Ergodic Rate Analysis of STAR-RIS Aided NOMA Systems
- 1 STAR-RIS
- 2 摘要
- 3 系统模型
- 3.1 信道
- 3.2 用户位置
- 3.3 ES(Energy Splitting)能量分裂协议
- 3.4 NOMA
- 3.5 信道模型
- 3.6 信干噪比
- 4 仿真
- 4.1 遍历率分析
星型智能反射面辅助NOMA系统的遍历率分析 原文链接
1 STAR-RIS
全称(Simultaneously transmitting and reflecting reconfigurable intelligent surface),星型智能反射面。
特点:覆盖范围可达到360°;可以同时反射(reflection mode)和折射(refraction mode)
STAR-RIS具体可参考这篇文章
2 摘要
本文分析了一个同时发射和反射的可重构智能表面(STAR-智能反射面)辅助非正交多址(NOMA)系统的遍历速率。
在该系统中,由于障碍物,从基站到小区边缘用户的直接链路是非视距链路,而STAR-智能反射面用于向这些小区边缘用户提供视距链路。 通过将复合信道功率增益的分布拟合为Gamma分布,导出了小区边缘用户的遍历率和高信噪比斜率的闭式表达式。
数值结果表明:
- (1)各态历经率随星智能反射面元素数目的增加而增加,高信噪比斜率固定为常数;
- (2)STAR-智能反射面辅助NOMA系统比传统的智能反射面辅助NOMA系统具有更高的遍历率。
3 系统模型
3.1 信道
为了刻画实际快速衰落信道的统计特性,考虑了一种更实际的信道,如Nakagami-M衰落。 该系统的信道模型用Gamma分布模拟,便于多小区性能分析。
3.2 用户位置
我们利用齐次泊松点过程来建模用户的位置。
近场用户与远场用户的** 概率密度函数 (PDF:probability density function)**分别为
f
d
near
(
x
)
=
∂
∂
x
π
x
2
π
R
1
2
=
2
x
R
1
2
f_{d_{\text {near }}}(x)=\frac{\partial}{\partial x} \frac{\pi x^2}{\pi R_1^2}=\frac{2 x}{R_1^2}
fdnear (x)=∂x∂πR12πx2=R122x
f
d
f
a
r
(
x
)
=
∂
∂
x
π
(
x
2
−
R
1
2
)
π
(
R
2
2
−
R
1
2
)
=
2
x
R
2
2
−
R
1
2
f_{d_{f a r}}(x)=\frac{\partial}{\partial x} \frac{\pi\left(x^2-R_1^2\right)}{\pi\left(R_2^2-R_1^2\right)}=\frac{2 x}{R_2^2-R_1^2}
fdfar(x)=∂x∂π(R22−R12)π(x2−R12)=R22−R122x
3.3 ES(Energy Splitting)能量分裂协议
具体看作者的另一篇文章,有具体描述和时间切换(TS:time switching)、**模式切换(MS:mode switching )**对比。
在这里为了避免ES协议改变连续干扰消除(SIC)的排列顺序 ,反射系数和折射系数分别为
β
n
r
f
l
\beta_n^{rfl}
βnrfl和
β
n
r
f
r
\beta_n^{rfr}
βnrfr,且
β
n
r
f
l
+
β
n
r
f
l
=
1
\beta_n^{rfl}+\beta_n^{rfl} = 1
βnrfl+βnrfl=1。
3.4 NOMA
为了最大化每个用户的增益并考虑单播传输,考虑采用NOMA用户对,近场用户采用SIC,远场用户直接解码信号。
在这里功率分配系数分别为
α
n
e
a
r
\alpha_{n e a r}
αnear和
α
f
a
r
\alpha_{far}
αfar,且
α
n
e
a
r
+
α
f
a
r
=
1
\alpha_{near}+\alpha_{far}=1
αnear+αfar=1。
3.5 信道模型
基站BS通过STAR-RIS到用户UE的反射与折射信道为
∣
h
r
f
l
∣
=
∣
H
R
U
r
f
l
T
Θ
r
f
l
H
B
R
∣
,
∣
h
r
f
r
∣
=
∣
H
R
U
r
f
r
T
Θ
r
f
r
H
B
R
∣
\left|h_{r f l}\right|=\left|\mathbf{H}_{\mathbf{R U}}^{\mathrm{rfl}}{ }^T \boldsymbol{\Theta}_{\mathbf{r f l}} \mathbf{H}_{\mathrm{BR}}\right|,\left|h_{r f r}\right|=\left|\mathbf{H}_{\mathbf{R U}}^{\mathrm{rfr}}{ }^T \boldsymbol{\Theta}_{\mathbf{r f r}} \mathbf{H}_{\mathbf{B R}}\right|
