神顯豪，曾紫玲，牛少華

（1.桂林理工大學(xué)信息科學(xué)與工程學(xué)院，廣西 桂林 541006；2.桂林理工大學(xué)廣西嵌入式技術(shù)與智能系統(tǒng)實驗室，廣西 桂林 541006；3.北京理工大學(xué)機電學(xué)院，北京 100081）

0 引言

5G 的三類服務(wù)應(yīng)用場景包括增強型移動寬帶（eMBB,enhanced mobile broadband）、超可靠低時延通信（URLLC,ultra-reliable and low-latency communication）和海量機器類通信（mMTC,massive machine type communication）[1]。5G 新空口（NR,new radio）演進(jìn)的一個重要目標(biāo)是使這3 種不同應(yīng)用場景的服務(wù)在同一頻段內(nèi)有效復(fù)用[2]，這是5G網(wǎng)絡(luò)中存在的一個重大挑戰(zhàn)，并在即將到來的6G網(wǎng)絡(luò)中升級。這主要是由每個服務(wù)的異構(gòu)服務(wù)質(zhì)量（QoS,quality of service）需求導(dǎo)致的，例如，eMBB業(yè)務(wù)側(cè)重于以高數(shù)據(jù)速率傳輸大數(shù)據(jù)塊，而URLLC業(yè)務(wù)的目標(biāo)是傳輸短數(shù)據(jù)包，具有極高的可靠性和較低的端到端時延。

第三代合作伙伴計劃（3GPP）標(biāo)準(zhǔn)中提出了穿刺技術(shù)[3]解決上述問題，為之后的相關(guān)研究奠定了基礎(chǔ)。這項技術(shù)賦予URLLC 業(yè)務(wù)更高的優(yōu)先級，但將影響eMBB 業(yè)務(wù)的傳輸，并導(dǎo)致整個系統(tǒng)頻譜效率的下降?；诖?，研究人員提出了更加高效的資源分配方法以實現(xiàn)異構(gòu)QoS 需求與系統(tǒng)頻譜效率之間的均衡。Zhang 等[4]基于穿刺技術(shù)提出了一種聯(lián)合資源分配的迭代算法，該算法可以同時滿足eMBB 數(shù)據(jù)速率和URLLC 中斷概率要求。王佳佳等[5]在用戶分簇的基礎(chǔ)上，制定了一個URLLC 和eMBB 聯(lián)合資源調(diào)度問題，為求解該調(diào)度問題提出了一個基于連續(xù)凸逼近和凸函數(shù)差分規(guī)劃的自適應(yīng)迭代功率分配算法。Bairagi 等[6-7]使用啟發(fā)式算法和單邊匹配博弈解決優(yōu)化問題，并提出了懲罰連續(xù)上界極小化算法和傳輸模型。此外，還有許多學(xué)者利用深度強化學(xué)習(xí)（DRL,deep reinforcement learning）來解決蜂窩網(wǎng)絡(luò)中的資源分配和優(yōu)化問題[8-11]，如基于深度確定性策略梯度算法、深度Q 學(xué)習(xí)算法等。共存場景中的eMBB 和URLLC 用戶的信道質(zhì)量直接決定了其性能，即數(shù)據(jù)速率、可靠性和時延。上述方法在信道條件良好時能表現(xiàn)出較好的性能。然而，當(dāng)面對復(fù)雜的無線通信環(huán)境時，它們沒有根據(jù)2 種業(yè)務(wù)的實際穿刺狀態(tài)和信道條件對終端速率進(jìn)行準(zhǔn)確推導(dǎo)；同時，它們沒有考慮提高共存的eMBB和URLLC 業(yè)務(wù)信道增益。

