智能超表面辅助的通感一体化性能优化

为了解决因障碍物等遮挡导致的覆盖空洞和探测精度下降问题,提出了一种基于栅格化的智能超表面辅助的通感一体化优化方法。首先,建模了最小化均方位置误差问题,将弱通感区域和RIS可能部署区域栅格化以降低计算难度,并采用粒子群优化算法和交替优化算法联合优化智能超表面期望反射角角度和部署位置。最后,引入探测需求因子,建模通感性能联合优化问题,并分析了探测需求因子对系统通感性能的影响。仿真结果显示:(1)相较于仅优化期望反射角,联合优化智能超表面的期望反射角和部署位置的方案,在平均信噪比仅有略微下降的情况下,可显著降低平均均方位置误差,平均均方位置误差降低10倍左右;(2)不同尺寸大小的智能超表面会对其最佳部署位置有影响;(3)联合优化智能超表面的期望反射角和部署位置提高了探测精度,最大化了通感整体性能。

RIS辅助的通感性能联合优化研究

通感一体化是6G的主要场景之一。为了解决因障碍物遮挡等导致的非视距下传输的区域通信和感知性能下降问题,提出了一种智能超表面辅助的通感性能联合优化方法。首先,建模了最小化均方位置误差和最大化平均覆盖信号强度的区域性能联合优化问题,并提出了改进的DBO算法,快速获得RIS的部署位置和相位参数。进一步,分析探测需求因子和RIS大小对区域通感性能的影响。仿真结果显示,相较于仅优化期望反射角,联合优化RIS的期望波束反射角和部署位置可以使区域平均均方位置误差降低80%左右,改进的DBO算法相较于传统的优化算法如PSO、SSA以及原DBO算法拥有更快的收敛速度和更低的适应度。