本发明提出了一种基于RIS技术的异构网络公平共存方法。基于所构建的RIS辅助下的异构网络系统，构建每个蜂窝基站的吞吐量模型、WiFi用户的干扰功率模型以及每个WiFi用户的饱和吞吐量模型；基于蜂窝基站吞吐量模型、WiFi用户的饱和吞吐量模型构建优化目标，结合WiFi用户接入信道干扰功率的大小、蜂窝基站发射功率的大小、RIS上各反射元件幅度与相位间的限制关系以及WiFi用户接入选择变量的数值构建约束条件；在约束条件的限制下，通过优化所有蜂窝基站的波束向量、可重构智能反射面的反射系数对角阵以及所有WiFi用户的接入选择变量来最大化异构网络中每个蜂窝基站和WiFi接入点加权吞吐量中的最小值。本发明提出的公平共存方法可以有效抵消传输干扰，提高频谱效率。
1.一种基于RIS技术的异构网络公平共存方法，其特征在于，包括以下步骤：
步骤2：构建每个蜂窝基站覆盖下的每个蜂窝用户信号模型，根据每个蜂窝基站覆盖下的每个蜂窝用户信号模型构建每个蜂窝基站覆盖下的每个蜂窝用户信号与干扰加噪声比模型，根据蜂窝基站覆盖下的所有蜂窝用户信号与干扰加噪声比模型构建蜂窝基站的吞吐量模型；
步骤3：分别构建WiFi用户的干扰功率模型、每个WiFi用户的饱和吞吐量模型；
步骤4：通过蜂窝基站吞吐量模型、WiFi用户的饱和吞吐量模型构建优化目标；结合WiFi用户接入信道时干扰功率大小、蜂窝基站的发射功率大小、RIS上各个反射元件幅度与相位间的限制关系以及WiFi用户接入选择变量数值构建约束条件；在约束条件的限制下，通过优化所有蜂窝基站的波束向量、优化可重构智能反射面的反射系数对角阵、优化所有WiFi用户的接入选择变量来最大化异构网络中每个蜂窝基站和WiFi接入点加权吞吐量中的最小值，得到优化后所有蜂窝基站的波束向量、优化后可重构智能反射面的反射系数对角阵、优化后所有WiFi用户的接入选择变量；
步骤1所述RIS辅助的异构网络系统包括N个蜂窝基站、N*K个蜂窝用户、WiFi接入模块、I个WiFi用户、可重构智能反射面；
所述蜂窝基站分别与对应的K个蜂窝用户通过无线方式依次连接；
所述WiFi接入模块分别与所述I个WiFi用户通过无线方式依次连接；
所述可重构智能反射面通过生成反射路径建立蜂窝基站与蜂窝用户间以及蜂窝基站与WiFi用户间的间接链路信号，协助异构网络系统间通信；
步骤2所述每个蜂窝基站覆盖下的每个蜂窝用户信号模型为：
其中，N表示蜂窝基站的数量，K表示每个蜂窝基站下的蜂窝用户的数量，R表示可重构智能反射面中反射元件的数量； 表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的直射信道向量， 表示第m个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的直射信道向量；gn为第n个蜂窝基站到可重构智能反射面的信道向量，gm为第m个蜂窝基站到可重构智能反射面的信道向量； 为可重构智能反射面到第n个蜂窝基站覆盖下的第k个蜂窝用户的信道向量；Θ表示可重构智能反射面的反射系数对角阵，其中，Ar表示RIS上第r个反射元件的幅度，θr表示RIS上第r个反射元件的相位，r∈[1,R]； 表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的波束向量， 表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第l个蜂窝用户的波束向量， 表示第m个蜂窝基站到第m个蜂窝基站覆盖下的第l个蜂窝用户的波束向量； 表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的传输信号， 表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第l个蜂窝用户的传输信号， 表示第m个蜂窝基站到第m个蜂窝基站覆盖下的第l个蜂窝用户的传输信号； 表示第n个蜂窝基站覆盖下的第k个蜂窝用户收到的高斯随机噪声， 表示第n个蜂窝基站覆盖下的第k个蜂窝用户收到的高斯随机噪声的标准差；
步骤2所述构建每个蜂窝基站覆盖下的每个蜂窝用户的信号与干扰加噪声比模型为：步骤2所述每个蜂窝基站的吞吐量模型为：
