阅读笔记-Effective Capacity Analysis of STAR-RIS-Assisted NOMA Networks

本文探讨了STAR-RIS在非正交多址(NOMA)网络中的应用,通过分析有效容量(EC)来评估超可靠低延迟通信性能。研究发现,STAR-RIS能提升近用户和整个网络的EC,且近用户的EC随信噪比线性增长,远用户EC趋向稳定。此外,增加STAR-RIS元素数量能有效提升网络性能。仿真结果显示,NOMA在STAR-RIS网络中的EC优于传统RIS网络,证实了NOMA和STAR-RIS结合的潜力。
摘要由CSDN通过智能技术生成

STAR-RIS:即同时折射和反射可重构智能表面(simulta-neously transmitting and reflecting reconfigurable intelligent sur-face)

EC:为满足服务质量的要求所能维持的最大恒定可实现服务速率

1 摘要

本文研究了同时折射和反射的可重构智能表面(STAR-RIS)辅助非正交多址(NOMA)网络的性能,以支持超可靠的低延迟通信。采用有效容量(EC)作为度量来探索NOMA用户的延迟需求。具体而言,得到了分布于STAR-RIS的一对NOMA用户的网络的EC解析表达式。此外,在高性噪比斜率和高信噪比功率偏置下对EC进行渐进分析,数值结果表明:

(1)在高信噪比下,近用户(Un)的电子辐射系数呈线性增加,远用户(Um)的电子辐射系数趋于常数

(2)STAR-RIS 的使用提高了NOMA网络中Un和整个网络的EC。

(3)增加STAR-RIS元素的数量是改善Un和Um EC的有效策略。

2 系统模型

 2.1 信道

本文为了刻画信道的统计特性,设定所有信道均为Nakagami-M衰落,并且假设所有用户均为单天线设备。

 2.2信号

本文的模型中仅有对一单天线用户(近用户和远用户)

近用户接收到的信号:

 

远用户接收到的信号:

P为基站S的发射功率,a_{n} , a_{m}分别为功率分配系数,并满足a_{n}<a_{m},且a_{n}+a_{m}=1,\Theta _{T}\Theta _{R}分别为star-ris的折射和反射系数矩阵,n_{n}n_{m}为加性高斯白噪声

2.3用户位置

(1)近NOMA(Un)用户位于star-ris的正面,不仅可以接收基站S的信号,也可接受star-ris的反射信号

(2)远NOMA(Um)用户只能接受star-ris的折射信号

(3)hsr、hrn、hsn和hrm分别表示S−RIS、RIS−Un、S−Un和RIS−Um的信道系数(通信链路),所有信道均满足Nakagami-M分布,即hsn∼Nakagami(msn, 1), hsr∼Nakagami(msr, 1), hrn∼Nakagami(mrn, 1)和hrm∼Nakagami(mrm, 1),其概率密度分布函数为

其中,为平均功率,为伽马函数,m为衰落参数。m=1时,上式退化为瑞利衰落;并且若一个随机变量是服从Nakagami-m分布的,那么它的模值的平方服从伽马分布,即:若 是服从衰落参数为的Nakagami-m分布,则有  ,且 的PDF(概率密度分布函数)为:

2.4信干噪比

(1)Un(近用户)首先解码Um的信号,然后采用SIC消除Um的信号解码自己的信号,过程如下

\gamma_{n \rightarrow m}=\frac{\rho a_m\left|h_{s n}+\mathbf{h}_{r n}^H \Theta_R \mathbf{h}_{s r}\right|^2}{\rho a_n\left|h_{s n}+\mathbf{h}_{r n}^H \Theta_R \mathbf{h}_{s r}\right|^2+1}               

\gamma_n=\rho a_n\left|h_{s n}+\mathbf{h}_{r n}^H \Theta_R \mathbf{h}_{s r}\right|^2

(2)Um(远用户)直接解码自己的信号

\gamma_m=\frac{\rho a_m\left|\mathbf{h}_{r m}^H \Theta_T \mathbf{h}_{s r}\right|^2}{\rho a_n\left|\mathbf{h}_{r m}^H \Theta_T \mathbf{h}_{s r}\right|^2+1}

其中ρ为基站S发射信号的信噪比(SNR)

3 性能分析

3.1.Un的EC的表达式为:

\mathcal{R}_n=-\frac{1}{A} \log _2\left(\int_0^{\infty}\left(1+\gamma_n\right)^{-A} f\left(\gamma_n\right) d_{\gamma_n}\right)

 ,由于上式积分很难计算,故在本文作者提出了一种近似方法,具体过程不在此详细描述,可得:

R_n=-\frac{1}{A} \log _2\left(\frac{\frac{\Gamma\left(k_Z-A\right)}{\Gamma\left(k_Z\right)} \sum_{k=0}^{\infty} \frac{(A)_k\left(\rho a_n \theta_Z\right)^{-k}}{\left(A+1-k_Z\right)_k k !}+\frac{\Gamma\left(A-k_Z\right)}{\Gamma(A)} \sum_{k=0}^{\infty} \frac{\left(k_Z\right)_k\left(\rho a_n \theta_Z\right)^{-k+A-k_Z}}{\left(1-A+k_Z\right)_k k !}}{\left(\rho a_n \theta_Z\right)^{2 k_Z+1-A}}\right)

其中A≜θTB/ln⁡2,T和B分别为块衰落信道的长度和带宽,k_Z=\frac{\mu_Z^2}{\mu_Z^{(2)}-\mu_Z^2}\theta_Z=\frac{\mu_Z^{(2)}-\mu_Z^2}{\mu_Z}

若在在高信噪比条件下,,我们可以用高信噪比功率和高信噪比功率偏移量来对Un的EC进行表征,并可得Un的EC的渐进表达式为:

