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！

龙图腾网获悉东南大学申请的专利混合RIS辅助无蜂窝网络长期能效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：CN119172779B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411292559.6，技术领域涉及：H04W24/02；该发明授权混合RIS辅助无蜂窝网络长期能效优化方法是由朱鹏程;宋元盟;钱宇;江鹏设计研发完成，并于2024-09-14向国家知识产权局提交的专利申请。

本混合RIS辅助无蜂窝网络长期能效优化方法在说明书摘要公布了：本发明公开一种混合RIS辅助无蜂窝网络长期能效优化方法，包括：建立多RAU多用户链路接收信号模型；根据信号模型建立依据物理层信道、网络层队列信息进行混合RIS元件开关调度以及RAU预编码、混合RIS相移，网络队列积压稳定性控制设计的长期能效优化模型，将长期的队列稳定性约束转化为最小化Lyapunov漂移与最大化能效的联合优化问题并解耦为传输子问题和开关子问题；基于大M法转化离散的RIS元件选择约束，在每个时隙内通过连续凸近似以及半定松弛法求解传输子问题；推导混合RIS可以开启的最大有源元件数目，将元件选择组合优化问题通过贪婪算法转化为多个可以并行解决的开关子问题。本发明能够在Lyapunov框架下，有效稳定队列长度，保证系统的稳定性。

本发明授权混合RIS辅助无蜂窝网络长期能效优化方法在权利要求书中公布了：1.一种混合RIS辅助无蜂窝网络长期能效优化方法，其特征在于：包括以下步骤： 步骤S1：建立混合RIS辅助无蜂窝网络中多RAU多用户链路接收信号模型； 步骤S2：根据步骤S1建立的信号模型建立依据物理层、网络层信息进行混合RIS元件开关调度以及RAU预编码、混合RIS相移，网络队列积压稳定性控制设计的长期能效优化模型，并基于Lyapunov框架将长期的队列稳定性约束转化为最小化Lyapunov漂移与最大化能效的联合优化问题，采用交替优化的策略将联合优化问题解耦为RAU预编码、混合RIS相移设计的传输子问题以及混合RIS元件开关调度的开关子问题分别进行优化； 步骤S3：针对传输子问题，基于大M法转化离散的RIS元件选择约束，在每个时隙内通过分式规划技巧，并使用连续凸近似以及半定松弛法求解传输子问题； 步骤S4：针对开关子问题，首先推导混合RIS可以开启的最大有源元件数目，并基于最大有源元件数目，将元件选择问题通过贪婪算法转化为多个可以并行解决的子问题； 所述步骤S2中，包括如下步骤： S21.建立长期能效最大化的目标函数： 其中表示分别优化RAU波束成形向量w和混合RIS相移Θ，以及RIS元件开关矩阵A后使得其目标函数值最大，表示系统长期能效； S22.建立约束条件，包括用户的QoS约束和RAU、混合RIS功耗约束、混合RIS恒模约束，混合RIS元件放大幅度约束，长期队列稳定约束，约束如下： 其中，为用户最小的QoS约束，和为每个RAU和混合RIS的发送功率最大值；分别代表用户和RIS元件集合，K表示单天线用户数量，L表示反射单元数量；σv 2表示混合RIS引入噪声的方差；为有源元件的集合；Φt为时隙t的有源元件相移矩阵；Rkt是时隙t的用户k的速率；Qkt用户k在时隙t的队列积压；G为从RAU到RIS的信道；wkt表示时隙t用户k的预编码向量；θlt、βit分别为时隙t混合RIS第l个反射单元的相位和第i个反射单元的增益；若αi为1，则表示该元件为有源元件，反之亦然；表示取期望的操作；|g|表示绝对值运算，||g||F表示Frobenius范数； S23.基于Dinkelbach分式规划技巧，将t时隙的能效目标函数转化为：其中定义 以及η0＝0，式7表示ηt由过去时隙的资源分配方案决定；表示时间平均和速率，表示长期平均网络耗能；Rkτ，Ptotalτ表示时隙τ的用户k的速率以及系统总功耗，表示“定义为”； S24.约束中包含无限时间尺度的长期演化，引入李雅普诺夫漂移进行转化；首先定义李雅普诺夫函数为定义t时隙的李雅普诺夫漂移为：推导出t时隙李雅普诺夫漂移的上界为 其中B是一个满足如下条件的常数：通过每个时隙将8右端最小化，使得网络趋于稳定，即使得约束得到满足；基于随机优化漂移加惩罚的思想，引入权衡因子V将雅普诺夫漂移转化入目标函数，将t时隙的目标函数转化为： 随后采用交替优化的策略将问题解耦为预编码设计的传输子问题和混合RIS元件开关调度的开关子问题分别进行优化。

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东南大学，其通讯地址为：211189 江苏省南京市江宁区东南大学路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。