其中，FRn为第n个蜂窝基站的吞吐量模型,N表示蜂窝基站的数量，K表示每个蜂窝基站的蜂窝用户的数量；
其中，N表示蜂窝基站的数量，K表示每个蜂窝基站下的蜂窝用户的数量，R表示可重构智能反射面中反射元件的数量；hn,i表示第n个蜂窝基站到第i个WiFi用户的直射信道向量，Hi为RIS到第i个WiFi用户的信道向量；gn为第n个蜂窝基站到可重构智能反射面的信道向量；Θ表示可重构智能反射面的反射系数对角阵，其中，Ar表示RIS上第r个反射元件的幅度，θr表示RIS上第r个反射元件的相位，r∈[1,R]； 表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的波束向量；
通过合理地设置RIS的反射系数，可以选择性地抵消WiFi用户受到的干扰，使其检测到的干扰功率小于某个阈值；此时，WiFi用户将认为信道为空，开始基于DCF协议中的CSMA/CA机制竞争接入；同时，我们引入变量xi表示第i个WiFi用户是否接入信道，当xi＝1时，表示第i个WiFi用户成功接入；
其中，Lp表示WiFi数据传输的平均数据包尺寸，Tσ表示平均时隙长度，Ts表示成功传输时信道占用的平均时间，Tc表示由于WiFi用户产生碰撞造成的信道占用的平均时间；
其中，F为接入信道的WiFi用户的总数，τ表示WiFi用户接入概率；
其中，F为接入信道的WiFi用户的总数，τ表示WiFi用户接入概率；
当WiFi用户的吞吐量达到最大时，接入概率τ可由下式表示：
其中，Tσ表示平均时隙长度，Tc表示由于WiFi用户产生碰撞造成的信道占用的平均时间，F为接入信道的WiFi用户的总数；
步骤4所述优化目标为最大化异构网络中每个蜂窝基站和WiFi接入点加权吞吐量中的最小值，具体定义如下：步骤4等式约束条件为：
wn＝[wn,1,...,wn,m,...,wn,N]
其中N表示蜂窝基站的数量，K表示每个蜂窝基站下的蜂窝用户的数量,I表示WiFi用户的数量，R表示可重构智能反射面中反射元件的数量；w表示所有蜂窝基站的波束向量，wn表示第n个蜂窝基站的所有波束向量，wn,m表示从第n个蜂窝基站到第m个蜂窝基站覆盖下所有蜂窝用户的波束向量， 表示第n个蜂窝基站到第m个蜂窝基站第k个蜂窝用户的波束向量，Θ表示可重构智能反射面的反射系数对角阵，x表示所有WiFi用户接入选择变量值；ρn表示第n个蜂窝系统在异构网络中的权重，ρw表示WiFi系统在异构网络中的权重，可根据应用场景设置0至1内的数字；FRn表示第n个蜂窝基站的吞吐量模型，WR表示所有WiFi用户的饱和吞吐量；xi表示第i个WiFi用户的信道接入选择，yi表示第i个WiFi用户干扰功率，Γw表示允许WiFi用户接入信道的干扰阈值； 表示第n个蜂窝基站到第n个蜂窝基站第k个蜂窝用户的波束向量，Pn表示第n个蜂窝基站的最大发射功率；Ar表示RIS上第r个反射元件的幅度，θr表示RIS上第r个反射元件的相位，r∈[1,R]；
步骤4所述优化目标是一个非凸函数，需要引入辅助变量转换；WiFi用户的信道接入选择约束中涉及整数变量，需要引入辅助变量进行等价替换；
优化目标函数中WiFi用户吞吐量只与接入信道的WiFi用户的总数目F相关，WiFi用户接入概率是一个超越函数，引入双层循环优化算法求解：外层循环对WiFi用户接入的总数目进行穷举搜索，内层循环针对三个优化变量建立子问题依次求解：通过二分搜索法求解蜂窝基站功率子问题得到所有蜂窝基站的波束向量；
通过连续凸近似法求解RIS反射波束子问题得到RIS中各元件的反射系数；
通过罚函数法求解WiFi用户选择变量子问题得到所有WiFi用户接入选择变量；
基于步骤4所得的优化后所有蜂窝基站的波束向量w*，优化后可重构智能反射面上反射系数对角阵Θ*，优化后所有WiFi用户的接入选择变量x*，系统重新配置无线通信环境，调整各基站网络信号覆盖范围，改善用户边缘吞吐量，并抵消信道干扰，提高网络通信效率，提升系统通信性能。
一种基于RIS技术的异构网络公平共存方法
技术领域
[0001] 本发明属于移动互联网技术领域，尤其涉及一种基于RIS技术的异构网络公平共存的方法。
背景技术
