一种基于可重构智能表面的上行多用户共生通信系统转让专利
申请号 : CN202110911674.7
文献号 : CN113630165B
文献日 : 2023-01-31
发明人 : 梁应敞 , 胡锦林 , 裴一扬
申请人 : 电子科技大学
摘要 :
本发明属于无线通信技术领域，具体涉及一种基于可重构智能表面的上行多用户共生通信系统。本发明提出了一种基于RIS的上行多用户共生通信系统架构。RIS的引入不仅辅助了用户到基站的上行传输，而且使RIS能够发送自身嵌入的传感器信号，于是在提高了频谱利用率和能量效率的同时，还有助于智慧城市应用的实现。通过联合的RIS反射系数矩阵和基站接收波束赋形的设计，进一步优化该通信系统。方案实施简单，且可证明能够实现比传统上行多用户通信系统更高的传输容量，具有很强的应用价值。
权利要求 :
1.一种基于可重构智能表面的上行多用户共生通信系统，系统包括一个基站、K个RIS、K个用户；基站部署M个接收天线，每个用户部署单个发射天线，第i个RIS部署Ni个反射单元；定义第i个RIS为第i个用户的上行传输服务的同时将自己的信息传输给基站、fi为第i个用户到基站的信道、hi为第i个用户到第i个RIS的信道、Gi为第i个RIS都基站的信道、vin为第i个RIS上的第n个元素的反射系数、αi为第i个RIS上反射单元的反射效率、为第i个RIS的相移矩阵、bi为第i个用户通过第i个RIS到基站的后向散射信道， 其特征在于，
定义ci为第i个RIS传输的环境传感器信号，ci为二进制相移键控信号，符号周期为Tc，ci＝{1,‑1}；第i个RIS每次向基站发送一个符号时，第i个用户发送Q个符号，有Tc＝QTs，Ts表示用户发送符号的周期；定义 表示ci的一个符号周期内的第n个初级信号，则一个Tc时间段内基站接收到的第n个接收信号y(n)为：
其中，Pi为第i个用户的发射功率， 为基站接收天线上的噪声向
量，其中 通过自干扰消除技术，基站通过接受波束成形向量 来提
取sk(n)和ck，经过处理后的信号为：
通过联合解调获得sk(n)和ck。
2.根据权利要求1所述的一种基于可重构智能表面的上行多用户共生通信系统，其特征在于，以用户信号和RIS信号加权和速率的最大化为目标，建立优化问题：s.t.|vkn|＝1,1≤k≤K,1≤n≤Nk (1)
其中，第约束(1)为RIS反射单元的反射系数约束，约束(2)为归一化接收波束赋形约束；W是基站的接收波束赋形向量，V是RIS的反射系数矩阵，Rs,k是sk(n)的速率，ρs,k是Rs,k的权重因子，Rc,k是ck的速率，ρc,k是Rc,k的权重因子，ρs,k+ρc,k＝1。
说明书 :
一种基于可重构智能表面的上行多用户共生通信系统
技术领域
[0001] 本发明属于无线通信技术领域，具体涉及一种基于可重构智能表面的上行多用户共生通信系统。
背景技术
[0002] 随着数字化的发展，移动设备的功能日益增强，同时也要求更大的带宽。这种趋势导致全球移动流量的指数型增长。具体来说，根据国际电信联盟的报告“I.Union,“IMT traffic estimates for the years 2020to 2030,”Report ITU.[Online].Available:https://www.itu.int”，从2020年到2030年，全球移动业务量估计将增长10‑100倍。为了克服高吞吐量以及超大规模接入的挑战在下一个十年的无线接入中，具有高能量和频谱效率的新型无线通信技术必不可少，并引起了全球的广泛关注。
[0003] 近年来，可重构智能表面(Reconfigurable Intelligent Surface，RIS)，又称智能反射表面，被认为是解决上述挑战的有前景的解决方案之一。RIS是一个几乎无源的反射元件阵列，每个元件可以在智能控制器的帮助下独立地使入射电磁波产生相移。利用无源反射元件，只能反射表面可以在低功耗的情况下增强其他主系统的传输
