[论文解读] Reconfigurable Intelligent Surface Enhanced Cognitive Radio Networks

Jinglian He, Kaiqiang Yu+2 more|arXiv (Cornell University)|May 22, 2020

Advanced Wireless Communication Technologies参考文献 18被引用 7

一句话总结

该论文提出了一种新颖的交替差异凸（DC）算法，用于在认知无线电网络中联合优化次用户基站的波束成形和可重构智能表面（RIS）的相位移，以最小化总发射功率，同时满足SINR和干扰约束。该方法通过使用DC规划精确表示秩一约束，避免了半定规划（SDR）技术的近似，从而在仿真中实现了更低的发射功率和更高的鲁棒性，性能优于SDR方法。

ABSTRACT

The cognitive radio (CR) network is a promising network architecture that meets the requirement of enhancing scarce radio spectrum utilization. Meanwhile, reconfigurable intelligent surfaces (RIS) is a promising solution to enhance the energy and spectrum efficiency of wireless networks by properly altering the signal propagation via tuning a large number of passive reflecting units. In this paper, we investigate the downlink transmit power minimization problem for the RIS-enhanced single-cell cognitive radio (CR) network coexisting with a single-cell primary radio (PR) network by jointly optimizing the transmit beamformers at the secondary user (SU) transmitter and the phase shift matrix at the RIS. The investigated problem is a highly intractable due to the coupled optimization variables and unit modulus constraint, for which an alternative minimization framework is presented. Furthermore, a novel difference-of-convex (DC) algorithm is developed to solve the resulting non-convex quadratic program by lifting it into a low-rank matrix optimization problem. We then represent non-convex rank-one constraint as a DC function by exploiting the difference between trace norm and spectral norm. The simulation results validate that our proposed algorithm outperforms the existing state-of-the-art methods.

研究动机与目标

• 解决RIS增强型认知无线电网络中联合波束成形与相位移优化的高不可解性问题。
• 在严格的QoS和干扰约束下，最小化次用户基站的总发射功率。
• 克服传统半定规划（SDR）在高维RIS场景下的性能局限性。
• 开发一种非凸优化框架，通过精确的DC表示保留秩一约束。
• 利用低成本RIS硬件，为绿色6G无线网络提供可行且节能的解决方案。

提出的方法

• 将下行链路发射功率最小化问题建模为具有耦合变量和单位模约束的非凸优化问题。
• 利用交替优化框架将问题分解为两个子问题：波束成形向量优化（SOCP）和相位移矩阵优化（QCQP）。
• 通过矩阵提升技术将QCQP子问题转化为低秩矩阵优化问题。
• 利用迹范数和谱范数，将非凸的秩一约束表示为凸函数之差。
• 开发一种高效的DC算法，通过迭代求解原始问题和对偶问题的凸松弛。
• 采用谱范数的次梯度计算，以实现相位移矩阵的迭代优化。

实验结果

研究问题

• RQ1 如何在RIS增强型认知无线电网络中有效构建联合波束成形与相位移优化的数学模型，以最小化发射功率？
• RQ2 在高维RIS场景下，半定规划（SDR）与精确处理秩一约束之间的性能差距如何？
• RQ3 差异凸（DC）规划方法是否能在发射功率最小化和可行性方面优于现有凸松弛方法？
• RQ4 RIS元件数量的增加对总发射功率和系统性能有何影响？
• RQ5 在RIS辅助的CR网络中，QoS要求（SINR阈值）与能量效率之间的权衡关系如何？

主要发现

• 所提出的交替DC算法在高维设置下，相比交替SDR方法，显著降低了发射功率。
• 随着SINR要求的提高，总发射功率增加，验证了QoS与能量效率之间的权衡关系。
• 随着RIS元件数量的增加，总发射功率降低，表明更大RIS阵列具有良好的可扩展性和性能增益。
• 基于DC的方法保持了秩一约束的可行性，而SDR方法通常产生秩亏的解。
• 仿真结果验证了所提方法在发射功率最小化和噪声鲁棒性方面，优于最先进的凸松弛技术。
• RIS辅助的CR网络相比传统无RIS的CR网络，实现了更高的频谱效率和能量效率，证实了智能表面的有效性。