可重構(gòu)智能表面（RIS,reconfigurable intelligent surface）作為未來無線網(wǎng)絡(luò)中可能出現(xiàn)的一種范式，由于其在控制和配置無線傳播環(huán)境方面的能力，引起了學(xué)術(shù)界的廣泛關(guān)注。RIS 可以有效解決中繼通信的能耗高以及5G 基站的建設(shè)難度高的問題，因此6G 中引入了對該技術(shù)的研究[12]。現(xiàn)有研究中，RIS 與多項通信前沿技術(shù)進(jìn)行了融合[13]，包括與多輸入多輸出（MIMO,multiple-input multiple-output）技術(shù)、非正交多址（NOMA,non-orthogonal multiple access）技術(shù)、移動邊緣計算（MEC,mobile edge computing）技術(shù)和無人機（UAV,unmanned aerial vehicle）技術(shù)的融合。

鑒于RIS 能夠主動修改無線通信環(huán)境，大量研究調(diào)查了用于eMBB 和URLLC 服務(wù)類別的RIS 輔助無線網(wǎng)絡(luò)。準(zhǔn)確地說，RIS 的部署是為了控制eMBB 和URLLC 用戶的信道條件來提高其性能。文獻(xiàn)[14-17]僅研究了單一服務(wù)類別應(yīng)用場景，即只有eMBB 或URLLC 服務(wù)。Wu 等[14]驗證了RIS 輔助MIMO 系統(tǒng)可以實現(xiàn)與大規(guī)模MIMO 系統(tǒng)（無RIS 輔助）相同的速率性能，同時顯著減少有源天線和射頻鏈數(shù)量。Ranjha 等[15]以UAV 輔助的短數(shù)據(jù)URLLC 為例，指出RIS 的出現(xiàn)給UAV 部署策略的構(gòu)建提供了新思路，其憑借RIS 單元的無源波束成形功能和直接搜索法，在理論模型中確定UAV的最佳位置和區(qū)塊長度，使總解碼誤碼率降低。Melgarejo 等[16]提出了一種由RIS 輔助的免授權(quán)訪問方案，以增強URLLC 的可靠性。Ghanem 等[17]提出了一種次優(yōu)迭代算法，該算法使用一種新的迭代秩最小化方法聯(lián)合優(yōu)化每次迭代中的所有變量，達(dá)到簡化URLLC 業(yè)務(wù)、產(chǎn)生較大性能增益的效果。AL-Mekhlafi 等[18]進(jìn)一步研究了eMBB 和URLLC服務(wù)在RIS 輔助下的蜂窩網(wǎng)絡(luò)中的共存問題。由此可見，無線網(wǎng)絡(luò)中針對實現(xiàn)eMBB 和URLLC 服務(wù)共存的RIS 技術(shù)的相關(guān)研究較少。

基于上述分析，可重塑無線傳播環(huán)境的RIS 技術(shù)和異構(gòu)網(wǎng)絡(luò)中URLLC 與eMBB 的共存復(fù)用問題都是未來6G 網(wǎng)絡(luò)中的重要組成部分。如何將兩者聯(lián)合進(jìn)行高效運作以充分發(fā)揮網(wǎng)絡(luò)潛力、實現(xiàn)異構(gòu)服務(wù)共存是當(dāng)前應(yīng)該關(guān)注的重點。本文的主要研究內(nèi)容如下。

1) 研究了在RIS 輔助的無線網(wǎng)絡(luò)中實現(xiàn)異構(gòu)網(wǎng)絡(luò)中URLLC 與eMBB 高效復(fù)用的問題。將共存場景中的資源分配問題表述為2 個優(yōu)化問題，同時考慮了不同服務(wù)之間的性能權(quán)衡。

2) eMBB 分配問題的解決分為兩階段。第一階段，固定功率分配和RIS 相移矩陣，確定RB 分配。第二階段聯(lián)合優(yōu)化功率分配和RIS 相移矩陣。但由于RIS 優(yōu)化所花費的時間較長，因此對RIS 相移矩陣進(jìn)行了預(yù)先優(yōu)化配置。

