本发明专利技术公开了一种智能反射面辅助通感一体化系统的能效优化方法,通过对通感一体化系统进行建模,再根据建立的模型构建初始优化问题,以系统的计算能效为优化目标,并以接收信号、系统总能耗、智能反射面的反射系数矩阵的单位模以及系统发射功率作为约束,然后,通过预设算法对构建的初始优化问题进行重新表述,得到目标优化问题,然后,对得到的目标优化问题进行第一步求解,得到第一闭式最优解集合,再然后,根据得到的第一闭式最优解集合对目标优化问题进行迭代求解,得到目标闭式最优解;然后根据得到的目标闭式最优解集对系统进行优化。可最大化系统计算能效。本发明专利技术实施例可广泛应用于无线通信技术领域。
【技术实现步骤摘要】
本专利技术涉及无线通信,尤其涉及一种智能反射面辅助通感一体化系统的能效优化方法。
技术介绍
1、随着通信技术的发展,无线通信使用的频段向毫米波、太赫兹和可见光等更高频段发展,由此无线通信和无线电传感在硬件、信道特性等方面重叠,因此出现了通信感知一体化技术,利用无线电装置使用同一信道来实现无线电感知和无线通信功能,例如通过雷达基站同时实现感知和无线通信;现有的通感一体化系统利用现有的硬件设备实现通信和感知两种功能,在同一频段里进行通信信号传输和无线感知信号的收发,由于两种信号都采用同一频段,两者之间会相互进行干扰,进而造成性能衰退,导致系统的频谱效率和整个系统的计算能效较低。
技术实现思路
1、有鉴于此,本申请实施例的目的是提供一种智能反射面辅助通感一体化系统的能效优化方法,能够最大化系统计算能效。
2、为实现上述目的,本申请实施例的一方面提出了一种智能反射面辅助通感一体化系统的能效优化方法,所述方法包括:
3、建立智能反射面的反射系数矩阵模型,建立所述智能反射面的接收信号模型,建立本地计算模型,建立计算卸载模型;
4、根据所述反射系数矩阵模型、所述接收信号模型、所述本地计算模型以及所述计算卸载模型,构建初始优化问题;其中,所述初始优化问题以系统计算能效为优化目标,以所述接收信号、系统总能耗、所述反射系数矩阵的单位模以及系统发射功率为约束;
5、根据第一预设算法和第二预设算法依次对所述初始优化问题进行重新表述,得到目标优化问题;
6、对所述目标优化问题进行求解,得到第一闭式最优解集,并根据所述第一闭式最优解集对所述目标优化问题进行迭代求解,得到目标闭式最优解集;
7、根据所述目标闭式最优解集对系统进行优化。
8、在一些实施例中,所述智能反射面的接收信号模型包括雷达信号模型和卸载传输信号模型,其中,所述雷达信号模型为
9、
10、其中,所述yrad为接收雷达信号,d为雷达的目标响应矩阵,b为发射波束成形向量,为抑制雷达回波信号;
11、所述卸载传输信号模型为
12、
13、其中,所述yoff为卸载传输信号,pk为第k个用户的传输功率,hk为第k个用户与雷达基站之间的信道,g为所述智能反射面与所述雷达基站之间的信道,gk为第k个用户与所述智能反射面之间的信道,φ为所述智能反射面的反射系数矩阵,为第k个用户的单位功率卸载传输信号。
14、在一些实施例中,所述本地计算模型包括本地总计算比特模型,其中,所述本地总计算比特模型为
15、
16、其中,dloc为本地计算总比特,t为传输时间,fk为第k个用户的处理器频率,ck为第k个用户对一位数据进行本地计算需要的处理器周期数。
17、在一些实施例中,所述计算卸载模型包括计算卸载总比特模型,其中,所述计算卸载总
18、比特模型为
19、
20、其中,doff为计算卸载总比特,b为通信感知一体化雷达的信道带宽,t为传输时间,rrad为雷达估计信息速率,为第k个用户的信号干扰加噪声比。
21、在一些实施例中,所述初始优化问题为
22、
23、s.t‖w‖2=1
24、
25、
26、
27、
28、其中,w为接收波束成形向量,b为发射波束成形向量,{fk}第k个用户的本地计算频率,{pk}为第k个用户的发射功率,φ为所述智能反射面的反射系数矩阵,doff为计算卸载总比特,dloc为本地计算总比特,ptot为系统消耗总能量。
29、在一些实施例中,所述根据第一预设算法和第二预设算法依次对所述初始优化问题进行重新表述,得到目标优化问题,具体包括:
30、引入第一辅助变量,根据所述第一辅助变量以及所述第一预设算法,对所述初始优化问题进行转换,得到第一优化问题;
31、依次引入第二辅助变量、第三辅助变量、第四辅助变量以及第五辅助变量,根据所述第二辅助变量、所述第三辅助变量、所述第四辅助变量、所述第五辅助变量以及第二预设算法,对所述第一优化问题进行转换,得到目标优化问题。
32、在一些实施例中,所述对所述目标优化问题进行求解,得到第一闭式最优解集,具体包括:
