辅助的D2D无线通信系统模型，由于无人的灵活轻便性，将无人机作为空中基站改善传统基站的限制，智能反射面的使用可以降低LOS链路引起的干扰，改善信道质量，并且可以解决NLOS链路导致的信号衰减，数据传输速率低的问题。
[0046](2)本专利技术将SD3算法应用到所提优化问题中，SD3算法使用基于双估计的软极大算子来解决较大低估偏差的问题，可以平滑优化环境，从而有助于经验学习。所提出的RIS
‑
SD3的算法具有较低的实现复杂度，可以解决RIS辅助的D2D通信系统中涉及的大维度优化问题。。
[0047](3)本专利技术与以往使用交替优化技术优化功率分配和相位的研究不同，本专利技术所提的RIS
‑
SD3算法同时获得D2D用户对的功率和智能反射面的相位。具体而言，利用和率作为即时奖励来训练算法，通过观察奖励并相应地迭代调整算法的参数。
附图说明
[0048]图1是本专利技术实施例基于智能反射面的通信系统模型图；
[0049]图2是本专利技术实施例所采用的SD3算法原理图；
[0050]图3是本专利技术实施例学习率对SD3算法收敛性影响对比图。
具体实施方式
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能反射面的通信系统，所述系统基于D2D通信系统实现无线通信，其特征在于：所述系统包括无人机基站、蜂窝用户、包含若干反射元件的智能反射面和若干D2D用户对；其中，D2D用户功率分配表述为非凸优化问题：其中，D2D用户功率分配表述为非凸优化问题：其中，D2D用户功率分配表述为非凸优化问题：0≤P
c
≤P
max
,SINR
c
≥SINR
thr
,,其中，P＝{P1,P2,
…
,P
D
}，表示第j个D2D接收端接收到的信号与干扰加噪声比，P
j
′
为第j个D2D发送端的发射功率，σ
j2
为第j个D2D接收端的噪声方差，P
c
为无人机基站到蜂窝用户的发射功率，表示智能反射面的发射系数矩阵，θ
m
∈[0,2π)和β
m
＝1分别为第m个反射元件的相移和幅值反射系数，h
r
表示无人机基站到智能反射面的信道增益；所述非凸优化问题基于SD3算法求解。2.如权利要求1所述的基于智能反射面的通信系统，其特征在于，所述SD3算法输入当前信道信息，环境状态包括当前无人机位置，蜂窝用户和D2D用户的信号与干扰加噪声比；智能体执行动作，所述动作包括智能反射面的相位矩阵、D2D用户的功率和无人机基站发射功率，当智能体执行完动作后，进入下一个状态；以D2D用户和速率作为奖励，给定当前信道信息以及动作，根据actor network计算出奖励。3.如权利要求1所述的基于智能反射面的通信系统，其特征在于，所述无人机基站到用
户i信道增益为其中，其中α0是用户...

【专利技术属性】
技术研发人员：许茜，尤倩，王伶，杨欣，张兆林，孙文彬，粟嘉，谢坚，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：