[0002] 随着移动互联网行业的快速发展，各种智能终端和新兴应用层出不穷。同时，不断扩大的用户规模和爆炸式增长的数据流量给无线通信网络的发展带来了新的挑战，当前5G移动通信亟需探索新的技术手段来扩充频谱资源，提升通信系统容量。
[0003] 目前，多入多出技术(Multiple Input Multiple Output，MIMO)、非正交多址接入技术(Non‑Orthogonal Multiple Access，NOMA)、部署超密集组网(Ultra Dense Network，UDN)等多种方案的应用可以保证更高的用户连接密度，从而提升系统容量和频谱效率。除此之外，研究者们还在探索拓宽现有频谱资源的可行性。当前，许可频段频谱资源早已被各大运营商分配一空，将现有通信技术部署到免许可频段以及毫米波等高频段成为了通信行业研究的主要方向。
[0004] 在未被充分利用的2.4GHz与5GHz免许可频段，人们首先提出了免许可频段长期演进(LTE in Unlicensed Spectrum，LTE‑U)与许可频段辅助接入(Licensed‑Assisted Access，LAA)两种新兴方案，充分利用免许可频段资源，扩大网络容量；同时，为解决5G时代各行各业的网络部署问题，新空口免许可频段通信(NR in Unlicensed Spectrum，NR‑U)技术应运而生，通过使用2.4GHz、5GHz、毫米波等多频段，采用双连接(Dual Connectivity，DC)、载波聚合(Carrier Aggregation，CA)、独立部署(Standalone，SA)等多种部署方式，构建具有全球普适性的免许可频段辅助通信框架。
[0005] 随着频谱资源的不断拓宽，5G免许可频段内将存在NR‑U、LTE‑U、LAA、WiFi等多种无线接入技术，构成包含无线个域网、无线局域网、无线城域网、公众移动通信网等多种接入网的异构网络系统。如何解决不同接入网间的不同步、不兼容等问题，有效避免网络间冲突与干扰，公平合理分配频谱资源，实现异构网络间的友好共存，成为了5G免许可频段通信的核心问题。
[0006] 而现存有关异构网络的共存机制多采用时分复用方案，其频谱效率与通信性能均难以满足未来通信系统的需求。因此，我们需要开发出先进的空间复用技术应用于异构网络系统。作为6G中有前途的新兴技术，由大量低成本、易部署、可移动的无缘反射原件组成的RIS可以通过主动控制信号的反射来智能地改善无线通信环境，增加无线通信的可用空间自由度、拓宽覆盖范围、提高频谱效率、提升通信性能。将RIS技术融入异构网络中，通过反射元件合理诱导入射信号振幅或相位的变换，能够有效抵消传输干扰，实现公平共存。
发明内容
[0007] 为了解决上述技术问题，本发明公开了一种基于RIS技术的异构网络公平共存的方法，以5G NR‑U蜂窝通信系统和WiFi系统为例，构建RIS辅助的免许可频段异构网络模型，通过合理配置RIS相位，抵消传输干扰，提高频谱效率，促进异构网络间公平共存。
[0008] 本发明所采用的技术方案是：一种基于RIS技术的异构网络公平共方法，包括以下步骤：
[0009] 步骤1：构建RIS辅助的异构网络系统；
[0010] 步骤2：构建每个蜂窝基站覆盖下的每个蜂窝用户信号模型，根据每个蜂窝基站覆盖下的每个蜂窝用户信号模型构建每个蜂窝基站覆盖下的每个蜂窝用户信号与干扰加噪声比模型，根据蜂窝基站覆盖下的所有蜂窝用户信号与干扰加噪声比模型构建蜂窝基站的吞吐量模型；
[0011] 步骤3：分别构建WiFi用户的干扰功率模型、每个WiFi用户的饱和吞吐量模型；
[0012] 步骤4：通过蜂窝基站吞吐量模型、WiFi用户的饱和吞吐量模型构建优化目标；结合WiFi用户接入信道时干扰功率大小、蜂窝基站的发射功率大小、RIS上各个反射元件幅度与相位间的限制关系以及WiFi用户接入选择变量数值构建约束条件；在约束条件的限制下，通过优化所有蜂窝基站的波束向量、优化可重构智能反射面的反射系数对角阵、优化所有WiFi用户的接入选择变量来最大化异构网络中每个蜂窝基站和WiFi接入点加权吞吐量中的最小值，得到优化后所有蜂窝基站的波束向量、优化后可重构智能反射面的反射系数对角阵、优化后所有WiFi用户的接入选择变量；
