EMF-Aware概率Hardware-Distorted塑造设计通信系统gydF4y2Ba

1介绍gydF4y2Ba

下一代无线通信网络将实现更高的数据率的不断增长的需求,ultra-reliability,最小的延迟、高能源效率和巨大的连通性对于许多用户/设备(gydF4y2BaLatva-aho et al ., 2020gydF4y2Ba)。第五代(5克)无线技术设想支持众多多样化的服务,如增强移动宽带(eMBB),飞船稳定性极强,低延迟通信(URLLC)和大规模机械化的沟通(mMTC) (gydF4y2BaWan et al ., 2018gydF4y2Ba)。一些新的光谱分配给5 g部署,例如,毫米,遭受相对较高的路径损耗,限制了覆盖范围。因此,网络致密化成为基本实现承诺的数据速率,可以实现在空间(如。,den年代edeployment of base stations (BSs) in small cells] and frequency (large segments of the RF spectrum in diverse bands) (Bhushan et al ., 2014gydF4y2Ba)。gydF4y2Ba

安装5 g细胞技术与极端的节点和网络致密化(BSs是接近用户)是提高健康担忧电场和磁场的影响(电磁辐射)暴露人口。这些担忧引发了一些抗议5 g技术,导致了一些攻击BSs(5克gydF4y2BaElzanaty et al ., 2021gydF4y2Ba)。最近,anti-5G抗议活动已经在全球30个国家举行反对5 g无线技术对公众健康的威胁,环境,和隐私。gydF4y2Ba

事实上,热效应是唯一证明健康影响射频电离短期暴露。因此,有必要保持辐射强度低于特定的值定义的接触法规和指南,如美国联邦通信委员会(FCC)与国际非电离辐射防护委员会(ICNIRP) (gydF4y2Ba毕希纳Rivasi, 2020gydF4y2Ba)。然而,有一个争论由于长期接触EMF(严重的健康影响gydF4y2Ba国家毒理学规划处,2018gydF4y2Ba,gydF4y2BabgydF4y2Ba;gydF4y2BaVornoli et al ., 2019gydF4y2Ba)。因此,国际癌症研究机构(IARC)把射频辐射列为“可能致癌”(gydF4y2BaVornoli et al ., 2019gydF4y2Ba;gydF4y2Ba组,2013gydF4y2Ba;gydF4y2BaWilbourn et al ., 1986gydF4y2Ba)。gydF4y2Ba

最近,一个全面的研究显示,接触由于上行(UL)从用户设备(UE)高于b由于距离的问题给用户(gydF4y2Ba卢et al ., 2021gydF4y2Ba)。另一个工作提出了一个架构解决方案减少EMF使用可重构智能表面接触(gydF4y2BaIbraiwish et al ., 2022gydF4y2Ba)。另一项研究关注细致的蜂窝网络规划限制暴露的BSs利用MIMO同时确保覆盖和容量约束(gydF4y2BaMatalatala et al ., 2018gydF4y2Ba)。监管方面的一些可能的风险缓解策略免职遗留2 g / 3 g / 4 g技术和减少排放的无细胞的来源(gydF4y2BaChiaraviglio et al ., 2021gydF4y2Ba)。gydF4y2Ba

然而,如前所述,EMF暴露研究不考虑任何硬件损伤,可以极大地影响系统的性能,如提高噪声地板上。例如,为了达到目标数据率在eMBB,硬件失真(HWD)应该减轻。一般来说,用户发送一个更高的力量,升级他们的射频接触实现目标利率。用户可能还没有达到所需的饱和吞吐量由于数据率更高的信噪比随着失真噪声增加传输能量。gydF4y2Ba

