面向異構(gòu)網(wǎng)絡(luò)的可重構(gòu)智能表面輔助資源優(yōu)化方法

神顯豪，曾紫玲，牛少華

（1.桂林理工大學(xué)信息科學(xué)與工程學(xué)院，廣西 桂林 541006；2.桂林理工大學(xué)廣西嵌入式技術(shù)與智能系統(tǒng)實(shí)驗(yàn)室，廣西 桂林 541006；3.北京理工大學(xué)機(jī)電學(xué)院，北京 100081）

0 引言

5G 的三類服務(wù)應(yīng)用場(chǎng)景包括增強(qiáng)型移動(dòng)寬帶（eMBB,enhanced mobile broadband）、超可靠低時(shí)延通信（URLLC,ultra-reliable and low-latency communication）和海量機(jī)器類通信（mMTC,massive machine type communication）[1]。5G 新空口（NR,new radio）演進(jìn)的一個(gè)重要目標(biāo)是使這3 種不同應(yīng)用場(chǎng)景的服務(wù)在同一頻段內(nèi)有效復(fù)用[2]，這是5G網(wǎng)絡(luò)中存在的一個(gè)重大挑戰(zhàn)，并在即將到來(lái)的6G網(wǎng)絡(luò)中升級(jí)。這主要是由每個(gè)服務(wù)的異構(gòu)服務(wù)質(zhì)量（QoS,quality of service）需求導(dǎo)致的，例如，eMBB業(yè)務(wù)側(cè)重于以高數(shù)據(jù)速率傳輸大數(shù)據(jù)塊，而URLLC業(yè)務(wù)的目標(biāo)是傳輸短數(shù)據(jù)包，具有極高的可靠性和較低的端到端時(shí)延。

第三代合作伙伴計(jì)劃（3GPP）標(biāo)準(zhǔn)中提出了穿刺技術(shù)[3]解決上述問(wèn)題，為之后的相關(guān)研究奠定了基礎(chǔ)。這項(xiàng)技術(shù)賦予URLLC 業(yè)務(wù)更高的優(yōu)先級(jí)，但將影響eMBB 業(yè)務(wù)的傳輸，并導(dǎo)致整個(gè)系統(tǒng)頻譜效率的下降?；诖?，研究人員提出了更加高效的資源分配方法以實(shí)現(xiàn)異構(gòu)QoS 需求與系統(tǒng)頻譜效率之間的均衡。Zhang 等[4]基于穿刺技術(shù)提出了一種聯(lián)合資源分配的迭代算法，該算法可以同時(shí)滿足eMBB 數(shù)據(jù)速率和URLLC 中斷概率要求。王佳佳等[5]在用戶分簇的基礎(chǔ)上，制定了一個(gè)URLLC 和eMBB 聯(lián)合資源調(diào)度問(wèn)題，為求解該調(diào)度問(wèn)題提出了一個(gè)基于連續(xù)凸逼近和凸函數(shù)差分規(guī)劃的自適應(yīng)迭代功率分配算法。Bairagi 等[6-7]使用啟發(fā)式算法和單邊匹配博弈解決優(yōu)化問(wèn)題，并提出了懲罰連續(xù)上界極小化算法和傳輸模型。此外，還有許多學(xué)者利用深度強(qiáng)化學(xué)習(xí)（DRL,deep reinforcement learning）來(lái)解決蜂窩網(wǎng)絡(luò)中的資源分配和優(yōu)化問(wèn)題[8-11]，如基于深度確定性策略梯度算法、深度Q 學(xué)習(xí)算法等。共存場(chǎng)景中的eMBB 和URLLC 用戶的信道質(zhì)量直接決定了其性能，即數(shù)據(jù)速率、可靠性和時(shí)延。上述方法在信道條件良好時(shí)能表現(xiàn)出較好的性能。然而，當(dāng)面對(duì)復(fù)雜的無(wú)線通信環(huán)境時(shí)，它們沒(méi)有根據(jù)2 種業(yè)務(wù)的實(shí)際穿刺狀態(tài)和信道條件對(duì)終端速率進(jìn)行準(zhǔn)確推導(dǎo)；同時(shí)，它們沒(méi)有考慮提高共存的eMBB和URLLC 業(yè)務(wù)信道增益。

