技术特征：
1.一种基于ris辅助的认知无线网络中断性能预测方法，其特征在于，包括以下步骤：s1，对通信系统构建基于ris辅助的认知无线网络模型，写出次用户接收机的接收信号表达式；s2，导出各反射单元的相位取值，并得到此时的接收信噪比表达式；s3，获取ris各反射单元的幅度取值，导出对应的接收信噪比表达式；s4，定义中断概率事件，推导出次用户中断概率理论表达式；s5，通过蒙特卡洛对s4所述次用户中断概率理论表达式进行仿真及理论分析验证。2.根据权利要求1所述的一种基于ris辅助的认知无线网络中断性能预测方法，其特征在于，步骤s1所述通信系统还包括单天线主用户接收机、单天线次用户发射机、单天线次用户接收机和具有n个反射单元的ris所组成，主用户发射机位于ris覆盖范围内，而次用户发射机位于ris覆盖范围之外。3.根据权利要求2所述的通信系统，其特征在于，还包括单天线主用户接收机数量为1，单天线次用户发射机数量为1，单天线次用户接收机数量为1，ris数量为1。4.根据权利要求1所述的一种基于ris辅助的认知无线网络中断性能预测方法，其特征在于，包括：把ris的第i个反射单元记为用h
sd
、h
sp
、h
si
和h
ip
分别表示s
→
d链路、s
→
p链路、s
→
r
i
链路和r
i
→
p链路的复信道系数，用d
sd
、d
sp
、d
sr
和d
rp
分别表示上述对应链路节点间间距；所有链路信道系数：服从均值为0，方差为1的复高斯随机分布；其中|h
mn
|和∠h
mn
分别是信道h
mn
的幅度和相位，e为常数，j2＝-1为虚数，写出次用户接收机的接收信号表达式：其中，p
s
是发射功率，x是能量归一化发射信号，n是均值为0，方差为n0的加性高斯白噪声；在最大发射功率约束q和干扰功率约束i
p
下，次用户发射功率表示为：其中，β是路径损耗因子，θ
i
是第i个反射单元的调节相位，α∈(0，1]是第i个反射单元的调节幅度。5.根据权利要求1所述的一种基于ris辅助的认知无线网络中断性能预测方法，其特征在于，所述步骤s2中反射单元的相位取值为：次用户接收机处的信噪比表示为：
其中，为平均信噪比，为平均干扰噪声比，服从瑞利分布，服从指数分布，用伽马分布对x2进行近似，x2的概率密度函数表示为：其中，γ(
·
)为伽马函数，ρ＝nπ2/(16-π2)为形状参数，为逆尺度参数。6.根据权利要求1所述的一种基于ris辅助的认知无线网络中断性能预测方法，其特征在于，所述步骤s3中，在各反射单元的幅度取值范围内为使得次用户接收机处的信噪比最大，反射单元的调节幅度取值表示为：其中，
①
对应于次用户对主用户的干扰可完全消除的情形，
②
和
③
对应于次用户对主用户的干扰不能完全消除的情形。7.根据权利要求4所述的一种基于ris辅助的认知无线网络中断性能预测方法，其特征在于，所述步骤s4中次用户中断概率定义为瞬时传输速率低于预定速率r的概率，次用户中断概率表示为：其中，pr[
·
]表示事件发生的概率，γ
th
＝2
r-1为信噪比中断门限值，p1对应于次用户以最大发射功率q发射信号，但次用户接收机不能正确解码的情形；p2对应于次用户不能以最大发射功率q发射信号，且次用户接收机不能正确解码的情形；把x1、x2和x3的概率密度函数代入公式(7)中，得到p1表达式：其中，d
p
(
·
)为抛物柱面函数，把公式(5)代入公式(7)中，得到p2表达式：
其中其中，其中，是高斯q函数，把高斯q函数的近似表达式代入公式(10)，可以得到i1的封闭表达式：其中，τ
2i
＝2b
i
c2c3+ν，i＝{1，2，3}；把公式(8)-(11)代入公式(7)，得到最终次用户中断概率封闭表达式。8.根据权利要求1所述的一种基于ris辅助的认知无线网络中断性能预测方法，其特征在于，所述步骤s5蒙特卡洛仿真验算的输入参数包括二维平面网络拓扑、主用户接收机、次用户发射机、ris和次用户接收机的归一化坐标。9.一种基于ris辅助的认知无线网络中断性能预测系统，用于实现权利要求1-8任一项所述的基于ris辅助的认知无线网络中断性能预测方法，包括：模型构建模块，相位导出模块，ris获取模块，中断概率事件定义模块，仿真及理论分析验证模块。10.根据权利要求9所述的一种基于ris辅助的认知无线网络中断性能预测系统，其特征在于，所述模型构建模块用于对通信系统构建基于ris辅助的认知无线网络模型。11.根据权利要求9所述的一种基于ris辅助的认知无线网络中断性能预测系统，其特征在于，所述ris获取模块用于获取ris各反射单元的幅度取值。12.根据权利要求9所述的一种基于ris辅助的认知无线网络中断性能预测系统，其特征在于，所述中断概率事件定义模块用于推导得到最终次用户中断概率封闭表达式。13.根据权利要求9所述的一种基于ris辅助的认知无线网络中断性能预测系统，其特征在于，所述仿真及理论分析验证模块通过蒙特卡洛对次用户中断概率理论表达式进行仿真及理论分析验证。
技术总结
本发明提供了一种基于RIS辅助的认知无线网络中断性能预测方法及系统，包括S1构建RIS辅助认知无线网络模型，写出次用户接收机的接收信号表达式,S2用RIS消除次用户对主用户的干扰，导出各反射单元的相位取值，得到接收信噪比表达式，S3讨论RIS各反射单元的幅度取值，导出对应的接收信噪比表达式，S4定义中断概率事件，推导出次用户中断概率理论表达式,S5通过蒙特卡洛进行仿真及理论分析验证；另一方面还提供一种系统用于实现上述方法。本发明在RIS覆盖范围的限制下，采用RIS来消除次用户对主用户的干扰，以提升次用户系统性能，可以精确预测实际系统性能甚至提升系统性能，其网络还可以工作在更低干扰噪声比环境下，为实际网络设计与优化提供了理论指导。络设计与优化提供了理论指导。络设计与优化提供了理论指导。
技术研发人员：杨平 邝伟潮 王善进
受保护的技术使用者：东莞理工学院
技术研发日：2022.03.28
技术公布日：2022/6/3