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, , 分别为功率分配系数,并满足<,且+=1,和分别为star-ris的折射和反射系数矩阵,和为加性高斯白噪声
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
(2)Um(远用户)直接解码自己的信号
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:
,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:
其中A≜θTB/ln2,T和B分别为块衰落信道的长度和带宽,,,
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:
其中为高信噪比斜率,为3dB高信噪比功率偏移量,为无穷小,为延迟中断概率,并由原文可知和的计算方式如下:
,
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:,
3.2.Um的EC表达式为:
,
由于上式积分也很难计算,故原文中采用的是通过给出的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:
其中为star-ris中用于折射的元素数量,则代表的是伽马函数,
,,其中,,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:,。
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