可重構(gòu)智能表面（RIS,reconfigurable intelligent surface）作為未來(lái)無(wú)線網(wǎng)絡(luò)中可能出現(xiàn)的一種范式，由于其在控制和配置無(wú)線傳播環(huán)境方面的能力，引起了學(xué)術(shù)界的廣泛關(guān)注。RIS 可以有效解決中繼通信的能耗高以及5G 基站的建設(shè)難度高的問(wèn)題，因此6G 中引入了對(duì)該技術(shù)的研究[12]?，F(xiàn)有研究中，RIS 與多項(xiàng)通信前沿技術(shù)進(jìn)行了融合[13]，包括與多輸入多輸出（MIMO,multiple-input multiple-output）技術(shù)、非正交多址（NOMA,non-orthogonal multiple access）技術(shù)、移動(dòng)邊緣計(jì)算（MEC,mobile edge computing）技術(shù)和無(wú)人機(jī)（UAV,unmanned aerial vehicle）技術(shù)的融合。

鑒于RIS 能夠主動(dòng)修改無(wú)線通信環(huán)境，大量研究調(diào)查了用于eMBB 和URLLC 服務(wù)類別的RIS 輔助無(wú)線網(wǎng)絡(luò)。準(zhǔn)確地說(shuō)，RIS 的部署是為了控制eMBB 和URLLC 用戶的信道條件來(lái)提高其性能。文獻(xiàn)[14-17]僅研究了單一服務(wù)類別應(yīng)用場(chǎng)景，即只有eMBB 或URLLC 服務(wù)。Wu 等[14]驗(yàn)證了RIS 輔助MIMO 系統(tǒng)可以實(shí)現(xiàn)與大規(guī)模MIMO 系統(tǒng)（無(wú)RIS 輔助）相同的速率性能，同時(shí)顯著減少有源天線和射頻鏈數(shù)量。Ranjha 等[15]以UAV 輔助的短數(shù)據(jù)URLLC 為例，指出RIS 的出現(xiàn)給UAV 部署策略的構(gòu)建提供了新思路，其憑借RIS 單元的無(wú)源波束成形功能和直接搜索法，在理論模型中確定UAV的最佳位置和區(qū)塊長(zhǎng)度，使總解碼誤碼率降低。Melgarejo 等[16]提出了一種由RIS 輔助的免授權(quán)訪問(wèn)方案，以增強(qiáng)URLLC 的可靠性。Ghanem 等[17]提出了一種次優(yōu)迭代算法，該算法使用一種新的迭代秩最小化方法聯(lián)合優(yōu)化每次迭代中的所有變量，達(dá)到簡(jiǎn)化URLLC 業(yè)務(wù)、產(chǎn)生較大性能增益的效果。AL-Mekhlafi 等[18]進(jìn)一步研究了eMBB 和URLLC服務(wù)在RIS 輔助下的蜂窩網(wǎng)絡(luò)中的共存問(wèn)題。由此可見，無(wú)線網(wǎng)絡(luò)中針對(duì)實(shí)現(xiàn)eMBB 和URLLC 服務(wù)共存的RIS 技術(shù)的相關(guān)研究較少。

基于上述分析，可重塑無(wú)線傳播環(huán)境的RIS 技術(shù)和異構(gòu)網(wǎng)絡(luò)中URLLC 與eMBB 的共存復(fù)用問(wèn)題都是未來(lái)6G 網(wǎng)絡(luò)中的重要組成部分。如何將兩者聯(lián)合進(jìn)行高效運(yùn)作以充分發(fā)揮網(wǎng)絡(luò)潛力、實(shí)現(xiàn)異構(gòu)服務(wù)共存是當(dāng)前應(yīng)該關(guān)注的重點(diǎn)。本文的主要研究?jī)?nèi)容如下。

1) 研究了在RIS 輔助的無(wú)線網(wǎng)絡(luò)中實(shí)現(xiàn)異構(gòu)網(wǎng)絡(luò)中URLLC 與eMBB 高效復(fù)用的問(wèn)題。將共存場(chǎng)景中的資源分配問(wèn)題表述為2 個(gè)優(yōu)化問(wèn)題，同時(shí)考慮了不同服務(wù)之間的性能權(quán)衡。

2) eMBB 分配問(wèn)題的解決分為兩階段。第一階段，固定功率分配和RIS 相移矩陣，確定RB 分配。第二階段聯(lián)合優(yōu)化功率分配和RIS 相移矩陣。但由于RIS 優(yōu)化所花費(fèi)的時(shí)間較長(zhǎng)，因此對(duì)RIS 相移矩陣進(jìn)行了預(yù)先優(yōu)化配置。