3) 針對URLLC 業(yè)務(wù)，提出基于預(yù)配置RIS 的啟發(fā)式URLLC 分配算法。將預(yù)配置的RIS 相移矩陣依次代入URLLC 分配問題，獲得最佳功率和頻率分配策略，使URLLC 數(shù)據(jù)包接收率最大化。

4) 仿真結(jié)果表明，與其他分配方法相比，本文提出的基于預(yù)配值RIS 的啟發(fā)式算法實現(xiàn)了更好的URLLC 數(shù)據(jù)包接收率，同時滿足時延要求。其次，比較了四類不同RIS 配置的性能，證明了RIS 的有效性。

1 系統(tǒng)模型

1.1 RIS 輔助的無線網(wǎng)絡(luò)模型

本文基于具有單個5G 基站gNB 的下行鏈路無線網(wǎng)絡(luò)場景構(gòu)建系統(tǒng)模型，該gNB 服務(wù)于E個eMBB用戶和U個URLLC 用戶。同時部署了一個配備N個微小反射元件的RIS 系統(tǒng)，基站通過微控制器對RIS 的每一個單元進(jìn)行控制調(diào)節(jié)。令e∈{1,...,E}表示eMBB 服務(wù)切片，u∈{1,...,U}表示URLLC 服務(wù)切片，n∈{1,...,N}表示RIS 反射元件，b∈{1,...,B}表示網(wǎng)絡(luò)中的資源塊（RB,resource block），其中每個RB 的帶寬為W。每個時隙t∈{0,...,T-1}的持續(xù)時間為τ。

假設(shè)所有通信節(jié)點（包括eMBB 和URLLC 用戶以及RIS）的信道狀態(tài)信息（CSI,channel state information）在gNB 處是完全已知的。eMBB 和URLLC 共存服務(wù)的系統(tǒng)模型如圖1 所示，eMBB用戶和URLLC 用戶為接收器（Rx），基站為發(fā)射器（Tx），θn∈[0,2π)表示第n個RIS反射元件的相移，θ=[θ1,...,θN]表 示RIS相移矢量，表示RIS 的相移矩陣。RIS 輔助的端到端信道矩陣為C=GΦH+D。其中，G是RIS 和Rx 之間的信道系數(shù)矩陣，H是Tx 和RIS 之間的信道系數(shù)矩陣，D是Tx 和Rx 之間的直接信道系數(shù)矩陣。則eMBB 用戶e在RBb中的信道增益可表示為Ce=|GRIS,eΦeHgNB,RIS+DgNB,e|2，其中，Φe表示eMBB 的RIS 相移矩陣，GRIS,e表示RIS 和eMBB用戶e之間的信道系數(shù)，HgNB,RIS表示gNB 和RIS 之間的信道系數(shù)，De,gNB表示eMBB 用戶e和gNB 之間的信道系數(shù)。同理，URLLC 用戶u在RBb中的信道增益可表示為Cu=|GRIS,uΦuHgNB,RIS+DgNB,u|2。

圖1 eMBB 和URLLC 共存服務(wù)的系統(tǒng)模型

1.2 eMBB-URLLC 流量的多路復(fù)用模型

通常，為了提高頻譜效率，eMBB 傳輸允許跨越多個時域。然而，URLLC 傳輸局限于時域，但由于其時延要求，可跨越多個頻率通道[19]。本文設(shè)定URLLC 業(yè)務(wù)利用短傳輸時間間隙mini-short 進(jìn)行調(diào)度，用來調(diào)度eMBB 用戶的傳輸時間間隙（TTI,transmission time interval）則較長，為 1 ms。eMBB-URLLC 流量的多路復(fù)用模型如圖2 所示。當(dāng)URLLC 業(yè)務(wù)傳入并搶占eMBB 用戶2 的第二代碼塊（CB2）和第六代碼塊（CB6）時，會降低eMBB 的服務(wù)質(zhì)量。這是eMBB 和URLLC 共存場景中面臨的一個嚴(yán)重問題[20]，因此應(yīng)該引入適當(dāng)?shù)臋C制來保證正在進(jìn)行的eMBB 傳輸質(zhì)量。