[0013] 作为优选，步骤1所述RIS辅助的异构网络系统包括N个蜂窝基站、N*K个蜂窝用户、WiFi接入模块、I个WiFi用户、可重构智能反射面；
[0014] 所述智能反射面配备R个反射元件；
[0015] 所述蜂窝基站分别与对应的K个蜂窝用户通过无线方式依次连接；
[0016] 所述WiFi接入模块分别与所述I个WiFi用户通过无线方式依次连接；
[0017] 所述可重构智能反射面通过生成反射路径建立蜂窝基站与蜂窝用户间以及蜂窝基站与WiFi用户间的间接链路信号，协助异构网络系统间通信；
[0018] 作为优选，步骤2所述每个蜂窝基站覆盖下的每个蜂窝用户信号模型为：
[0019]
[0020]
[0021] 其中，N表示蜂窝基站的数量，K表示每个蜂窝基站下的蜂窝用户的数量，R表示可重构智能反射面中反射元件的数量； 表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的直射信道向量， 表示第m个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的直射信道向量；gn为第n个蜂窝基站到可重构智能反射面的信道向量，gm为第m个蜂窝基站到可重构智能反射面的信道向量； 为可重构智能反射面到第n个蜂窝基站覆盖下的第k个蜂窝用户的信道向量；Θ表示可重构智能反射面的反射系数对角阵，其中，Ar表示RIS上第r个反射元件的幅度，θr表示RIS上第r个反射元件的相位，r∈[1,R]； 表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的波束向量， 表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第l个蜂窝用户的波束向量， 表示第m个蜂窝基站到第m个蜂窝基站覆盖下的第l个蜂窝用户的波束向量； 表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的传输信号， 表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第l个蜂窝用户的传输信号， 表示第m个蜂窝基站到第m个蜂窝基站覆盖下的第l个蜂窝用户的传输信号； 表示第n个蜂窝基站覆盖下的第k个蜂窝用户收到的高斯随机噪声， 表示第n个蜂窝基站覆盖下的第k个蜂窝用户收到的高斯随机噪声的标准差。
[0022] 步骤2所述构建每个蜂窝基站覆盖下的每个蜂窝用户的信号与干扰加噪声比模型为：
[0023]
[0024] 其中，N表示蜂窝基站的数量，K表示每个蜂窝基站下的蜂窝用户的数量； 表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的直射信道向量， 表示第m个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的直射信道向量；gn为第n个蜂窝基站到可重构智能反射面的信道向量，gm为第m个蜂窝基站到可重构智能反射面的信道向量；为可重构智能反射面到第n个蜂窝基站覆盖下的第k个蜂窝用户的信道向量；Θ表示可重构智能反射面的反射系数对角阵，其中，Ar表示RIS上第r个反射元件的幅度，θr表示RIS上第r个反射元件的相位，r∈[1,R]； 表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的波束向量， 表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第l个蜂窝用户的波束向量， 表示第m个蜂窝基站到第m个蜂窝基站覆盖下的第l个蜂窝用户的波束向量； 表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的传输信号， 表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第l个蜂窝用户的传输信号， 表示第m个蜂窝基站到第m个蜂窝基站覆盖下的第l个蜂窝用户的传输信号； 表示第n个