3) 針對(duì)URLLC 業(yè)務(wù)，提出基于預(yù)配置RIS 的啟發(fā)式URLLC 分配算法。將預(yù)配置的RIS 相移矩陣依次代入U(xiǎn)RLLC 分配問(wèn)題，獲得最佳功率和頻率分配策略，使URLLC 數(shù)據(jù)包接收率最大化。

4) 仿真結(jié)果表明，與其他分配方法相比，本文提出的基于預(yù)配值RIS 的啟發(fā)式算法實(shí)現(xiàn)了更好的URLLC 數(shù)據(jù)包接收率，同時(shí)滿足時(shí)延要求。其次，比較了四類不同RIS 配置的性能，證明了RIS 的有效性。

1 系統(tǒng)模型

1.1 RIS 輔助的無(wú)線網(wǎng)絡(luò)模型

本文基于具有單個(gè)5G 基站gNB 的下行鏈路無(wú)線網(wǎng)絡(luò)場(chǎng)景構(gòu)建系統(tǒng)模型，該gNB 服務(wù)于E個(gè)eMBB用戶和U個(gè)URLLC 用戶。同時(shí)部署了一個(gè)配備N個(gè)微小反射元件的RIS 系統(tǒng)，基站通過(guò)微控制器對(duì)RIS 的每一個(gè)單元進(jìn)行控制調(diào)節(jié)。令e∈{1,...,E}表示eMBB 服務(wù)切片，u∈{1,...,U}表示URLLC 服務(wù)切片，n∈{1,...,N}表示RIS 反射元件，b∈{1,...,B}表示網(wǎng)絡(luò)中的資源塊（RB,resource block），其中每個(gè)RB 的帶寬為W。每個(gè)時(shí)隙t∈{0,...,T-1}的持續(xù)時(shí)間為τ。

假設(shè)所有通信節(jié)點(diǎn)（包括eMBB 和URLLC 用戶以及RIS）的信道狀態(tài)信息（CSI,channel state information）在gNB 處是完全已知的。eMBB 和URLLC 共存服務(wù)的系統(tǒng)模型如圖1 所示，eMBB用戶和URLLC 用戶為接收器（Rx），基站為發(fā)射器（Tx），θn∈[0,2π)表示第n個(gè)RIS反射元件的相移，θ=[θ1,...,θN]表 示RIS相移矢量，表示RIS 的相移矩陣。RIS 輔助的端到端信道矩陣為C=GΦH+D。其中，G是RIS 和Rx 之間的信道系數(shù)矩陣，H是Tx 和RIS 之間的信道系數(shù)矩陣，D是Tx 和Rx 之間的直接信道系數(shù)矩陣。則eMBB 用戶e在RBb中的信道增益可表示為Ce=|GRIS,eΦeHgNB,RIS+DgNB,e|2，其中，Φe表示eMBB 的RIS 相移矩陣，GRIS,e表示RIS 和eMBB用戶e之間的信道系數(shù)，HgNB,RIS表示gNB 和RIS 之間的信道系數(shù)，De,gNB表示eMBB 用戶e和gNB 之間的信道系數(shù)。同理，URLLC 用戶u在RBb中的信道增益可表示為Cu=|GRIS,uΦuHgNB,RIS+DgNB,u|2。

圖1 eMBB 和URLLC 共存服務(wù)的系統(tǒng)模型

1.2 eMBB-URLLC 流量的多路復(fù)用模型

通常，為了提高頻譜效率，eMBB 傳輸允許跨越多個(gè)時(shí)域。然而，URLLC 傳輸局限于時(shí)域，但由于其時(shí)延要求，可跨越多個(gè)頻率通道[19]。本文設(shè)定URLLC 業(yè)務(wù)利用短傳輸時(shí)間間隙mini-short 進(jìn)行調(diào)度，用來(lái)調(diào)度eMBB 用戶的傳輸時(shí)間間隙（TTI,transmission time interval）則較長(zhǎng)，為 1 ms。eMBB-URLLC 流量的多路復(fù)用模型如圖2 所示。當(dāng)URLLC 業(yè)務(wù)傳入并搶占eMBB 用戶2 的第二代碼塊（CB2）和第六代碼塊（CB6）時(shí)，會(huì)降低eMBB 的服務(wù)質(zhì)量。這是eMBB 和URLLC 共存場(chǎng)景中面臨的一個(gè)嚴(yán)重問(wèn)題[20]，因此應(yīng)該引入適當(dāng)?shù)臋C(jī)制來(lái)保證正在進(jìn)行的eMBB 傳輸質(zhì)量。