圖2 eMBB-URLLC 流量的多路復(fù)用模型

2 問題表述

2.1 eMBB 分配問題

該問題的目標(biāo)是在最大傳輸功率和速率比例等約束下，聯(lián)合優(yōu)化RB 分配、功率分配和RIS相移矩陣，使eMBB 用戶的遍歷總?cè)萘孔畲蠡?。本文利用正交頻分復(fù)用（OFDM,orthogonal frequency division multiplexing）技術(shù)作為基本的調(diào)制解調(diào)技術(shù)。已知eMBB 用戶e在RBb中的信道增益Ce。假設(shè)信道受到加性白高斯噪聲（AWGN,additive white Gaussian noise）的干擾，表示為σ2=N0B，其中N0是噪聲功率譜密度。RBb中eMBB 用戶e的相應(yīng)信噪比（SNR,signal to noise ratio）表示為

則eMBB 用戶e在RBb上的接收SNR 為

其中，Peb是RBb中eMBB 用戶e的下行鏈路傳輸功率。

當(dāng)使用M 元正交幅度調(diào)制（M-QAM,M-ary quadrature amplitude modulation）并且根據(jù)符號錯誤率（SER,symbol error ratio）測量錯誤概率時，每個符號G的比特數(shù)[21]可以表示為

因此，在某個時隙，eMBB 用戶e在RBb上的數(shù)據(jù)速率可以近似為

結(jié)合式(1)～式(4)，eMBB 用戶e在所有分配的RBb上的數(shù)據(jù)速率表示為

其中，二元變量xeb是某時隙中eMBB 用戶e的RB分配指示符，即

因此，某個時隙內(nèi)所有eMBB 用戶的gNB 遍歷容量為

其中，期望E(·)覆蓋所有衰落信道。

綜上，eMBB 資源分配問題可表示為

2.2 URLLC 分配問題

該問題的目標(biāo)是在保證eMBB 用戶的QoS 和URLLC 數(shù)據(jù)包的速率要求的同時，最大化URLLC數(shù)據(jù)包的接收率，以及最小化eMBB 速率損失。

設(shè)Lm為mini-slotm處的URLLC 的數(shù)據(jù)包數(shù)量，為eMBB 用戶e在mini-slotm處所屏蔽并分配給URLLC 數(shù)據(jù)包l的RB 數(shù)量。

不失一般性，假設(shè)所有傳入的URLLC 數(shù)據(jù)包具有相同的大小，用i表示。URLLC 的速率閾值。在這種情況下，URLLC 業(yè)務(wù)的可靠性可表述為到達(dá)mini-slotm的URLLC 數(shù)據(jù)包l必須全部成功地傳輸給相關(guān)URLLC 用戶。URLLC 的QoS約束的表達(dá)式為

此外，應(yīng)確保在每個mini-slot 處，接入URLLC數(shù)據(jù)包的同時不會降低eMBB 的QoS。eMBB 用戶e的瞬時可實現(xiàn)速率為

eMBB 的QoS 可由最小數(shù)據(jù)速率rth表示[18]，需保證由于屏蔽eMBB RB 和設(shè)計RIS 相移矩陣而導(dǎo)致的eMBB 損耗不會違背eMBB 速率要求rth，表達(dá)式為

在mini-slotm處接收的URLLC 數(shù)據(jù)包數(shù)量可表示為

基于以上分析，URLLC 分配問題包括優(yōu)化功率和頻率資源分配，以及RIS 相移矩陣Φm。URLLC分配問題在mini-slotm處表示如下

其中，表示在mini-slotm處URLLC 數(shù)據(jù)包l的傳輸功率，且表示URLLC的最大傳輸功率。約束式(13a)、約束式(13b)分別表示URLLC 和eMBB 的QoS 要求。約束式(13c)表示傳輸功率不超過最大傳輸功率。約束式(13d)表示分配的eMBB 和URLLC 功率不應(yīng)超過基站總功率。約束式(13e)表示URLLC 數(shù)據(jù)包的接收指示符。約束式(13f)表示若接收URLLC 數(shù)據(jù)包l，即=1時，分配給URLLC 數(shù)據(jù)包l的RB 數(shù)量必須大于0，即＞0。

