多智能反射面增强的无线覆盖：基于大规模信道知识的部署优化
信号处理
2024-10-29 v1
摘要
本文研究智能反射面 (IRS) 部署问题，即在目标区域内优化放置多个 IRS，以改善其与服务基站 (BS) 之间的信号覆盖。为此，我们假设目标区域内存在一组用于部署 IRS 的候选站点，并将该区域划分为多个等尺寸网格。然后，我们根据 IRS 部署参数（包括尺寸、位置、高度和朝向），推导出从 BS 到各候选站点 IRS 以及从该 IRS 到目标区域内任意网格的平均信道功率增益。因此，假设基于大规模信道知识的有效 IRS 反射增益，我们能够近似经由任意 IRS 从 BS 到各网格的平均级联信道功率增益。接下来，我们构建多 IRS 部署优化问题，通过选择候选站点的子集部署 IRS 并联合优化其高度、朝向和反射元件数量，在满足目标区域所有网格给定覆盖率性能要求的前提下，最小化总部署成本。为解决这一具有挑战性的组合优化问题，我们首先将其重构为整数线性规划问题，并使用分支定界 (BB) 算法对其进行最优求解。此外，我们提出了一种高效的逐步优化算法以进一步降低计算复杂度。仿真结果表明，所提低复杂度逐步优化算法实现了接近最优的性能，且与所提最优 BB 算法相比运行时间显著减少，同时与其他基准 IRS 部署策略相比具有更优的性能-成本折中。
引用
@article{arxiv.2410.20042,
title = {Multi-IRS Enhanced Wireless Coverage: Deployment Optimization Based on Large-Scale Channel Knowledge},
author = {Min Fu and Lipeng Zhu and Rui Zhang},
journal= {arXiv preprint arXiv:2410.20042},
year = {2024}
}
备注
13 pages