智能反射面辅助的多用户MIMO上行能效谱效联合优化方法与流程

技术特征：

1.一种智能反射面辅助的多用户mimo上行能效谱效联合优化方法，其特征在于：包括以下步骤：

在多用户mimo上行传输中，各用户发送信号到达智能反射面irs，irs的每个反射单元能够独立地改变入射信号的相位，经irs反射后的信号到达基站；各用户最优发送信号协方差矩阵的特征向量由各用户到irs的信道矩阵的发送相关阵的特征向量确定；

利用部分信道状态信息，包括各用户到irs的统计信道状态信息和irs到基站的瞬时信道状态信息，以能效谱效联合优化为准则联合设计各用户的功率分配矩阵和irs的反射系数；所述能效谱效联合优化问题的目标为在满足各用户发送功率约束和irs各反射系数的约束下最大化系统能效和谱效的加权和，其中谱效为系统遍历和速率，能效为系统带宽与谱效的乘积，再与系统总功率消耗的比值；

其中各用户的功率分配矩阵和irs反射系数的联合优化基于如下交替优化方法：在给定irs反射系数的条件下，利用确定性等同原理和quadratic变换，迭代优化得到局部最优的功率分配矩阵；在给定各用户功率分配矩阵的条件下，利用块坐标下降法、二次惩罚方法、mm方法和加速投影梯度下降法设计irs的反射系数；迭代、交替实施各用户功率分配矩阵和irs端反射系数的优化过程直至相邻两次能效和谱效的加权和之差小于某个给定的阈值；

随着通信过程中各用户和irs之间的统计信道状态信息以及irs和基站之间的瞬时信道状态信息发生变化，动态实施能效谱效联合优化的多用户mimo上行发送功率分配和irs反射系数调整。

2.根据权利要求1所述的智能反射面辅助的多用户mimo上行能效谱效联合优化方法，其特征在于：所述在给定irs反射系数的条件下，利用确定性等同原理和quadratic变换，迭代优化得到局部最优的功率分配矩阵，包括以下步骤：

(1)根据大维随机矩阵理论，利用部分信道状态信息计算系统谱效的确定性等同值，进而计算目标函数的确定性等同值；

(2)能效谱效联合优化的功率分配问题是一个分式规划问题，目标函数是一个分子为凹函数分母为线性函数的分式函数与一个凹函数的和，利用quadratic变换，引入辅助变量将该优化问题转换为一系列凹优化子问题迭代求解，此辅助变量随着迭代过程不断更新；迭代过程在相邻两次目标函数之差小于某个给定阈值时终止，此时得到给定irs反射系数的条件下，各用户上行发送功率分配矩阵的局部最优解。

3.根据权利要求1所述的智能反射面辅助的多用户mimo上行能效谱效联合优化方法，其特征在于：在给定各用户功率分配矩阵的条件下，利用块坐标下降法、二次惩罚方法、mm方法和加速投影梯度下降法设计irs的反射系数，包括以下步骤：

(1)固定确定性等同辅助变量并将其视作常数；忽略优化问题中与反射系数无关的，可视为常数的项，得到简化的优化问题；引入两个辅助变量，将优化问题转化为等效的均方误差mse最小化问题；

(2)通过块坐标下降法迭代优化mse最小化问题中的各个变量，包括irs的反射系数和两个引入的辅助变量，步骤包括；

(21)固定irs反射系数和其中一个辅助变量，根据闭式解更新另一个辅助变量；

(22)固定irs反射系数和步骤(21)中已更新的辅助变量，根据闭式解更新另一个辅助变量；

(23)固定两个已更新的辅助变量，利用二次惩罚方法、mm方法和加速投影梯度下降法优化irs反射系数；

(24)迭代上述过程，直至前后两次目标函数之差小于某个给定阈值时终止，此时得到给定各用户上行功率分配矩阵的条件下，irs反射系数的一个优化解；

(3)根据优化后的irs反射系数更新确定性等同辅助变量；

(4)迭代上述过程，直至前后两次目标函数之差小于某个给定阈值时终止。

4.根据权利要求1所述的智能反射面辅助的多用户mimo上行能效谱效联合优化方法，其特征在于：所述系统谱效表示为：

其中，为irs到基站的信道矩阵，m为基站接收天线数，nr为irs反射单元数，为第k个用户到irs的信道矩阵，u2,k和v2,k是确定性酉矩阵，分别表示接收和发送相关阵的特征矩阵，nk为第k个用户的发送天线数，为对角矩阵，表示irs的反射系数矩阵，第n个对角线元素φn为irs的第n个反射单元的反射系数，为各用户功率分配矩阵的集合，λk为第k个用户的发送功率分配矩阵，k为小区中用户总数，im表示一个m×m的单位矩阵，σ²表示噪声方差，log表示对数运算，det表示取矩阵的行列式运算，e{.}表示期望运算。