3 問題轉(zhuǎn)換與解決方法

3.1 eMBB 分配算法

由于P1 中總共有3 種優(yōu)化變量，即P、Φ和xeb，無法直接找到全局最優(yōu)解，因此本文提出一種兩階段的交替迭代eMBB 分配算法。首先，固定功率分配變量和RIS 相移矩陣，并在第一階段確定RB 分配。然后，在第二階段聯(lián)合優(yōu)化功率分配和RIS 相移矩陣。

3.1.1 第一階段：RB 分配

對于任何給定的功率分配P和RIS 相移矩陣Φ，本文提出一種基于貪婪算法的RB 分配算法，完成RB 的最佳分配。該算法解決了在資源數(shù)量相對較低的情況下無法正常完成資源分配的問題。假設(shè)所有eMBB 用戶具有相同的發(fā)射功率，并且滿足約束式(7a)。每個eMBB 用戶根據(jù)信道條件及其比例選擇并確定RB 分配。在每輪次的RB 分配中，比例容量最小的eMBB 用戶擁有優(yōu)先權(quán)。

算法1基于貪婪算法的 RB 分配算法

步驟1確定最初分配給用戶的RB 數(shù)量

步驟3根據(jù)所有用戶的有效信道SNR，從好到差分配剩余的RB，每個用戶最多可以得到一個未分配的RB

3.1.2 第二階段：聯(lián)合優(yōu)化功率分配和RIS 相移矩陣

在RB 分配之后，P1 簡化為變量Peb的最大化和RIS 相移矩陣優(yōu)化，即

由于P1.1 的目標(biāo)函數(shù)及其約束條件是非凸的，引入松弛變量S來處理非凸性，并且滿足

因此，P1.1 可以等價轉(zhuǎn)化為

由于變量Peb和Φ相互耦合，非凸問題P1.2 仍然無法求解。為了使該問題易于處理，將其分解為以下2 個子問題。

P1.2.1 是一個凸優(yōu)化問題，可以通過凸優(yōu)化求解工具（如CVX[22]）有效獲得最優(yōu)解。

3.1.3 基于交替迭代的eMBB 分配算法

算法2基于交替迭代的eMBB 分配算法

3.2 RIS 相移矩陣的優(yōu)化

借助RIS 可以控制eMBB 和URLLC 用戶的信道條件從而提高其性能。為滿足每個mini-slot 處現(xiàn)有的eMBB 和即將到來的URLLC 業(yè)務(wù)要求，本文提出了3 種不同的標(biāo)準(zhǔn)對相移矩陣進(jìn)行優(yōu)化。然而，RIS 相移矩陣設(shè)計可能會增加時延。為解決這一問題，本文對RIS 相移矩陣進(jìn)行預(yù)配置。同時，為了不產(chǎn)生額外的時延影響，三類相移矩陣的優(yōu)化設(shè)計是并行執(zhí)行的。

此時，P1.2.4是一個凸優(yōu)化問題，可以使用CVX有效求解。

此時，P3.1 是一個非凸二次約束二次規(guī)劃（QCQP,quadratic constrained quadratic programming）問題，可以將其轉(zhuǎn)化為齊次QCQP。具體來說，通過引入輔助變量δ，P3.1 等價為

顯然，P3.3 是一個半定規(guī)劃（SDP,semi-definite programming）問題，同樣使用CVX 有效求解。通常，求解P3.3 所獲得的最優(yōu)不滿足秩-1 約束，可應(yīng)用高斯隨機化技術(shù)獲得秩-1 解[14]。

