基于两层时延线的太赫兹多智能反射面通信波束优化方法

    公开(公告)号:CN116800314A

    公开(公告)日:2023-09-22

    申请号:CN202211572281.9

    申请日:2022-12-08

    IPC分类号: H04B7/06 H04B10/90 H04B17/391

    摘要: 本发明提出了一种基于两层时延线的太赫兹多智能反射面通信波束优化方法,其步骤为:首先,搭建分布式RISs辅助宽带太赫兹MIMO通信系统,其中,BS包含N个天线的均匀线性阵列和NRF个射频链为K个单天线用户提供服务;其次,在BS端采用两层时延线产生模拟波束形成矩阵;然后,根据模拟波束形成矩阵计算用户的可达速率,并将最大化用户的可达速率作为目标函数;最后,根据设计的联合波束形成模型和交替迭代优化算法对目标函数进行优化求解,得到数字波束形成和RIS的反射系数。本发明基于分层结构,将可以实现大延时的时延线和小延时的时延线相结合,以尽可能减少大延时的时延线数量,可以有效缓解波束色散问题,提高了实际可行性并降低硬件复杂度。

    STAR-RIS辅助太赫兹通信的联合宽带波束形成设计方法

    公开(公告)号:CN118509015A

    公开(公告)日:2024-08-16

    申请号:CN202311312074.4

    申请日:2023-10-11

    摘要: 本发明提出了一种STAR‑RIS辅助太赫兹通信的联合宽带波束形成设计方法,其步骤为:构建分布式STAR‑RIS辅助下行链路通信系统,并计算用户的SINR及可达速率;并通过联合优化模拟/数字混合波束形成、基站时延、STAR‑RIS的时延、及其第一层相移系数、第二层相移系数和幅度系数,构建可达速率最大化的目标函数;分别求出模拟波束形成、BS和STAR‑RIS的时延、STAR‑RIS的第一层相移和第二层相移的次优闭式解;通过拉格朗日对偶重构和多维复二次变换来解耦BS端的数字波束形成和STAR‑RIS端的幅度系数;并通过交替迭代算法求解两个解耦的子函数,直到可达速率达到收敛。本发明缓解了STAR‑RIS辅助系统中的两级波束分裂问题。

    子连接主动式智能超表面辅助的无蜂窝网络能效优化方法

    公开(公告)号:CN117119493A

    公开(公告)日:2023-11-24

    申请号:CN202311121995.2

    申请日:2023-08-31

    摘要: 本发明提出了一种子连接主动式智能超表面辅助的无蜂窝网络能效优化方法,其步骤为:首先,构建子连接主动式RIS辅助的宽带CF网络系统,计算宽带CF网络系统的可达和速率和系统总能耗,并考虑基站的最大发射功率约束、主动式RIS可用最大功率约束和放大因子约束构建最大化宽带CF网络系统能效的目标函数;其次,引入分式规划算法和拉格朗日对偶重构方法对目标函数进行解耦转化为第二目标函数;再采用块坐标下降方法对第二目标函数的变量进行交替优化求解,直至第二目标函数收敛,得到目标函数的最优解。本发明解决了无蜂窝网络中超密集基站部署产生的高功耗问题,有效降低了系统能耗。

    一种智能电网供电系统的计算卸载与资源分配方法

    公开(公告)号:CN113630734B

    公开(公告)日:2024-05-14

    申请号:CN202110907044.2

    申请日:2021-08-09

    摘要: 本发明提出了一种智能电网供电系统的计算卸载与资源分配方法,用以解决现有技术只是从用户的角度研究MEC系统的性能指标,增加了实时能源成本的问题;其步骤为:首先,搭建无线供电移动边缘计算系统模型,包括N个天线阵列的BS和K个单天线用户集;其次,在用户时延限制下,以BS的传输功率和实时能量需求的总和的最小值为目标构建目标函数,并给出目标函数的约束条件;最后,分别在完备CSI和非完备CSI情况下,求得目标函数的最优解。本发明提出了一种联合实时资源管理和能源交易策略,以降低无线移动通信系统的能源成本,并证明了在完备和非完备CSI场景下,能够提高智能电网供电系统的能效和降低总能耗。