HWD需要一些精心设计的系统,以弥补其效果和减少性能损失。广义高斯信号(IGS)是一种有效的补偿信号方案,可以减轻一些干扰和缺陷的影响来源(gydF4y2BaJaved et al ., 2019gydF4y2Ba)。然而,实现无限的IGS带有固有问题peak-to-average功率比和高检测复杂度(gydF4y2BaSantamaria et al ., 2018gydF4y2Ba;gydF4y2BaJaved et al ., 2020gydF4y2Ba)。结果,研究人员采用有限离散信号不对称(As)计划可以通过几何成形(GS),概率塑造(PS),或混合形成(HS) (gydF4y2BaElzanaty Alouini, 2022gydF4y2Ba;gydF4y2BaJaved et al ., 2021gydF4y2Ba)。在这项工作中,我们提出不对称信号采用PS处理不当HWD和最小化EMF接触用户,同时保持吞吐量的服务质量(QoS)。本研究的贡献总结如下:gydF4y2Ba

•我们模型HWD和EMF暴露在下一代无线蜂窝网络。我们提出一个适当的接收者和严格的误差概率分析考虑不当失真噪声。gydF4y2Ba

•我们提出概率成形作为一种非对称信号有效地减轻不当HWDs和减少EMF接触,同时保持QoS的用户的吞吐量。gydF4y2Ba

•我们雇佣交替优化,共同设计用户的传输功率和非均匀概率象征。我们进一步用逐次凸逼近法和牛顿法来解决后续问题。gydF4y2Ba

本文的其余部分被组织,第二部分说明了系统描述和采用模型来描述辐射和HWD。错误概率分析是在第三节,虽然第四节涵盖了问题制定和优化框架。数值研究的结果发表在第五节,紧随其后的是第六节的结论。gydF4y2Ba

2系统描述gydF4y2Ba

在本节中,我们量化EMF暴露人口的新一代无线移动通信系统。网络由一个macro-cell宏观BS和多个pico-cells pico BSs服役。除了发射辐射的BSs下行(DL),我们感兴趣的是EMF暴露引起的手持设备。例如,手机的射频辐射发射和smartwatches更接近用户,导致近场曝光,而EMF传输密度从b塔位于远离用户呈现远场曝光。同样,越来越多的应用程序和用例包括但不限于自主车辆和智能家庭/办公室、辐射等,扩展他们的足迹接近人类。gydF4y2Ba图1gydF4y2Ba演示了一个强大的辐射模式附近用户的语音用户相比,数据用户。此外,我们占了添加剂造成的性能下降HWDs积累从各个模块在不理想的射频收发器。我们提出一个广义数字通信系统能够传送非均匀分布的符号(使用分布从一个统一的比特流匹配),而使用一种合适的最佳接收机检测。gydF4y2Ba

2.1辐射gydF4y2Ba

的建模和量化人类暴露在无线蜂窝网络促进减排的关键。许多研究已经确定了基本参数影响这一端接触(gydF4y2Ba期et al ., 2019gydF4y2Ba;gydF4y2Ba卢et al ., 2021gydF4y2Ba;gydF4y2Ba染色体et al ., 2015 agydF4y2Ba)。EMF曝光,量化风险指数(EI),主要是由网络拓扑、环境、无线接入技术、用户场景,和服务类型(gydF4y2Ba期et al ., 2019gydF4y2Ba)。加权和的EI可以写成链中的所有分支的接触(gydF4y2Ba卢et al ., 2021gydF4y2Ba)。gydF4y2Ba

特定吸收率(SAR),以W /公斤,是吸收每接触组织的质量对于一个给定的时期,特别行政区gydF4y2Ba^ULgydF4y2Ba和特别行政区gydF4y2Ba^{戴斯。莱纳姆:gydF4y2Ba}指示的归一化值UL, DL-induced非典时意味着传输能量gydF4y2BaαgydF4y2Ba= 1 w和平均接收功率密度gydF4y2BaϱgydF4y2Ba= 1 w / mgydF4y2Ba^2gydF4y2Ba,分别。EI集成在不同的年龄组gydF4y2BaggydF4y2Ba(例如,儿童,青少年,成年人,老年人),用户的姿势gydF4y2BapgydF4y2Ba(例如,站着和坐着),环境gydF4y2BaegydF4y2Ba(例如,室内、室外和通勤),无线接入技术gydF4y2BargydF4y2Ba(如GSM, UMTS wi - fi 5 g),层gydF4y2BalgydF4y2Ba(宏观,微观,pico和毫微微),和服务/使用类型gydF4y2Ba年代gydF4y2Ba(例如,语音和数据)(gydF4y2BaTesanovic et al ., 2014gydF4y2Ba)。我们考虑一个暴露场景的下一代移动网络在一个室内环境中参考SAR在不同的人口老龄化和姿势,平均的数据和语音使用类型。EI UL和DL可以由EI =gydF4y2Ba^ULgydF4y2Ba+ EIgydF4y2Ba^{戴斯。莱纳姆:gydF4y2Ba}整天,结合DL暴露诱导由基站/接入点和UL接触发生的个人无线通信设备。gydF4y2Ba

