IRS辅助认知无线携能通信网络的发射功率最小化算法

doi:10.12141/j.issn.1000-565X.220308

华南理工大学学报(自然科学版) ›› 2023, Vol. 51 ›› Issue (3): 110-123.doi: 10.12141/j.issn.1000-565X.220308

所属专题： 2023年电子、通信与自动控制

• 电子、通信与自动控制 • 上一篇下一篇

IRS辅助认知无线携能通信网络的发射功率最小化算法

张广驰¹ 乐文英¹ 庞海舰¹ 崔苗¹ 武庆庆²

^1.广东工业大学信息工程学院，广东广州 510006
^2.上海交通大学电子信息与电气工程学院，上海 200240

收稿日期:2022-05-24 出版日期:2023-03-25 发布日期:2022-09-07
通信作者: 张广驰（1982-），男，博士，教授，主要从事新一代无线通信技术研究。 E-mail:gczhang@gdut.edu.cn
作者简介:张广驰（1982-），男，博士，教授，主要从事新一代无线通信技术研究。
基金资助:
广东特支计划项目(2019TQ05X409);广东省科技计划项目(2022A0505020008);江西省军民融合北斗通航重点实验室开放基金资助项目(2022JXRH0004)

Transmit Power Minimization Algorithms for IRS-Assisted Cognitive Simultaneous Wireless Information and Power Transfer Networks

ZHANG Guangchi¹ LE Wenying¹ PANG Haijian¹ CUI Miao¹ WU Qingqing²

^1.School of Information Engineering, Guangdong University of Technology, Guangzhou 510006, Guangdong, China
^2.School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China

Received:2022-05-24 Online:2023-03-25 Published:2022-09-07
Contact: 张广驰（1982-），男，博士，教授，主要从事新一代无线通信技术研究。 E-mail:gczhang@gdut.edu.cn
About author:张广驰（1982-），男，博士，教授，主要从事新一代无线通信技术研究。
Supported by:
the Special Support Plan for High-Level Talents of Guangdong Province(2019TQ05X409);the Science and Technology Plan Project of Guangdong Province(2022A0505020008);the Open Fund Project of Jiangxi Military-Civilian Integration Beidou Navigation Key Laboratory(2022JXRH0004)

摘要/Abstract

摘要：

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。

关键词: 智能反射平面, 认知无线携能通信, 非线性能量采集, 功率分割, 连续秩一约束松弛

Abstract:

Intelligent reflecting surface (IRS) and cognitive simultaneous wireless information and power transfer (SWIPT) are regarded as potential key technologies to improve energy efficiency and spectrum utilization of wireless communication systems. This paper studied the IRS-aided cognitive SWIPT network based on a nonlinear energy harvesting model. In the network, a secondary transmitter simultaneously transmits information and energy to multiple secondary receivers, and each secondary receiver adopts the power splitting scheme to realize information decoding and energy harvesting. The aim is to minimize the transmit power of the secondary user transmitter by jointly optimizing the beamforming vector of the secondary transmitter, the power splitting coefficients of the secondary receivers, and the phase shifts of the IRS. In order to guarantee the information and energy transmission efficiency of the secondary users and limit the co-channel interference from the secondary users to the primary users, it is considered that the secondary receivers have the constraints of the minimum received signal-to-interference noise ratio, the minimum energy harvesting amount, and the values of power splitting coefficients, the secondary transmitter has the constraints of the maximum interference power values to the primary users, and the IRS has the constraints on its reflection phase shifts. The considered optimization problem is a non-convex quadratically constrained quadratic program problem with highly coupled optimization variables, which is difficult to solve. An alternating optimization algorithm based on the semidefinite relaxation and sequential rank one constraint relaxation techniques was proposed to solve the problem efficiently. In order to reduce the computation complexity, a low-complexity optimization algorithm based on IRS element grouping was further proposed. Simulation results show that compared to several benchmark algorithms, the proposed algorithms can effectively reduce the transmit power of the secondary transmitter.

Key words: intelligent reflecting surface, cognitive simultaneous wireless information and power transfer, nonlinear energy harvesting, power splitting, sequential rank one constraint relaxation

中图分类号:

TN929.5

张广驰, 乐文英, 庞海舰, 等. IRS辅助认知无线携能通信网络的发射功率最小化算法[J]. 华南理工大学学报(自然科学版), 2023, 51(3): 110-123.

ZHANG Guangchi, LE Wenying, PANG Haijian, et al. Transmit Power Minimization Algorithms for IRS-Assisted Cognitive Simultaneous Wireless Information and Power Transfer Networks[J]. Journal of South China University of Technology(Natural Science Edition), 2023, 51(3): 110-123.