    一种智能电网供电系统的计算卸载与资源分配方法

    公开(公告)号:CN113630734A

    公开(公告)日:2021-11-09

    申请号:CN202110907044.2

    申请日:2021-08-09

    摘要: 本发明提出了一种智能电网供电系统的计算卸载与资源分配方法,用以解决现有技术只是从用户的角度研究MEC系统的性能指标,增加了实时能源成本的问题;其步骤为:首先,搭建无线供电移动边缘计算系统模型,包括N个天线阵列的BS和K个单天线用户集;其次,在用户时延限制下,以BS的传输功率和实时能量需求的总和的最小值为目标构建目标函数,并给出目标函数的约束条件;最后,分别在完备CSI和非完备CSI情况下,求得目标函数的最优解。本发明提出了一种联合实时资源管理和能源交易策略,以降低无线移动通信系统的能源成本,并证明了在完备和非完备CSI场景下,能够提高智能电网供电系统的能效和降低总能耗。

    基于机器学习的IRS辅助毫米波通信波束成形设计方法

    公开(公告)号:CN113612508A

    公开(公告)日:2021-11-05

    申请号:CN202110906965.7

    申请日:2021-08-09

    IPC分类号: H04B7/06

    摘要: 本发明提出了一种基于机器学习的IRS辅助毫米波通信波束成形设计方法,用以降低优化离散相移的计算复杂度;其步骤为:首先,根据BS‑IRS、IRS‑用户和BS‑用户链路的毫米波信道分别计算用户接收到的信号及SINR;其次,获得BS的有源波束向量和IRS上的反射系数,并构建用户的SINR的约束;然后根据BS的有源波束向量、IRS上的反射系数和用户的SINR的约束构建波束成形优化模型;最后,利用基于机器学习的CE算法迭代求解波束成形优化模型,联合优化BS的有源波束向量和IRS上的反射系数使得BS的发射功率最小。本发明基于机器学习的CE算法并利用交替迭代方法优化BS端的主动波束成形和IRS处被动波束成形,可以在较低的计算复杂度下获得接近最优的性能。

    基于机器学习的IRS辅助毫米波通信波束成形设计方法

    公开(公告)号:CN113612508B

    公开(公告)日:2024-06-18

    申请号:CN202110906965.7

    申请日:2021-08-09

    IPC分类号: H04B7/06

    摘要: 本发明提出了一种基于机器学习的IRS辅助毫米波通信波束成形设计方法,用以降低优化离散相移的计算复杂度;其步骤为:首先,根据BS‑IRS、IRS‑用户和BS‑用户链路的毫米波信道分别计算用户接收到的信号及SINR;其次,获得BS的有源波束向量和IRS上的反射系数,并构建用户的SINR的约束;然后根据BS的有源波束向量、IRS上的反射系数和用户的SINR的约束构建波束成形优化模型;最后,利用基于机器学习的CE算法迭代求解波束成形优化模型,联合优化BS的有源波束向量和IRS上的反射系数使得BS的发射功率最小。本发明基于机器学习的CE算法并利用交替迭代方法优化BS端的主动波束成形和IRS处被动波束成形,可以在较低的计算复杂度下获得接近最优的性能。

    一种基于用户信誉度的边缘计算卸载方法

    公开(公告)号:CN115499877A

    公开(公告)日:2022-12-20

    申请号:CN202211172935.9

    申请日:2022-09-26

    IPC分类号: H04W28/08

    摘要: 本发明提出了一种基于用户信誉度的边缘计算卸载方法,其步骤为:首先,搭建基于用户信誉度的边缘计算系统,包括终端用户和配置MEC服务器的基站;并根据MU与MEC服务器的历史交互信息构建信誉度模型,MEC服务器根据用户信誉度分配计算资源;其次,基于分配计算资源产生的时延和能耗,通过引入用户时延和能耗偏好因子构建计算模型;并将计算模型分解为功率分配子模型和卸载决策子模型;最后,对于给定的卸载决策,基于二分法的高效功率分配算法对功率分配子模型进行优化,获得传输功率;再基于传输功率,利用改进的粒子群优化算法对卸载决策子模型进行优化,获得系统开销最小化的卸载决策。本发明可有效提高用户体验质量和降低系统开销。