本文是简单记录一下对文章Weighted Sum-Rate Maximization for
Reconfigurable Intelligent Surface Aided Wireless
Networks的学习

信道模型

AP有M个天线(ULA),RIS有N个天线(UPA),一共K个单天线用户

信道模型是常见的RIS辅助通信的信道模型

信道估计

  1. Brute-Force
  2. Compressive-Sensing
  3. Semi-passive RIS
    1 BruteForce 每次只有一个RIS element开着其他关闭,AP依次估计。缺点是训练开销巨大(与N成比例)。然后,在[38]中,通过将相邻元素分组来修改该方法以减少训练开销。
    2 Compressive-Sensing Method:通过利用RIS辅助链路的低秩特性来进一步减少训练开销
    3 Semi-passive:在[40]中,通过在RIS上集成具有信道估计能力的有源元件,提出了半无源结构。最后,证明了利用深度学习和压缩感知工具,训练开销可以变得微不足道。

问题建构

perfect CSI


[22]所采用的SDR技术的复杂度为O(N6),略高

imperfect CSI

基于TDD的传输帧结构
在两个传统TDD传输帧之间插入一个用于RIS配置的时隙。 θ θ θ配置完成后,其余系统设计与传统通信系统完全相同。

AP需要通过信道估计得到的信道信息:

其维数为M(与N无关)。我们仍然假设所有用户都完全知道hk。

然而,为了配置 θ θ θ,信道系数 h d , k h_{d,k} hd,k​, G G G和 h r , k h_{r,k} hr,k​应单独估计。
然而(恼)

  • 根据章节II-B中的参考文献,难以利用短的训练导频来高精度地估计这些信道系数。
  • 用于信道估计的导频和数据符号都来自先前的上行链路传输时隙,这也引入了估计误差。
    因此假设非理想信道估计的误差为:

    如果应用最小均方误差(MSE)估计,则误差 z d , k z_{d,k} zd,k​、 Z G Z_G ZG​和 z r , k z_{r,k} zr,k​与估计的信道系数 h d , k ^ \hat{h_{d,k}} hd,k​^​, G ^ \hat{G} G^和 h r , k ^ \hat{h_{r,k}} hr,k​^​不相关[43]-[45]。然后,可以将输入数据传输帧中的真实信道系数 h d , k h_{d,k} hd,k​, G G G和 h r , k h_{r,k} hr,k​建模为来自受不完善CSI知识 h d , k ^ \hat{h_{d,k}} hd,k​^​, G ^ \hat{G} G^和 h r , k ^ \hat{h_{r,k}} hr,k​^​和信道估计误差的分布 z d , k z_{d,k} zd,k​、 Z G Z_G ZG​和 z r , k z_{r,k} zr,k​支配的样本空间 F ≜ { h d , k ( ξ ) , G ( ξ ) , h r , k ( ξ ) , ∀ k , ∀ ξ } \mathcal{F} \triangleq\left\{\mathbf{h}_{\mathrm{d}, k}(\xi), \mathbf{G}(\xi), \mathbf{h}_{\mathrm{r}, k}(\xi), \forall k, \forall \xi\right\} F≜{hd,k​(ξ),G(ξ),hr,k​(ξ),∀k,∀ξ}的实现,其中ξ表示从F中提取的随机实现的索引

    如果CSI是完全估计的,则 h d , k h_{d,k} hd,k​, G G G和 h r , k h_{r,k} hr,k​对不同的ξ保持常数。

与已有的研究相比,该方案的优点在于,RIS系统的配置只需对传统无线系统做很小的改动。然而,P(B)是具有内层变量W(ξ)的随机优化问题,并且外层变量θ,内层和外层子问题都是非凸的,没有封闭解。另外,目标函数中含有期望算子,样本空间F的概率密度函数通常很复杂,也没有封闭式的表达式。因此,设计求解P(B)的算法是一项具有挑战性的任务。

交替优化方法(ALTERNATING OPTIMIZATION)

采用两块BCD(块坐标下降)
其基本思想是将优化变量分解为几个块,然后按照一些特定规则更新每个块,同时将剩余块固定在其最后更新的值[46]。
在现有工作[22]和[24]中,交替优化方法通常用于解决RIS辅助系统中的联合优化问题。特别地,联合优化问题被分解为两个子问题:一个是AP处的常规波束成形设计问题,另一个是给定优化波束成形向量的相位优化问题

算法带入本情景的具体描述

当θ固定时,优化W的子问题转化为传统多用户MISO系统的WSR最大化问题。
文献中已经对该问题进行了广泛研究,获得平稳解的一种著名方法是WMMSE算法,其迭代更新规则如下【47】:

WMMSE

参考链接

https://zhuanlan.zhihu.com/p/358642721
Q. Shi, M. Razaviyayn, Z. Luo, and C. He, “An iteratively weighted
MMSE approach to distributed sum-utility maximization for a MIMO
interfering broadcast channel,” IEEE Trans. Signal Process., vol. 59,
no. 9, pp. 4331–4340, 2011.