3.2.3 聯(lián)合eMBB 和URLLC 的RIS 相移矩陣

其中，約束式(25a)表示當(dāng)x∈E，即x為eMBB 業(yè)務(wù)時的信道增益；約束式(25b) 表示當(dāng)x∈ {E+1,…,E+U}，即x為URLLC 業(yè)務(wù)時的信道增益。P4 的求解與P3 類似。

3.3 URLLC 分配問題方案

在每個mini-slot 開始時，便開始獲取上述的三類預(yù)配置RIS 相移矩陣，并將它們傳送并存儲至RIS控制器。當(dāng)RIS 相移矩陣Φm為預(yù)配置的RIS 相移矩陣之一時，即，代入式(13)求解P2。換句話說，當(dāng)RIS 相移矩陣確定后，原問題變成解決URLLC 業(yè)務(wù)的最佳頻率和功率分配問題，即

其中，約束式(26b)保證屏蔽eMBB 資源的數(shù)量等于分配給URLLC 流量的資源數(shù)量。

根據(jù)約束式(13b)可得，在mini-slotm處，eMBB用戶e分配給URLLC 數(shù)據(jù)包的最大可用RB 數(shù)量為

確定URLLC 數(shù)據(jù)包l的RB 分配數(shù)量后，其最優(yōu)功率分配表達(dá)式為

鑒于URLLC 業(yè)務(wù)有嚴(yán)格的時延要求，低復(fù)雜度的分配算法對于傳入的URLLC 數(shù)據(jù)包至關(guān)重要，而普通迭代方法通常需要較長的計算時間，本文提出低復(fù)雜度的啟發(fā)式算法。

首先，為提高URLLC 數(shù)據(jù)包接納率，本文考慮優(yōu)先分配具有較好信道條件的URLLC。已知Cub表示URLLC 用戶u的信道增益，則其降序排序可表示為。同理，表示eMBB 用戶根據(jù)其URLLC 負(fù)載分配權(quán)重的升序排序。其次，考慮到約束式(26b)，該算法通過迭代有序的eMBB 用戶將資源分配給 URLLC用戶u。迭代過程中保證給定的eMBB 用戶上URLLC 數(shù)據(jù)包的累積數(shù)據(jù)速率低于速率閾值。最后，若滿足eMBB 的QoS，對所有URLLC 數(shù)據(jù)包重復(fù)上述步驟；否則，URLLC 數(shù)據(jù)包將被丟棄。算法3 給出了基于預(yù)配置RIS 的啟發(fā)式分配算法的詳細(xì)步驟。該算法的時間復(fù)雜度與URLLC 數(shù)據(jù)包Lm的個數(shù)有關(guān)，且最壞情況下的時間復(fù)雜度為O(LmE)。

算法3基于預(yù)配置RIS 的啟發(fā)式URLLC 分配算法

4 仿真結(jié)果與分析

4.1 仿真實驗

本節(jié)使用MATLAB 軟件評估所提系統(tǒng)模型和網(wǎng)絡(luò)切片資源分配算法的有效性。本文考慮一個RIS 輔助的無線網(wǎng)絡(luò)，其中一個gNB 部署在覆蓋區(qū)域的中心；同時，考慮了所有通信鏈路的大規(guī)模衰落和小規(guī)模衰落。直聯(lián)鏈路和級聯(lián)鏈路的大規(guī)模衰落分別建模為其中，dgNB,e/u、dgNB,RIS和dRIS,e/u分別表示gNB-用戶、gNB-RIS 和RIS-用戶鏈路的距離。?0=3.5、?1=2.2和?2=2.8分別是gNB-用戶、gNB-RIS 和RIS-用戶鏈路的路徑損耗指數(shù)。此外，α0=-3 0 dB 和α1=-4 0 dB 分別是直聯(lián)鏈路和級聯(lián)鏈路在參考距離處的路徑損耗。另一方面，所有信道的小尺度衰落建模為。其中，κ是Rician因子，fLoS是視線分量，fNLoS是非線性視線分量，遵循瑞利分布，尺度參數(shù)等于1。eMBB 用戶在覆蓋區(qū)域內(nèi)隨機分布，URLLC 流量模型被建模為滿足參數(shù)λ的Poisson 分布。其他相關(guān)仿真參數(shù)設(shè)置如表1所示。