与普遍的看法相反,特区的UL呈现的主要部分而不是一个从较低的DLgydF4y2BaϱgydF4y2Ba(一般gydF4y2Ba $\le gydF4y2Ba\mathrm{10gydF4y2Ba}\mathrm{米gydF4y2Ba}\mathrm{WgydF4y2Ba}/gydF4y2Ba{\mathrm{米gydF4y2Ba}}^{\mathrm{2gydF4y2Ba}}$ 根据FCC),因为一个重要的发射机和接收机之间的距离。因此,风险指数(EI)指标提出了场景中由ULgydF4y2Ba $\mathrm{EgydF4y2Ba}\mathrm{我gydF4y2Ba}\left(\mathrm{\alpha gydF4y2Ba}\right)=gydF4y2Ba{\mathrm{年代gydF4y2Ba}\mathrm{一个gydF4y2Ba}\mathrm{RgydF4y2Ba}}^{\text{ULgydF4y2Ba}}\mathrm{\alpha gydF4y2Ba}$ 参考全身或局部SAR主要取决于所需的服务和态度(gydF4y2Ba染色体et al ., 2015 bgydF4y2Ba;gydF4y2Ba卢et al ., 2021gydF4y2Ba)。gydF4y2Ba

2.2 Hardware-Impaired信号模型gydF4y2Ba

非线性转移函数的各种发射机射频阶段,如数模转换器、带通滤波器、高功率放大器,导致添加剂失真噪声gydF4y2BaηgydF4y2Ba_tgydF4y2Ba分布为零均值复高斯随机变量gydF4y2Ba ${\mathrm{\eta gydF4y2Ba}}_{\text{tgydF4y2Ba}}\sim gydF4y2Ba\mathcal{CNgydF4y2Ba}(gydF4y2Ba\mathrm{0gydF4y2Ba},gydF4y2Ba{\mathrm{\kappa gydF4y2Ba}}_{\text{tgydF4y2Ba}},gydF4y2Ba{\stackrel{̃gydF4y2Ba}{\mathrm{\kappa gydF4y2Ba}}}_{\text{tgydF4y2Ba}})gydF4y2Ba$ 与方差gydF4y2BaκgydF4y2Ba_tgydF4y2Ba和pseudo-variancegydF4y2Ba ${\stackrel{̃gydF4y2Ba}{\mathrm{\kappa gydF4y2Ba}}}_{\text{tgydF4y2Ba}}$ 。完整的统计特性需要pseudo-variance,除了方差,相关的会计和/或不平等的权力分配正交分量的一般复杂的高斯随机变量(gydF4y2BaJaved et al ., 2017gydF4y2Ba)。重要的是,由方差pseudo-variance的价值是有限的gydF4y2Ba $|gydF4y2Ba{\stackrel{̃gydF4y2Ba}{\mathrm{\kappa gydF4y2Ba}}}_{\text{tgydF4y2Ba}}|gydF4y2Ba\le gydF4y2Ba{\mathrm{\kappa gydF4y2Ba}}_{\text{tgydF4y2Ba}}$ (gydF4y2BaBjornson et al ., 2013gydF4y2Ba;gydF4y2BaSchenk 2008gydF4y2Ba)。gydF4y2Ba

