IRS 辅助全双工认知无线电系统的资源分配
信息论
2020-03-18 v1 math.IT
摘要
本文研究智能反射面（IRS）辅助全双工（FD）认知无线电系统的资源分配设计。具体地，一个次级网络采用 FD 基站（BS）同时服务多个半双工下行（DL）与上行（UL）用户。部署 IRS 以增强次级网络性能，同时帮助减轻对主用户（PUs）造成的干扰。为最大化次级系统总求和速率，联合优化 FD BS 处的 DL 发射波束赋形向量与 UL 接收波束赋形向量、UL 用户的发射功率，以及 IRS 处的相移矩阵。该设计任务被表述为考虑 PUs 信道状态信息（CSI）不完美知识及其最大干扰容限的非凸优化问题。由于最大干扰容限约束难以处理，我们应用安全近似将其转化为凸约束。为有效处理所得仍为非凸的近似优化问题，我们开发了基于迭代块坐标下降（BCD）的算法。该算法利用半定松弛、罚函数与连续凸近似，并保证收敛至近似优化问题的驻点。我们的仿真结果不仅揭示所提方案比若干基准方案为次级系统带来显著更高的系统和速率，也证实其针对 CSI 不确定性的鲁棒性。此外，结果阐明了 IRS 在管理 FD 认知无线电网络中各类干扰方面的巨大潜力。
引用
@article{arxiv.2003.07467,
title = {Resource Allocation for IRS-assisted Full-Duplex Cognitive Radio Systems},
author = {Dongfang Xu and Xianghao Yu and Yan Sun and Derrick Wing Kwan Ng and Robert Schober},
journal= {arXiv preprint arXiv:2003.07467},
year = {2020}
}
备注
30 pages, 8 figures, submitted for potential publication