蜂窝基站覆盖下的第k个蜂窝用户收到的高斯随机噪声， 表示第n个蜂窝基站覆盖下的第k个蜂窝用户收到的高斯随机噪声的标准差。
[0025] 步骤2所述每个蜂窝基站的吞吐量模型为：
[0026]
[0027] n∈[1,N]
[0028] 其中，FRn为第n个蜂窝基站的吞吐量模型,N表示蜂窝基站的数量，K表示每个蜂窝基站的蜂窝用户的数量；
[0029] 作为优选，步骤3所述WiFi用户的干扰功率模型为：
[0030]
[0031]
[0032] 其中，N表示蜂窝基站的数量，K表示每个蜂窝基站下的蜂窝用户的数量，R表示可重构智能反射面中反射元件的数量；hn,i表示第n个蜂窝基站到第i个WiFi用户的直射信道向量，Hi为RIS到第i个WiFi用户的信道向量；gn为第n个蜂窝基站到可重构智能反射面的信道向量；Θ表示可重构智能反射面的反射系数对角阵，其中，Ar表示RIS上第r个反射元件的幅度，θr表示RIS上第r个反射元件的相位，r∈[1,R]； 表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的波束向量。
[0033] 通过合理地设置RIS的反射系数，可以选择性地抵消WiFi用户受到的干扰，使其检测到的干扰功率小于某个阈值。此时，WiFi用户将认为信道为空，开始基于DCF协议中的CSMA/CA机制竞争接入。同时，我们引入变量xi表示第i个WiFi用户是否接入信道，当xi＝1时，表示第i个WiFi用户成功接入。
[0034] 步骤3所述WiFi用户的饱和吞吐量模型为：
[0035]
[0036] 其中，Lp表示WiFi数据传输的平均数据包尺寸，Tσ表示平均时隙长度，Ts表示成功传输时信道占用的平均时间，Tc表示由于WiFi用户产生碰撞造成的信道占用的平均时间。
[0037] 为信道中至少一个设备正在传输的概率，具体表示为：
[0038]
[0039] 其中，F为接入信道的WiFi用户的总数，τ表示WiFi用户接入概率。
[0040] 为WiFi用户成功传输的概率，具体表示为：
[0041]
[0042] 其中，F为接入信道的WiFi用户的总数，τ表示WiFi用户接入概率。
[0043] 当WiFi用户的吞吐量达到最大时，接入概率τ可由下式表示：
[0044]
[0045] 其中，Tσ表示平均时隙长度，Tc表示由于WiFi用户产生碰撞造成的信道占用的平均时间，F为接入信道的WiFi用户的总数。
[0046] 作为优选，步骤4所述优化目标为最大化异构网络中每个蜂窝基站和WiFi接入点加权吞吐量中的最小值，具体定义如下：
[0047]
[0048] 步骤4所述等式约束条件为：
[0049] w＝[w1,...,wn,...,wN]
[0050] wn＝[wn,1,...,wn,m,...,wn,N]T
[0051]
[0052]
[0053] x＝[x1,...,xI]T
[0054] 步骤4所述不等式约束条件为：
[0055]
[0056]
[0057]
[0058]
[0059] 其中N表示蜂窝基站的数量，K表示每个蜂窝基站下的蜂窝用户的数量,I表示WiFi用户的数量，R表示可重构智能反射面中反射元件的数量；w表示所有蜂窝基站的波束向量，wn表示第n个蜂窝基站的所有波束向量，wn,m表示从第n个蜂窝基站到第m个蜂窝基站覆盖下所有蜂窝用户的波束向量， 表示第n个蜂窝基站到第m个蜂窝基站第k个蜂窝用户的波束向量，Θ表示可重构智能反射面的反射系数对角阵，x表示所有WiFi用户接入选择变量值；ρn表示第n个蜂窝系统在异构网络中的权重，ρw表示WiFi系统在异构网络中的权重，可根据应用场景设置0至1内的数字；FRn表示第n个蜂窝基站的吞吐量模型，WR表示所有WiFi用户的饱和吞吐量；xi表示第i个WiFi用户的信道接入选择，yi表示第i个WiFi用户干扰功率，Γw表示允许WiFi用户接入信道的干扰阈值； 表示第n个蜂窝基站到第n个蜂窝基站第k个蜂窝用户的波束向量，Pn表示第n个蜂窝基站的最大发射功率；Ar表示RIS上第r个反射元件的幅度，θr表示RIS上第r个反射元件的相位，r∈[1,R]；
[0060] 步骤4所述优化目标是一个非凸函数，需要引入辅助变量转换；WiFi用户的信道接入选择约束中涉及整数变量，需要引入辅助变量进行等价替换；
