UAV机载IRS辅助主次用户共享频谱下资源联合优化方法

本发明涉及无线电认知传输，尤其涉及一种uav机载irs辅助主次用户共享频谱下资源联合优化方法。

背景技术：

1、随着无线设备的快速发展和宽带业务的需求激增，频谱资源变得愈发的稀缺，认知无线电技术是有效解决频谱稀缺的方法之一，其允许次用户在不影响主用户服务质量的同时，授权次用户访问主用户的频谱资源。但在认知无线电通信系统中，因主用户和次用户之间存在强相互干扰，进一步提升次用户传输性能变得异常困难。

2、因智能反射面(intelligent reflecting surface，irs)为无线通信系统提供了一个新的可控自由度，使其在提升认知无线网络的频谱感知、频谱效率和克服主次用户之间干扰等方面性能效果显著。然而，irs的位置对通信系统的性能起着至关重要的作用，当位置部署不当时提升次用户的传输速率有限，无法充分发挥irs的性能。而无人机(unmanned aerial vehicles，uav)具有高机动性和高海拔，可以与地面通信节点建立视距(line of sight，los)链路，抵消复杂城市环境中的阻塞和阴影造成的影响。目前uav多用于无线接入和空中中继平台，可以起到稳定传输和高覆盖的优点。因此，结合irs和uav两者优点，用uav机载irs辅助认知无线电网络，能够在保证主用户服务质量的同时提升次用户的传输速率。

3、现有的技术只考虑了利用irs单独提高共享型认知网络中主用户或次用户的传输性能，并没有考虑利用uav机载irs同时辅助主次用户的传输。在uav机载irs辅助认知无线电网络中uav机载irs的轨迹和相移矩阵等资源优化对主次用户的传输性能具有很大影响。因此，如何设计uav机载irs辅助主次用户共享频谱下资源联合优化方案，达到同时提高主次用户的传输性能的目的，是该领域中亟待解决得问题。

技术实现思路

1、鉴于此，本发明的目的在于提供一种uav机载irs辅助共享型认知无线电网络设计方法，通过uav机载irs辅助主次用户通信，并提供一种主次用户共享频谱下资源联合优化方法，实现主次用户无缝链接的同时，显著提升主次用户的传输性能。

2、为实现上述发明目的，本发明提供一种uav机载irs辅助主次用户共享频谱下资源联合优化方法，包括：

3、s1.建立由主用户、次用户、uav机载智能反射面组成的辅助主次用户共享频谱的认知无线通信系统模型；

4、s2.uav轨迹离散化，将uav飞行时间t划分为n个时隙，irs的相移矩阵在每个时隙单独优化；

5、s3.建立信道模型，包括主用户发射基站和次用户发射基站到irs之间信道模型；irs到主用户和次用户之间的信道模型；主用户发射基站到主用户之间信道模型；次用户发射基站到次用户之间信道模型；

6、s4.建立以次用户的平均速率最大化为目标的次用户通信性能优化问题，通过联合优化次用户发射功率、irs相移矩阵和uav轨迹等资源，在保证主用户的服务质量的同时最大化的提升次用户的通信质量；

7、s5.通过构建交替迭代优化框架，对次用户通信性能优化问题进行求解。

8、优选地，在步骤s1中，主网络由一个主用户和一个主用户发射基站构成；次网络由一个次用户和一个次用户发射基站构成；无人机载着智能反射面协助主次网络在频谱共享模式下同时接入授权频谱；主网络和次网络中的主用户、主用户发射基站、次用户和次用户发射基站都配备单天线；所述智能反射面的反射单元个数为m＝mx×my，所述反射单元成均匀面阵分布。

9、优选地，在步骤s2中，无人机总飞行时间为t，将uav飞行时间t划分为n个时隙，每个时隙的大小为δt＝t/n，每个时隙的irs相移矩阵为其中表示第n个时隙第i个反射单元的相移。

10、优选地，在步骤s3中，主用户发射基站到主用户之间信道与次用户发射基站到次用户之间信道均为瑞利信道，其中主用户发射基站与主用户之间瑞利信道表述为：

11、

12、其中ρ为参考距离d0＝1m时的路径损耗，α为路损因子，表示瑞利信道增益。

13、所述的主用户发射基站和次用户发射基站到irs之间信道，irs到主用户和次用户之间的信道均为莱斯信道，其中主用户发射基站到irs信道表述为：

14、

15、其中β表示莱斯因子，和分别表示视距和非视距信道增益部分，表示每个时隙主用户发射基站与irs之间的距离，其中hu表示无人机飞行高度，wpt表示主基站位置，q[n]表示无人机位置。