圖2 eMBB-URLLC 流量的多路復(fù)用模型

2 問(wèn)題表述

2.1 eMBB 分配問(wèn)題

該問(wèn)題的目標(biāo)是在最大傳輸功率和速率比例等約束下，聯(lián)合優(yōu)化RB 分配、功率分配和RIS相移矩陣，使eMBB 用戶的遍歷總?cè)萘孔畲蠡?。本文利用正交頻分復(fù)用（OFDM,orthogonal frequency division multiplexing）技術(shù)作為基本的調(diào)制解調(diào)技術(shù)。已知eMBB 用戶e在RBb中的信道增益Ce。假設(shè)信道受到加性白高斯噪聲（AWGN,additive white Gaussian noise）的干擾，表示為σ2=N0B，其中N0是噪聲功率譜密度。RBb中eMBB 用戶e的相應(yīng)信噪比（SNR,signal to noise ratio）表示為

則eMBB 用戶e在RBb上的接收SNR 為

其中，Peb是RBb中eMBB 用戶e的下行鏈路傳輸功率。

當(dāng)使用M 元正交幅度調(diào)制（M-QAM,M-ary quadrature amplitude modulation）并且根據(jù)符號(hào)錯(cuò)誤率（SER,symbol error ratio）測(cè)量錯(cuò)誤概率時(shí)，每個(gè)符號(hào)G的比特?cái)?shù)[21]可以表示為

因此，在某個(gè)時(shí)隙，eMBB 用戶e在RBb上的數(shù)據(jù)速率可以近似為

結(jié)合式(1)～式(4)，eMBB 用戶e在所有分配的RBb上的數(shù)據(jù)速率表示為

其中，二元變量xeb是某時(shí)隙中eMBB 用戶e的RB分配指示符，即

因此，某個(gè)時(shí)隙內(nèi)所有eMBB 用戶的gNB 遍歷容量為

其中，期望E(·)覆蓋所有衰落信道。

綜上，eMBB 資源分配問(wèn)題可表示為

2.2 URLLC 分配問(wèn)題

該問(wèn)題的目標(biāo)是在保證eMBB 用戶的QoS 和URLLC 數(shù)據(jù)包的速率要求的同時(shí)，最大化URLLC數(shù)據(jù)包的接收率，以及最小化eMBB 速率損失。

設(shè)Lm為mini-slotm處的URLLC 的數(shù)據(jù)包數(shù)量，為eMBB 用戶e在mini-slotm處所屏蔽并分配給URLLC 數(shù)據(jù)包l的RB 數(shù)量。

不失一般性，假設(shè)所有傳入的URLLC 數(shù)據(jù)包具有相同的大小，用i表示。URLLC 的速率閾值。在這種情況下，URLLC 業(yè)務(wù)的可靠性可表述為到達(dá)mini-slotm的URLLC 數(shù)據(jù)包l必須全部成功地傳輸給相關(guān)URLLC 用戶。URLLC 的QoS約束的表達(dá)式為

此外，應(yīng)確保在每個(gè)mini-slot 處，接入U(xiǎn)RLLC數(shù)據(jù)包的同時(shí)不會(huì)降低eMBB 的QoS。eMBB 用戶e的瞬時(shí)可實(shí)現(xiàn)速率為

eMBB 的QoS 可由最小數(shù)據(jù)速率rth表示[18]，需保證由于屏蔽eMBB RB 和設(shè)計(jì)RIS 相移矩陣而導(dǎo)致的eMBB 損耗不會(huì)違背eMBB 速率要求rth，表達(dá)式為

在mini-slotm處接收的URLLC 數(shù)據(jù)包數(shù)量可表示為

基于以上分析，URLLC 分配問(wèn)題包括優(yōu)化功率和頻率資源分配，以及RIS 相移矩陣Φm。URLLC分配問(wèn)題在mini-slotm處表示如下