\mathcal{R}(\rho, \theta)=\mathcal{S}_{\infty}\left(\log _2 \rho-\mathcal{L}_{\infty}\right)+o(1)

其中\mathcal{S}_{\infty}为高信噪比斜率,\mathcal{L}_{\infty}为3dB高信噪比功率偏移量,o(1)为无穷小,\theta为延迟中断概率,并由原文可知\mathcal{S}_{\infty}\mathcal{L}_{\infty}的计算方式如下:

\mathcal{S}_{\infty}=\lim _{\rho \rightarrow \infty} \frac{\mathcal{R}(\rho, \theta)}{\log _2 \rho}\mathcal{L}_{\infty}=\lim _{\rho \rightarrow \infty}\left(\log _2 \rho-\frac{\mathcal{R}(\rho, \theta)}{\mathcal{S}_{\infty}}\right)

通过计算和分析可得:在star-ris辅助NOMA网络中,Un的高信噪比斜率和高信噪比功率偏移为:\mathcal{S}_{\infty}^n= \begin{cases}\frac{k_Z-A}{A}, & A \leq k_Z \\ \frac{k_Z}{A}, & A>k_Z\end{cases}\mathcal{L}_{\infty}^n=\infty

3.2.Um的EC表达式为:

\mathcal{R}_m=-\frac{1}{A} \log _2\left(\int_0^{\infty}\left(1+\gamma_m\right)^{-A} f\left(\gamma_m\right) d_{\gamma_m}\right)

由于上式积分也很难计算,故原文中采用的是通过给出\gamma_m的PDF(概率密度表达式),然后进行近似计算,最终可得Um的EC的解析表达式:

R_m=-\frac{1}{A} \log _2\left(\sum_{j=0}^{\infty} \sum_{q=0}^{\infty} \sum_{t=0}^{\infty} \frac{e^{-\frac{\lambda}{2}}\left(\frac{\lambda}{2}\right)^j(-1)^q a_m \Gamma\left(j+q+\frac{3}{2}+t\right) \Gamma(1+A+t)\left(1+\frac{a_m}{a_n}\right)^t\left(-a_n\right)^{-j-q-\frac{3}{2}}}{j ! \Gamma\left(j+\frac{1}{2}\right)^j q !\left(2 L_m \rho(1-\xi)\right)^{\frac{1}{2}+j+q}\left(j+q+\frac{1}{2}\right) \Gamma\left(A+j+q+\frac{3}{2}+t\right) t !}\right)

其中L_m为star-ris中用于折射的元素数量,\Gamma(\cdot)则代表的是伽马函数,

\lambda=\frac{L_m \xi}{1-\xi}\frac{\left(\Gamma\left(m_{r m}+\frac{1}{2}\right) \Gamma\left(m_{s r}+\frac{1}{2}\right)\right)^2}{m_{r m} m_{s r}\left(\Gamma\left(m_{r m}\right) \Gamma\left(m_{s r}\right)\right)^2},其中m_{r m}m_{s r}m_{s r}为各衰落信道的衰落参数。

和Un相同,在高信噪比条件下可以用高信噪比斜率和高信噪功率偏移量来对Um的EC进行表征,并可得Um的高信噪比斜率和高信噪功率偏移量分别为:\mathcal{S}_{\infty}^m=0\mathcal{L}_{\infty}^m=\infty

3.3.通过两者的EC表达式进行分析可得:

(1)EC与信道参数、QoS指数、功率分配系数和发射功率有关;

(2)在高信噪比下,Un的EC随发射功率线性增加,Um的EC保持不变;

 4 仿真

 

 上图证明了刚才在STAR-RIS N辅助OMA网络情况下为EC推导的表达式的准确性。第一点是在相同信噪比下,Un的EC性能优于Um。在ρ值高的地区,Un的这种优势更加突出。

详细描述:Un随ρ线性增加,Um随ρ增加收敛为常数,与分析结论一致。产生这些结果的原因是在NOMA情况下Un具有SIC的优势,与Um相比具有更大的SINR值。ρ→∞,γn→∞,γm→am/an。此外,为了比较OMA和NOMA情况下STAR-RIS的ECs,我们用红色曲线提供了OMA情况下所有用户和全网的EC曲线。从图中可以看出,Un和Um的ECs都随着\rho单调增加,并与NOMA相比,Um的EC性能提高,Un的EC性能下降。并且很明显可以看出,对于STAR-RIS网络,NOMA情况下系统和EC较高,这意味着NOMA有利于提高STAR-RIS网络的EC。此外,与传统RIS网络的对比如图所示,蓝色曲线。传统的RIS网络是用两个RISs来说明的,每个RISs有20个元素,一个用于反射,另一个用于传输。可以注意到Un比传统RIS的EC较高,而Um与传统RIS网络相比差异不是很明显。其次,对于整个系统而言,STAR-RIS NOMA网络的EC显著大于常规RIS网络,即STAR-RIS NOMA网络可以根据实际情况调整反射和/或发射单元的数量,从而获得更高的性能。

除此之外作者还对QoS指数θ指数对有效容量EC的影响,star-ris 的元素数量对EC的影响进行了仿真,具体过程类似不在详细描述,最终的出结论为:

(1)θ越大意味着QoS延迟要求越严格,将导致EC越小,当θ增大时,Un和Um的ECs均有不同程度的下降,其中Un的下降更为明显。

(2)当STAR-RIS的元素数量较小时,ρ值对Um的EC影响较大。而当STAR-RIS的元素数增加到一定值时,Um的EC不再随着STAR-RIS的元素数增加,因为当Lm→∞,γm→am/an

  

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值