智能反射面辅助认知无线携能通信次用户网络吞吐量优化

为了提高认知无线携能通信(Simultaneous Wireless Information and Power Transfer,SWIPT)网络的频谱利用率并改善其能量受限情况,本文研究智能反射面(Intelligent Reflecting Surface,IRS)辅助的认知SWIPT网络,其中主用户网络以覆盖方式与次用户网络共享频谱,而次用户发射机同时为主用户发射机供能并与次用户接收机传输信息。提出次用户网络吞吐量优化算法,在满足次用户发射机的最大发射功率约束、主用户网络的最小吞吐量约束、总时隙约束以及智能反射面移约束的条件下,联合优化次用户发射机的波束成形矢量、时隙分配和智能反射面反射相移,最大化次用户网络吞吐量。该问题的优化变量相互耦合并且结构高度非凸,难以直接求解。所提算法采用交替优化、半正定松弛以及连续凸逼近方式,将原问题转化为三个子问题进行迭代求解。仿真结果表明与已有基准方案相比,所提算法能明显提高次用户网络的吞吐量。

IRS辅助认知无线携能通信网络的发射功率最小化算法

智能反射平面(IRS)和认知无线携能通信技术被视为是提高能量效率和频谱利用率的潜在关键技术。文中研究了基于非线性能量采集模型的IRS辅助认知无线携能通信网络,其中次用户发射机同时给多个次用户接收机发送信息和能量,每个次用户接收机采用功率分割方式实现信息解码与能量采集,目的是通过联合优化次用户发射机的波束成形矢量、次用户接收机的功率分割系数以及IRS相移使次用户发射机的发射功率最小化。为了保证次用户发射机的信息与能量传输效率并限制次用户发射机对主用户接收机的同频干扰,考虑次用户接收机具有最小信干噪比约束、最小能量采集约束与功率分割系数约束,次用户发射机对主用户接收机有最大干扰功率值约束,以及IRS具有反射相移约束。所构建的问题属于非凸的二次约束二次规划问题,并且优化变量之间高度耦合,难以求解。文中提出一种基于半正定松弛法和连续秩一约束松弛法的交替优化算法进行高效求解。为了降低复杂度,进一步提出一种基于IRS分组的低复杂度优化算法。仿真结果表明,与几种基准算法相比,所提算法能够有效降低次用户发射机的发射功率。

优化认知SWIPT网络的时间分配和功率控制

无线网络中出现的频谱稀缺、能源受限和干扰等各种问题,已成为国内外研究学者的研究热点。为此,提出一种基于能量收集衬底式的认知无线携能通信(Simultaneous Wireless Information and Power Transfer,SWIPT)网络,称为认知SWIPT或二级SWIPT网络。该通信网络采用认知无线电技术,允许无线能量传输和无线信息传输与现有的主系统共享相同的频谱,能将主用户对二级用户的干扰转化为有效能量。在温度干扰约束条件下,通过联合优化时间分配和功率控制,最大限度地提高认知SWIPT网络的加权吞吐量,同时保证主系统的通信质量。利用MATLAB软件进行仿真,分析和比较所提联合优化方案与等时间分配方案,仿真结果表明,前者显著提高了频谱效率和能量利用率,明显优于后者。