其中，表示在mini-slotm處URLLC 數(shù)據(jù)包l的傳輸功率，且表示URLLC的最大傳輸功率。約束式(13a)、約束式(13b)分別表示URLLC 和eMBB 的QoS 要求。約束式(13c)表示傳輸功率不超過(guò)最大傳輸功率。約束式(13d)表示分配的eMBB 和URLLC 功率不應(yīng)超過(guò)基站總功率。約束式(13e)表示URLLC 數(shù)據(jù)包的接收指示符。約束式(13f)表示若接收URLLC 數(shù)據(jù)包l，即=1時(shí)，分配給URLLC 數(shù)據(jù)包l的RB 數(shù)量必須大于0，即＞0。

3 問(wèn)題轉(zhuǎn)換與解決方法

3.1 eMBB 分配算法

由于P1 中總共有3 種優(yōu)化變量，即P、Φ和xeb，無(wú)法直接找到全局最優(yōu)解，因此本文提出一種兩階段的交替迭代eMBB 分配算法。首先，固定功率分配變量和RIS 相移矩陣，并在第一階段確定RB 分配。然后，在第二階段聯(lián)合優(yōu)化功率分配和RIS 相移矩陣。

3.1.1 第一階段：RB 分配

對(duì)于任何給定的功率分配P和RIS 相移矩陣Φ，本文提出一種基于貪婪算法的RB 分配算法，完成RB 的最佳分配。該算法解決了在資源數(shù)量相對(duì)較低的情況下無(wú)法正常完成資源分配的問(wèn)題。假設(shè)所有eMBB 用戶具有相同的發(fā)射功率，并且滿足約束式(7a)。每個(gè)eMBB 用戶根據(jù)信道條件及其比例選擇并確定RB 分配。在每輪次的RB 分配中，比例容量最小的eMBB 用戶擁有優(yōu)先權(quán)。

算法1基于貪婪算法的 RB 分配算法

步驟1確定最初分配給用戶的RB 數(shù)量

步驟3根據(jù)所有用戶的有效信道SNR，從好到差分配剩余的RB，每個(gè)用戶最多可以得到一個(gè)未分配的RB

3.1.2 第二階段：聯(lián)合優(yōu)化功率分配和RIS 相移矩陣

在RB 分配之后，P1 簡(jiǎn)化為變量Peb的最大化和RIS 相移矩陣優(yōu)化，即

由于P1.1 的目標(biāo)函數(shù)及其約束條件是非凸的，引入松弛變量S來(lái)處理非凸性，并且滿足

因此，P1.1 可以等價(jià)轉(zhuǎn)化為

由于變量Peb和Φ相互耦合，非凸問(wèn)題P1.2 仍然無(wú)法求解。為了使該問(wèn)題易于處理，將其分解為以下2 個(gè)子問(wèn)題。

P1.2.1 是一個(gè)凸優(yōu)化問(wèn)題，可以通過(guò)凸優(yōu)化求解工具（如CVX[22]）有效獲得最優(yōu)解。

3.1.3 基于交替迭代的eMBB 分配算法

算法2基于交替迭代的eMBB 分配算法

3.2 RIS 相移矩陣的優(yōu)化

借助RIS 可以控制eMBB 和URLLC 用戶的信道條件從而提高其性能。為滿足每個(gè)mini-slot 處現(xiàn)有的eMBB 和即將到來(lái)的URLLC 業(yè)務(wù)要求，本文提出了3 種不同的標(biāo)準(zhǔn)對(duì)相移矩陣進(jìn)行優(yōu)化。然而，RIS 相移矩陣設(shè)計(jì)可能會(huì)增加時(shí)延。為解決這一問(wèn)題，本文對(duì)RIS 相移矩陣進(jìn)行預(yù)配置。同時(shí)，為了不產(chǎn)生額外的時(shí)延影響，三類相移矩陣的優(yōu)化設(shè)計(jì)是并行執(zhí)行的。

此時(shí)，P1.2.4是一個(gè)凸優(yōu)化問(wèn)題，可以使用CVX有效求解。

此時(shí)，P3.1 是一個(gè)非凸二次約束二次規(guī)劃（QCQP,quadratic constrained quadratic programming）問(wèn)題，可以將其轉(zhuǎn)化為齊次QCQP。具體來(lái)說(shuō)，通過(guò)引入輔助變量δ，P3.1 等價(jià)為

