欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022100813938
申请人: 南京邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 电通信技术
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种智能反射面辅助认知无线电系统的符号级预编码方法,其特征在于,所述方法的步骤为:

S1、根据认知无线电通信系统的参数设定、信道状态信息以及智能反射面参数,建立认知用户和主用户的接收信号模型;

S2、针对智能反射面辅助的认知无线电通信场景,建立相关的符号级预编码问题,在认知用户侧符号错误概率约束、干扰温度约束、智能反射面的恒模约束以及基站已知的用户信道状态信息的基础上,提出以系统发射功率最小化为目标的设计问题;

S3、针对所建立的系统发射功率最小化设计问题,首先使用了基于双层迭代的块坐标下降算法,将建立的设计问题分解为两个子问题,分别进行迭代更新求解;其次在分层迭代过程中,又使用半正定松弛算法和高斯随机化方法来解决智能反射面的恒模约束;最后在符号级预编码方案下求解出最小的系统发射功率,为减少求解时的迭代次数,设计并使用了二分算法。

2.根据权利要求1所述的一种智能反射面辅助认知无线电系统的符号级预编码方法,其特征在于,S1的具体步骤为:

对于一个有智能反射面辅助并配备了NT根天线的认知基站(CBS),服务K个单天线认知用户(CU)和L个单天线主用户(PU)的认知无线电通信系统模型;智能反射面(IRS)配备了NR个反射单元,相关反射系数 可以表示为 Hr表示认知无线通信系统中CBS到IRS间的传输信道;gr,l、hr,k分别是IRS到第l个PU间的干扰信道以及IRS到第k个CU间的传输信道;gl、hk分别代表CBS对第l个PU产生的直接干扰信道和CBS到第k个CU间的直接传输信道;则第k个CU接收到的信号为:第l个PU接收到的干扰信号为:

其中,yk(t)是第k个CU在符号时间t内接收的信号;il(t)是第l个PU在符号时间t内接收到的干扰信号;T是信道相干时间;Φ=Diag(θ)是IRS的反射矩阵; 是CBS的发射信号; 和 是圆

形复高斯噪声;认知基站已知的信道状态信息包括干扰信道gr,l、gl和传输信道Hr、hr,k、hk。

3.根据权利要求1所述的一种智能反射面辅助认知无线电系统的符号级预编码方法,其特征在于,S2的具体步骤为:

在智能反射面辅助的认知无线电通信场景下,同时满足认知用户侧符号错误概率约束、干扰温度约束以及智能反射面的恒模约束,提出了以系统发射功率最小化为目标的设计问题;目标函数及约束条件表示为:其中,“min”表示最小化运算;“s.t.”表示约束条件; 为实部, 为虚部,是认知用户侧符号错误概率约束; 是干扰温度约束;|θi|=1是智能反射面的恒模约束;在QPSK调制下,为方便求解问题,将用 替代,可以将(3)式写成:

。

4.根据权利要求1所述的一种智能反射面辅助认知无线电系统的符号级预编码方法,其特征在于,所述S3的具体步骤为:S3‑1、由于约束条件中存在变量耦合,不适合直接求解,因此将(4)式中的约束条件uH H

(t)=(Hkθ+hk) x(t)、v(t)=(Glθ+gl) x(t)与目标函数交换位置,得到需要处理的问题:S3‑2、对于系统发射功率最小化设计问题的求解,使用了基于双层迭代的块坐标下降算法;由于(5)式中存在变量耦合以及非凸约束,使得直接求解设计问题变得十分困难,通过分析和验证,将目标函数的T个时隙进行合并处理,并使用块坐标下降算法将设计问题拆分为(P0)和(P1)两个子问题,进行交替迭代更新,以此求出最优的u、v、X、θ值,进而求解出最小的发射功率PT值。

S3‑3、由于最终的目标是求解出最小的PT值,运用二分求解算法:首先给定一个初始的PT值,在此基础上,经过迭代更新求解出目标函数中最优的u、v、X、θ值;此时,将所求解出的u、v、X、θ值代入到(5)式的目标函数中,如果目标函数为0,说明问题最优的解在区间[0,PT]内,需要缩短区间的长度;反之,说明问题最优的解不在区间[0,PT]内,需要扩展区间的长度。

5.根据权利要求4所述的一种智能反射面辅助认知无线电系统的符号级预编码方法,其特征在于,S3‑2中,所述子问题(P0)为:更新u、v、X:先固定θ值,然后对u、v、X进行处理,得到子问题(P0):。

6.根据权利要求4所述的一种智能反射面辅助认知无线电系统的符号级预编码方法,其特征在于,S3‑2中,所述子问题(P1)为:更新θ:在已知u、v、X的值的情况下,将其带入下式,进行θ的更新,得到子问题(P1):由于约束|θi|=1,i=1,...,NR的限制,无法直接求解,需要使用半正定松弛算法将上式处理为如下形式:

通过(8)式,可以直接求出X,再利用高斯随机化方法求解出最优的θ值。