一种智能反射表面辅助D2D通信系统的鲁棒性传输设计方法与流程

一种智能反射表面辅助d2d通信系统的鲁棒性传输设计方法
技术领域
1.本发明涉及通讯技术领域，尤其是涉及一种智能反射表面辅助d2d通信系统的鲁棒性传输设计方法。


背景技术：

2.目前，智能反射表面是由大量低成本的被动无源反射元件所构成的一个平面阵列，放置在发送端与接收端之间。通过每个反射元件独立地对入射信号进行相位调整，改变端对端(d2d，device
‑
to
‑
device)的信号传播方向，使用户更好地接收到由基站发出的信号。通过调整波束,使智能反射表面反射信号与其他路径的信号相互抵消，消除其他信道的干扰信号，因为智能反射表面消除了射频链路的使用和只在短距离内工作，智能反射表面之间的干扰就不需要进行特殊管理。智能反射表面与传统中继技术相比，拥有小尺寸、易部署、低成本的优点，避免了额外耗电和昂贵的通信设备，是一种经济适用、低功耗的高速率通信技术。
3.d2d通信是在基站控制下，用户之间的数据传输不通过基站中转，而直接进行通信的新型技术，其中邻近的移动终端被允许直接使用蜂窝通信资源，d2d通信也叫终端直通。不同于其他传统的无线通信技术，d2d通信数据传输过程不需要通过基站进行中继转发，能够缓解基站的压力，有助于接入更多的用户。在一些多用户的网络场景中，邻近的用户可以建立d2d通信，并复用蜂窝用户的频谱资源，从而能大大提高系统的频谱效率(spectrum efficiency，se)和减少网络能耗。d2d通信不仅在小区覆盖、能源消耗问题等方面具有优势，在实际生活中有着广泛的应用，而且契合未来通信技术应用发展的实际需求，满足不断增长的通信需求。
4.然而在大量文献中，都是基于完美信道状态信息(csi，channel state information)情况下的研究，但实际上，由于智能反射表面的反射元件的信号处理能力有限，智能反射表面不使用任何射频链路，而智能反射表面被动波束的形成又高度依赖于所获取的csi，因此在智能反射表面辅助的无线通信系统中，获得精确的csi是具有挑战性的，而且现有大多数的研究集中在智能反射表面相关信道的信道估计方面和以智能反射表面作为辅助通信集成到各种无线通信系统中，对于非完美csi下irs
‑
d2d通信系统的研究较少。且如果把信道视为完美信道，这将会导致系统性能有一定的损失。
5.由于射频电子系统的快速发展，及可编程可重构超表面的大量应用，而且在某些紧急情况下，基站与用户之间的直接信道传播变差，因此，为减少用户通信中断、提高系统鲁棒性，研究在非完美csi下，如何进行智能反射表面辅助d2d通信系统的鲁棒性传输，是目前亟待解决的问题。


技术实现要素：

6.本发明的目的是提供一种智能反射表面辅助d2d通信系统的鲁棒性传输设计方法，在d2d通信系统中应用智能反射表面技术，在非完美csi下，利用矩阵知识、凸优化理论、
bcd算法和s
‑
procedure定理，将最小化功率的鲁棒问题分解为二个子问题进行求解，通过迭代二个子问题，得到鲁棒资源分配方案，减少了通信中断，实现了功率最小化，提高了系统的鲁棒性。
7.第一方面，本发明的上述发明目的通过以下技术方案得以实现：
8.一种智能反射表面辅助d2d通信系统的鲁棒性传输设计方法，建立智能反射表面辅助d2d通信系统模型和非完美信道模型，基于信道状态信息非完美的场景下，构建鲁棒优化问题，利用矩阵知识和凸优化理论，处理含信道参数不确定性的优化问题，将半无限约束条件转换为凸约束，建立智能反射表面d2d通信系统的资源分配方案。
9.本发明进一步设置为：智能反射表面辅助d2d通信系统模型包括基站、智能反射表面以及d2d通信系统，d2d用户复用蜂窝通信链路的下行频谱资源；基站配备有n根天线，蜂窝用户和d2d用户对分别配备有单根天线，智能反射表面具有m个反射元件。
10.本发明进一步设置为：采用椭球模型建立非完美信道模型，获取各d2d用户对发射端与蜂窝用户之间的干扰信道增益及其不确定区域，基站通过智能反射表面辅助d2d通信系统与各d2d用户对接收端的级联信道增益及其不确定区域，各d2d用户对发射端通过智能反射表面辅助d2d通信系统与蜂窝用户的级联信道增益及其不确定区域。