顯然，P3.3 是一個(gè)半定規(guī)劃（SDP,semi-definite programming）問(wèn)題，同樣使用CVX 有效求解。通常，求解P3.3 所獲得的最優(yōu)不滿足秩-1 約束，可應(yīng)用高斯隨機(jī)化技術(shù)獲得秩-1 解[14]。

3.2.3 聯(lián)合eMBB 和URLLC 的RIS 相移矩陣

其中，約束式(25a)表示當(dāng)x∈E，即x為eMBB 業(yè)務(wù)時(shí)的信道增益；約束式(25b) 表示當(dāng)x∈ {E+1,…,E+U}，即x為URLLC 業(yè)務(wù)時(shí)的信道增益。P4 的求解與P3 類似。

3.3 URLLC 分配問(wèn)題方案

在每個(gè)mini-slot 開始時(shí)，便開始獲取上述的三類預(yù)配置RIS 相移矩陣，并將它們傳送并存儲(chǔ)至RIS控制器。當(dāng)RIS 相移矩陣Φm為預(yù)配置的RIS 相移矩陣之一時(shí)，即，代入式(13)求解P2。換句話說(shuō)，當(dāng)RIS 相移矩陣確定后，原問(wèn)題變成解決URLLC 業(yè)務(wù)的最佳頻率和功率分配問(wèn)題，即

其中，約束式(26b)保證屏蔽eMBB 資源的數(shù)量等于分配給URLLC 流量的資源數(shù)量。

根據(jù)約束式(13b)可得，在mini-slotm處，eMBB用戶e分配給URLLC 數(shù)據(jù)包的最大可用RB 數(shù)量為

確定URLLC 數(shù)據(jù)包l的RB 分配數(shù)量后，其最優(yōu)功率分配表達(dá)式為

鑒于URLLC 業(yè)務(wù)有嚴(yán)格的時(shí)延要求，低復(fù)雜度的分配算法對(duì)于傳入的URLLC 數(shù)據(jù)包至關(guān)重要，而普通迭代方法通常需要較長(zhǎng)的計(jì)算時(shí)間，本文提出低復(fù)雜度的啟發(fā)式算法。

首先，為提高URLLC 數(shù)據(jù)包接納率，本文考慮優(yōu)先分配具有較好信道條件的URLLC。已知Cub表示URLLC 用戶u的信道增益，則其降序排序可表示為。同理，表示eMBB 用戶根據(jù)其URLLC 負(fù)載分配權(quán)重的升序排序。其次，考慮到約束式(26b)，該算法通過(guò)迭代有序的eMBB 用戶將資源分配給 URLLC用戶u。迭代過(guò)程中保證給定的eMBB 用戶上URLLC 數(shù)據(jù)包的累積數(shù)據(jù)速率低于速率閾值。最后，若滿足eMBB 的QoS，對(duì)所有URLLC 數(shù)據(jù)包重復(fù)上述步驟；否則，URLLC 數(shù)據(jù)包將被丟棄。算法3 給出了基于預(yù)配置RIS 的啟發(fā)式分配算法的詳細(xì)步驟。該算法的時(shí)間復(fù)雜度與URLLC 數(shù)據(jù)包Lm的個(gè)數(shù)有關(guān)，且最壞情況下的時(shí)間復(fù)雜度為O(LmE)。

算法3基于預(yù)配置RIS 的啟發(fā)式URLLC 分配算法

4 仿真結(jié)果與分析

4.1 仿真實(shí)驗(yàn)

本節(jié)使用MATLAB 軟件評(píng)估所提系統(tǒng)模型和網(wǎng)絡(luò)切片資源分配算法的有效性。本文考慮一個(gè)RIS 輔助的無(wú)線網(wǎng)絡(luò)，其中一個(gè)gNB 部署在覆蓋區(qū)域的中心；同時(shí)，考慮了所有通信鏈路的大規(guī)模衰落和小規(guī)模衰落。直聯(lián)鏈路和級(jí)聯(lián)鏈路的大規(guī)模衰落分別建模為其中，dgNB,e/u、dgNB,RIS和dRIS,e/u分別表示gNB-用戶、gNB-RIS 和RIS-用戶鏈路的距離。?0=3.5、?1=2.2和?2=2.8分別是gNB-用戶、gNB-RIS 和RIS-用戶鏈路的路徑損耗指數(shù)。此外，α0=-3 0 dB 和α1=-4 0 dB 分別是直聯(lián)鏈路和級(jí)聯(lián)鏈路在參考距離處的路徑損耗。另一方面，所有信道的小尺度衰落建模為。其中，κ是Rician因子，fLoS是視線分量，fNLoS是非線性視線分量，遵循瑞利分布，尺度參數(shù)等于1。eMBB 用戶在覆蓋區(qū)域內(nèi)隨機(jī)分布，URLLC 流量模型被建模為滿足參數(shù)λ的Poisson 分布。其他相關(guān)仿真參數(shù)設(shè)置如表1所示。