16、优选地，在步骤s4中，次用户接收信干噪比表示为主用户接收信干噪比表示为其中ps[n]为每个时隙次用户基站的发射功率，pp为主基站的恒定发射功率，hpr[n],hsr[n],hpp和hss分别表示irs到主次用户的信道，主用户基站和次用户基站到irs的信道，主用户基站到主用户和次用户基站到次用户的信道，和分别表示次用户和主用户接收端的噪声。因此，次用户的平均速率可表达为由于无人机从起始位置飞往目的地，会有最大速度限制的要求，所以存在以下约束：

17、q[1]＝q0,q[n]＝qf,      (4)

18、||q[n+1]-q[n]||2≤(vmδt)2,n＝1,...,n-1.      (5)

19、其中q0为起始位置，qf为目的地位置，vm为无人机飞行最大速度。

20、所述优化问题构建为在主用户的服务质量、次用户发射功率和uav飞行的约束下，如何最大化次用户的平均可达速率，即：

21、

22、

23、

24、

25、q[1]＝q0,q[n]＝qf,         (6e)

26、||q[n+1]-q[n]||2≤(vmδt)2,n＝1,...,n-1.       (6f)

27、其中，γ0是主用户最小信干噪比要求，pmax是次基站的最大发射功率。约束γp[n]≥γ0保证了主用户的服务质量，0≤ps[n]≤pmax为次级基站发射功率约束。

28、优选地，在步骤s5中，所述的交替迭代优化框架，是将次用户平均可达速率优化问题划分为三个子问题进行求解，分别是次级基站发射功率、irs相移矩阵和uav轨迹优化。具体步骤包括：

29、s501.对于求解次级基站发射功率ps，在给定irs相移矩阵和uav轨迹的情况下，该优化问题可以改写为：

30、

31、

32、

33、定义上述子问题可重写为：

34、

35、

36、

37、由于该问题目标函数是关于ps的单调递增函数，因此可以得到该ps每个时隙的闭合表达式：

38、

39、s502.在获得ps最优解和给定uav轨迹q的基础上，irs的无源波束成形子问题可以被有效求解。

40、首先定义v[n]＝v[n]vh[n]，将求解irs的无源波束成形子问题构造为含有秩一约束的半正定规划问题。

41、

42、

43、

44、

45、

46、其中rank{v[n]}＝1和约束保证了求解出来的相移矩阵仍然满足v[n]＝v[n]vh[n]，diag{v[n]}＝1保证从v还原出来的v满足模一约束。介于非凸秩一约束的影响，使得问题难以求解，我们通过半正定松弛技术去放松该约束，再通过利用charnes-cooper转换将上述问题化简为标准的凸优化问题，具体结果如下：

47、

48、

49、

50、

51、其中u是引入的一个新辅助变量，由于目标函数和约束都是仿射函数，该问题是一个凸问题，可以借助matlab的cvx工具箱进行求解，由于求得的x[n]不一定满足秩一约束，可以通过高斯随机化进行特征值分解还原获得v[n]。

52、s503.在获得最优的发射功率ps和最优相移矩阵φ的基础上，uav轨迹优化子问题可以重写为：

53、

54、

55、q[1]＝q0,q[n]＝qf,        (12c)

56、||q[n+1]-q[n]||2≤(vmδt)2,n＝1,...,n-1.      (12d)

57、由于该问题是一个非凸的优化问题，通过引入辅助变量和利用连续凸逼近技术，将目标函数与非凸约束转化为仿射函数和多个凸约束，再将引入的辅助变量的相关约束也转化为凸约束。

58、s504.应用连续凸逼近技术对目标函数在可行点处进行一阶泰勒展开，用其下界来替代，具体如下：

59、

60、s505.同样的，对于其他非凸约束也做类似处理，最后可以得到一个标准的凸优化问题：

61、

62、

63、

64、

65、

66、

67、

68、

69、q[1]＝q0,q[n]＝qf,        (14i)

70、||q[n+1]-q[n]||2≤(vmδt)2,n＝1,...,n-1.        (14j)

71、其中，

72、s506.利用交替迭代优化框架，对次级基站发射功率、irs相移矩阵和uav轨迹优化等三个子问题循环求解，直达收敛，得到次用户的平均可达速率最优问题的最终解。

73、与现有技术相比，本发明的有益效果是：

74、本发明提供的一种新型的uav机载irs辅助主次用户共享频谱下资源联合优化方法，相比于传统的固定irs位置辅助的认知无线电网络，本发明通过将uav与irs相结合，利用uav的高机动性和高覆盖性的优点，使irs能够以无缝连接的形式协助主用户和次用户共享频谱资源。同时，本发明针对uav机载irs辅助认知无线电网络提出了基于次基站发射功率、uav载irs的相移矩阵和轨迹联合优化算法，在保证主用户的服务质量的同时去最大限度的提升次用户的传输速率。