11.本发明进一步设置为：在非完美信道状态信息下，优化问题包括：传输功率最小化目标函数、蜂窝用户和d2d用户的最小速率要求、秩一要求、反射单元系数的单位模要求、蜂窝用户和d2d用户的功率要求、信道增益g
c,k
/t
k
/r
k
的不确定性以及对系统鲁棒性的要求。
12.本发明进一步设置为：最坏情况下的最小化传输功率优化问题，目标函数用下式表示：
13.约束条件包括：
14.r
c
≥r
cmin
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1b)；
15.rank(w)＝1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1c)；
[0016][0017]
0≤trace(w)≤p
cmax
ꢀꢀꢀꢀꢀꢀꢀ
(1e)；
[0018]
0≤p
k,k
≤p
dmax
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1f)；
[0019][0020][0021][0022]
式中，w＝p
c
ww
h
，w表示与蜂窝用户相关的波束赋形矢量，h表示矩阵转置；p
k,k
表示第k对d2d用户对的发射端d2d
‑
t到第k对d2d用户对的接收端d2d
‑
r的发射功率，表示第k对d2d用户对的速率，r
dmin
表示d2d用户的最小速率；r
cmin
表示蜂窝用户的最小速率；|e
m
|2表示智能反射表面第m个反射元件的单位模，p
dmax
表示d2d用户的最大发射功率；p
cmax
表示蜂窝用户的最大发射功率；
[0023]
式(1a)(1b)表示蜂窝用户和d2d用户的最小速率要求；
[0024]
式(1c)表示秩一要求；
[0025]
式(1d)表示反射单元系数的单位模要求；
[0026]
式(1e)(1f)表示蜂窝用户和d2d用户的最大功率约束；
[0027]
式(1g)表示第k对d2d用户对发射端与蜂窝用户之间的干扰信道增益g
c,k
的不确定性影响；
[0028]
式(1h)表示基站通过智能反射表面辅助d2d通信系统与第k对d2d用户对接收端的级联信道增益t
k
的不确定性影响；
[0029]
式(1h)表示第k对d2d用户对发射端通过智能反射表面辅助d2d通信系统与蜂窝用户的级联信道增益r
k
的不确定性影响。
[0030]
本发明进一步设置为：引入松弛参数，采用s
‑
procedure引理，对约束条件进行等价转换，处理含信道参数不确定性的优化问题；采用块坐标下降算法，将信道参数不确定性问题转化为凸优化问题，迭代优化基站的波束赋形矩阵w、d2d用户传输功率p和反射单元矩阵e，直止收敛，获得基站的波束赋形矩阵w、d2d用户传输功率p和反射单元矩阵e。
[0031]
本发明进一步设置为：在固定反射单元矩阵e的情况下，采用半正定松弛方法，获得基站的波束赋形矩阵w、d2d用户传输功率p分配方案；在给定波束赋形矩阵w和d2d用户传输功率p的情况下，采用惩罚凹凸过程，获得反射单元矩阵e，使关于波束赋形矩阵w、d2d用户传输功率p、反射单元矩阵e的优化问题简化为凸优化问题。
[0032]
本发明进一步设置为：引入松弛参数ρ，式(1a)改写为：
[0033][0034][0035]
利用s
‑
procedure引理，对式(6)进行数学公式转换，得到：
[0036][0037]
对式(1b)进行等价转换，改写为：
[0038][0039][0040][0041][0042]
式中，α、β、γ都是松驰参数；
[0043]
信道参数不确定性进行处理后的近似优化问题为：
[0044]
[0045]
s.t.(5)，(8)，(9)，(14)，(15)，(16)，(1c)，(1d)，(1e)，(1f)
ꢀꢀꢀꢀ
(2)；
[0046]
将含有界信道参数的优化问题转化成确定性问题。
[0047]
