基于统计信道状态信息的智能反射面辅助反向散射通信系统鲁棒资源分配算法

为解决传统反向散射通信(BackCom)系统存在通信距离短、系统吞吐量较低和克服信道不确定性能力差的问题,该文提出一种基于统计信道状态信息(CSI)的智能反射面(RIS)辅助反向散射通信系统鲁棒资源分配算法。考虑功率站最大发射功率约束、反射节点的能量中断约束和吞吐量中断约束、反射系数约束、RIS相移约束和信息传输时间约束,建立了系统加权和吞吐量最大化的鲁棒资源分配模型;利用伯恩斯坦不等式、交替优化和半正定松弛方法,将原非凸问题转换成凸优化问题求解,并提出一种基于迭代的鲁棒吞吐量最大化算法。仿真结果表明,与传统非鲁棒资源分配算法和无RIS资源分配算法相比,所提算法具有更强的鲁棒性和更高的吞吐量。

反向散射辅助无线供电D2D网络中的鲁棒能效优化

为了提高反向散射辅助无线供电中设备对设备(device-to-device,D2D)的网络能效(energy efficiency,EE)和系统的鲁棒性,研究了在具有信道不确定性的反向散射辅助无线供电D2D网络中的鲁棒能效资源分配问题。在功率站最大发射功率、所需服务质量和能耗约束下,通过联合优化发射功率、传输时间和反射系数使所有D2D用户的总EE最大化;利用一个次优解的迭代鲁棒算法解决了提出问题的非凸性。仿真结果表明,提出的算法具有收敛性及对不确定信道的鲁棒性。

面向电力物联网的认知反向散射通信鲁棒资源分配算法

在反向散射通信网络中,反射节点可以收集环境中的无线射频信号并转化为能量信号存储起来,从而以绿色、低成本的特点延长电力物联网传感器节点的运行寿命。然而,现有大部分工作都集中在网络架构设计与性能分析上,缺少分析信道不确定性对资源分配的影响。为了提高系统传输鲁棒性、频谱利用率及克服信道不确定性对性能的影响,文章提出了一种基于中断概率约束的认知反向散射通信鲁棒资源分配算法。具体来讲,考虑物联网节点中断速率约束与最小能量收集约束,通过联合优化次发射机的传输时间、发射功率和反射系数,使得系统吞吐量最大化。仿真结果验证了所提算法的鲁棒性,在电力物联网有很好的应用价值。

认知星地一体化网络中能效最大化的鲁棒功率控制算法

如何提高能量效率是当前认知星地一体化网络研究的热点问题之一,而功率控制是提高能量效率的重要方法。另外,在实际中,由于信道信息评估误差和反馈时延致使所获得信道增益信息是不完美的,从而使得已有基于完美信息的功率算法不能满足系统性能。为此,针对认知星地一体化网络中无线信道信息不确定的情况,进行鲁棒功率控制算法的研究。首先,针对认知用户的瞬时信噪比和对主用户的干扰受信道衰落的影响而具有不确定性的情况,建立了最差情况下的鲁棒优化问题;其次,利用分式规划和拉格朗日对偶分解理论提出了一个低复杂度的鲁棒功率控制算法。仿真分析表明,提出的鲁棒功率控制算法不仅能够严格保证主用户的通信质量,并且与传统的非鲁棒功率控制算法相比能够提高网络能量效率。