[0004] 除了RIS之外，共生无线电最近作为另一种有前景的解决方案出现了。利用后向散射调制技术，系统中的后向散射器件可以在没有专用射频源的情况下传输自己的信息。这意味着共生通信系统可以实现较高的能量和频谱效率，这也使其成为实现物联网传输的良好候选技术。
发明内容
[0005] 本发明提出一种基于RIS的上行多用户(User)共生通信系统设计，同时提供了一种RIS反射系数矩阵与接收机接收波束成形的联合设计方法。
[0006] 本发明将多个RIS引入上行多用户系统，辅助多个用户对基站(Base station,BS)的上行信号传输，提高了上行多用户系统能量和频谱利用率。具体而言，RIS上的每一个反射单元都可以对入射信号进行相位调整，于是通过RIS上所有反射单元的反射系数的整体设计，可以形成接收和发送波束对，增强对目标方向信号的接收和发送，同时抑制其他方向信号带来的干扰。除此之外，本发明在RIS波束对的基础上，通过对基站接收波束方向的联合优化，进一步提高接收信号的信号强度以及无线通信系统的能量和频谱效率。
[0007] 另外，本发明考虑在RIS上嵌入环境传感器实现周围环境数据的收集，如温度，湿度，光强，空气污染指数等，同时采用了反向散射调制技术，每个可重构智能表面可以将收集到的环境数据调制到入射信号上，然后反射给基站。于是在实现增强的用户与基站的上行通信的同时，基站可以实现周围环境数据的收集和集中处理，以支持智慧城市的应用，如污染检测和天气预测等。
[0008] 最后，本发明提出了多个RIS反射系数矩阵以及基站接收波束赋形向量的联合优化设计方案。具体而言，本方案基于一种交替优化的迭代算法：固定RIS的反射系数矩阵，优化基站的接收波束赋形向量；在优化后的基站波束赋形的基础上，逐一优化每一个智能表面的反射系数矩阵。通过多个这样的交替优化周期，算法最终收敛于RIS反射系数矩阵和基站接收波束赋形的局部最优值。
[0009] 为实现上述目的，本发明的技术方案为：
[0010] 一种基于可重构智能表面的上行多用户共生通信系统，系统包括一个基站、K个RIS、K个用户；基站部署M个接收天线，每个用户部署单个发射天线，第i个RIS部署Ni个反射单元；定义第i个RIS为第i个用户的上行传输服务的同时将自己的信息传输给基站、fi为第i个用户到基站的信道、hi为第i个用户到第i个RIS的信道、Gi为第i个RIS都基站的信道、vin为第i个RIS上的第n个元素的反射系数、αi为第i个RIS上反射单元的反射效率、为第i个RIS的相移矩阵、bi为第i个用户通过第i个RIS到基站的后向散射信道， 其特征在于，
[0011] 定义ci为第i个RIS传输的环境传感器信号，ci为二进制相移键控信号，符号周期为Tc，ci＝{1,‑1}；第i个RIS每次向基站发送一个符号时，第i个用户发送Q个符号，有Tc＝QTs，Ts表示用户发送符号的周期；定义 表示ci的一个符号周期内的第n个初级信号，则一个Tc时间段内基站接收到的第n个接收信号y(n)为：
[0012]
[0013] 其中，Pi为第i个用户的发射功率， 为基站接收天线上的噪声向量，其中 通过自干扰消除技术，基站通过接受波束成形向量
来提取sk(n)和ck，经过处理后的信号为：
来提取sk(n)和ck，经过处理后的信号为：
[0014]
[0015] 通过联合解调获得sk(n)和ck。
[0016] 此时sk(n)和ck耦合在一起，可采用“I.Union,“IMT traffic estimates for the years 2020to 2030,”Report ITU.[Online].Available:https://www.itu.int”中提出的最大似然检测器，它能实现这种情况下sk(n)和ck的联合解调以获得更好的性能。根据“I.Union,“IMT traffic estimates for the years 2020to 2030,”Report ITU.[Online].Available:https://www.itu.int”，在这种情况下，sk(n)的信干噪比可表示为[0017]