本发明进一步设置为：对于基站波束赋形矩阵w的最优解的秩为1的情况，给定反射单元矩阵e，求解基站的波束赋形矩阵w、d2d用户传输功率p分配方案，
[0048][0049]
s.t.(5)，(8)，(9)，(14)，(15)，(16)，(1c)，(1e)，(1f)
ꢀꢀꢀ
(3)；
[0050]
采用sdr技术对问题(18)进行松弛，得到一个凸的sdp问题，再利用凸优化工具包cvx进行求解；
[0051]
对于基站波束赋形矩阵w的最优解的秩不为1的情况，采用高斯随机方法获得秩1解，再给定反射单元矩阵e，求解基站的波束赋形矩阵w、d2d用户传输功率p分配方案。
[0052]
本发明进一步设置为：对于给定的基站的波束赋形矩阵w、d2d用户传输功率p分配方案，引入松弛变量χ＝[χ1,χ2]
t
对约束(2)和约束(9)进行修正，得到：
[0053][0054][0055]
关于反射单元矩阵e的子问题转换为：
[0056][0057]
s.t.(8)，(14)，(15)，(16)，(1d)，(19)，(20)
ꢀꢀꢀ
(4)；
[0058]
采用惩罚凹凸过程，引入松弛变量b＝[b1,b2，...,b
2m
]
t
，约束(1d)等价为：
[0059][0060]
|e
m
|2≤1+b
m+m
,1≤m≤m
ꢀꢀꢀꢀꢀꢀ
(23)；
[0061]
求解反射单元矩阵e的子问题，转换为：
[0062][0063]
s.t.(8)，(14)，(15)，(19)，(20)，(22)，(23)
ꢀꢀꢀꢀ
(25)；
[0064]
b≥0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(26)；
[0065]
其中，||b||1表示目标函数的惩罚项，||b||1通过正则化因子κ
[p]
进行缩放，来控制约束的可行性。
[0066]
第二方面，本发明的上述发明目的通过以下技术方案得以实现：
[0067]
一种智能反射表面辅助d2d通信系统的鲁棒性传输设计终端，包括存储器、处理器、以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本技术所述方法。
[0068]
第三方面，本发明的上述发明目的通过以下技术方案得以实现：
[0069]
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，所述计算机程序被所述处理器执行时实现本技术所述方法。
[0070]
与现有技术相比，本技术的有益技术效果为：
[0071]
1.本技术在非完美csi下，结合智能反射面的优点，将其引入到d2d通信系统中，进行鲁棒性传输设计，能够有效减少用户通信中断和提高系统的鲁棒性；
[0072]
2.进一步地，本技术通过优化反射单元矩阵、基站的波束赋形矩阵和d2d用户传输速率，有效提高系统的鲁棒性；
[0073]
3.进一步地，本技术通过设置在非完美csi情况下的约束条件，对约束条件进行等价转化，将非凸的优化问题转换成确定性的凸约束，实现了对反射单元矩阵、基站的波束赋形矩阵和d2d用户传输速率的优化，增大系统鲁棒性，提高系统可靠性。
附图说明
[0074]
图1是本技术的一个具体实施例的智能反射表面辅助d2d通信系统结构示意图；
[0075]
图2是本技术的一个具体实施例的第一条件下仿真验证的结果示意图；
[0076]
图3是本技术的一个具体实施例的第二条件下仿真验证的结果示意图；
[0077]
图4是本技术的一个具体实施例的第三条件下仿真验证的结果示意图。
具体实施方式
[0078]
以下对本发明作进一步详细说明。
[0079]
具体实施例一
[0080]
本技术的一种智能反射表面辅助d2d通信系统的鲁棒性传输设计方法，首先建立智能反射表面辅助d2d通信系统模型，基于此模型进行研究。
[0081]