表1 參數(shù)設(shè)置

4.2 URLLC 分配策略的性能評(píng)估

本文將基于RIS 預(yù)配置的啟發(fā)式URLLC 分配算法與以下兩類算法進(jìn)行仿真對(duì)比。

比例公平（PF,proportional fair）調(diào)度算法。該算法的基本思想是在選擇用戶時(shí)考慮瞬時(shí)速率和長(zhǎng)期平均速率的比值，同時(shí)利用權(quán)重值對(duì)不同用戶進(jìn)行調(diào)整，達(dá)到兼顧系統(tǒng)性能和用戶體驗(yàn)的目的。

聯(lián)合資源分配的迭代算法[4]。計(jì)算URLLC 用戶的傳輸功率以確?？煽啃约s束，并以迭代的方式完成URLLC 用戶的資源分配。

改變URLLC 用戶個(gè)數(shù)，即URLLC 業(yè)務(wù)負(fù)載，比較不同算法下的URLLC 數(shù)據(jù)包接收率，如圖3所示。隨著URLLC 業(yè)務(wù)負(fù)載的增加，URLLC 數(shù)據(jù)包接收率明顯降低。這是因?yàn)殡S著到達(dá)的URLLC 數(shù)據(jù)包越來(lái)越多，屏蔽所得的可用資源不足以接納所有 URLLC 數(shù)據(jù)包。因此，為保證eMBB 的QoS，一些URLLC 數(shù)據(jù)包被拒絕，導(dǎo)致算法性能衰減。當(dāng)URLLC 用戶數(shù)量較少時(shí)（少于20 個(gè)），本文所提啟發(fā)式算法和文獻(xiàn)[4]算法得到的 URLLC 數(shù)據(jù)包接收率相當(dāng)，差距僅為0.12%。但隨著URLLC 數(shù)量的增加（多于20 個(gè)），本文所提算法較其他2 個(gè)算法的優(yōu)越性突出。當(dāng)URLLC 用戶個(gè)數(shù)為180 時(shí)，對(duì)比其他2 個(gè)算法，本文算法的URLLC 數(shù)據(jù)包接收率提高了2.18%和1.3%。這是因?yàn)镻F 調(diào)度算法通過(guò)對(duì)低數(shù)據(jù)率的eMBB 用戶進(jìn)行穿刺，可用于穿刺的eMBB 資源變得有限，導(dǎo)致其無(wú)法適應(yīng)高負(fù)載的URLLC。文獻(xiàn)[4]算法使用的是一般迭代方式，隨著迭代次數(shù)的增加性能會(huì)明顯下降。而本文算法是基于直觀或經(jīng)驗(yàn)構(gòu)造的算法，其特點(diǎn)是在可接受的計(jì)算時(shí)間內(nèi)給出待解決組合優(yōu)化問(wèn)題每一個(gè)實(shí)例的一個(gè)可行解。更重要的是，本文算法還結(jié)合了RIS技術(shù)，可以控制eMBB 和URLLC 用戶的信道條件從而提高其性能。

圖3 不同URLLC 分配策略下的數(shù)據(jù)包接收率

不同URLLC 分配策略的時(shí)間復(fù)雜度如圖4 所示。本文算法進(jìn)行目標(biāo)優(yōu)化能夠在一個(gè)mini-slot 內(nèi)完成分配任務(wù)，而PF 調(diào)度算法和文獻(xiàn)[4]算法的時(shí)間隨著URLLC 個(gè)數(shù)增加而明顯上升，這極有可能不滿足URLLC 時(shí)延要求。結(jié)合圖3 和圖4 可知，PF 調(diào)度算法的URLLC 數(shù)據(jù)包接收率和時(shí)間復(fù)雜度都顯遜色，而文獻(xiàn)[4]所提算法隨著URLLC 負(fù)載的增加，性能明顯降低，時(shí)延明顯增加。本文算法所花費(fèi)的時(shí)間更少，具有更低的時(shí)間復(fù)雜度，更符合eMBB 與URLLC 共存場(chǎng)景應(yīng)用。