[0018] 其中 ck的信干噪比可表示为
[0019]
[0020] 所以容易得出sk(n)和ck的速率分别为
[0021]
[0022]
[0023] 其中，Γ代表信干噪比与容量差距，用来表征采用二进制相位调制而引起的容量下降。考虑该基于可重构智能表面的上行多用户共生通信系统，基站的接收波束赋形和RIS的反射系数V＝[V1,V2,…,VK]需要进行优化，以实现用户信号与RIS信号加权速率最优。
[0024] 进一步的，优化方法是，以用户信号和RIS信号加权和速率的最大化为目标，建立优化问题：
[0025]
[0026] s.t.|vkn|＝1,1≤k≤K,1≤n≤Nk (1)
[0027]
[0028] 其中，第约束(1)为RIS反射单元的反射系数约束，约束(2)为归一化接收波束赋形约束；W是基站的接收波束赋形向量，V是RIS的反射系数矩阵，Rs,k是sk(n)的速率，ρs,k是Rs,k的权重因子，Rc,k是ck的速率，ρc,k是Rc,k的权重因子，ρs,k+ρc,k＝1。
[0029] 本发明的有益效果为：本发明提出了一种基于RIS的上行多用户共生通信系统架构。RIS的引入不仅辅助了用户到基站的上行传输，而且使RIS能够发送自身嵌入的传感器信号，于是在提高了频谱利用率和能量效率的同时，还有助于智慧城市应用的实现。通过联合的RIS反射系数矩阵和基站接收波束赋形的设计，进一步优化该通信系统。方案实施简单，且可证明能够实现比传统上行多用户通信系统更高的传输容量，具有很强的应用价值。
附图说明
[0030] 图1示出了本发明的系统组成示意图；
[0031] 图2示出了本发明的提出的迭代算法优化框图；
[0032] 图3示出了本发明的算法反正验证系统位置设置图；
[0033] 图4为本发明系统所有用户和RIS可达和速率性能图；
[0034] 图5为本发明系统所有RIS可达和速率性能图。
具体实施方式
[0035] 下面结合附图和实施例，对本发明技术方案进行详细描述：
[0036] 实施例
[0037] 以一基于RIS的单输入多输出无线通信系统为例。如图1所示，本发明考虑了一个基站，K(K≥1)个RIS，以及K(K≥1)个用户。每个RIS，为附近一个用户的上行传输服务的同时将自己的信息传输给基站。其具体系统模型如图1所示。本发明具体考虑基站部署M(M≥1)个接收天线，每个用户部署单个发射天线，第i个可重构智能反射表面部署Ni(Ni≥1)个反射单元的情况。为了简单起见，将靠近RIS i的用户称为User i。除此之外，假设每个RIS彼此之间的距离足够远，所以RIS之间以及RIS与远端用户之间的干扰信道可以忽略。令fi为User i到基站的信道，hi为User i到RIS i的信道，Gi为RIS i到基站的信道。除此之外，令vin为RIS i上的第n个元素的反射系数，αi(αi≤1)为RIS i上反射单元的反射效率，为RIS i处的相移矩阵。为了便于标记，将User i通过RIS
i到基站的后向散射信道表示为bi，所以有
i到基站的后向散射信道表示为bi，所以有
[0038] 令ci为RIS i传输的环境传感器信号。假设ci为二进制相移键控信号，符号周期Tc，则有ci＝{1,‑1}。此外，假设RIS i每次向基站发送一个符号时，User i发送Q个符号。因此有Tc＝QTs，其中Ts表示用户发送符号的周期。令 表示ci的一个符号周期内的第n个初级信号。因此，一个Tc时间段内基站接收到的第n个接收信号y(n)可表示如下可表示为
[0039]
[0040] 其中，Pi为User i的发射功率， 为基站接收天线上的噪声向量，其中 通过自干扰消除技术，基站可通过接受波束成形向量
来提取sk(n)和ck，经过处理后的信号为
来提取sk(n)和ck，经过处理后的信号为
[0041]