智能反射表面辅助d2d通信系统模型，如图1所示，包括基站、蜂窝用户和k对d2d用户对，具有miso(multiple input single output，多输入单输出)无线通信和d2d通信场景，d2d用户采用underlay模式复用蜂窝通信链路的下行频谱资源，基站配备n根天线，蜂窝用户(cellular user equipment，cue)和k对d2d用户对分别配备有单根天线，智能反射表面具有m个反射元件。在智能反射表面上安装控制器，从而控制智能反射表面的反射系数，并通过单独的无线链路进行通信。
[0082]
现实中可能会因为某些紧急情况，导致基站(base station，bs)与用户的直接信道传播条件不利，因此忽略基站与用户间的直接信道。
[0083]
基于智能反射表面辅助d2d通信系统模型进行分析，其中，
[0084]
基站与智能反射表面之间的信道增益，表示为
[0085]
智能反射表面与蜂窝用户之间的信道增益，表示为
[0086]
智能反射表面与d2d用户对接收端(d2d user receiver，d2d
‑
r)之间的信道增益，表示为
[0087]
d2d用户对之间的信道增益，表示为
[0088]
d2d用户对发射端(d2d user transmitter，d2d
‑
t)与智能反射表面之间的信道增益表示为
[0089]
则，蜂窝用户的信干噪比γ
c
，如下式所示：
[0090][0091]
d2d用户对的信干噪比如下式所示：
[0092][0093]
式中，
[0094]
p
k,k
表示为第k对d2d
‑
t到第k对d2d
‑
r的发射功率，p
c
为基站对蜂窝用户的发射功率，为噪声功率，w表示与蜂窝用户相关的波束赋形矢量。
[0095]
智能反射表面的被动波束赋形矩阵模型为：智能反射表面的被动波束赋形矩阵模型为：表示智能反射表面有m个反射元件，各元素满足单位模|e
m
|2＝1,1≤m≤m。表示第k对d2d
‑
t与蜂窝用户的干扰信道增益，d
k,j
表示第k对d2d用户对与第j对d2d用户对之间的干扰信道增益。
[0096]
为了简单起见，设系统中的只有一对d2d用户对，即k＝1。
[0097]
则蜂窝用户的速率r
c
，如下式所示：
[0098][0099]
则d2d用户的速率r
d
，如下式所示：
[0100][0101]
在非完美信道模型情况下，假设干扰信道的csi存在不确定性，其他信道链路的csi是完全已知的，采用椭球模型，建立信道估计误差模型。
[0102]
第k对d2d
‑
t用户与蜂窝用户之间的干扰信道增益g
c,k
，其不确定区域表示为
[0103]
基站
‑‑
智能反射表面站
‑‑
d2d用户对接收端(bs
‑
irs
‑
d2dr)的级联信道增益其不确定区域表示为
[0104]
d2d用户对发射端
‑‑
智能反射表面站
‑‑
蜂窝用户(d2dt
‑
irs
‑
cue)的级联信道增益其不确定区域表示为其中
△
g
c,k
表示信道增益g
c,k
的估计误差，
△
t
k
表示信道增益t
k
的估计误差，
△
r
k
表示信道增益r
k
的估计误差，δ
k
表示不确定区域的上界，t
k
表示不确定区域的上界，r
k
表示不确定区域的上界，δ
k
、
t
k
和r
k
的值越大，意味着不确定的区域越大，同时不确定性也就越大。
[0105]
控制传输功率大小能够减少干扰，因此，信道状态信息不完全已知情况下，约束条件包括：最坏情况下的最小化传输功率优化问题、蜂窝用户和d2d用户的最小速率要求、秩一要求、反射单元系数的单位模要求、蜂窝用户和d2d用户的功率要求、信道增益g
c,k
/t
k
/r
k
的不确定性以及对系统鲁棒性的要求。
[0106]
基于最坏情况下的最小化传输功率优化问题，目标函数表示为：
[0107][0108]
约束条件包括：
[0109][0110]
r
c
≥r
cmin
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1b)；
[0111]
rank(w)＝1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1c)；
[0112][0113]
0≤trace(w)≤p
cmax
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1e)；
