受智能反射面辅助的均匀无线网络的随机分析

本文研究了多个 IRS (智能反射面) 在均匀无线网络中的影响，网络中所有基站 (BS)、用户 (U) 和 IRS 均按独立的均匀泊松过程 (PPP) 分布，密度分别为 $\lambda_{{\rm BS}}\rm{[BS/m^2]}$、$\lambda_{{\rm U}}\rm{[U/m^2]}$ 和$\lambda_{{\rm IRS}}\rm{[IRS/m^2]}$。我们采用统一的随机服务策略为 BS 和 IRS 以创造网络的随机对称性。为此，我们分析网络性能，研究 IRS 的存在对网络性能的影响。具体而言，对系统中的典型用户，我们推导了期望功率（第二统计矩）的上、下界，包括所需信号和由基站及其他用户引起的干扰。随后，我们获得了所需信号功率和干扰功率衰减概率的上界（即累积分布函数 CDF 的下界）。此外，我们推导了单个典型用户容量衰减概率的上界，从而得到容量的下界。数值结果表明，所需信号功率和干扰功率的数值计算接近推导的下界，我们表明参数 ${(\lambda_{\rm IRS})}$ 的增大会导致所需信号和干扰信号功率的增大。我们还观察到，$\lambda_{\rm IRS}$ 的增大会导致容量下降概率的减小。