[发明专利]一种智能反射面增强云接入网多天线用户上行传输方法

权利要求书

1.智能反射面增强云接入网多天线用户上行传输方法，其特征在于：通过IRS辅助C-RAN接入链路，以最大化上行链路总速率为目的，对用户发送波束赋形，IRS被动波束赋形以及前传压缩噪声协方差矩阵进行联合优化，具体包括如下步骤：

1.1)基于IRS辅助的C-RAN的接入链路传输系统中，多天线用户通过RRH与BBU池进行通信，将多个IRS部署在用户和RRH之间，辅助用户接入RRH；链路传输系统中有K个多天线用户，有L个RRH，每个用户有N_U根发射天线，每个RRH有N_R根接收天线，在用户和RRH之间部署有M个IRS，每个IRS有N_I个反射单元；RRH对接收信号进行压缩，再通过前传链路传输到BBU池；

1.2)用户k,k＝1,...,K向RRH发送信号x_k＝F_ks_k，其中表示具有协方差矩阵的数据符号向量，d表示每个用户发送数据流中的数据符号个数，表示受功率约束的用户发送波束赋形，P_k表示用户发射功率；各RRH通过直射链路和IRS的反射链路接收用户发送的信号，第l个RRH，

RRHl，l＝1,...,L接收到的信号表示为：

其中和分别表示用户k和RRHl之间、IRSm和RRHl之间以及用户k和IRSm之间的信道矩阵，其中IRSm表示第m个表示所有用户到RRHl的信道矩阵，G_l,M＝[G_l,1,...,G_l,M]表示所有IRS到RRHl之间的信道矩阵，表示用户k到所有IRS之间的信道矩阵，表示信道矩阵所有用户到所有IRS之间；表示IRSm的被动波束赋形,IRS只调整相移，即|θ_m,n|＝1,n＝1,···N_I，其中θ_m,n表示第m个IRS上的第n个反射单元的相移角，是加性高斯白噪声，其中I为单位矩阵；

1.3)RRH将接收信号通过点对点压缩或者Wyner-Ziv编码，再通过前传链路传输到BBU池，BBU池恢复的压缩信号表示为：

其中表示RRHl的量化噪声，Ω_l为压缩噪声协方差矩阵，这样用户到BBU池的上行链路总速率表示为：

其中表示所有用户到RRH的信道矩阵，表示所有用户到所有RRH的直射链路信道矩阵，表示所有IRS到所有RRH的信道矩阵，

所述RRH将接收信号通过点对点压缩，前传链路压缩率要小于前传链路容量C_l，即需要满足：

所述RRH将接收信号通过点对点压缩，是以最大化上行链路总速率为目的，联合设计用户发送波束赋形，IRS被动波束赋形以及前传压缩噪声协方差矩阵，具体步骤如下：

2.1)对于上行链路总速率最大化优化问题可以表示为：

其中表示所有用户到RRHl的信道矩阵；

2.2)再确定联合优化的最大迭代次数T_max，并选取满足约束条件的初始F_k,Θ和Ω_l；

2.3)对于步骤2.1)的优化问题可以转换成如下形式：

其中W为接收矩阵，Σ表示后验准则估计数据符号的协方差矩阵，Ε_l为辅助变量矩阵；

2.4)在每次迭代中，首先固定F_k,Θ,Ω_l对W,Σ,Ε_l进行更新，可得：

2.5)接着固定Θ,Ω_l对F_k进行优化，对于步骤2.3)的优化问题可以转换成如下的子问题：

使用标准凸优化工具对上述问题进行迭代优化，可得到优化解为：F_k^*表示本步骤中优化问题的优化解；

2.6)再固定F_k对Θ和Ω_l进行优化，这样优化问题可以表示为：

其中

A⊙B^T表示A和B^T的哈达玛积，

为列向量，由矩阵的对角线元素组成，

其为列向量，由矩阵的对角线元素组成，

通过半正定放松SDR将的约束条件去除，再通过标准凸优化工具对半正定放松SDR放松后的优化问题进行迭代优化，可得到优化解为：表示本步骤中优化问题的优化解；

2.7)再判断是否满足步骤2.6)的约束条件，若满足约束条件直接进行特征值分解：为步骤2.6)优化问题的优化解，其中U表示为特征向量组成的矩阵，Λ为的特征值组成的对角矩阵，U^H为U的共轭转置；表示优化后的列向量，由IRS被动波束赋形的对角线元素组成的列向量和1组成的列向量；若不满足步骤2.6)的约束条件通过以下方法来产生多个次优的解：首先让其中为独立随机变量，均匀分布在复平面的单位圆上，即θ_i独立均匀分布在[0,2π]，其次通过对Ω_l进行放缩，使产生的优化解满足步骤2.6)的约束条件，最后再从中选取一个使步骤2.6)中目标函数达到最小值的作为最优解，最后得到优化解为：IRS被动波束赋形Θ^(t)和压缩噪声的协方差矩阵t＝1,...,T_max，表示迭代次数；再将优化解带入步骤2.6)的目标函数得到f^(t)，f^(t)表示本次优化解带入目标函数的值，再将上一次迭代的解Θ^(t-1)，也带入本轮步骤2.6)的目标函数得到f^(t-1)，进行比较，若f^(t)≤f^(t-1)则将上一轮的优化解作为本轮的优化解；