[0114]
0≤p
k,k
≤p
dmax
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1f)；
[0115][0116][0117][0118]
式中，w＝p
c
ww
h
，约束(1a)和约束(1b)分别表示蜂窝用户和d2d用户的最小速率要求；约束(1c)表示秩1约束；约束(1d)表示反射单元系数的单位模要求；约束(1e)和约束(1f)分别表示蜂窝用户和d2d用户的功率要求；约束(1g)表示考虑了信道增益g
c,k
的不确定性及对系统鲁棒性的要求；约束(1h)表示考虑了信道增益t
k
的不确定性及对系统鲁棒性的要求；约束(1i)表示考虑了信道增益r
k
的不确定性及对系统鲁棒性的要求。
[0119]
由于波束赋形矢量w和反射元件系数矩阵e在约束(1a)和约束(1b)中存在耦合，同时还需要考虑非完美csi，那么此时的优化问题是半无限规划问题。这些因素使得优化问题非凸，难以求解。因此需要对问题中的半无限约束进行转换，将其转换成确定性的凸约束，具体步骤如下所述。
[0120]
利用矩阵知识和凸优化理论，结合s
‑
procedure定理等数学理论，处理有界csi误差模型下信道参数的不确定性，对约束条件进行转换，将非凸优化问题转化为凸优化问题，设计鲁棒传输方案，增大系统鲁棒性，提高系统可靠性。
[0121]
由于信道参数不确定性的影响，导致优化问题目标函数(1)是非凸的，因此，先对信道参数的不确定性进行处理。
[0122]
引进松弛参数ρ，约束(1a)重写为：
[0123][0124]
[0125]
式(6)中存在椭球不确定区域且考虑到数学变换公式trace(a
h
b)＝vec
h
(a)vec(b)和所以式(6)左边重写为：
[0126][0127]
将上式(7)代入式(6)中，再使用s
‑
procedure引理，将其转换为如下等价的公式：
[0128][0129]
同理，约束(1b)引入松弛参数：
[0130][0131][0132]
根据应用数学不等式|a+b+c|2≤3|a|2+3|b|2+3|c|2，其中a，b，c都是复数，式(10)左侧重写为：
[0133][0134]
继续对式(11)进行松弛，可表示为：
[0135][0136][0137][0138]
可以观察到，式(12)继续转换为：
[0139][0140]
同理，对式(4
‑
13)进行转换处理：
[0141]
[0142]
综上所述，经过转换处理后，信道参数不确定性的近似优化问题，其目标函数为：
[0143][0144]
s.t.(5)，(8)，(9)，(14)，(15)，(16)，(1c)，(1d)，(1e)，(1f)
ꢀꢀꢀꢀꢀ
(2)；
[0145]
式(2)中的括号内数字，表示对应的表达式。
[0146]
经过上述松驰转换的一系列操作，将含有界csi的优化问题转化为确定性问题，但变量之间还是存在高度耦合，式(17)仍是非凸问题。为此，采用基于bcd算法的迭代算法，通过迭代优化关于反射单元矩阵e、关于波束赋形矩阵w和d2d用户传输功率p的两个子问题，直到收敛，进行求解。
[0147]
具体地，将式(17)转化为二个子问题，第一个子问题：给定反射单元矩阵e，求解基站的波束赋形矩阵w、d2d用户传输功率p分配方案；第二个子问题：给定基站的波束赋形矩阵w、d2d用户传输功率p，求解反射单元矩阵e。
[0148]
对于第一个子问题，采用半正定松弛方法，利用凸优化工具包cvx进行求解；给定反射单元矩阵e，通过求解如下子问题，得到基站的波束赋形矩阵w、d2d用户传输功率p分配方案：
[0149][0150]
s.t.(5)，(8)，(9)，(14)，(15)，(16)，(1c)，(1e)，(1f)
ꢀꢀꢀ
(3)；
[0151]
式(18)中存在非凸的秩1约束(1c)，仍然是非凸问题。
[0152]