表1 參數(shù)設(shè)置

4.2 URLLC 分配策略的性能評估

本文將基于RIS 預(yù)配置的啟發(fā)式URLLC 分配算法與以下兩類算法進(jìn)行仿真對比。

比例公平（PF,proportional fair）調(diào)度算法。該算法的基本思想是在選擇用戶時考慮瞬時速率和長期平均速率的比值，同時利用權(quán)重值對不同用戶進(jìn)行調(diào)整，達(dá)到兼顧系統(tǒng)性能和用戶體驗的目的。

聯(lián)合資源分配的迭代算法[4]。計算URLLC 用戶的傳輸功率以確保可靠性約束，并以迭代的方式完成URLLC 用戶的資源分配。

改變URLLC 用戶個數(shù)，即URLLC 業(yè)務(wù)負(fù)載，比較不同算法下的URLLC 數(shù)據(jù)包接收率，如圖3所示。隨著URLLC 業(yè)務(wù)負(fù)載的增加，URLLC 數(shù)據(jù)包接收率明顯降低。這是因為隨著到達(dá)的URLLC 數(shù)據(jù)包越來越多，屏蔽所得的可用資源不足以接納所有 URLLC 數(shù)據(jù)包。因此，為保證eMBB 的QoS，一些URLLC 數(shù)據(jù)包被拒絕，導(dǎo)致算法性能衰減。當(dāng)URLLC 用戶數(shù)量較少時（少于20 個），本文所提啟發(fā)式算法和文獻(xiàn)[4]算法得到的 URLLC 數(shù)據(jù)包接收率相當(dāng)，差距僅為0.12%。但隨著URLLC 數(shù)量的增加（多于20 個），本文所提算法較其他2 個算法的優(yōu)越性突出。當(dāng)URLLC 用戶個數(shù)為180 時，對比其他2 個算法，本文算法的URLLC 數(shù)據(jù)包接收率提高了2.18%和1.3%。這是因為PF 調(diào)度算法通過對低數(shù)據(jù)率的eMBB 用戶進(jìn)行穿刺，可用于穿刺的eMBB 資源變得有限，導(dǎo)致其無法適應(yīng)高負(fù)載的URLLC。文獻(xiàn)[4]算法使用的是一般迭代方式，隨著迭代次數(shù)的增加性能會明顯下降。而本文算法是基于直觀或經(jīng)驗構(gòu)造的算法，其特點是在可接受的計算時間內(nèi)給出待解決組合優(yōu)化問題每一個實例的一個可行解。更重要的是，本文算法還結(jié)合了RIS技術(shù)，可以控制eMBB 和URLLC 用戶的信道條件從而提高其性能。

圖3 不同URLLC 分配策略下的數(shù)據(jù)包接收率

不同URLLC 分配策略的時間復(fù)雜度如圖4 所示。本文算法進(jìn)行目標(biāo)優(yōu)化能夠在一個mini-slot 內(nèi)完成分配任務(wù)，而PF 調(diào)度算法和文獻(xiàn)[4]算法的時間隨著URLLC 個數(shù)增加而明顯上升，這極有可能不滿足URLLC 時延要求。結(jié)合圖3 和圖4 可知，PF 調(diào)度算法的URLLC 數(shù)據(jù)包接收率和時間復(fù)雜度都顯遜色，而文獻(xiàn)[4]所提算法隨著URLLC 負(fù)載的增加，性能明顯降低，時延明顯增加。本文算法所花費的時間更少，具有更低的時間復(fù)雜度，更符合eMBB 與URLLC 共存場景應(yīng)用。

