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！

龙图腾网获悉西安电子科技大学申请的专利智能反射面辅助的密集无线网络碳效率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：CN116249123B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202310244523.X，技术领域涉及：H04W16/18；该发明授权智能反射面辅助的密集无线网络碳效率优化方法是由刘俊宇;常乔伟;盛敏;李建东;史琰设计研发完成，并于2023-03-14向国家知识产权局提交的专利申请。

本智能反射面辅助的密集无线网络碳效率优化方法在说明书摘要公布了：本发明公开了智能反射面辅助的密集无线网络碳效率优化方法，涉及无线通讯技术领域，包括建立智能反射面辅助干扰消除的密集无线网络系统模型，系统模型包括能量消耗侧的网络模型和能量供给侧的能量供给模型；用户接收来自基站的干扰集合和来自智能反射面辅助干扰消除的待消除干扰集合对能量消耗侧的基站部署密度和智能反射面的反射单元配比进行优化设计；能量供给侧的能量供给模型，计算能量供给侧中绿能供给因子和绿能覆盖概率；以最大化网络碳效率为目标，对能量供给侧绿能供给因子和能量消耗侧智能反射面与基站部署密度比进行联合优化设计。本发明实现了密集无线网络干扰的高效管控，最大化密集无线网络的网络碳效率。