5.根据权利要求4所述的智能反射面辅助的多用户mimo上行能效谱效联合优化方法，其特征在于：所述系统能效表示为：

其中，w表示系统带宽，ξk为第k个用户功率放大器效率的倒数，pc,k为第k个用户处的静态电路功耗，pbs和nrps分别为基站和irs的静态硬件耗散功率，tr{·}表示取矩阵迹的运算。

6.根据权利要求5所述的智能反射面辅助的多用户mimo上行能效谱效联合优化方法，其特征在于：所述系统能效和谱效的联合优化问题表示为：

s.t.tr{λk}≤pmax,k,

λk≥0,k＝1,...,k,

其中，

β＞0为加权系数，pmax,k为第k个用户的最大发送功率约束，为irs反射系数的约束，当irs反射系数的相位可以连续取值时，其中j是虚数单位，θθn是irs的反射系数的相位；当irs反射系数的相位只能取有限个离散值时，τ是可取的离散相位值的个数。

7.根据权利要求6所述的智能反射面辅助的多用户mimo上行能效谱效联合优化方法，其特征在于：利用quadratic变换引入辅助变量转换后一系列凹优化子问题表示为：

其中q指示迭代次数，y^(q+1)是引入的辅助变量，由第q次的迭代结果λ^(q)计算

和分别为系统谱效和能效的确定性等同表达。

8.根据权利要求3所述的智能反射面辅助的多用户mimo上行能效谱效联合优化方法，其特征在于：所述步骤(23)在块坐标下降法中，固定两个引入的辅助变量，利用二次惩罚方法、mm方法和加速投影梯度下降法优化irs反射系数的迭代方法包括：

(231)在块坐标下降法中，将引入的两个辅助变量看作常数求解irs的反射系数时，对于反射系数的约束是非凸约束，利用二次惩罚方法引入一个惩罚因子，给目标函数加上一个二次惩罚项，将原问题转换为一个凸约束问题；

(232)转换后的凸约束问题的目标函数是非凸函数，利用mm方法将这个非凸的优化问题转换为一系列凸优化子问题迭代求解，在每一次迭代过程中，利用上一次迭代得到的irs反射系数的解构造一个原目标函数的上界函数，这个上界函数是凸函数，得到的凸优化子问题用加速投影梯度方法求解，迭代过程在相邻两次迭代的目标函数之差小于某个给定阈值时终止。

9.根据权利要求6所述的智能反射面辅助的多用户mimo上行能效谱效联合优化方法，其特征在于：在块坐标下降法中，利用二次惩罚方法和mm方法求解irs的反射系数时，利用mm方法转换后的一系列凸优化子问题，表示为：

其中，l指示迭代次数，表示φ的对角线元素，表示两个复向量内积的实部，表示集合的凸包，λ＞0表示惩罚因子，表示复数的实部，ψk为确定性等同辅助变量，wc,uc为在给定各用户功率分配矩阵的条件下简化的irs的反射系数优化问题转换为等效的mse最小化问题时引入的辅助变量。

10.根据权利要求9所述的智能反射面辅助的多用户mimo上行能效谱效联合优化方法，其特征在于：利用加速投影梯度方法求解凸优化子问题表示为：

z^(l)＝φ^(l)+α(l)(φ^(l)-φ^(l-1))

其中，表示在上的投影，▽φfλ(z^(l)|φ^(l))表示fλ(z^(l)|φ^(l))的梯度，表示步长；初始化ζ(-1)＝0，则α(l)由以下式子计算得到：

技术总结
本发明提出了一种智能反射面辅助的多用户MIMO上行能效谱效联合优化方法。该方法中，用户发送信号经IRS反射被基站接收，IRS的反射单元能改变入射信号的相位。本发明利用部分信道状态信息，同时考虑IRS反射系数能够连续取值和离散取值的两种不同情况，通过交替优化方法、确定性等同原理、二次惩罚方法、MM方法和加速投影梯度下降等方法，联合设计各用户的预编码矩阵和IRS的反射系数最大化能效和谱效的加权和。当信道状态信息变化时，中央控制器动态实施能效谱效联合优化的多用户MIMO上行发送功率分配和IRS反射系数调整。本发明实现复杂度低，能够有效提高多用户MIMO上行通信的能效和谱效，实现两者的平衡。

技术研发人员：尤力;熊佳媛;黄雨菲;陈婷婷;王闻今
受保护的技术使用者：东南大学
技术研发日：2020.07.09
技术公布日：2020.11.17