总剩余射频扭曲高斯模型是基于不同的理论研究,包括中心极限定理和测量结果在应用现有的薪酬计划(gydF4y2Ba温克,2010gydF4y2Ba;gydF4y2BaZetterberg 2011gydF4y2Ba;gydF4y2BaBoulogeorgos et al ., 2016gydF4y2Ba;gydF4y2Ba夏et al ., 2015gydF4y2Ba;gydF4y2Ba铃木et al ., 2008gydF4y2Ba;gydF4y2Ba瑞士思德利公司et al ., 2010gydF4y2Ba;gydF4y2BaDuy et al ., 2015gydF4y2Ba;gydF4y2BaBjornson et al ., 2014gydF4y2Ba;和引用)。这也可以是动力分析的中心极限定理。累计扭曲提高传输信号的噪声地板gydF4y2BaxgydF4y2Ba_txgydF4y2Ba=gydF4y2BaxgydF4y2Ba_米gydF4y2Ba+gydF4y2BaηgydF4y2Ba_tgydF4y2Ba,在那里gydF4y2BaxgydF4y2Ba_米gydF4y2Ba是单载波band-pass-modulated信号来自gydF4y2Ba米gydF4y2Ba必要QAM,gydF4y2Ba米gydF4y2Ba必要相移键控,或者gydF4y2Ba米gydF4y2Ba概率质量函数的必要PAM星座gydF4y2BapgydF4y2Ba_米gydF4y2Ba≜gydF4y2BapgydF4y2Ba_XgydF4y2Ba(gydF4y2BaxgydF4y2Ba_米gydF4y2Ba),渲染的传输概率的象征gydF4y2BaxgydF4y2Ba_米gydF4y2Ba,gydF4y2BapgydF4y2Ba≜[gydF4y2BapgydF4y2Ba_1gydF4y2Ba,gydF4y2BapgydF4y2Ba_2gydF4y2Ba、…gydF4y2BapgydF4y2Ba_米gydF4y2Ba]。让我们定义一组分布,包括所有可能的象征gydF4y2Ba

地分辨信号平均功率传输gydF4y2BaαgydF4y2Ba并得到了在加性高斯白噪声(AWGN)条件和接收机扭曲gydF4y2Ba ${\mathrm{\eta gydF4y2Ba}}_{\text{rgydF4y2Ba}}\sim gydF4y2Ba\mathcal{CNgydF4y2Ba}(gydF4y2Ba\mathrm{0gydF4y2Ba},gydF4y2Ba\mathrm{\alpha gydF4y2Ba}{\mathrm{\kappa gydF4y2Ba}}_{\text{rgydF4y2Ba}},gydF4y2Ba\mathrm{\alpha gydF4y2Ba}\stackrel{̃gydF4y2Ba}{{\mathrm{\kappa gydF4y2Ba}}_{\text{rgydF4y2Ba}}})gydF4y2Ba$ 。这些扭曲源于低噪声放大器的非线性传递函数,带通滤波器,图像拒绝低通滤波器和模拟-数字转换器的接收器。因此,在点对点(P2P)通信接收信号HWD可以建模为不当gydF4y2Ba

在哪里gydF4y2Ba $\mathrm{wgydF4y2Ba}\sim gydF4y2Ba\mathcal{CNgydF4y2Ba}(gydF4y2Ba\mathrm{0gydF4y2Ba},gydF4y2Ba{\mathrm{\sigma gydF4y2Ba}}_{\mathrm{wgydF4y2Ba}}^{\mathrm{2gydF4y2Ba}},gydF4y2Ba\mathrm{0gydF4y2Ba})gydF4y2Ba$ 是热噪声,收发器的总效应为代表的是扭曲gydF4y2Ba $\mathrm{\eta gydF4y2Ba}\sim gydF4y2Ba\mathcal{CNgydF4y2Ba}(gydF4y2Ba\mathrm{0gydF4y2Ba},gydF4y2Ba\mathrm{\kappa gydF4y2Ba},gydF4y2Ba\stackrel{̃gydF4y2Ba}{\mathrm{\kappa gydF4y2Ba}})gydF4y2Ba$ ,gydF4y2BaκgydF4y2Ba=gydF4y2BaκgydF4y2Ba_tgydF4y2Ba+gydF4y2BaκgydF4y2Ba_rgydF4y2Ba和gydF4y2Ba $\stackrel{̃gydF4y2Ba}{\mathrm{\kappa gydF4y2Ba}}=gydF4y2Ba{\stackrel{̃gydF4y2Ba}{\mathrm{\kappa gydF4y2Ba}}}_{\text{tgydF4y2Ba}}+gydF4y2Ba{\stackrel{̃gydF4y2Ba}{\mathrm{\kappa gydF4y2Ba}}}_{\text{rgydF4y2Ba}}$ 。有趣的是,广义不当行为特征有助于准确的系统建模,严格的性能分析,设计和适当的信号。有兴趣的读者可以学习的工作gydF4y2BaJaved et al。(2020)gydF4y2Ba统计不适当的细节描述。gydF4y2Ba