圖4 不同URLLC 分配策略的時間復(fù)雜度

4.3 RIS 配置的影響

圖5～圖7 描述了在5 種不同RIS 相移矩陣配置下的URLLC 數(shù)據(jù)包接收率、eMBB 速率的總損失率和eMBB 速率總和隨RIS 反射元件數(shù)量的變化曲線。結(jié)果表明，本文方案在URLLC 數(shù)據(jù)包接收率和eMBB 速率總和方面都優(yōu)于無RIS 方案。如圖5 所示，當(dāng)N=80 個時，與未部署RIS 時95.95%的URLLC 數(shù)據(jù)包接收率相比，方案1～方案4 的URLLC 數(shù)據(jù)包接收率分別達(dá)到96.89%、99.79%、99.80%和99.99%。

圖5 不同RIS 相移矩陣的URLLC 數(shù)據(jù)包接收率

圖6 不同RIS 相移矩陣的eMBB 速率的總損失率

圖7 不同RIS 相移矩陣的eMBB 速率總和

如圖6 所示，方案4 的eMBB 速率的總損失率保持在6%以下。而其他方案中，當(dāng)N>40 個時，eMBB 速率的總損失率都接近甚至超過10%，尤其是未部署RIS 的情況下eMBB 速率的總損失率接近16%。同樣，在圖7 中，當(dāng)N=80 個時，對比無RIS方案，方案1～方案4 在eMBB 速率總和上分別提高了約40.3%、34.46%、52.18%和86.24%。

綜合來說，RIS 的輔助有效提高了相關(guān)性能。這是因為RIS 的輔助使gNB 能夠根據(jù)URLLC 流量及其信道條件，從中選擇相移矩陣來配置RIS，從而很好地權(quán)衡URLLC 數(shù)據(jù)包接收率最大化和eMBB 速率損失最小化。

另一方面，結(jié)合圖5～圖7 可以觀察到方案1 和方案2 在URLLC 數(shù)據(jù)包接收率和eMBB 速率總和之間的權(quán)衡。通過增強URLLC 的信道條件，方案2 賦予URLLC比eMBB更高的優(yōu)先級，這意味著URLLC數(shù)據(jù)包接收率更好，eMBB 速率損失更多。相反，方案1 通過使用為提高eMBB 速率而優(yōu)化的eMBB 相移矩陣，賦予eMBB 比URLLC 更高的優(yōu)先級。這導(dǎo)致了更高的eMBB速率總和和更低的URLLC數(shù)據(jù)包接收率。相比之下，方案3 和方案4 在這兩方面做到了更好的平衡，方案4 的優(yōu)越性更突出。

5 結(jié)束語

本文旨在結(jié)合RIS 技術(shù)解決異構(gòu)網(wǎng)絡(luò)中eMBB和URLLC 業(yè)務(wù)共存情景下的資源分配問題。該問題具體描述為eMBB 分配問題和URLLC 分配問題2 個優(yōu)化問題，為了克服這些問題的非凸性，分別提出了基于交替迭代的兩階段eMBB分配算法和基于預(yù)配置RIS相移矩陣的啟發(fā)式URLLC分配算法。仿真結(jié)果表明，與其他調(diào)度方法相比，在URLLC數(shù)據(jù)包接收率達(dá)到95.5%左右時，本文算法的時間復(fù)雜度更低，并且URLLC 負(fù)載越大，其優(yōu)越性越突出。同時，隨著網(wǎng)絡(luò)規(guī)模的擴大，與未部署RIS方案相比，所提RIS 方案能很好地實現(xiàn)URLLC 接收率最大化和eMBB 速率損失最小化之間的權(quán)衡。未來可嘗試將該算法應(yīng)用于異構(gòu)車輛網(wǎng)絡(luò)的資源分配問題、電力資源規(guī)劃分配問題等。