本发明授权智能反射面辅助的密集无线网络碳效率优化方法在权利要求书中公布了：1.智能反射面辅助的密集无线网络碳效率优化方法，其特征在于，包括以下步骤： 建立智能反射面辅助干扰消除的密集无线网络系统模型，系统模型包括能量消耗侧的网络模型和能量供给侧的能量供给模型； 能量消耗侧的网络模型包括基站、智能反射面和用户，用户接收来自基站的干扰集合和来自智能反射面辅助干扰消除的待消除干扰集合具体包括以下步骤： 步骤11，考虑存在智能反射面辅助的下行链路，用户接收到的信号是来自基站-智能反射面和基站-智能反射面-用户两路信号的叠加，来自基站-智能反射面-用户一路的级联信道为： 其中，表示第i个基站到第j个智能反射面的信道，表示第j个智能反射面到第u个用户的信道，hi∈C表示第i个基站到第u个用户的信道； 步骤12，根据步骤11的级联信道，用户的全向天线接收到的干扰为两个集合，分别为来自基站的干扰集合和来自智能反射面辅助干扰消除的待消除干扰集合具体公式为： 其中，d、t、r分别表示基站到用户的链路长度、基站到智能反射面的链路长度、智能反射面到用户的链路长度，N表示智能反射面的反射单元数，aq表示原始信号相位与反射波束信号相位反相后的智能反射面相位反射系数，表示四个瑞利随机变量的乘积，r0表示第0个IRS智能反射面与用户的链路长度，hZ表示伽马随机变量，记作hZ～ΓkZ,θZ，其形状参数和尺度参数分别为： 上式中，α表示路径损耗，K表示干扰基站的数目； 对能量消耗侧的网络空间吞吐量进行计算，具体包括以下步骤： 步骤21，计算用户的信干噪比，公式为： 其中，表示智能反射面散射干扰，在干扰受限的网络中分析时可以忽略，d0表示第0个基站与用户的链路长度、h0表示第0个基站到用户的信道； 步骤22，根据步骤21的信干噪比，得到来自干扰基站的聚合干扰和来自智能反射面辅助干扰消除的待消除干扰集合的拉普拉斯变换，分别如下： 其中，kZ为伽马形状参数，θZ为伽马尺度参数，故r0，0表示第0个IRS智能反射面与第0个用户的链路长度，s表示拉普拉斯变换中的参数； 步骤23，基于用户与基站采用的最近关联原则，用户覆盖概率为用户处于基站覆盖区域内且成功完成用户请求数据传输的概率，计算用户覆盖概率： 其中，τ表示用户接收端信干噪比门限，λ和μ分别表示基站的部署密度和智能反射面的部署密度； 步骤24，将用户位置视作原点，且将距离用户最近的基站和智能反射面作为用户关联的基站和智能反射面，分别计算用户与关联基站和关联智能反射面之间链路距离的概率密度函数，则所述用户与关联基站和关联智能反射面之间链路距离的概率密度函数为： 其中，链路距离采用3D链路距离，计算上期望需要将待求解的概率中链路的二维距离l替换为三维距离l2+h2； 步骤25，计算所述网络空间吞吐量，具体为： 其中，log21+τ指无差错传输下单位频谱上最大链路传输速率； 对能量消耗侧的基站部署密度和智能反射面的反射单元配比进行优化设计，具体包括以下步骤： 步骤31，计算无智能反射面辅助的密集无线网络干扰受限的临界密度为λ*： 步骤32，在最大化网络容量的条件下，计算待消除干扰集合内干扰全部消除的理想上界最优基站部署密度 在干扰受限的网络中，经过干扰消除后基站部署密度可以进一步增加至 步骤33，计算网络容量的半闭式解： 其中， 步骤34，最大化网络容量的条件下，计算最优智能反射面的反射单元配比： 其中，计算网络空间吞吐量中作了近似推导，并且仅能得到半闭式表达式，为了得到智能反射面的最优反射单元配比，将r0,0固定，上述配比仅在干扰受限μλ*条件下成立； 能量供给侧的能量供给模型，将绿能收集转化为电能对网络模型进行能量供给，计算能量供给侧中绿能供给因子和绿能覆盖概率，具体包括以下步骤： 步骤41，绿能供给因子，为智能反射面密集无线网络能量供给模型中绿能配比，具体公式为： 其中，γG为能量供给模型的绿能供给因子，为保证能量供给模型不发生绿能和非绿能整体供给的能量中断，绿能供给因子γG∈[0,0.9]，其中EG表示绿能电能，ENG非绿能电能， 类似的，能量供给模型非绿能能量配比为： γNG＝ENGEG+ENG； 步骤42，绿能中断概率定义为能量收集存储设备输出的能量不足以支持系统数据成功传输和静态功耗的能量消耗，此时能量消耗侧的基站和智能反射面被迫处于能量中断状态，即： 其中，EH是绿能收集设备输出的能量，Eτ是系统数据传输和静态功耗的能量门限，Pg是能量收集设备收集能量的输出功率，对于绿能来说Pg＝Psolar，T是能量收集设备的收集时长； 绿能覆盖概率为绿能非中断概率，即绿能覆盖概率与绿能中断概率为互补函数，绿能覆盖概率为：Gcov＝P[EGEτ]＝1-P[EGEτ]； 以最大化网络碳效率为目标，对能量供给侧绿能供给因子和能量消耗侧智能反射面与基站部署密度比进行联合优化设计，具体包括以下步骤： 步骤51，计算绿能供给时输出功率的概率密度函数和累积分布函数： 其中，Kc为辐射强度阈值，ηc光伏效率，S表示光伏的面积，I表示日光辐射强度，取决于太阳高度角和云层遮挡的衰减，其概率密度函数为： 其中，I＝Id+ΔI，ΔI＝I-Id服从服从标准正态分布，Idt是时间确定函数： 其中，Imax是一天中的最大太阳日光强度； 步骤52，计算分布式供给时，即存在绿能的基站和智能反射面的绿能覆盖概率分别为： 存在绿能的基站和智能反射面的绿能中断概率分别为： 其中，与智能反射面反射单元的数量和相位分辨率相关，其中，Pc表示基站的静态功耗，Pt表示基站天线发射功率，ξ＝v-1，v表示基站功放的效率； 步骤53，计算分布式绿能供给的网络碳效率： 其中，ρ＝μλ， 步骤54，为最大化网络碳效率计算最优智能反射面和基站部署密度比ρ*，ρ*∈[0.5,2]，用户覆盖概率是关于部署密度比的半闭式表达式，在干扰受限的条件下由计算的数值解分析，在满足的条件下，网络碳效率取到极大值； 步骤55，为最大化网络碳效率，用集中式绿能配比方式，近似分布式绿能配比，计算绿能配比变化下的网络碳效率，绿能能量中断则会有更多的非绿能参与供给，近似的网络碳效率为： 其中，表示在门限为γGPtotalλ时绿能中断概率，Jkg-CO2e表示每千克二氧化碳当量所对应的焦耳值； 步骤56，最大化网络碳效率的条件下，最优绿能配比为： 其中，表示向下取整函数，0.9·表示满足括号内条件的变量值取0.9的函数； 所述能量消耗侧的网络模型的基站、智能反射面和用户服从泊松点过程，分别表示为ΠBS＝{BSi|BSi∈R2}、ΠIRS＝{IRSj|IRSj∈R2}以及ΠU＝{Uu|Uu∈R2}，其中i,j,u∈N； 所述基站和用户均配备一根全向天线，基站与用户的全向天线高度差为hBS；所述智能反射面由N块反射单元组成，智能反射面的反射系数矩阵为： 其中，β和分别表示幅值和相位反射系数，j是虚数单位，所述智能反射面部署在墙面或柱体上，智能反射面与用户的全向天线高度差为hIRS。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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。