2.3噪声分布和最佳接收机gydF4y2Ba

考虑到总噪声gydF4y2Ba $\mathrm{zgydF4y2Ba}=gydF4y2Ba\sqrt{\mathrm{\alpha gydF4y2Ba}}\mathrm{\eta gydF4y2Ba}+gydF4y2Ba\mathrm{wgydF4y2Ba}$ 分配gydF4y2Ba $\mathrm{zgydF4y2Ba}\sim gydF4y2Ba\mathrm{CgydF4y2Ba}\mathrm{NgydF4y2Ba}\left(\mathrm{0gydF4y2Ba},gydF4y2Ba\mathrm{\alpha gydF4y2Ba}\mathrm{\kappa gydF4y2Ba}+gydF4y2Ba{\mathrm{\sigma gydF4y2Ba}}_{\mathrm{wgydF4y2Ba}}^{\mathrm{2gydF4y2Ba}},gydF4y2Ba\mathrm{\alpha gydF4y2Ba}\stackrel{̃gydF4y2Ba}{\mathrm{\kappa gydF4y2Ba}}\right)$ 在同相gydF4y2BazgydF4y2Ba_我gydF4y2Ba和正交相位gydF4y2BazgydF4y2Ba_问gydF4y2Ba噪声组件分布与各自的差异gydF4y2Ba

这些个体差异同时得到解决方差方程,即gydF4y2Ba $\mathbb{EgydF4y2Ba}\left\{{\left|\mathrm{zgydF4y2Ba}\right|}^{\mathrm{2gydF4y2Ba}}\right\}=gydF4y2Ba{\mathrm{\sigma gydF4y2Ba}}_{\mathrm{我gydF4y2Ba}}^{\mathrm{2gydF4y2Ba}}+gydF4y2Ba{\mathrm{\sigma gydF4y2Ba}}_{\mathrm{问gydF4y2Ba}}^{\mathrm{2gydF4y2Ba}}$ 和pseudo-variancegydF4y2Ba $\mathbb{EgydF4y2Ba}\left\{{\mathrm{zgydF4y2Ba}}^{\mathrm{2gydF4y2Ba}}\right\}=gydF4y2Ba{\mathrm{\sigma gydF4y2Ba}}_{\mathrm{我gydF4y2Ba}}^{\mathrm{2gydF4y2Ba}}-gydF4y2Ba{\mathrm{\sigma gydF4y2Ba}}_{\mathrm{问gydF4y2Ba}}^{\mathrm{2gydF4y2Ba}}+gydF4y2Ba\mathrm{2gydF4y2Ba}\mathrm{我gydF4y2Ba}{\mathrm{rgydF4y2Ba}}_{{\mathrm{zgydF4y2Ba}}_{\mathrm{我gydF4y2Ba}}{\mathrm{zgydF4y2Ba}}_{\mathrm{问gydF4y2Ba}}}$ 。因此,相关gydF4y2Ba ${\mathrm{rgydF4y2Ba}}_{{\mathrm{zgydF4y2Ba}}_{\mathrm{我gydF4y2Ba}}{\mathrm{zgydF4y2Ba}}_{\mathrm{问gydF4y2Ba}}}=gydF4y2Ba\mathrm{\alpha gydF4y2Ba}\mathfrak{我gydF4y2Ba}\left(\stackrel{̃gydF4y2Ba}{\mathrm{\kappa gydF4y2Ba}}\right)/gydF4y2Ba\mathrm{2gydF4y2Ba}$ 定义了相关系数gydF4y2BaρgydF4y2Ba_zgydF4y2Ba之间的gydF4y2BazgydF4y2Ba_我gydF4y2Ba和gydF4y2BazgydF4y2Ba_问gydF4y2Ba作为gydF4y2Ba

