有源RIS辅助无蜂窝URLLC场景下预编码设计和用户关联优化方法

本发明涉及无线通信，具体涉及一种有源ris(active reconfigurableintelligence surface,activeris)辅助无蜂窝urllc(ultra-reliable low-latencycommunications,urllc)场景下预编码设计和用户关联优化方法。

背景技术：

1、urllc作为5g系统的核心服务之一就是要实现高可靠低时延的传输，以满足不同工业场景的低时延传输需求。为了减小传输时延，urllc服务必须采用短包传输，这导致传统假设无限块长的香农传输容量公式无法使用，必须采用有限块长编码的近似信道容量公式以更好衡量urllc场景下的信道可达速率。

2、为了进一步提升5g系统能效，可重构智能超表面作为一种新兴的无线通信技术，可以通过调节其元件的相位，实现对信号反射的调控，在提升传输的自由度、提升波束赋形的增益的同时，以其低能耗特性而引起广泛研究。目前学术界主流的ris研究是基于无源ris(passive ris)进行的，但是无源ris在实际应用中存在双重衰落效应(double-fadingeffect)，限制了无源ris在实际应用时的性能。为了解决这一问题，有源ris通过对反射单元引入放大器的增益解决上述无源ris的不足，从而在实际应用中相比于无源ris具有更大的优势。在urllc系统中，ris的控制开销足够低，且没有延迟可以满足urllc系统对时延和可靠性要求。

3、但是riss的引入加剧了获取所有riss信道状态信息的困难。特别是在ris辅助的无蜂窝网络中，用户(user equipment，ue)、rau和riss的高密度极大地加剧了这一问题，这使得许多现有的基于完全已知csi的联合预编码方案无法实际采用。而在实际情况下，有些用户往往被其近邻的若干ris服务往往就能满足其需求，基于以用户为中心的思想(user-centric)，在双时间尺度场景下(two-timescale)设计用户和ris的关联算法，在可接受的性能损失范围内，减小信道csi获取的复杂度、导频开销功耗是一个更加实际的方案。具体对于双时间尺度而言，一个大时间尺度包含若干个小时间尺度，在每个大时间尺度的开始获取所有rau-ris-用户的信道，并为每个用户匹配几个性能良好的riss，求解用户-ris关联问题。随后在小时间尺度上，只有之前匹配的用户-ris对的ris辅助信道才会被获取进行联合预编码设计、数据传输、和速率优化，而暂时忽略不匹配的用户-ris对的ris辅助信道以减小csi获取的开销，在下一个大时间尺度继续重复上述步骤，双时间尺度优化可以作为一种更实际的方案以应对ris辅助无蜂窝网络中信道状态信息获取导频开销过大的挑战。

技术实现思路

1、本发明的目的是提供一种有源ris辅助无蜂窝urllc场景下预编码设计和用户关联优化方法，能够在给定功率约束情况下，求解和速率最大化的优化问题以实现ris辅助urllc分布式系统中的性能优化。

2、为实现上述目的，本发明采用的技术方案为：

3、有源ris辅助无蜂窝urllc场景下预编码设计和用户关联优化方法，包括以下步骤：

4、步骤s1：建立有源ris辅助无蜂窝urllc下行链路接收信号模型；

5、步骤s2：基于双时间尺度方案，建立一个用户-ris关联以及rau、ris预编码联合设计的和速率优化模型，采用交替优化的策略将问题解耦为关联子问题和预编码设计的传输子问题分别优化；

6、步骤s3：在大尺度的每个小时间尺度内，通过分式规划以及连续凸近似方法转化传输子问题非凸性并采用cvx求解器求解。

7、步骤s4：在大时间尺度的开始，对于关联子问题，引入辅助变量并使用罚函数法确定用户和ris的关联方案；

8、所述步骤s1中，分布式无蜂窝系统包含一个中央处理单元(cpu)和n个rau，每个rau配备na根天线，共同服务k个单天线用户。为了提高该无蜂窝系统的性能，采用r个有源ris进行信号传输，每个有源ris有l个反射单元。可以定义k＝{1,2,…,k}以及n＝{1,2,…,n}、r＝{1,2,…,r}分别代表用户、rau和ris集合。

9、对于每一个用户k，其接收信号来自rau的直射信号以及来自有源ris反射的反射信号，设ur,k∈{0,1}表示用户k是否和risr相配对。可以定义，对于用户k而言，uk＝[u1,k,u2,k,…,ur,k]t作为其与ris的关联向量，所有用户和所有ris的关联矩阵可以定义为u＝[u1,u2,…,uk]t∈rk×r。如果用户k和risr没有配对，可以暂时忽略远离用户的ris，减缓csi获取的导频开销。对于用户而言，来自rau的信道被定义为直射信道，来自ris的信道被定义为反射信道，最终的等效信道是直射信道和反射信道的和。不妨设用户发送的符号矢量用户k的下行预编码向量为为所有用户的预编码矩阵。