图/表 7

图1

图2

图3

图4

图5

图6

图7

参考文献 29

1	NAVARROORTIZ J， ROMERODIAZ P， SENDRA S，et al ．A survey on 5G usage scenarios and traffic models ［J］．IEEE Communications Surveys & Tutorials，2020，22（2）：905-929.
2	LU L， LI G Y， SWINDLEHURST A L，et al ．An overview of massive MIMO： Benefits and challenges ［J］．IEEE Journal of Selected Topics in Signal Processing，2014，8（5）：742-758.
3	ZHANG W， WANG C X， GE X，et al ．Enhanced 5G cognitive radio networks based on spectrum sharing and spectrum aggregation ［J］．IEEE Transactions on Communications，2018，66（12）：6304-6316.
4	ZHANG G， LI Q， ZHANG Q，et al ．Signal-to-interference-plus-noise ratio-based multi-relay beamforming for multi-user multiple-input multiple-output cognitive relay networks with interference from primary network ［J］．IET Communications，2015，9（2）：227-238.
5	WANG C， WANG H M ．On the secrecy throughput maximization for MISO cognitive radio network in slow fading channels ［J］．IEEE Transactions on Information Forensics and Security，2014，9（11）：1814-1827.
6	WU Q， ZHANG G， NG D W K，et al ．Generalized wireless-powered communications：When to activate wireless power transfer？［J］．IEEE Transactions on Vehicular Technology，2019，68（8）：8243-8248.
7	ZHANG G， XU J， WU Q，et al ．Wireless powered cooperative jamming for secure OFDM system ［J］．IEEE Transactions on Vehicular Technology，2018，67（2）：1331-1346.
8	ZHANG R， HO C K ．MIMO broadcasting for simultaneous wireless information and power transfer ［J］．IEEE Transactions on Wireless Communications，2013，12（5）：1989-2001.
9	CLERCKX B， ZHANG R， SCHOBER R，et al ．Fundamentals of wireless information and power transfer：From RF energy harvester models to signal and system designs ［J］．IEEE Journal on Selected Areas in Communications，2019，37（1）：4-33.
10	MOHJAZI L， AHMED I， MUHAIDAT S，et al ．Downlink beamforming for SWIPT multi-user MISO underlay cognitive radio networks ［J］．IEEE Communications Letters，2017，21（2）：434-437.
11	ZHOU F， CHU Z， SUN H，et al ．Artificial noise aided secure cognitive beamforming for cooperative MISO-NOMA using SWIPT ［J］．IEEE Journal on Selected Areas in Communications，2018，36（4）：918-931.
12	SONG C， LEE H， LEE K ．Optimal precoder designs for sum-utility maximization in SWIPT-enabled multi-user MIMO cognitive radio networks ［J］．IEEE Systems Journal，2019，13（3）：2332-2343.
13	SUN H， ZHOU F， HU R Q，et al ．Robust beamforming design in a NOMA cognitive radio network relying on SWIPT ［J］．IEEE Journal on Selected Areas in Communications，2019，37（1）：142-155.
14	TUAN P V，KOO I ．Optimal multiuser MISO beamforming for power splitting SWIPT cognitive radio networks ［J］．IEEE Access，2017，5（1）：14141-14153.
15	卢晓梅．认知无线电系统的携能关键技术研究［D］．北京：北京邮电大学，2015.
16	JIANG M， LI Y， ZHANG G，et al ．Achievable rate region maximization in intelligent reflecting surfaces-assisted interference channel ［J］．IEEE Transactions on Vehicular Technology，2021，70（12）：13406-13412.
17	LI Y， JIANG M， ZHANG G，et al ．Achievable rate maximization for intelligent reflecting surface-assisted orbital angular momentum-based communication systems ［J］．IEEE Transactions on Vehicular Technology，2021，70（7）：7277-7282.
18	CUI M， ZHANG G， ZHANG R ．Secure wireless communication via intelligent reflecting surface ［J］．IEEE Wireless Communications Letters，2019，8（5）：1410-1414.
19	YUAN J， LIANG Y， JOUNG J，et al ．Intelligent reflecting surface enhanced cognitive radio system ［C］∥Proceedings of IEEE International Conference on Communications．Dublin：IEEE，2020：1-6.
20	WU Q， ZHANG R ．Joint active and passive beamforming optimization for intelligent reflecting surface assisted SWIPT under QoS constraints ［J］．IEEE Journal on Selected Areas in Communications，2020，38（8）：1735-1748.
21	NTOUGIAS K， KRIKIDIS I ．Interference-constrained IRS-aided SWIPT ［C］∥Proceedings of 2021 IEEE 22nd International Workshop on Signal Processing Advances in Wireless Communications．Lucca：IEEE，2021：116-120.
22	ZHOU V， ZHANG R， HO C K ．Wireless information and power transfer：Architecture design and rate-energy tradeoff ［J］．IEEE Transactions on Communications，2013，61（11）：4754-4767.
23	ZHANG D， WU Q， CUI M，et al ．Throughput maximization for IRS-assisted wireless powered hybrid NOMA and TDMA ［J］．IEEE Wireless Communications Letters，2021，10（9）：1944-1948.
24	ZHANG L， WANG Y， TAO W，et al ．Intelligent reflecting surface aided MIMO cognitive radio systems［J］．IEEE Transactions on Vehicular Technology，2020，69（10）：11445-11457.
25	ZHOU F， LI Z， CHENG J，et al ．Robust an-aided beamforming and power splitting design for secure MISO cognitive radio with SWIPT ［J］．IEEE Transactions on Wireless Communications，2017，16（4）：2450-2464.
26	ZHANG X， WANG Y， ZHOU F，et al ．Robust resource allocation for MISO cognitive radio networks under two practical non-linear energy harvesting models ［J］．IEEE Communications Letters，2018，22（9）：1874-1877.
27	LUO Z， MA W，SO M，et al ．Semidefinite relaxation of quadratic optimization problems ［J］．IEEE Signal Processing Magazine，2010，27（3）：20-34.
28	YANG Y， ZHENG B， ZHANG S，et al ．Intelligent reflecting surface meets OFDM：Protocol design and rate maximization ［J］．IEEE Transactions on Communications，2020，68（7）：4522-4535.
29	XU D， YU X， SUN Y，et al ．Resource allocation for IRS-assisted full-duplex cognitive radio systems ［J］．IEEE Transactions on Communications，2020，68（12）：7376-7394.