不平等的权力分配正交噪声组件和重要的相关系数是不当聚合添加剂扭曲的本质。鉴于非均匀符号概率和不当的噪音,我们提出一个最大值gydF4y2Ba一个后gydF4y2Ba(MAP)检测器的最佳检测与传统的最小欧氏或最大似然(ML)探测器(gydF4y2BaJaved et al ., 2021gydF4y2Ba)。因此,检测标准是由gydF4y2Ba

在哪里gydF4y2Ba ${\mathrm{fgydF4y2Ba}}_{{\mathrm{YgydF4y2Ba}}_{\text{我gydF4y2Ba}},gydF4y2Ba{\mathrm{YgydF4y2Ba}}_{\text{问gydF4y2Ba}}|gydF4y2Ba\mathrm{XgydF4y2Ba}}\left({\mathrm{ygydF4y2Ba}}_{\text{我gydF4y2Ba}},gydF4y2Ba{\mathrm{ygydF4y2Ba}}_{\text{问gydF4y2Ba}}|gydF4y2Ba{\mathrm{xgydF4y2Ba}}_{\mathrm{米gydF4y2Ba}}\right)$ 是条件高斯概率密度函数(PDF)的gydF4y2BaygydF4y2Ba考虑到gydF4y2BaxgydF4y2Ba_米gydF4y2Ba推导出使用gydF4y2BaJaved et al。(2020年,eq。43)gydF4y2Ba

3错误概率分析gydF4y2Ba

在本节中,我们推导出符号错误概率gydF4y2BaPgydF4y2Ba_{年代gydF4y2Ba}系统传输gydF4y2Ba米gydF4y2Ba-ary-modulated符号与先验概率gydF4y2BapgydF4y2Ba_米gydF4y2Ba并受HWD使用联合界和成对错误概率如下:gydF4y2Ba

成对错误概率,收到一个错误的象征gydF4y2BaxgydF4y2Ba_米gydF4y2Ba鉴于gydF4y2BaxgydF4y2Ba_ngydF4y2Ba传播,可以使用下面的映射规则:gydF4y2Ba