[0061] 优化目标函数中WiFi用户吞吐量只与接入信道的WiFi用户的总数目F相关，WiFi用户接入概率是一个超越函数，引入双层循环优化算法求解：
[0062] 外层循环对WiFi用户接入的总数目进行穷举搜索，内层循环针对三个优化变量建立子问题依次求解：
[0063] 通过二分搜索法求解蜂窝基站功率子问题得到所有蜂窝基站的波束向量；
[0064] 通过连续凸近似法求解RIS反射波束子问题得到RIS中各元件的反射系数；
[0065] 通过罚函数法求解WiFi用户选择变量子问题得到所有WiFi用户接入选择变量；
[0066] 基于步骤4所得的优化后所有蜂窝基站的波束向量w*，优化后可重构智能反射面上反射系数对角阵Θ*，优化后所有WiFi用户的接入选择变量x*，系统重新配置无线通信环境，调整各基站网络信号覆盖范围，改善用户边缘吞吐量，并抵消信道干扰，提高网络通信效率，提升系统通信性能。
[0067] 相比于现有技术，本发明的有益效果是：本发明针对5G免许可频段异构网络的公平共存问题，引入了新兴的RIS技术，构建RIS辅助的免许可频段异构网络系统，通过主动控制信号的反射来智能地改善无线通信环境，提出一种公平分配空间增益的异构网络友好共存方法。与现有方法相比，本发明提出的公平共存方法可以有效抵消传输干扰，提高频谱效率。
附图说明
[0068] 图1：是本发明实施例的基于RIS辅助的免许可频段异构网络结构图。
[0069] 图2：是本发明实施例的目标优化问题的求解步骤图。具体实施方案
[0070] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0071] 本发明以NR‑U和WiFi系统组成的异构网络为例，提供了一种基于RIS技术的异构网络公平共方法，包括以下步骤：
[0072] 步骤1：构建RIS辅助的异构网络系统；
[0073] 请见图1，所述RIS辅助的异构网络系统包括N＝4个蜂窝基站、N*K个蜂窝用户、WiFi接入模块、I＝8个WiFi用户、可重构智能反射面；
[0074] 所述智能反射面配备R＝50个反射元件；
[0075] 所述蜂窝基站分别与对应的K＝8个蜂窝用户通过无线方式依次连接；
[0076] 所述WiFi接入模块分别与所述I个WiFi用户通过无线方式依次连接；
[0077] 所述可重构智能反射面通过生成反射路径建立蜂窝基站与蜂窝用户间以及蜂窝基站与WiFi用户间的间接链路信号，协助异构网络系统间通信；
[0078] 步骤2：构建每个蜂窝基站覆盖下的每个蜂窝用户信号模型，根据每个蜂窝基站覆盖下的每个蜂窝用户信号模型构建每个蜂窝基站覆盖下的每个蜂窝用户信号与干扰加噪声比模型，根据蜂窝基站覆盖下的所有蜂窝用户信号与干扰加噪声比模型构建蜂窝基站的吞吐量模型；
[0079] 步骤2所述每个蜂窝基站覆盖下的每个蜂窝用户信号模型为：
[0080]
[0081]
[0082] 其中，N表示蜂窝基站的数量，K表示每个蜂窝基站下的蜂窝用户的数量，R表示可重构智能反射面中反射元件的数量； 表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的直射信道向量， 表示第m个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的直射信道向量；gn为第n个蜂窝基站到可重构智能反射面的信道向量，gm为第m个蜂窝基站到可重构智能反射面的信道向量； 为可重构智能反射面到第n个蜂窝基站覆盖下的第k个蜂窝用户的信道向量；Θ表示可重构智能反射面的反射系数对角阵，其中，Ar表示RIS上第r个反射元件的幅度，θr表示RIS上第r个反射元件的相位，r∈[1,R]； 表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的波束向量， 表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第l个蜂窝用户的波束向量， 表示第m个蜂窝基站到第m个蜂窝基站覆盖下的第l个蜂窝用户的波束向量； 表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的传输信号， 表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第l个蜂窝用户的传输信号， 表示第m个蜂窝基站到第m个蜂窝基站覆盖下的第l个蜂窝用户的传输信号； 表示第n个蜂窝基站覆盖下的第k个蜂窝用户收到的高斯随机噪声， 表示第n个蜂窝基站覆盖下的第k个蜂窝用户收到的高斯随机噪声的标准差。