[0042] 此时sk(n)和ck耦合在一起，采用“I.Union“, IMT traffic estimates for the years 2020to 2030,”Report ITU.[Online].Available:https://www.itu.int”中提出的最大似然检测器，它能实现这种情况下sk(n)和ck的联合解调以获得更好的性能，在这种情况下，sk(n)的信干噪比可表示为
[0043]
[0044] 其中 ck的信干噪比可表示为
[0045]
[0046] 所以容易得出sk(n)和ck的速率分别为
[0047]
[0048]
[0049] 其中，Γ代表信干噪比与容量差距，用来表征采用二进制相位调制而引起的容量下降。在该系统中，通过联合优化RIS的反射系数矩阵和基站的接收波束赋形向量可以实现用户信号和RIS信号加权和速率的最大化。故考虑如下优化问题
[0050]
[0051] s.t.|vkn|＝1,1≤k≤K,1≤n≤Nk, (9)
[0052]
[0053] 其中第一个约束(13)为RIS反射单元的反射系数约束，约束(14)为归一化接收波束赋形约束。本发明根据上述优化问题提出了一种迭代优化算法，这里只是给出一种设计反射系数的方案，其他求解方案均包含在此发明保护范围内，具体如下。
[0054] 首先，用统计平均近似数学期望，并使用“Shen K,Yu W.Fractional Programming for Communication Systems‑‑Part I:Power Control and Beamforming[J].IEEE Transactions on Signal Processing,2018:1‑1”中的提出的拉格朗日对偶变换方法(Lagrangian dual transform)，P1可转化为
[0055] P1‑A:maxW,V,βfr(W,V,β)
[0056] s.t.(1),(2),
[0057] 其中， 是辅助变量的集合，并且有
[0058]
[0059] 其中， 且 由于P1‑A对于βs,kj和βc,k是凸的，于是可以容易得到局部最优的 与 在此基础上，利用交替优化的方法分别优化波束赋形W与RIS反射系数V，P1‑A可以拆解为如下两个子问题：
[0060] 1)固定β与V，利用“Shen K,Yu W.Fractional Programming for Communication Systems‑‑Part I:Power Control and Beamforming[J].IEEE Transactions on Signal Processing,2018:1‑1”提出的二次变换方法(Quadratic transformation)，P1‑A可转化为优化W的子问题P1‑B：
[0061] P1‑B:maxW,ξfql(W,ξ)
[0062] s.t.(2),其中， 是辅助变量的集合，并且有
[0063]
[0064] 2)固定β与W，对P1‑A使用二次变换，则P1‑A可转化为优化V的子问题P1‑C：
[0065] P1‑C:maxV,εfq2(V,ε)
[0066] s.t.(1),(2),
[0067] 其中， 是辅助变量的集合，并且有
[0068]
[0069] 其中， 且代表RISi处的波束赋形向量。
[0070] 因此原问题可以交替求解子问题P1‑B与P1‑C得到最优解。具体而言，给定初始值(0) (0)(W ,V )，交替求解上述两个子问题，直到算法收敛，其算法框架如图2所示。下面给出求解这两个子问题的一种可行方案，以供验证基于RIS的上行多用户共生通信系统的性能。
[0071] 1)在固定β与V而优化W的时候，由于P1‑B对ξs,kj和ξc,k是凸的，于是可以容易得到局部最优的 与 又由于P1‑B对每个 都是凸的，所以容易得到局部最优的W为:
[0072]
[0073] 其中，其中
[0074] 2)在固定β与V而优化W的时候，由于P1‑C对εs,kj和εc,k是凸的，于是可以容易得到局部最优的 与 固定ε，可以将fq2(V,ε)转化为其中
[0075]
[0076]
