买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华南理工大学申请的专利RIS辅助毫米波NOMA系统的RIS划分与资源优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119628689B 。

龙图腾网通过国家知识产权局官网在2025-10-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411670120.2，技术领域涉及：H04B7/04；该发明授权RIS辅助毫米波NOMA系统的RIS划分与资源优化方法是由魏统艺;唐锟;冯文杰;修鑫;车文荃;薛泉设计研发完成，并于2024-11-21向国家知识产权局提交的专利申请。

本RIS辅助毫米波NOMA系统的RIS划分与资源优化方法在说明书摘要公布了：本发明公开了一种RIS辅助毫米波NOMA系统的RIS划分与资源优化方法，包括：构建下行的毫米波NOMA多用户系统模型；其中系统模型包括基站、RIS和K个终端设备，K个终端设备划分为I个簇；根据系统模型构建RIS模型、信道模型和传输模型；根据构建的模型确定优化问题；基于优化问题，对终端设备分组、RIS划分、主动波束赋形、被动波束赋形和功率分配进行联合优化，以使下行传输中终端设备总的可实现速率最大化。本发明克服了毫米波通信传输距离受限和信号遮挡的问题，同时满足大规模连接需求并提升系统性能，可广泛应用于无线通信技术领域。

本发明授权RIS辅助毫米波NOMA系统的RIS划分与资源优化方法在权利要求书中公布了：1.一种RIS辅助毫米波NOMA系统的RIS划分与资源优化方法，其特征在于，包括以下步骤： 构建下行的毫米波NOMA多用户系统模型；其中系统模型包括基站、RIS和K个终端设备，K个终端设备划分为I个簇； 根据系统模型构建RIS模型、信道模型和传输模型； 根据构建的模型确定优化问题； 基于优化问题，对终端设备分组、RIS划分、主动波束赋形、被动波束赋形和功率分配进行联合优化，以使下行传输中终端设备总的可实现速率最大化； 所述基站配备N个均匀线性阵列天线，所述RIS由M个均匀平面阵列反射单元构成； 假设基站最多形成I′个毫米波波束赋形向量； 将由单个波束矢量服务的一组终端设备定义为一个用户簇，且假设用户簇数不超过基站所能形成的最大波束数，即I≤I′； 采用表示第i个簇的用户集合，Θ＝diagφ1,φ2,L,φM表示RIS的相移矩阵，其中βm和θm分别表示反射单元的幅度和相位； 所述RIS模型的构建方式如下： 将RIS的M个反射单元分为I组，由多个反射单元组成的表面称为一个子RIS，记为对于RIS的分组，核心问题是确定每个子RIS中的反射单元个数，即其中|g|表示集合中元素的个数； 定义{Γi|i＝1,2,LI}为分组集合，其中为分组矩阵，每个分组矩阵均为对角矩阵；当RIS中的第m个元素属于第i个子RIS时，有Γim,m＝1，反之Γim,m＝0；此外，为了便于配置，假设同一个子RIS内的反射系数相同，则分组后的相移矩阵表示为Θ′＝diagφ1,φ2,L,φI；最终相移矩阵Θ可重新表示为： 因此，RIS划分问题最终转化为求解分组集合{Γi|i＝1,2,LI}； 所述信道模型的构建方式如下： 利用三维Saleh-Valenzuela信道模型建模信道信息； 令M＝Mx×Mz，其中Mx和Mz分别为RIS在水平和垂直方向上的反射单元个数，基站到第i个子RIS的信道建模为： 其中为基站到第i个子RIS的散射路径数，和分别表示在第l条散射路径上在方位角和仰角，表示在第l条散射路径上的出发角，为复信道增益，和分别为在RIS和基站处的第l条散射路径上的阵列响应向量，分别表示为： 其中d为两个元素之间的间距，λ为载波波长，T表示转置；用Ui,k表示第i个簇中的第k个终端设备，则第i个子RIS与Ui,k之间的信道建模为： 其中，l＝0表示视距路径，l0表示非视距路径；因此，从基站出发经过RIS反射到达终端设备Ui,k的级联信道为： 其中，H表示共轭转置； 所述传输模型的构建方式如下： 基站发送的信号表示为： 其中wi和si分别为第i个用户簇的波束赋形矢量和叠加信号；xi,k表示发送给Ui,k的信息符号，且满足pi,k为终端设备Ui,k的发送功率； 在接收端，终端设备Ui,k的接收信号可表示为： 其中ni,k表示终端设备Ui,k接收到的加性白高斯噪声； 在接收端，利用下行NOMA方案进行解码，即按照用户有效信道增益的升序来确定解码 顺序；假设用户按照有效信道增益的降序排列进行索引，即||gi,kwi||2≥||gi,k+1wi||2；按照考虑的信道顺序，逐次干扰消除之后用户Ui,k的接收信号与干扰加噪声比为： 因此，终端设备Ui,k获得的速率为： Ri,k＝log21+γi,k 最后，所提出系统的总可实现速率为： 所述根据构建的模型确定优化问题，包括： 通过联合优化终端设备分组、RIS划分、主动波束赋形、被动波束赋形和功率分配，在满足用户服务质量需求和基站最大发射功率约束的前提下，最大化所考虑系统的总可实现速率，优化问题的数学表达式为P1： C4:|θi|＝1，1≤i≤I, 在优化问题P1中，约束C1为每个终端设备的最小速率约束；约束C2保证每个终端设备的功率分配为非负值；约束C3是总发射功率约束；约束C4为相移向量的恒模约束；约束C5表示所有用户簇内的终端设备总和应等于总的用户数，即每个终端设备仅被指定为一个簇；约束C6表示所有RIS组中的反射单元总和应等于总的反射单元数，即每个反射单元仅被指定为一个RIS组； 所述对终端设备分组、RIS划分、主动波束赋形、被动波束赋形和功率分配进行联合优化，包括： 在阶段一，提出一种结合K-means算法和高斯混合模型的终端设备分组方法对多个终端设备进行分簇，以减少终端设备之间的干扰； 在阶段二，通过基于深度学习的自适应RIS划分模型，对RIS进行自适应虚拟划分； 在阶段三，利用基于马尔科夫决策的深度强化学习算法联合优化主动波束成形、被动波束成形和功率分配，来最大化系统的总可实现速率。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华南理工大学，其通讯地址为：510641 广东省广州市天河区五山路381号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。