2.8)将步骤2.5)和步骤2.7)的优化解带入和速率表达式R_sum，得到本次迭代的和速率与上一次迭代的进行比较，若则停止迭代，确定最优结果输出优化解其中表示允许误差范围；若再判断迭代次数是否超过T_max，若没有超过T_max，回到步骤

2.2)继续进行迭代优化；若超过T_max，则输出最后的优化解

2.9)对于IRS反射面相位为离散的情况，首先通过步骤2.1)～2.8)获得其中将Θ的对角线元素θ_m,n映射到离散相位的点上，即:其中φ表示离散的相位，τ＝2^b,b＝1,2表示离散电平；再对进行放缩得到使满足步骤2.1)中的约束条件；

所述RRH将接收信号通过Wyner-Ziv编码，前传链路压缩率也要小于前传链路容量，即需要满足：其中是的补集，其中表示联合解压的RRH集合；

所述RRH将接收信号通过Wyner-Ziv编码，以最大化上行链路总速率为目的，联合设计用户发送波束赋形，IRS被动波束赋形以及前传压缩噪声协方差矩阵，具体步骤如下：

3.1)对于上行链路总速率最大化优化问题表示为：

其中表示所有用户到的信道矩阵，表示所有IRS到的信道矩阵；

3.2)再确定联合优化的最大迭代次数T_max，并选取满足约束条件的初始F_k,Θ和Ω_l；

3.3)对于步骤3.1)中的优化问题可以写成如下形式：

其中为接收矩阵，表示后验准则估计数据符号的协方差矩阵，为辅助变量矩阵；

3.4)在每次迭代中，首先固定对进行更新，可得：

3.5)接着固定对F_k进行优化，对于步骤3.2)的优化问题可以转换成如下的子问题：

其中：

使用标准凸优化工具对上述问题进行迭代优化可得优化解为：F_k^*，表示本步骤中优化问题的优化解；

3.6)再固定F_k对进行优化，这样优化问题可以表示为：

其中

为列向量由矩阵，

对角线元素组成，

通过半正定放松SDR将的约束条件去除，再通过标准凸优化工具对SDR放松后的优化问题进行迭代优化，可得优化解为：表示本步骤中优化问题的优化解；

3.7)再判断是否满足步骤3.6)的约束条件，若满足约束条件直接进行特征值分解：为步骤3.6)优化问题的优化解，其中U表示为特征向量组成的矩阵，Λ为的特征值组成的对角矩阵，U^H为U的共轭转置；表示优化后的列向量，由IRS被动波束赋形的对角线元素组成的列向量和1组成的列向量；若不满足步骤3.6)的约束条件通过以下方法来产生多个次优的解：首先让其中为独立随机变量，均匀分布在复平面的单位圆上，即θ_i独立均匀分布在[0,2π]，其次通过对Ω_l进行放缩，使产生的优化解满足步骤3.6)的约束条件，最后在从中选取一个使步骤3.6)中目标函数达到最小值的作为最优解，最后得到优化解为：IRS被动波束赋形Θ^(t)和压缩噪声的协方差矩阵t＝1,...,T_max表示迭代次数；再将优化解带入步骤3.6)的目标函数得到f^(t)，表示本次优化解带入目标函数的值，再将上一次迭代的解Θ^(t-1)，也带入本轮步骤3.6)的目标函数得到f^(t-1)，进行比较，若f^(t)≤f^(t-1)则将上一轮的优化解作为本轮的优化解；

3.8)将步骤3.5)和步骤3.7)的优化解带入和速率表达式R_sum，得到本次迭代的和速率与上一次迭代的进行比较，若则停止迭代，确定最优结果输出优化解其中表示允许误差范围；若再判断迭代次数是否超过T_max，若没有超过T_max，回到步骤3.2)继续进行迭代优化；若超过T_max，则输出最后的优化解

3.9)对于IRS反射面相位为离散的情况，首先通过步骤3.1)～3.8)获得其中将Θ的对角线元素θ_m,n映射到离散相位的点上，即:其中φ表示离散的相位，τ＝2^b,b＝1,2.表示离散电平；再对进行放缩得到使满足步骤3.1)中的约束条件。