[0077] 将vk替换为 可以将P1‑C转化为K个子问题。第k子问题为：
[0078]
[0079] 根据“Razaviyayn M,Hong M,Luo Z Q.A Unified Convergence Analysis of Block Successive Minimization Methods for Nonsmooth Optimization[J].Siam Journal on Optimization,2012,23(2):1126‑1153”，由于fq3,k(θk)是连续可微的，所以可以通过“Razaviyayn M,Hong M,Luo Z Q.A Unified Convergence Analysis of Block Successive Minimization Methods for Nonsmooth Optimization[J].Siam Journal on Optimization,2012,23(2):1126‑1153”中提出的连续凸近似(successive convex approximation，SCA)技术，可以实现P1‑D‑(k)的求解。通过依次求解K个子问题，可以求解出最优的V。
[0080] 如下将给出仿真结果验证上述系统在传输效率的优越性，传输RIS上传感器信号的可能性，以及上述优化算法方案的可行性。如图3所示，考虑如下仿真位置设计。考虑M＝4，K＝4， 和Γ＝1。考虑基站位于(0,0)，RIS分别位于(L1，0)，(0，L2)，(‑L3，
0)，和(0，‑L4)。考虑传输带宽是180kHz，噪声能量的频谱密度是‑170dBm/Hz。Gk和hk的路径损耗是22.0lgd+35.6dB，fk的路径损耗是36.7lgd+32.6dB。为了简化模型，对每一个k值，考虑Nk＝N和Pk＝Pm。除此之外，考虑Gk和hk服从莱斯分布，所以Gk和hk可以被表示为和 其
中，LG,k和Lh,k代表Gk和hk的路径损耗，νG,k和νh,k代表Gk和hk的莱斯系数。对于每一个k值，考虑νG,k＝νh,k＝10。 ψk和 是角度参数， aM(ψk)，和 代表对应的方向矢量。
和 代表小尺度衰落的非视线传播成分，它们服从 为了保证结果的一般性，产生了100组信道实现来进行仿真。
0)，和(0，‑L4)。考虑传输带宽是180kHz，噪声能量的频谱密度是‑170dBm/Hz。Gk和hk的路径损耗是22.0lgd+35.6dB，fk的路径损耗是36.7lgd+32.6dB。为了简化模型，对每一个k值，考虑Nk＝N和Pk＝Pm。除此之外，考虑Gk和hk服从莱斯分布，所以Gk和hk可以被表示为和 其
中，LG,k和Lh,k代表Gk和hk的路径损耗，νG,k和νh,k代表Gk和hk的莱斯系数。对于每一个k值，考虑νG,k＝νh,k＝10。 ψk和 是角度参数， aM(ψk)，和 代表对应的方向矢量。
和 代表小尺度衰落的非视线传播成分，它们服从 为了保证结果的一般性，产生了100组信道实现来进行仿真。
[0081] 此外，为了更好的评估所提出系统的，引入了两个参考系统：1)随机被动波束赋形系统(Random Phase)：在此参考系统中，每个RIS的反射系数不会被优化，并且被设置为随机值，W的优化方法与提出的算法保持一致。2)无RIS系统(Without RIS)：在此参考系统中，所有RIS被移除，然后利用了经典的迫零算法来优化W。
[0082] 图4比较了在不同用户传输功率下，基于智能反射表面的上行多用户共生通信系统的用户和RIS和速率的性能。特别地，结果显示，在相同的用户发射功率约束情况下，本发明所提出来的基于智能反射表面的上行多用户共生通信系统的加权和速率要优于同等参数设置下的随机被动波束赋形系统和无RIS系统。而随着用户发射功率的增大，基于智能反射表面的上行多用户共生通信系统的加权和速率也随之增大，这也是符合预期的。图5比较了在不同用户传输功率下，基于智能反射表面的上行多用户共生通信系统所有RIS和速率的性能，得到的结论与图4类似。