[0083] 步骤2所述构建每个蜂窝基站覆盖下的每个蜂窝用户的信号与干扰加噪声比模型为：
[0084]
[0085] 其中，N表示蜂窝基站的数量，K表示每个蜂窝基站下的蜂窝用户的数量，R表示可重构智能反射面中反射元件的数量； 表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的直射信道向量， 表示第m个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的直射信道向量；gn为第n个蜂窝基站到可重构智能反射面的信道向量，gm为第m个蜂窝基站到可重构智能反射面的信道向量； 为可重构智能反射面到第n个蜂窝基站覆盖下的第k个蜂窝用户的信道向量；Θ表示可重构智能反射面的反射系数对角阵，其中，Ar表示RIS上第r个反射元件的幅度，θr表示RIS上第r个反射元件的相位，r∈[1,R]； 表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的波束向量， 表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第l个蜂窝用户的波束向量， 表示第m个蜂窝基站到第m个蜂窝基站覆盖下的第l个蜂窝用户的波束向量； 表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的传输信号， 表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第l个蜂窝用户的传输信号， 表示第m个蜂窝基站到第m个蜂窝基站覆盖下的第l个蜂窝用户的传输信号； 表示第n个蜂窝基站覆盖下的第k个蜂窝用户收到的高斯随机噪声， 表示第n个蜂窝基站覆盖下的第k个蜂窝用户收到的高斯随机噪声的标准差。
[0086] 步骤2所述每个蜂窝基站的吞吐量模型为：
[0087]
[0088] n∈[1,N]
[0089] 其中，FRn为第n个蜂窝基站的吞吐量模型,N表示蜂窝基站的数量，K表示每个蜂窝基站下的蜂窝用户的数量；
[0090] 步骤3：分别构建WiFi用户的干扰功率模型、每个WiFi用户的饱和吞吐量模型；
[0091] 步骤3所述WiFi用户的干扰功率模型为：
[0092]
[0093]
[0094] 其中，N表示蜂窝基站的数量，K表示每个蜂窝基站下的蜂窝用户的数量，R表示可重构智能反射面中反射元件的数量；hn,i表示第n个蜂窝基站到第i个WiFi用户的直射信道向量，Hi为RIS到第i个WiFi用户的信道向量；gn为第n个蜂窝基站到可重构智能反射面的信道向量；Θ表示可重构智能反射面的反射系数对角阵，其中，Ar表示RIS上第r个反射元件的幅度，θr表示RIS上第r个反射元件的相位，r∈[1,R]； 表示第n个蜂窝基站到第n个蜂窝基站覆盖下的第k个蜂窝用户的波束向量。
[0095] 通过合理地设置RIS的反射系数，可以选择性地抵消WiFi用户受到的干扰，使其检测到的干扰功率小于某个阈值。此时，WiFi用户将认为信道为空，开始基于DCF协议中的CSMA/CA机制竞争接入。同时，我们引入变量xi表示第i个WiFi用户是否接入信道，当xi＝1时，表示第i个WiFi用户成功接入。
[0096] 步骤3所述WiFi用户的饱和吞吐量模型为：
[0097]
[0098] 其中，Lp表示WiFi数据传输的平均数据包尺寸，Tσ表示平均时隙长度，Ts表示成功传输时信道占用的平均时间，Tc表示由于WiFi用户产生碰撞造成的信道占用的平均时间。
[0099] prt为信道中至少一个设备正在传输的概率，具体表示为：
[0100]
