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！

龙图腾网获悉重庆邮电大学申请的专利一种基于非完美CSI的认知反向散射通信系统的资源调度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：CN115988656B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202211581735.9，技术领域涉及：H04L5/00；该发明授权一种基于非完美CSI的认知反向散射通信系统的资源调度方法是由徐勇军;姜思巧;曹娜;来容设计研发完成，并于2022-12-09向国家知识产权局提交的专利申请。

本一种基于非完美CSI的认知反向散射通信系统的资源调度方法在说明书摘要公布了：本发明属于物联网技术领域，具体涉及一种基于非完美CSI的认知反向散射通信系统的资源调度方法，包括：建立认知反向散射通信网络的信号传输模型；考虑认知反向散射的用户服务质量和反向散射系数约束、传输时间约束、主接收机的最大干扰功率约束，构建次级系统吞吐量最大化的资源分配问题；建立多变量耦合的非线性鲁棒资源分配模型；利用最坏准则、连续凸近似、S‑Procedure、变量替换和交替迭代方法将原问题转换为确定性凸优化问题并求解。本发明通过利用最坏准则、连续凸近似、S‑Procedure、变量替换和交替迭代方法将系统性能优化问题转换为确定性凸优化问题，与非鲁棒算法相比，本发明算法具有较好的吞吐量和鲁棒性。

本发明授权一种基于非完美CSI的认知反向散射通信系统的资源调度方法在权利要求书中公布了：1.一种基于非完美CSI的认知反向散射通信系统的资源调度方法，其特征在于，包括： S1：建立认知反向散射通信网络的信号传输模型； 所述认知反向散射通信网络的信号传输模型，包括： 一个含N根天线的主基站、M个主接收机、K个认知反向散射用户、一个认知信息接收机；主基站传输信号，认知反向散射用户采用下垫式频谱共享模式共享主用户频谱资源并以第k个认知反向散射用户在反向散射阶段的吞吐量反向散射信号，认知反向散射用户在反向散射阶段会对M个主接收机造成干扰，第k个认知反向散射用户的信号通过时分多址的方式轮流向认知信息接收机反射信号； 认知信息接收机接收主基站和第k个认知反向散射用户的信号，包括： 其中，表示认知信息接收机接收主基站和第k个认知反向散射用户的信号，ck表示第k个认知反向散射用户的信号，有E[|sm|2]＝1和E[|ck|2]＝1，E[]表示期望值，sm表示主基站发送给第m个主接收机的波束成形信号，βk∈[0,1]表示第k个认知反向散射用户的反向散射系数，fk∈CN×1是主基站到第k个认知反向散射用户的信道向量，hk表示第k个认知反向散射用户到认知信息接收机的信道系数，fp∈CN×1表示主基站到认知信息接收机的信道向量，n表示认知信息接收机处的高斯白噪声，满足n～CN0,σ2，σ2表示在认知信息接收机处的干扰，xP表示主基站的发射信号，H表示共轭转置操作，CN＝1表示N＝1维的复数向量； 第k个认知反向散射用户在反向散射阶段的吞吐量，包括： 其中，Rk表示第k个认知反向散射用户在反向散射阶段的吞吐量，τk表示第k个认知反向散射用户进行反向散射的时间，wm∈CN＝1表示主基站发送给第m个主接收机的波束成形向量，M表示主接收机的数量，Tr表示矩阵的迹； 网络中所有认知反向散射用户对第m个主接收机产生的干扰，满足如下约束： 其中，Im和分别表示所有的认知反向散射用户对第m个主接收机的平均干扰功率和第m个主接收机能够容忍的最大干扰功率阈值，K表示认知反向散射用户的数量，T表示传输的总时间，hk,m表示第k个认知反向散射用户到第m个主接收机的信道系数; S2：根据认知反向散射通信网络的信号传输模型考虑认知反向散射的用户服务质量和反向散射系数约束、传输时间约束、主接收机的最大干扰功率约束，构建次级系统吞吐量最大化的资源分配问题； 构建的次级系统吞吐量最大化的资源分配问题，包括： 受制于 C5:0≤βk≤1 其中，P1表示次级系统吞吐量最大化的资源分配问题，Pmax表示主基站的最大发射功率，表示第k个认知反向散射用户的最小吞吐量阈值，C1表示主基站的最大发射功率约束，C2表示保证第k个认知反向散射用户的最小吞吐量约束，C3表示保证主接收机的平均最大干扰功率约束，C4表示传输总时间约束，C5表示反向散射系数约束； S3：基于有界信道不确定性，将次级系统吞吐量最大化的资源分配问题转化为多变量耦合的非线性鲁棒资源分配问题； 将次级系统吞吐量最大化的资源分配问题转化为多变量耦合的非线性鲁棒资源分配问题，包括： 受制于C1,C4,C5 C6:Δfp∈RF,Δhk∈RH,Δhk,m∈RQ 其中，P2表示多变量耦合的非线性鲁棒资源分配问题，C6表示不确定参数集合，表示含有不确定性的最小吞吐量约束，表示含有不确定性的主接收机的平均最大干扰功率约束，表示第k个认知反向散射用户的最小吞吐量阈值，Δfp、Δhk和Δhk,m分别表示从主基站到认知信息接收机、第k个认知反向散射用户到认知信息接收机和第k个认知反向散射用户到第m个主接收机的信道估计误差，RF、RH、RQ分别表示从主基站到认知信息接收机、第k个认知反向散射用户到认知信息接收机和第k个认知反向散射用户到第m个主接收机的不确定性集合不确定性集合，Rsum表示系统的总吞吐量； S4：利用最坏准则、连续凸近似、S-Procedure、变量替换和交替迭代方法将多变量耦合的非线性鲁棒资源分配问题转换为确定性凸优化问题，并利用凸优化工具求解，得到资源调度方案； S41：利用最坏准则、连续凸近似、S-Procedure方法，处理多变量耦合的非线性鲁棒资源分配问题中的信道不确定性，将其转换为确定性问题； S42：利用交替迭代方法将确定性问题转换为两个子问题，舍掉秩一约束并基于变量替换法，引入辅助变量处理存在的耦合变量约束； S43：采用凸优化工具求解两个子问题，得到波束成形向量、反射系数、反向散射传输时间，即得到资源调度方案； 利用最坏准则、连续凸近似、S-Procedure方法，处理多变量耦合的非线性鲁棒资源分配问题中的信道不确定性，将其转换为确定性问题，包括： 受制于C4,C5 Wm≥0 C7:RankWm＝1 其中，Wm表示主基站发送给第m个主接收机的波束成形向量和其共轭转置的乘积，表示主基站的最大发射功率确定性约束，表示第k个认知反向散射用户的最小吞吐量确定性约束，表示保证主接收机的平均最大干扰功率确定性约束，表示Wm的约束，C7表示Wm秩一约束，rk表示第k认知反向散射用户的速率，第k个认知反向散射用户到第m个主接收机的信道估计值，∈k表示第三不确定性参数上界，Λ、Θ分别表示第一、第二松弛变量，Rank表示矩阵的秩。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路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。