10、对于用户k而言，来自rau的接收信号rk可以建模为：

11、

12、其中为从rau到用户k的直射链路向量，为rau到有源risr的信道即：对于ris而言，其主要功能是进行信号的反射和放大，为有源risr的反射矩阵，其中pi,r,θi,r分别为有源risr的第i个反射单元的增益和相位。ψ＝[ψ1,…,ψr]为所有有源ris的预编码矩阵。为从有源risr到用户k的信道。特别的，由于有源ris是有源器件，其在反射放大信号的同时也会放大噪声，即有源ris的热噪声v～cn(0n,σv2in)不可忽略。

13、所以,关于用户k的信干噪比(signal-to-interference-plus-noiseratio,sinr)可以表示为：

14、

15、其中，表示从rau到用户k的等效信道，包含了直射路径和反射路径的信道，zk～cn(0n,σz2in)属于高斯白噪声。

16、所述步骤s2中，基于步骤s1中建立的信道模型，根据信号模型建立一个用户-ris关联以及ap、ris预编码设计的和速率优化模型，采用交替优化的策略将问题解耦为关联子问题和预编码设计的传输子问题分别优化：

17、关于系统和速率求解，在urllc场景中，为了实现urllc的低时延，必须采用短包传输，考虑有限块长编码的urllc速率公式，传统的香农公式不再适用，在给定数据包大小、解码错误概率、有限块长的情况下，下行用户k的速率可以表示为：

18、rk＝f(γk)-v(γk),k∈k                        (3)

19、其中

20、f(γk)＝log2(1+γk)                         (4)

21、

22、v(γk)是用户k的信道色散，其中md是块长，òk表示传输错误率，q-1(·)表示高斯q函数的反函数，

23、整个无蜂窝网络总吞吐量定义为所有用户接收速率之和，可由下式表示：

24、

25、整个系统的能耗部分主要是包括所有rau的能耗还有所有有源ris的能耗，考虑rau的能耗主要是预编码的能耗为由于是有源ris，其在传输过程中需要消耗一定的能量，有源risr的传输能耗为：

26、

27、上式中，第一项是有源risr处的信号功率。对于第二项而言，与rau的传输能耗不同，有源ris由于其有源特性，所以也会对噪声进行放大，这部分功耗不可忽略。

28、在每个时间尺度内，为了满足urllc低时延需求以及在无蜂窝系统中实现频谱效率和能耗的优化，可以通过建立一个在给定功率约束情况下，最大化和速率优化问题以实现ris辅助urllc分布式系统中功耗和速率的权衡，优化问题如下形式：

29、po：

30、

31、

32、

33、

34、ur,k∈{0,1}

35、其中rmatch表示每个用户最多的关联ris数，在每个大时间尺度的开始获取所有rau-ris-用户的信道，并为每个用户匹配几个性能良好的riss，求解用户-ris关联问题。随后在小时间尺度上，只有之前匹配的用户-ris对的ris辅助信道才会被获取进行联合预编码设计。接下来将该问题在双时间尺度下解耦为关联子问题和传输子问题分别优化。

36、所述步骤s3中，在大尺度的每个小时间尺度内，通过分式规划以及连续凸近似方法转化传输子问题非凸性并采用cvx求解器求解。

37、考虑给定问题po关联策略下的rau预编码w和有源ris预编码矩阵ψ的设计问题，并对于有源ris预编码和rau预编码进行交替优化求解。为了解耦复杂的信干噪比和对数函数以及信道色散表达式，引入辅助变量φ＝[φ1,φ2,…,φk]将传输子问题目标函数式转化为：

38、

39、

40、

41、

42、

43、

44、为了解决信干噪比的分式非凸性，引入辅助变量y＝[y1,y2,…,yk]，并使用分式规划的技巧将其转化为一个更易处理的形式：

45、

46、式(8)关于w和ψ具有边缘凸性，可以采用交替优化的策略获得一个局部最优解。

47、不妨令表示取实部运算，关于y的更新，显然最优的y值可以计算得到即：

48、

49、关于传输子问题中urllc信道色散的非凸性，下面用一阶泰勒近似去逼近目标函数，具体而言：

50、

51、其中为第t次迭代用户k的辅助变量值，为梯度运算。所以系统速率可以转化为：

52、

53、最后，由于凸近似需要迭代求解，初始点的选择可能不满足qos约束，引入松弛变量τ＝[τ1,…,τk]暂时松弛qos约束，在迭代过程中通过罚函数因子β(t)，持续将松弛变量迫零。转化后的目标函数为：

