[论文解读] Resource Allocation for IRS-assisted Full-Duplex Cognitive Radio Systems

Dongfang Xu, Xianghao Yu+3 more|arXiv (Cornell University)|Mar 16, 2020

Advanced Wireless Communication Technologies参考文献 36被引用 11

一句话总结

该论文提出了一种智能反射面（IRS）辅助的全双工认知无线电系统的联合资源分配框架，通过优化波束成形、功率控制和相位移，以在信道状态信息（CSI）不完美和主用户干扰约束下最大化次级系统容量。该方法采用安全近似法与基于交替方向乘子法（BCD）的迭代算法，结合半定规划松弛和连续凸逼近技术，实现了鲁棒性能并收敛至稳定点，仿真结果表明其在容量增益方面显著优于基准方案。

ABSTRACT

In this paper, we investigate the resource allocation design for intelligent reflecting surface (IRS)-assisted full-duplex (FD) cognitive radio systems. In particular, a secondary network employs an FD base station (BS) for serving multiple half-duplex downlink (DL) and uplink (UL) users simultaneously. An IRS is deployed to enhance the performance of the secondary network while helping to mitigate the interference caused to the primary users (PUs). The DL transmit beamforming vectors and the UL receive beamforming vectors at the FD BS, the transmit power of the UL users, and the phase shift matrix at the IRS are jointly optimized for maximization of the total sum rate of the secondary system. The design task is formulated as a non-convex optimization problem taking into account the imperfect knowledge of the PUs' channel state information (CSI) and their maximum interference tolerance. Since the maximum interference tolerance constraint is intractable, we apply a safe approximation to transform it into a convex constraint. To efficiently handle the resulting approximated optimization problem, which is still non-convex, we develop an iterative block coordinate descent (BCD)-based algorithm. This algorithm exploits semidefinite relaxation, a penalty method, and successive convex approximation and is guaranteed to converge to a stationary point of the approximated optimization problem. Our simulation results do not only reveal that the proposed scheme yields a substantially higher system sum rate for the secondary system than several baseline schemes, but also confirm its robustness against CSI uncertainty. Besides, our results illustrate the tremendous potential of IRS for managing the various types of interference arising in FD cognitive radio networks.

研究动机与目标

• 解决因频谱资源未被充分利用以及全双工（FD）操作中干扰导致的认知无线电系统频谱效率受限问题。
• 在提升次级网络性能的同时，减轻对主用户（PU）的干扰。
• 联合优化下行链路波束成形、上行链路接收波束成形、用户发射功率以及IRS相位移，以实现容量最大化。
• 处理主用户CSI不完整的问题，确保对CSI不确定性的鲁棒性。
• 开发一种收敛的迭代算法，高效求解非凸优化问题。

提出的方法

• 建立一个非凸优化问题，以在主用户干扰和功率约束下最大化次级系统容量。
• 应用安全近似方法，将难以处理的最大干扰容忍约束转化为凸约束。
• 设计一种基于块坐标下降（BCD）的迭代算法，结合半定规划松弛与连续凸逼近技术。
• 采用罚函数法处理波束成形矩阵的秩一约束，以实现高效计算。
• 引入涉及核范数与谱范数的罚项，以促进波束成形器的低秩解。
• 通过迭代优化波束成形与相位移设计，保证收敛至近似问题的稳定点。

实验结果

研究问题

• RQ1 如何利用智能反射面（IRS）提升全双工认知无线电系统的频谱效率？
• RQ2 何种联合资源分配策略可在满足主用户干扰约束的前提下最大化次级系统容量？
• RQ3 如何处理主用户CSI不完整的问题，以确保IRS辅助的FD CR系统具备鲁棒性能？
• RQ4 何种算法框架可实现该非凸场景下波束成形与相位移的高效且收敛的优化？
• RQ5 在CSI不确定性下，基于IRS的干扰管理相较于传统FD CR方案在性能上有多大的优势？

主要发现

• 所提方案相比基准方案实现了显著更高的系统容量，验证了其在频谱效率方面的显著增益。
• 该算法收敛至近似优化问题的稳定点，确保了性能的可靠性。
• 系统对主用户CSI知识不完整具有鲁棒性，在不确定性下仍能维持服务质量要求。
• IRS的部署有效缓解了同频干扰与自干扰。
• 对干扰约束的安全近似实现了凸化重构，使优化问题可解。
• 仿真结果证实了IRS在管理多种干扰类型及实现高效频谱共享中的关键作用。