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)。