H-CRAN中IRS辅助的D2D系统资源分配与RCG波束成形优化

以异构云无线电接入网(heterogeneous cloud radio access network,H-CRAN)中智能反射面(intelli‐gent reflecting surface,IRS)辅助的端到端(device-to-device,D2D)通信系统为背景,研究了该系统中以和速率最大化为目标的资源分配与黎曼共轭梯度(Riemannian conjugate gradient,RCG)波束成形优化方法。以最大化系统和速率为优化目标,构造子信道复用系数、发射功率门限以及IRS反射系数模约束等多约束优化问题。对于该非线性混合整数规划问题,提出了一种基于相对信道强度的延迟接受算法,以获得信道复用系数。随后将目标优化问题分解为两个子问题进行交替优化。对于发射功率优化子问题,使用逐次凸逼近(successive convex approximation,SCA)方法进行求解。对于IRS波束成形子问题,将IRS相移约束转化为复圆流形后,采用RCG算法进行求解。仿真结果表明,当IRS反射阵源数为50、基站最大发射功率为46 dBm时,与现有信道分配方案和随机信道分配方案相比,所提信道分配方案的和速率性能分别提高了5.2 bit/(s·Hz)和14.6 bit/(s·Hz)。与无IRS通信场景相比,部署IRS的和速率性能显著提高约31.2 bit/(s·Hz)。

基于深度强化学习的联合通信感知系统波束优化方法

在不远的未来,ISAC系统将同时提供通信和感知服务。ISAC系统需要通过先进的波束优化算法保证所提供服务的质量,并满足形式多样的服务目标和资源约束。通常,波束算法可建模为一个优化问题。然而,基于传统优化理论设计的优化算法仅能处理带有瞬时约束的资源分配问题,而不能处理带有长时间约束的优化问题,从而降低了系统性能。一种可行的解决方案是基于RL理论设计相应算法来解决上述问题。然而,现有的工作主要致力于解决无约束RL问题,对约束强化学习问题关注较少,这限制了强化学习在波束优化问题中的应用。为了克服上述挑战,提出了一种基于CSSCA的RL方法。该方法将原有的目标函数和约束函数替换为对应的凸近似函数,通过求解一系列的凸近似问题,最终可以保证收敛到原问题的KKT点。最后,通过仿真结果展示了所提出方法的优越性。

IRS辅助WPCN用户公平性与系统吞吐量优化方案

为了解决无线供电网(wireless powered communication network,WPCN)中用户公平性不足与系统灵活性差的问题,提出一种基于智能反射面(intelligent reflecting surface,IRS)的优化方案。该方案直接将公平指数(fairness index,FI)和系统吞吐量加权相加作为优化目标,建立了用户公平性与系统吞吐量的联合优化问题。由于所建立的优化问题是非凸问题,因此,将优化问题拆分为时隙长度和IRS反射系数优化子问题,然后交替求解。针对时隙长度优化子问题,使用逐次凸逼近(successive convex approximation,SCA)算法求解;针对IRS反射系数优化子问题,使用闭式解、SCA和半定松弛(semi definite relaxation,SDR)算法求解。仿真结果表明,所提方案在用户公平性和系统灵活性方面优于其他方案。

含电力电子变压器的交直流配电网随机运行优化

间歇性可再生能源的接入,使得含电力电子变压器(power electronic transformer,PET)交直流系统的运行面临巨大挑战,因此提出基于场景分析法的优化调度模型。计及风电和光伏出力在空间上的相关性,采用多维高斯混合模型构建风电/光伏出力的联合概率分布,并基于同步回代削减法进行场景缩减,建立了含PET的交直流混合配电网随机运行优化模型,以得到满足典型场景的运行调度方案。然而随机运行优化模型属于海量高维非凸优化问题,难以求解,针对这一问题,提出基于二阶锥松弛技术和线性逼近法的逐次凸逼近规划模型,通过循环迭代实现对该问题的高效求解。仿真算例验证了所提模型方法的有效性和可行性。

改善MIMO-STAP检测性能的收发空时资源配置方法

针对机载多输入多输出(Multiple-In Multiple-Out,MIMO)雷达资源受限,从而导致目标检测性能下降的问题,提出一种改善基于MIMO雷达的空时自适应处理(Space Time Adaptive Processing,STAP)检测性能的收发空时资源配置(Transceiver Space-Time Resource Allocation,TST-RA)方法.所提方法利用所构建包含待配置收发空时资源的MIMO-STAP模型,基于最大化输出信杂噪比(Signal-Clutter-Noise Ratio,SCNR)准则,构造收发阵元、发射脉冲、基带波形以及接收权值联合设计问题.为求解所得复杂非线性联合优化问题,基于交替迭代策略将其分解为相互独立的子问题,而后利用如下方法高效求解各子问题:基于逐次凸逼近(Sequential Convex Approximations,SCA)方法选择最优天线脉冲子集,基于半正定规划(SemiDefinite Program,SDP)及随机化方法优化发射波形,基于最小方差无畸变响应(Minimum Variance Distortionless Response,MVDR)准则设计接收权,从而获得联合优化问题的有效求解.仿真结果验证了所提算法的有效性.