[1]	郑娟毅, 董嘉豪, 张庆珏, 等. 基于残差密集网络的智能超表面信道估计算法[J]. 华南理工大学学报(自然科学版), 2024, 52(3): 102-111.
[2]	陈锋, 毛豪滨, 蔡吉玲, 等. 面向低延时实时视频的多维跨层带宽预测[J]. 华南理工大学学报(自然科学版), 2023, 51(11): 18-27.
[3]	刘娇蛟, 陈阿粤, 马碧云. 基于直扩超声波宽带人体通信多点接入的自适应速率调整[J]. 华南理工大学学报(自然科学版), 2023, 51(3): 91-97.
[4]	吴皓威, 黄风娇, 闫莲, 等. 面向可疑中继通信网络的合法窃听方案[J]. 华南理工大学学报(自然科学版), 2022, 50(10): 70-79.
[5]	李松, 余意, 孙彦景, 等. 面向移动VR的部分缓存内容共享方法[J]. 华南理工大学学报（自然科学版）, 2021, 49(6): 122-130,140.
[6]	陈志坚蔡敏. 抗干扰高线性射频前端设计[J]. 华南理工大学学报（自然科学版）, 2016, 44(1): 37-43.
[7]	刘娇蛟马碧云. 基于联盟形成博弈论的异构无线传输速率分配[J]. 华南理工大学学报（自然科学版）, 2015, 43(9): 27-33.
[8]	潘伟锵胡少东刘靖. 混合业务下基于能效准则的基站开/关选择策略[J]. 华南理工大学学报（自然科学版）, 2015, 43(5): 30-34.
[9]	郎改平徐玉滨马琳. 基于非合作博弈论的异构网络选择算法[J]. 华南理工大学学报（自然科学版）, 2014, 42(5): 29-35.
[10]	顾军仲元红张振宇曾凡鑫. 用于多小区多用户 MIMO 系统的干扰抑制方法[J]. 华南理工大学学报（自然科学版）, 2013, 41(6): 42-46.
[11]	刘娇蛟曹燕. 基于无线随机接入代价函数的协作速率分配[J]. 华南理工大学学报(自然科学版), 2012, 40(6): 22-28.
[12]	师晓晔葛建华李靖高洋. 全分集协作系统C-HARQ 方案的设计及性能[J]. 华南理工大学学报（自然科学版）, 2011, 39(9): 108-114.
[13]	周晓明赖声礼. 旋转人头模型与单极天线手机相互作用的数值模拟[J]. 华南理工大学学报(自然科学版), 2004, 32(5): 30-33.
[14]	周晓明赖声礼. 单极手机与分层人头模型作用系统的数值模拟[J]. 华南理工大学学报(自然科学版), 2003, 31(12): 5-8.
[15]	朱宁西张齐. GSM网络短信息无线通信SCADA 系统的实现[J]. 华南理工大学学报(自然科学版), 2003, 31(12): 9-12.

IRS辅助认知无线携能通信网络的发射功率最小化算法

Transmit Power Minimization Algorithms for IRS-Assisted Cognitive Simultaneous Wireless Information and Power Transfer Networks

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 29

相关文章 15

编辑推荐

Metrics

本文评价