具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

S1：建立基站、IRS、物联网设备以及过程节点的系统模型；

S2：联合优化IRS反射相位、物联网设备的传输时隙、FDMA带宽分配获得系统吞吐量最大化的优化问题。

S3：对于目标函数里的多个耦合变量，利用拉格朗日对偶法和KKT条件推导出传输时隙和FDMA带宽分布的最优闭式解。然后，采用AO算法交替设计无线能量传输和无线信息传输阶段的IRS相位，并利用EBCD和CCM算法迭代推导出IRS相位的最优闭式解。最后，联合求出系统最大吞吐量的最优解。

具体地，步骤S1包括：

本实施例所述的方法应用于如图2所示的IRS辅助的无线供电物联网网络系统模型，所述的系统参数包括：配备单天线的基站，单天线的过程节点，K＝6个单天线的IoT设备以及配备N＝50个反射单元的IRS。基站的发射功率为30dBm，过程节点出的噪声σ²＝-100dBm，能量采集效率η＝0.8，总传输时间T＝1秒，总带宽B＝1。路径损耗∈_PS2IRS＝∈_IRS2AP＝2，∈_IRS2D＝2.5和∈_PS2D＝∈_D2AP＝3.5。

具体地，步骤S2包括：

图3是本发明实施例提供的传输策略，我们采用先收集后发送的协议，并将T设为整个时间段，其中包括下行WET相位的时间τ₀和上行WIT相位的时间τ₁，保证和在上行WIT阶段，假设采用FDMA协议，总带宽设置为B，每个设备分配带宽b_k∈[0,B],满足在τ₀阶段为无线能量传输阶段，基站向IRS和IoT设备提供无线能量传输服务，对IRS将收集到的能量信号将反射到IoT设备中去。

在下行链路的WET阶段，在D_k收获的能量为：

E_k＝ητ₀P₀|g_d,k+g₀Θ₀g_r,k|² (8)

其中η和P₀分别表示在发电站(PS)处的能量转换效率和发射功率。上行无线信息传输阶段(WIT)阶段采用FDMA协议，其中D_k在接入点(AP)的个人吞吐量为：

其中t_0,k＝|g_d,k+g₀Θ₀g_r,k|²，t_1,k＝|h_d,k+h_kΘ₁h_r|²，以及σ²是噪声功率谱密度。

联合优化智能反射面反射相位、物联网设备在无线能量传输和无线信息传输的传输时隙以及FDMA带宽分配，构建系统最大吞吐量的优化问题：

在问题(10)中，(10a)为智能反射面的反射相位约束，(10b)为设备传输时隙约束、(10c)为FDMA带宽分配约束。

具体地，步骤S3包括：

首先对建立的问题，首先考虑拉格朗日对偶方法，并采用KKT条件推导出传输时间调度和FDMA带宽分配的最优闭式解。通过对问题(10)的观察，将目标函数(10)经过相移项操作后的优化等效于对下列部分的优化：

其中θ＝{θ₀,θ₁}，为求解(11)，我们首先考虑其拉格朗日对偶函数，得到：

其中λ,μ≥0分别表示(10b)和(10c)中约束相关的拉格朗日对偶乘数。

因此，其对偶问题可表示为：

其中为和的可行集。可以很容易地证明(11)可以被改写成一个满足Slater’s条件的凸问题。因为和b_k＞0。对于任意i和k，有和因此，问题(11)与其对偶问题(13)之间存在强对偶性，以保证(11)的最优解满足以下KKT条件：

对于(14a)和(14b)，有λ＞0和μ>0来保证等式在约束(10b)和(10c)中存在，即和从(14c)，我们计算(14a)对b_k的一阶导数，并使其为零，即得到：

从(15)开始，函数是关于x单调递增的。为了满足(15)中的K方程，设

接着，定义因此

因为得到：

将ρ的表达式代入b_k的表达式，得到D_k处带宽分配的最优解为：

把(19)代入问题(11)我们得到：

s.t.(11b),τ₀∈[0,T] (20b)

由于目标函数(20a)和单位模约束(11b)，(20)仍然是非凸的。为了解决问题(20)，首先推导出给定相移θ的传输时隙τ₀的最优解。然后，提出了一种交替设计最优相移θ的AO算法，每个相移θ都可以通过EBCD和CCM算法得到。

在问题(20)中，给定相移θ的条件下，求解τ₀，可将问题(20)重写为：

其中，

计算(21)中目标函数的一阶导数，并使其为零，即得到：

其中，然后，利用的关系，将其与问题(22)相结合，得到传输时隙τ₀的最优解为：

求解问题(10)中相移θ，以θ表示的(20a)的最大值等价于下列问题的最大值:

由于耦合相移可知问题(24)部署一个联合凸问题，则采用AO算法交替求解问题(24)。首先给定θ₁优化θ₀，然后对给定θ₀进行优化设计。将问题(24)重写为：

为了解决问题(18)，我们提出了EBCD和CCM算法，迭代推导θ₀的闭式最优解。将问题(18)展开为：

其中以及定义去掉常数项问题(25)可等价为：

s.t.(25b).(27b)

1)提出EBCD算法求解(27)，通过给定迭代优化将目标函数展开为：

s.t.|θ₀(l)|＝1 (28b)

其中θ₀(n)，γ₀(n)和Φ₀(n,m)分别表示θ₀，γ₀的第n项，Φ₀的(n,m)项。由于Φ₀的埃尔米特性质，Φ₀(n,m)＝conj(Φ₀(m,n))。因为|θ₀(l)|²＝1，问题(28)可简化为：

对于问题(29)，|θ₀(l)*|的最优解为：

2)CCM算法：利用CCM算法求解(28)，得到WET阶段的最优相位。主要思想是在流形空间上推导梯度下降算法。为了应用这种方法，首先将问题(29)重新表述为：

其中κ＞0是控制CCM算法收敛的常数。因问题(25)等价于问题(31)。

CCM算法迭代求解问题(31)，每一次迭代包括以下步骤：

(1)求搜索方向：设第i次迭代时(31)的目标函数为首先设定问题(31)的搜索方向，该方向与的欧几里德空间梯度相反，即:

(2)搜索方向在切线空间上的投影：在流形空间上进行优化步长，求出当前点处的黎曼梯度，该点位于切线空间将欧几里得空间中的搜索方向ι^(m)投影到上，将的黎曼梯度投影到上，将在处的黎曼梯度投影为：

(3)在切线空间进行下降更新：更新切空间上的表示为：

其中ζ是步长。

(4)缩回操作：因为不在S^N中，通过缩回操作将映射到流形S^N中。采用缩回运算将的每个元素归一化为：

由上述技术方案可知，本发明提供一种智能反射面辅助的FDMA通信系统的资源分配的方法，通过联合优化智能反射面反射相位、物联网设备在无线能量传输和无线信息传输的传输时隙以及FDMA带宽分配推导出计算系统最大吞吐量的方法。

本实施的系统配置参数如下表：

图4描述了系统总吞吐量与基站发射功率P₀的关系。当基站发射功率增大时，各方案的吞吐量均增大，其中配备IRS的方案相较于没有IRS的方案以及IRS处于随机相移状态的IRS效果要更好。同时，提出的EBCD算法和CCM算法达到了相同的性能，验证了提出的方案。还重点研究了FDMA带宽分配和传输时隙的优化设计，以提高与基准方案相比的总吞吐量性能。

图5描述了系统总吞吐量与IRS反射单元个数(N)的关系。当IRS反射单元数目增加时，将有更强的反射信号，以加强能量和信息反射，会使系统的总吞吐量也随之增加，相较于其他方案有较大的增益提高。

图6描述了系统吞吐量与IRS的x坐标的关系。X_IRS在[-10,10]的范围内变化，总吞吐量随着X_IRS的变化，呈先增加后下降的趋势。配备IRS的方案优于其他方案。需对IRS进行优化部署以实现最大吞吐量。

图7描述了系统总吞吐量和IRS-IoT设备路径损耗的关系。总吞吐量随着路径损耗指数增加而下降。这是由于大规模衰退将导致较弱的能源接收，从而减少来自IRS的增益。

图8描述了IRS的离散相位分辨率和总和吞吐量的关系。EBCD和CCM连续相位的值是其离散对应的总和吞吐量的上限，随着IRS的离散相位分辨率(B₀)从1位增加到9位，EBCD和CCM算法的连续相移和离散相移之间的差距逐渐减小。

在实施例中，所述的模型建立具体包括：

模型建立模块，用于建立基于IRS辅助的无线供电物联网网络系统模型；包括一个单天线基站，一个单天线过程节点，配备N个反射单元的IRS以及K个用户。

本实例中，所述的方程构造模块具体包括：

方程构造模块，通过联合优化智能反射面反射相位、物联网设备在无线能量传输和无线信息传输的传输时隙以及FDMA带宽分配，构建系统最大吞吐量的优化问题；

在问题(36)中，(36a)为智能反射面的反射相位约束，(36b)为设备传输时隙约束、(36c)为FDMA带宽分配约束。

本实例中，所述的迭代求解模块具体包括：

迭代求解模块，用于对于目标函数里的多个耦合变量，利用拉格朗日乘子法和KKT条件，通过交替优化算法推导出计算系统最大吞吐量的最优闭式解。