[论文解读] Intelligent Reflecting Surface-Assisted Cognitive Radio System

Jie Yuan, Ying‐Chang Liang+3 more|arXiv (Cornell University)|Dec 23, 2019

Advanced Wireless Communication Technologies参考文献 46被引用 13

一句话总结

本文提出了一种智能反射面（IRS）辅助的认知无线电系统，以在下行链路MISO认知无线电网络中提升频谱效率（SE）和能量效率（EE）。通过联合优化次用户（SU）发射端的波束成形与多个IRS的反射系数，该系统在发射功率和干扰温度约束下最大化次用户可实现速率，在完美和非完美信道状态信息（CSI）条件下均实现了显著的速率增益。

ABSTRACT

Cognitive radio (CR) is an effective solution to improve the spectral efficiency (SE) of wireless communications by allowing the secondary users (SUs) to share spectrum with primary users. Meanwhile, intelligent reflecting surface (IRS), also known as reconfigurable intelligent surface (RIS), has been recently proposed as a promising approach to enhance energy efficiency (EE) of wireless communication systems through intelligently reconfiguring the channel environment. To improve both SE and EE, in this paper, we introduce multiple IRSs to a downlink multiple-input single-output (MISO) CR system, in which a single SU coexists with a primary network with multiple primary user receivers (PU-RXs). Our design objective is to maximize the achievable rate of SU subject to a total transmit power constraint on the SU transmitter (SU-TX) and interference temperature constraints on the PU-RXs, by jointly optimizing the beamforming at SU-TX and the reflecting coefficients at each IRS. Both perfect and imperfect channel state information (CSI) cases are considered in the optimization. Numerical results demonstrate that the introduction of IRS can significantly improve the achievable rate of SU under both perfect and imperfect CSI cases.

研究动机与目标

• 通过集成智能反射面（IRS）来提升认知无线电网络中的频谱效率（SE）和能量效率（EE）。
• 解决次用户（SU）对主用户（PU）产生干扰泄漏的挑战，同时最大化次用户数据速率。
• 在功率和干扰温度约束下，联合优化次用户发射端的波束成形与多个IRS的反射系数。
• 处理完美与非完美CSI场景，以实现实际系统中的鲁棒性能。
• 通过数值评估证明多个IRS在提升次用户速率方面的有效性。

提出的方法

• 针对总发射功率和干扰温度约束下的次用户（SU）系统速率最大化问题进行建模。
• 采用块坐标下降（BCD）方法交替优化波束成形向量与IRS反射系数。
• 通过二阶锥规划（SOCP）求解完美CSI下的波束成形优化问题。
• 应用半定松弛（SDR）与高斯随机化方法处理IRS反射系数优化中的非凸性问题。
• 采用均匀相位量化以建模IRS元件上的硬件约束。
• 采用具有收敛性保证的迭代算法，实现信噪比（SNR）的单调提升。

实验结果

研究问题

• RQ1 在认知无线电系统中，如何联合优化多个IRS与波束成形，以最大化次用户（SU）的可实现速率？
• RQ2 在完美CSI条件下，IRS部署在频谱效率方面带来了多大的性能增益？
• RQ3 由于信道估计误差，系统在非完美CSI下如何保持鲁棒性与性能？
• RQ4 在实际部署中，硬件限制的相位量化对IRS反射系数有何影响？
• RQ5 与无IRS的传统波束成形相比，波束成形与IRS反射系数的联合优化有何性能优势？

主要发现

• 所提出的IRS辅助系统在完美与非完美CSI条件下均显著提升了次用户的可实现速率。
• 联合优化波束成形与IRS反射系数相比无IRS系统，可实现更高的频谱效率。
• 采用SDR与高斯随机化的BCD迭代算法具有单调收敛性，并能获得高质量解。
• 即使在硬件受限的相位偏移（如4比特量化）下，系统仍保持显著的性能增益。
• 在非完美CSI下采用鲁棒波束成形设计，可有效应对信道估计误差，确保性能稳定。
• 数值结果证实，多个IRS可构建有利的传播条件，增强有效信道增益并降低对主用户的干扰。