∣hrfl∣=∣∣HRUrflTΘrflHBR∣∣,∣hrfr∣=∣∣HRUrfrTΘrfrHBR∣∣
Θ r f l \Theta_{\mathbf{r f l}} Θrfl和 Θ r f r \Theta_{\mathbf{r f r}} Θrfr为对角相移矩阵; H R U r f l \mathbf{H}_{\mathbf{R U}}^{\mathrm{rfl}} HRUrfl等为反射用户与BS之间信道
3.6 信干噪比
对于近场用户,采用SIC;远场用户采取直连。
γ
near
S
I
C
=
P
t
a
far
(
d
near
2
+
H
2
)
−
α
2
d
B
R
−
α
∣
h
k
∣
2
P
t
a
near
(
d
near
2
+
H
2
)
−
α
2
d
B
R
−
α
∣
h
k
∣
2
+
σ
2
,
γ
near
=
P
t
a
near
(
d
near
2
+
H
2
)
−
α
2
d
B
R
−
α
∣
h
k
∣
2
σ
2
,
γ
far
=
P
t
a
far
(
d
far
2
+
H
2
)
−
α
2
d
B
R
−
α
∣
h
j
∣
2
P
t
a
near
(
d
far
2
+
H
2
)
−
α
2
d
B
R
−
α
∣
h
j
∣
2
+
σ
2
,
\begin{aligned} \gamma_{\text {near }}^{S I C} &=\frac{P_t a_{\text {far }}\left(d_{\text {near }}^2+H^2\right)^{-\frac{\alpha}{2}} d_{B R}^{-\alpha}\left|h_k\right|^2}{P_t a_{\text {near }}\left(d_{\text {near }}^2+H^2\right)^{-\frac{\alpha}{2}} d_{B R}^{-\alpha}\left|h_k\right|^2+\sigma^2}, \\ \gamma_{\text {near }} &=\frac{P_t a_{\text {near }}\left(d_{\text {near }}^2+H^2\right)^{-\frac{\alpha}{2}} d_{B R}^{-\alpha}\left|h_k\right|^2}{\sigma^2}, \\ \gamma_{\text {far }} &=\frac{P_t a_{\text {far }}\left(d_{\text {far }}^2+H^2\right)^{-\frac{\alpha}{2}} d_{B R}^{-\alpha}\left|h_j\right|^2}{P_t a_{\text {near }}\left(d_{\text {far }}^2+H^2\right)^{-\frac{\alpha}{2}} d_{B R}^{-\alpha}\left|h_j\right|^2+\sigma^2}, \end{aligned}
γnear SICγnear γfar =Ptanear (dnear 2+H2)−2αdBR−α∣hk∣2+σ2Ptafar (dnear 2+H2)−2αdBR−α∣hk∣2,=σ2Ptanear (dnear 2+H2)−2αdBR−α∣hk∣2,=Ptanear (dfar 2+H2)−2αdBR−α∣hj∣2+σ2Ptafar (dfar 2+H2)−2αdBR−α∣hj∣2,
P
t
P_t
Pt为用户的传输功率;
σ
2
\sigma^2
σ2为AWGN信道噪声的方差;
α
\alpha
α为路径损耗指数。当近场用户为反射用户时,k=rfl and j=rfr;当近场用户为折射用户时,k=rfr and j=rfl。
4 仿真
4.1 遍历率分析
遍历率表示平均可达速率。
R
near
=
E
[
log
(
1
+
γ
near
)
]
u
(
γ
near
S
I
C
−
γ
th
S
I
C
)
,
R
far
=
E
[
log
(
1
+
γ
far
)
]
,
\begin{aligned} R_{\text {near }} &=\mathbb{E}\left[\log \left(1+\gamma_{\text {near }}\right)\right] u\left(\gamma_{\text {near }}^{S I C}-\gamma_{\text {th }}^{S I C}\right), \\ R_{\text {far }} &=\mathbb{E}\left[\log \left(1+\gamma_{\text {far }}\right)\right], \end{aligned}
Rnear Rfar =E[log(1+γnear )]u(γnear SIC−γth SIC),=E[log(1+γfar )],
E
\mathbb{E}
E为期望函数;
u
(
t
)
u(t)
u(t)为阶跃函数;
γ
th
S
I
C
\gamma_{\text {th }}^{S I C}
γth SIC为SIC阈值。