33、给定所述目标优化问题中的第一参数集,得到第二优化问题;其中,所述第二优化问题是关于所述第二辅助变量、所述第三辅助变量、所述第四辅助变量以及所述第五辅助变量的函数;其中,所述第一参数集包括接收波束成形向量、发射波束成形向量、反射系数矩阵、本地计算功率以及用户发射功率;
34、对所述第二优化问题进行求解,得到第一闭式最优解集合;其中,所述辅助变量闭式解集合包括所述第二辅助变量的闭式解、所述第三辅助变量的闭式解、所述第四辅助变量的闭式解以及所述第五辅助变量的闭式解。
35、在一些实施例中,所述根据所述第一闭式最优解集对所述目标优化问题进行迭代求解,得到目标闭式最优解集,具体包括:
36、将所述辅助变量闭式解集合代入所述目标优化问题,给定第二参数集,得到第一子问题;其中,所述第二参数集包括所述发射波束成形向量、所述反射系数矩阵、所述本地计算功率以及所述用户发射功率;
37、对所述第一子问题引入第一乘子,得到第一函数,对所述第一函数进行偏导求解,得到接收波束成形矢量的闭式最优解;
38、将所述辅助变量闭式解集合以及所述接收波束成形矢量的闭式最优解代入所述目标优化问题,给定第三参数集,得到第二子问题;其中,所述第三参数集包括所述反射系数矩阵、所述本地计算功率以及所述用户发射功率;
39、对所述第二子问题引入第二乘子,得到第二函数,对所述第二函数进行偏导求解,得到发射波束成形矢量的闭式最优解;
40、将所述辅助变量闭式解集合、所述发射波束成形矢量的闭式最优解以及所述接收波束成形矢量的闭式最优解代入所述目标优化问题,给定第四参数集,得到第三子问题;其中,所述第四参数集包括所述本地计算功率以及所述用户发射功率;
41、根据第三预设算法对所述第三子问题进行求解,得到反射系数矩阵的闭式最优解;
42、将所述辅助变量闭式解集合、所述发射波束成形矢量的闭式最优解、所述接收波束成形矢量的闭式最优解以及所述反射系数矩阵的闭式最优解代入所述目标优化问题,得到第四子问题;
43、对所述第四子问题引入第三乘子,得到第三函数,对所述第三函数进行偏导求解,得到本地计算频率的闭式最优解以及用户发射功率的闭式最优解;
44、根据所述接收波束成形矢量的闭式最优解、所述发射波束成形矢量的闭式最优解、所述反射系数矩阵的闭式最优解、所述本地计算频率的闭式最优解以及所述用户发射功率的闭式最优解,得到目标闭式最优解集。
45、为实现上述目的,本申请实施例的另一方面提出了本文档来自技高网
...
【技术保护点】
1.一种智能反射面辅助通感一体化系统的能效优化方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述智能反射面的接收信号模型包括雷达信号模型和卸载传输信号模型,其中,所述雷达信号模型为
3.根据权利要求1所述的方法,其特征在于,所述本地计算模型包括本地总计算比特模型,其中,所述本地总计算比特模型为
4.根据权利要求1所述的方法,其特征在于,所述计算卸载模型包括计算卸载总比特模型,其中,所述计算卸载总比特模型为
5.根据权利要求1所述的方法,其特征在于,所述初始优化问题为
6.根据权利要求1所述的方法,其特征在于,所述根据第一预设算法和第二预设算法依次对所述初始优化问题进行重新表述,得到目标优化问题,具体包括:
7.根据权利要求1所述的方法,其特征在于,所述对所述目标优化问题进行求解,得到第一闭式最优解集,具体包括:
8.根据权利要求1所述的方法,其特征在于,所述根据所述第一闭式最优解集对所述目标优化问题进行迭代求解,得到目标闭式最优解集,具体包括:
9.一种电子设备,其特征在于,包括:
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法。
...
【技术特征摘要】
1.一种智能反射面辅助通感一体化系统的能效优化方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述智能反射面的接收信号模型包括雷达信号模型和卸载传输信号模型,其中,所述雷达信号模型为
3.根据权利要求1所述的方法,其特征在于,所述本地计算模型包括本地总计算比特模型,其中,所述本地总计算比特模型为
4.根据权利要求1所述的方法,其特征在于,所述计算卸载模型包括计算卸载总比特模型,其中,所述计算卸载总比特模型为
5.根据权利要求1所述的方法,其特征在于,所述初始优化问题为
6.根据权利要求1所述的方法,...
【专利技术属性】
技术研发人员:赵赛,曾琳,唐冬,黄高飞,
申请(专利权)人:广州大学,
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。