54、p1:

55、

56、

57、

58、

59、

60、问题p1关于w和ψ具有边缘凸性，可以采用交替优化的策略获得一个局部最优解，每次交替优化都是一个凸问题，可以通过cvx求解，通过交替优化y,w,ψ，直到收敛。

61、所述步骤s4中，在大时间尺度的开始，在给定传输子问题rau和有源ris的预编码结果后，对于关联子问题，引入辅助变量并使用罚函数法确定用户和ris的关联方案.由于关联变量是一个二进制的0-1变量，所以该问题是一个非凸的问题。延续传输子问题的思路，首先继续使用辅助变量φ＝[φ1,φ2,…,φk]，将复杂的信干噪比形式与对数函数解耦，并且继续用凸近似解决urllc信道色散的非凸性。问题转化为：

62、

63、

64、

65、

66、

67、ur,k∈{0,1}

68、该问题仍然是一个非凸的问题，其非凸性来自两个方面，一个是信干噪比的分式结构，还有离散有源risr和用户k的关联变量ur,k。关于第一个问题，为了简化表达，首先定义：

69、

70、

71、

72、从而将约束重写为如下的形式：

73、

74、式(12)仍然是非凸的，为了解决复杂的信干噪比结构，引入用户k引入辅助变量ρ＝[ρ1,…,ρk],k∈k，来分别限制其信干噪比分子的上界和分母的下界即：

75、

76、

77、

78、下面用连续凸近似去分别转化式(13)、(15)的非凸表达式。关于式(13)的非凸性，其非凸性主要来自一个关于uk的凹函数大于仿射变量是非凸约束，可以推导出ub(uk)的凸下界即：

79、

80、上式(a)成立是在给定第t次迭代值由ub(uk)一阶泰勒展开计算出其下界。将一个凹函数放缩为一个线性函数，由此式(13)的非凸性得到了解决。关于式(15)的非凸性，依旧考虑对ζk进行一阶泰勒展开的放缩以解决其非凸性：

81、

82、其中，表示第t次迭代的辅助变量值，为梯度项的表达式。将(16)带入(15)可以得到如下表达式：

83、

84、由此，关于式(13)、(15)的非凸性已经被完全解决。剩下关联问题的非凸性来自于离散的二进制关联变量ur,k，首先将0-1变量松弛为连续值，即ur,k∈[0,1]，并定义将ur,k∈{0,1}改写为

85、

86、

87、将上述松弛后的约束作为罚函数项写入目标函数，通过设置罚函数因子满足约束ur,k的离散约束。但是约束(18)作为罚函数在最大化和速率的目标函数中仍然是一个dc(difference of convex)差分的形式，所以使用一阶泰勒展开去转化其非凸性即：

88、

89、

90、

91、得到转化后的目标函数为：

92、

93、最终，可以得到转化后的优化问题为：

94、p3:maxu，φ，τ，ρ，π，δf2(φk，uk)-α(t)δ(t)

95、

96、

97、

98、

99、(14),(17),(19)

100、其中，由于松弛后的ur,k是连续量，将原始离散约束引入松弛因子δ(t)进行转换。具体而言，松弛因子δ(t)表示0-1松弛为连续量之后，在第t次迭代关联约束允许的最大违反量，并将该违反量通过罚函数迫零，从而起到限制关联数目的作用，δ(t)可以通过如下公式迭代

101、

102、转化后的问题p3是一个凸问题，并且可以通过cvx求解器求解。

103、有益效果：本发明公开了一种有源ris辅助无蜂窝urllc场景下预编码设计和用户关联优化方法，能够在给定功率约束情况下，最大化和速率优化问题以实现ris辅助urllc分布式系统中和速率的优化。考虑了一种双时间尺度资源分配方案，系统的全局csi将在大时间尺度的开始全部获取用于用户与ris的关联，随后在若干小时间尺度内，只有匹配的用户-ris对的部分csi将会被获取用于进一步的波束赋形以减小信道估计开销。最后，本发明选取信道增益最大的贪婪算法、遗传算法、随机方案以及无urllc方案进行对比。仿真结果表明本发明提出的方案可以有效进行基站，有源ris传输预编码设计以及关联问题的求解，提升频谱效率，并且具有相对较低的复杂度。