对于基站的波束赋形矩阵w的秩为1的情况，采用sdr技术对问题(18)进行松弛，得到一个凸的sdp问题，再利用凸优化工具包cvx进行求解。对于基站的波束赋形矩阵w的秩不为1的情况，采用高斯随机方法获得秩1解，再给定反射单元矩阵e，求解基站的波束赋形矩阵w、d2d用户传输功率p分配方案。
[0153]
对于第二个子问题，采用惩罚凹凸过程(convex
–
concave procedure，ccp)方法，将子问题转换为凸优化问题，采用凸优化工具包cvx进行求解。
[0154]
此时，关于反射单元矩阵e的子问题是一个可行性检验问题。
[0155]
引入松弛变量χ＝[χ1,χ2]
t
对约束(5)和约束(9)进行修正，式(5)和式(9)分别可改写为：
[0156][0157][0158]
结合上面两个式子，关于反射单元矩阵e的子问题，转换为：
[0159][0160]
s.t.(8)，(14)，(15)，(16)，(1d)，(19)，(20)
ꢀꢀꢀ
(4)；
[0161]
但是由于单位模的约束(1d)，上述问题仍是非凸的。采用惩罚ccp方法来处理这一非凸约束，引入松弛变量b＝[b1,b2，...,b
2m
]
t
，约束(1d)等价为：
[0162]
[0163]
|e
m
|2≤1+b
m+m
,1≤m≤m
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(23)；
[0164]
优化反射单元矩阵e的子问题，进一步转换为：
[0165][0166]
s.t.(8)，(14)，(15)，(19)，(20)，(22)，(23)
ꢀꢀꢀꢀ
(25)；
[0167]
b≥0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(26)；
[0168]
其中||b||1表示目标函数的惩罚项，||b||1通过正则化因子κ
[p]
进行缩放，来控制约束的可行性。求问题(24)中的可行解e的算法如表1所示。
[0169]
表1惩罚ccp算法
[0170][0171]
对于式(1)的解，通过迭代求解子问题得到，具体步骤如算法表2所示。
[0172]
表2鲁棒性传输方案设计
[0173][0174][0175]
因为在每次迭代中，只需解决两个凸优化问题，所以算法2的复杂度较低，能够快速地收敛。
[0176]
采用本技术的方法，对考虑非完美csi下的智能反射表面d2d通信系统具有良好的
鲁棒性，进行仿真验证，结果如下：
[0177]
假设基站位于(0m,0m)，智能反射表面固定在(60m,10m)处，且蜂窝用户的位置和d2d用户的位置是随机生成的。具体的仿真参数表如表3所示。
[0178]
表3仿真参数
[0179][0180][0181]
在本仿真实验中，非鲁棒方案是指不考虑信道参数的不确定性，即认为这些参数的估计值是准确的。通过与鲁棒算法相同的算法，可以得到非鲁棒优化问题的解。在本仿真中，信道不确定度∈
g
，∈
t
，∈
r
分别表示为：这表明当信道不确定度∈为0.01时，信道增益误差不超过其估计值的1％。如果没有其他设定，在本节中∈
g
＝∈
t
＝∈
r
＝0.01。
[0182]
图2显示了在不同r
dmin
下，传输功率随不确定度∈的变化情况。图中，带三角形线对应的r
dmin
等于3，带圆圈虚线对应的r
dmin
等于2，带圆圈实线对应的r
dmin
等于1，横坐标表示不确定度∈，从图2中可以看出，∈越大，传输功率也随之增加。这是因为需要消耗更多的功率来抵抗不确定性增大时带来的影响。
[0183]
图3显示了在不同∈下，传输功率随r
dmin
的变化情况。带三角形线对应的不确定度∈等于0.02，带圆圈线对应的不确定度∈等于0.03，带十字星线对应的不确定度∈等于0.01，横坐标表示r
dmin
。
[0184]
从图3也可以看出，在固定不确定度的情况下，r
dmin
越大，其传输功率也越大。因为随着r
dmin
增加，优化问题可行解范围也随之增加，也就是说，需要更多的功率来满足用户的最小速率要求。
[0185]
图4表示在鲁棒方案与非鲁棒方案中，传输功率随r
dmin