PS: Woodbury Matrix Identity and Sherman-Morrison Formula是什么

Woodbury matrix identity

In mathematics (specifically linear algebra), the Woodbury matrix identity, named after Max A. Woodbury,[1][2] says that the inverse of a rank-k correction of some matrix can be computed by doing a rank-k correction to the inverse of the original matrix. Alternative names for this formula are the matrix inversion lemma, Sherman–Morrison–Woodbury formula or just Woodbury formula. However, the identity appeared in several papers before the Woodbury report.[3][4]
The Woodbury matrix identity is[5]:

where A, U, C and V are conformable matrices: A is n×n, C is k×k, U is n×k, and V is k×n.
While the identity is primarily used on matrices, it holds in a general ring or in an Ab-category.
https://en.wikipedia.org/wiki/Woodbury_matrix_identity



传统多用户MISO系统中的加权和速率WSR最大化问题,(优化AP的beamformingW)相关推荐

  1. matlab zf预编码,多用户MIMO系统中各种波束成型预编码性能比较(ZF,BD,MMSE,SLNR,MF,SVD)...

    多用户MIMO系统中各种波束成型预编码性能比较(ZF,BD,MMSE,SLNR,MF,SVD) 关注次数: 905 下载次数: 155 文件大小: 207K 下载需要积分: 1 代码分类: 开发平台: ...

  2. 多用户MIMO系统中的天线选择技术和用户选择技术的MATLAB仿真

    1.算法简介 MIMO系统不同于现有的单天线系统和智能天线系统,其在通信的发送端和接收端均使用多根天线.MIMO系统的基本原理是采用空时编码方式将用户的串行码流通过编码.调制.加权和映射等方式分成多路 ...

  3. 高清网络视频监控系统中交换机的选择

    目前视频监控系统已经完成从传统模拟视频监控到数字视频监控的全面升级,并逐渐发展到高清网络数字视频监控阶段,利用现有的办公网络.行业专网.光纤专网,甚至互联网和无线网络等基础架构,搭建以区域安防.生产监 ...

  4. m分集2跳OFDM系统中基于功率分配和子载波配对算法的信道容量matlab仿真

    目录 1.算法描述 2.仿真效果预览 3.MATLAB部分代码预览 4.完整MATLAB程序 1.算法描述 随着当代无线通信事业的迅猛发展,无线频谱资源已显得越来越匮乏,传统固定静态的无线频谱分配模式 ...

  5. B2B2C多用户商城系统建设的几种方案

    第一,自主研发b2b2c多用户商城系统软件. 自建研发需要专业的团队,时间和费用成本都较高,这种方案专业性要求高一些,除非有一只强大的开发团队或者有资深的互联网背景,而且对互联网能完全掌控的情况下.一 ...

  6. B2B2C多用户商城系统是怎么报价的?

    买东西的时候,喜欢先问商品的价格,更不用说多用户商城系统的高成本了,现在有很多多用户商城系统,但是价格不一样.所以很多商家朋友都在问,开发一个多用户商城系统的价格是多少,下面jsudo小编一起来看看吧 ...

  7. 智能安防系统中的人工智能应用实践思考

    [toc] <64. 智能安防系统中的人工智能应用实践思考> 引言 智能安防系统是人工智能在安防领域的应用之一.随着人工智能技术的不断发展,智能安防系统逐渐成为人们生活中不可或缺的一部分. ...

  8. 知识蒸馏在广告系统中的应用(二)

    上篇文章<知识蒸馏在广告系统中的应用(一)>主要和大家聊的是一些基本的背景,今天我们将重点看看在实战中知识蒸馏是如何在广告系统的各个阶段发挥作用的. 1.在召回/粗排阶段使用知识蒸馏 在上 ...

  9. 光储直流微电网simulink仿真模型 双向变换器 ,独立光伏系统能量管理,最大功率点跟踪mppt 在传统的独立光伏发电系统中

    光储直流微电网simulink仿真模型 双向变换器 ,独立光伏系统能量管理,最大功率点跟踪mppt 在传统的独立光伏发电系统中,蓄电池直接与直流母线相连接,其充放电电流不能得到有效的控制,当负载突变时 ...

最新文章

  1. 初学图论-Bellman-Ford单源最短路径算法
  2. web前端学习day_04:jQuery框架
  3. HDU-5783 Divide the Sequence(贪心)
  4. LeetCode 575. 分糖果(set集合去重)
  5. 算法(algorithm)、模型(model)与框架(framework)
  6. 如何在ecshop订单中显示客户给商家的留言
  7. 【LeetCode 剑指offer刷题】查找与排序题11:Sort Colors
  8. linux dstat,使用Dstat来进行Linux综合性能诊断
  9. Xshell 颜色配置
  10. 课程实验三-bomb实验
  11. 一键生成表白页面,个人网站,在线制作生成网站php源码
  12. bat文件改成sh文件在linux上运行java程序
  13. corelDraw 的CDR格式解析
  14. 微信小程序 逆向还原
  15. shell脚本小游戏
  16. css3之BFC、IFC、GFC和FFC
  17. 2019icpc计算机程序设计大赛,常熟理工学院新闻网
  18. 本月腾讯,阿里,美团等技术团队的精品文章推送
  19. NTP for Linux
  20. 取数组中最大值和最小值

热门文章

  1. More Effective C++——2. 操作符
  2. Redis详解及在项目中应用
  3. 案例分享:Excel表格的自动化处理和推送
  4. mikrotik 提升到root权限
  5. android自定义滑块解锁,使用Android自定义控件实现滑动解锁九宫格
  6. 构建废旧手机回收权威报价体系迫在眉睫
  7. textBox换行问题
  8. Social Distance
  9. 星际官方小说《刀锋女王》——第4章(续)
  10. 星际争霸官方小说: 刀锋女王-----第二章