H-CRAN中IRS辅助的D2D系统资源分配与RCG波束成形优化

Abstract

以异构云无线电接入网（heterogeneous cloud radio access network，H-CRAN）中智能反射面（intelligent 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)。

Keywords

• 智能反射面
• 异构云无线电接入网
• d2d通信
• 逐次凸逼近
• 黎曼共轭梯度