的变化。带圆圈实线对应的鲁棒算法，带圆圈虚线对应的非鲁棒算法，横坐标表示r
dmin
。
[0186]
从对比方案中可以看出，非鲁棒方案所需功率要小于鲁棒方案，这是因为鲁棒方案需要更多的传输功率来抵抗不确定性的影响。但是此时非鲁棒方案会存在不满足约束条件的情况，因此鲁棒方案虽然所需功率相对要多一些，其更具有鲁棒性，更符合实际需求。
[0187]
综上所述，本技术在d2d通信系统中应用了智能反射表面技术减少了通信中断，在实现了功率最小化的同时还提高了系统的鲁棒性。
[0188]
具体实施例二
[0189]
本发明一实施例提供的一种智能反射表面辅助d2d通信系统的鲁棒性传输设计终端设备，该实施例的终端设备包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现实施例1中的方法。
[0190]
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述智能反射表面辅助d2d通信系统的鲁棒性传输设计终端设备中的执行过程。例如，所述计算机程序可以被分割成多个模块，各模块具体功能如下：
[0191]
1.给定反射单元矩阵e，求解基站的波束赋形矩阵w、d2d用户传输功率p分配方案模块，用于获得基站的波束赋形矩阵w、d2d用户传输功率p；
[0192]
2.给定的基站的波束赋形矩阵w、d2d用户传输功率p，求解反射单元矩阵e优化方案，用于反射单元矩阵e。
[0193]
所述智能反射表面辅助d2d通信系统的鲁棒性传输设计终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述智能反射表面辅助d2d通信系统的鲁棒性传输设计终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述上述示例仅仅是智能反射表面辅助d2d通信系统的鲁棒性传输设计终端设备的示例，并不构成对智能反射表面辅助d2d通信系统的鲁棒性传输设计终端设备的限定，可以包括比图示更多或更少的部件，或组合某些部件，或不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
[0194]
所述处理器可以是中央处理单元(central processing unit，cpu),还可以是其他通用处理器、数据信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field
‑
programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种智能反射表面辅助d2d通信系统的鲁棒性传输设计终端设备的控制中心，利用各种接口和线路连接整个一种智能反射表面辅助d2d通信系统的鲁棒性传输设计终端设备的各个部分。
[0195]
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行
存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种智能反射表面辅助d2d通信系统的鲁棒性传输设计终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card,smc)，安全数字(securedigital,sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0196]
具体实施例三
[0197]
所述一种智能反射表面辅助d2d通信系统的鲁棒性传输设计终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read
‑
onlymemory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
[0198]
本具体实施方式的实施例均为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。