[0101] 其中，F为接入信道的WiFi用户的总数，τ表示WiFi用户接入概率。
[0102] 为WiFi用户成功传输的概率，具体表示为：
[0103]
[0104] 其中，F为接入信道的WiFi用户的总数，τ表示WiFi用户接入概率。
[0105] 当WiFi用户的吞吐量达到最大时，接入概率τ可由下式表示：
[0106]
[0107] 其中，Tσ表示平均时隙长度，Tc表示由于WiFi用户产生碰撞造成的信道占用的平均时间，F为接入信道的WiFi用户的总数。
[0108] 步骤4：通过蜂窝基站吞吐量模型、WiFi用户的饱和吞吐量模型构建优化目标；结合WiFi用户接入信道时干扰功率大小、蜂窝基站的发射功率大小、RIS上各个反射元件幅度与相位间的限制关系以及WiFi用户接入选择变量数值构建约束条件；在约束条件的限制下，通过优化所有蜂窝基站的波束向量、优化可重构智能反射面的反射系数对角阵、优化所有WiFi用户的接入选择变量来最大化异构网络中每个蜂窝基站和WiFi接入点加权吞吐量中的最小值，得到优化后所有蜂窝基站的波束向量、优化后可重构智能反射面的反射系数对角阵、优化后所有WiFi用户的接入选择变量；
[0109] 步骤4所述优化目标为最大化异构网络中每个蜂窝基站和WiFi接入点加权吞吐量中的最小值，具体定义如下：
[0110]
[0111] 步骤4所述等式约束条件为：
[0112] w＝[w1,...,wn,...,wN]
[0113] wn＝[wn,1,...,wn,m,...,wn,N]T
[0114]
[0115]
[0116] x＝[x1,...,xI]T
[0117] 步骤4所述不等式约束条件为：
[0118]
[0119]
[0120]
[0121]
[0122] 其中，N表示蜂窝基站的数量，K表示每个蜂窝基站下的蜂窝用户的数量,I表示WiFi用户的数量，R表示可重构智能反射面中反射元件的数量；w表示所有蜂窝基站的波束向量，wn表示第n个蜂窝基站的所有波束向量，wn,m表示从第n个蜂窝基站到第m个蜂窝基站覆盖下所有蜂窝用户的波束向量， 表示第n个蜂窝基站到第m个蜂窝基站第k个蜂窝用户的波束向量，Θ表示可重构智能反射面的反射系数对角阵，x表示所有WiFi用户接入选择变量值；ρn表示第n个蜂窝系统在异构网络中的权重，ρw表示WiFi系统在异构网络中的权重，可根据应用场景设置0至1内的数字；FRn表示第n个蜂窝基站的吞吐量模型，WR表示所有WiFi用户的饱和吞吐量；xi表示第i个WiFi用户的信道接入选择，yi表示第i个WiFi用户干扰功率，Γw表示允许WiFi用户接入信道的干扰阈值； 表示第n个蜂窝基站到第n个蜂窝基站第k个蜂窝用户的波束向量，Pn表示第n个蜂窝基站的最大发射功率；Ar表示RIS上第r个反射元件的幅度，θr表示RIS上第r个反射元件的相位，r∈[1,R]；
[0123] 步骤4所述优化目标是一个非凸函数，需要引入辅助变量转换；WiFi用户的信道接入选择约束中涉及整数变量，需要引入辅助变量进行等价替换；
[0124] 优化目标函数中WiFi用户吞吐量只与接入信道的WiFi用户的总数目F相关，WiFi用户接入概率是一个超越函数，引入双层循环优化算法求解：
[0125] 外层循环对WiFi用户接入的总数目进行穷举搜索，内层循环针对三个优化变量建立子问题依次求解：
[0126] 通过二分搜索法求解蜂窝基站功率子问题得到所有蜂窝基站的波束向量；
[0127] 通过连续凸近似法求解RIS反射波束子问题得到RIS中各元件的反射系数；
[0128] 通过罚函数法求解WiFi用户选择变量子问题得到所有WiFi用户接入选择变量；
[0129] 基于步骤4所得的优化后所有蜂窝基站的波束向量w*，优化后可重构智能反射面上反射系数对角阵Θ*，优化后所有WiFi用户的接入选择变量x*，系统重新配置无线通信环境，调整各基站网络信号覆盖范围，改善用户边缘吞吐量，并抵消信道干扰，提高网络通信效率，提升系统通信性能。
[0130] 请见图2，优化问题的求解步骤图，具体求解过程再次不多赘述。
[0131] 应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。
