[发明专利]一种基于RIS辅助认知反向散射通信系统的优化方法

说明书

本发明涉及一种基于RIS辅助认知反向散射通信系统的优化方法，包括：构建基于信道状态信息不确定性的RIS辅助认知反向散射通信网络；分析当前系统传输特性，满足传输时间约束、主接收机干扰功率约束、能量收集约束以及RIS相移约束下，构建联合优化传输时间、次发射机发射功率、反射系数和相移的多变量耦合的资源分配模型；利用最坏准则法和不等式性质将不确定性目标函数和约束转化成确定性问题；使用连续凸近似法、变量替换法和交替优化方法将其转化成凸优化问题；利用CVX工具箱求得所优化变量的最优解，本发明能够有效提高系统的吞吐量、鲁棒性和频谱效率。

技术领域

本发明属于无线网络资源分配与传输技术领域，具体涉及一种基于RIS辅助认知反向散射通信系统的优化方法。

背景技术

随着物联网的出现，面对频谱资源的日益短缺，人们对网络服务质量的要求越来越高，认知无线电可以解决上述问题。然而，对于大规模物联网而言，传统更换电池的方式维护成本极高。为了解决这个问题，反向散射通信作为一种低功耗、低成本的节能通信技术，能够有效提升频谱效率并降低能耗。然而，由于系统性能容易受到障碍物阻挡，在某些情况下产生信号传输中断，RIS技术可以解决上述问题，RIS由大量低成本的被动无源反射元件组成，能够独立地对入射信号进行相移和幅度的调节，从而改变反射路线，能有效解决系统性易受障碍物阻挡的问题。最近，基于RIS辅助的反向散射通信网络引起了广泛关注，与此同时，为了优化系统性能，资源分配已成为认知反向散射通信网络中的一项关键技术，以保证不同用户的服务质量，并提高网络性能。

现有的通信网络技术大都仅采用认知反向散射通信或者RIS辅助通信网络并没有考虑将二者相结合，系统性能容易受到障碍物阻挡导致信号传输中断；此外，现有的通信网络设计只考虑了在理想信道条件进行通信网络搭建，但是由于量化误差和估计误差的存在，完美信道状态信息很难获得，这通常使得搭建的通信网络难以在实际应用中达到最佳的性能。

发明内容

为了解决背景技术中存在的问题，本发明提供一种基于RIS辅助认知反向散射通信系统的优化方法，考虑次发射机传输时间约束、主接收机干扰功率约束、能量收集约束以及RIS相移约束，以吞吐量最大化为优化目标，对基于RIS辅助的认知反向散射通信网络建立网络模型和系统模型，考虑信道的不确定性利用最坏准则法、变量替换法、交替优化法、高斯随机化法和连续凸近似法，将RIS辅助认知反向散射通信网络系统模型的原非凸优化问题转化为等价的凸优化问题，利用CVX工具箱求得RIS辅助认知反向散射通信网络系统模型的最优时间分配、次发射机的最优发射功率、次发射机的反向散射系数和RIS相移，提高系统的性能包括：

S1：在包含多对次发射机-次接收机的认知反向散射通信系统中部署RIS，通过调整RIS的相移改变次接收机的信道增益；

S2：在反向散射阶段次发射机进行反向散射的同时收集能量并利用收集到的能量进行主动传输；

S3：构建基于信道不确定性的资源分配模型；

S4：利用最坏准则法和不等式性质将基于信道不确定性的资源分配模型转换成确定性问题并通过连续凸近似法、变量替换法、高斯随机化法和交替优化法将确定性问题转换为凸优化问题；

S5：基于CVX工具箱求解凸优化问题，获得次发射机反向散射的最优时间分配、次发射机主动传输的最优时间分配、次发射机的最优发射功率、次发射机的最优反向散射系数和RIS的最优相移完成对基于RIS辅助认知反向散射通信系统的优化。

本发明至少具有以下有益效果

本发明提供一种基于RIS辅助认知反向散射通信系统的优化方法，通过考虑次发射机的传输时间约束、主接收机的干扰功率约束、次发射机的能量收集约束以及RIS的相移约束建立以吞吐量最大化为优化目标，对基于RIS辅助的认知反向散射通信网络建立网络模型和系统模型进行求解可以有效提高系统的总吞吐量和鲁棒性，保障用户的服务质量要求。

说明书附图