圖4 不同URLLC 分配策略的時(shí)間復(fù)雜度

4.3 RIS 配置的影響

圖5～圖7 描述了在5 種不同RIS 相移矩陣配置下的URLLC 數(shù)據(jù)包接收率、eMBB 速率的總損失率和eMBB 速率總和隨RIS 反射元件數(shù)量的變化曲線。結(jié)果表明，本文方案在URLLC 數(shù)據(jù)包接收率和eMBB 速率總和方面都優(yōu)于無(wú)RIS 方案。如圖5 所示，當(dāng)N=80 個(gè)時(shí)，與未部署RIS 時(shí)95.95%的URLLC 數(shù)據(jù)包接收率相比，方案1～方案4 的URLLC 數(shù)據(jù)包接收率分別達(dá)到96.89%、99.79%、99.80%和99.99%。

圖5 不同RIS 相移矩陣的URLLC 數(shù)據(jù)包接收率

圖6 不同RIS 相移矩陣的eMBB 速率的總損失率

圖7 不同RIS 相移矩陣的eMBB 速率總和

如圖6 所示，方案4 的eMBB 速率的總損失率保持在6%以下。而其他方案中，當(dāng)N>40 個(gè)時(shí)，eMBB 速率的總損失率都接近甚至超過(guò)10%，尤其是未部署RIS 的情況下eMBB 速率的總損失率接近16%。同樣，在圖7 中，當(dāng)N=80 個(gè)時(shí)，對(duì)比無(wú)RIS方案，方案1～方案4 在eMBB 速率總和上分別提高了約40.3%、34.46%、52.18%和86.24%。

綜合來(lái)說(shuō)，RIS 的輔助有效提高了相關(guān)性能。這是因?yàn)镽IS 的輔助使gNB 能夠根據(jù)URLLC 流量及其信道條件，從中選擇相移矩陣來(lái)配置RIS，從而很好地權(quán)衡URLLC 數(shù)據(jù)包接收率最大化和eMBB 速率損失最小化。

另一方面，結(jié)合圖5～圖7 可以觀察到方案1 和方案2 在URLLC 數(shù)據(jù)包接收率和eMBB 速率總和之間的權(quán)衡。通過(guò)增強(qiáng)URLLC 的信道條件，方案2 賦予URLLC比eMBB更高的優(yōu)先級(jí)，這意味著URLLC數(shù)據(jù)包接收率更好，eMBB 速率損失更多。相反，方案1 通過(guò)使用為提高eMBB 速率而優(yōu)化的eMBB 相移矩陣，賦予eMBB 比URLLC 更高的優(yōu)先級(jí)。這導(dǎo)致了更高的eMBB速率總和和更低的URLLC數(shù)據(jù)包接收率。相比之下，方案3 和方案4 在這兩方面做到了更好的平衡，方案4 的優(yōu)越性更突出。

5 結(jié)束語(yǔ)

本文旨在結(jié)合RIS 技術(shù)解決異構(gòu)網(wǎng)絡(luò)中eMBB和URLLC 業(yè)務(wù)共存情景下的資源分配問(wèn)題。該問(wèn)題具體描述為eMBB 分配問(wèn)題和URLLC 分配問(wèn)題2 個(gè)優(yōu)化問(wèn)題，為了克服這些問(wèn)題的非凸性，分別提出了基于交替迭代的兩階段eMBB分配算法和基于預(yù)配置RIS相移矩陣的啟發(fā)式URLLC分配算法。仿真結(jié)果表明，與其他調(diào)度方法相比，在URLLC數(shù)據(jù)包接收率達(dá)到95.5%左右時(shí)，本文算法的時(shí)間復(fù)雜度更低，并且URLLC 負(fù)載越大，其優(yōu)越性越突出。同時(shí)，隨著網(wǎng)絡(luò)規(guī)模的擴(kuò)大，與未部署RIS方案相比，所提RIS 方案能很好地實(shí)現(xiàn)URLLC 接收率最大化和eMBB 速率損失最小化之間的權(quán)衡。未來(lái)可嘗試將該算法應(yīng)用于異構(gòu)車輛網(wǎng)絡(luò)的資源分配問(wèn)題、電力資源規(guī)劃分配問(wèn)題等。