使用gydF4y2Ba(7)gydF4y2Ba和一些简化,我们得到以下一些错误概率gydF4y2Ba

在哪里gydF4y2BaβgydF4y2Ba_锰gydF4y2Ba被定义为gydF4y2Ba

与gydF4y2Ba ${\mathrm{\wp gydF4y2Ba}}_{\text{锰gydF4y2Ba}}=gydF4y2Ba\mathrm{2gydF4y2Ba}{{\mathrm{\xi gydF4y2Ba}}_{\mathrm{米gydF4y2Ba}\mathrm{ngydF4y2Ba}}}_{\mathrm{我gydF4y2Ba}}^{\mathrm{2gydF4y2Ba}}\left(\mathrm{\kappa gydF4y2Ba}-gydF4y2Ba\mathfrak{RgydF4y2Ba}\left(\stackrel{̃gydF4y2Ba}{\mathrm{\kappa gydF4y2Ba}}\right)\right)+gydF4y2Ba\mathrm{2gydF4y2Ba}{{\mathrm{\xi gydF4y2Ba}}_{\mathrm{米gydF4y2Ba}\mathrm{ngydF4y2Ba}}}_{\mathrm{问gydF4y2Ba}}^{\mathrm{2gydF4y2Ba}}\left(\mathrm{\kappa gydF4y2Ba}+gydF4y2Ba\mathfrak{RgydF4y2Ba}\left(\stackrel{̃gydF4y2Ba}{\mathrm{\kappa gydF4y2Ba}}\right)\right)-gydF4y2Ba\mathrm{4gydF4y2Ba}\mathfrak{我gydF4y2Ba}\left(\stackrel{̃gydF4y2Ba}{\mathrm{\kappa gydF4y2Ba}}\right){{\mathrm{\xi gydF4y2Ba}}_{\mathrm{米gydF4y2Ba}\mathrm{ngydF4y2Ba}}}_{\mathrm{我gydF4y2Ba}}{{\mathrm{\xi gydF4y2Ba}}_{\mathrm{米gydF4y2Ba}\mathrm{ngydF4y2Ba}}}_{\mathrm{问gydF4y2Ba}}$ ,而gydF4y2BaξgydF4y2Ba_锰gydF4y2Ba=gydF4y2BadgydF4y2Ba_锰gydF4y2Ba=gydF4y2BaxgydF4y2Ba_米gydF4y2Ba−gydF4y2BaxgydF4y2Ba_ngydF4y2Ba代表之间的距离gydF4y2Ba米gydF4y2Ba^thgydF4y2Ba和gydF4y2BangydF4y2Ba^thgydF4y2Ba符号。gydF4y2Ba

4制定和优化问题gydF4y2Ba

我们提出一个PS方案,一种可能的方案,有效地减少添加剂的剧烈影响扭曲与最小功率传输时尽量减少EMF曝光。为此,我们采用高阶gydF4y2Ba米gydF4y2Ba_νgydF4y2Ba概率型正交幅度调制(QAM)提供更多的自由度和自适应率。优化问题目标的联合设计传输能量和符号概率最小化风险指数,同时保持一个吞吐量质量约束。假设一组包括所有可能的值gydF4y2BaαgydF4y2Ba作为gydF4y2Ba $\mathbb{一个gydF4y2Ba}=gydF4y2Ba\{gydF4y2Ba\mathrm{\alpha gydF4y2Ba}:gydF4y2Ba\mathrm{0gydF4y2Ba}\le gydF4y2Ba\mathrm{\alpha gydF4y2Ba}\le gydF4y2Ba{\mathrm{\alpha gydF4y2Ba}}_{\text{马克斯gydF4y2Ba}}\}gydF4y2Ba$ ,我们可以制定优化的问题gydF4y2Ba

在哪里gydF4y2Ba ${\mathcal{TgydF4y2Ba}}_{\text{ugydF4y2Ba}}=gydF4y2Ba\left(\mathrm{1gydF4y2Ba}-gydF4y2Ba{\mathrm{PgydF4y2Ba}}_{\text{bgydF4y2Ba}}^{\text{乌兰巴托gydF4y2Ba}}\left({\mathrm{米gydF4y2Ba}}_{\text{ugydF4y2Ba}},gydF4y2Ba{\mathrm{\alpha gydF4y2Ba}}_{\text{马克斯gydF4y2Ba}},gydF4y2Ba{\mathbf{pgydF4y2Ba}}_{\text{ugydF4y2Ba}}\right)\right){\mathrm{日志gydF4y2Ba}}_{\mathrm{2gydF4y2Ba}}\left({\mathrm{米gydF4y2Ba}}_{\text{ugydF4y2Ba}}\right)$ 是星座的吞吐量最大的电力传输。此外,(12 b)和(c) 12日代表平均功率和吞吐量QoS约束,分别。此外,H (gydF4y2BapgydF4y2Ba)是源熵,代表每个符号的传播率的位每通道使用和被定义为gydF4y2Ba

联合优化问题具有挑战性由于非凸约束。因此,我们采用另一种迭代优化方法解决传输能量和符号概率使用子问题(14)和(21),分别。备用的优化gydF4y2Ba算法1gydF4y2Ba始于一些初始可行点gydF4y2BapgydF4y2Ba^{(gydF4y2BajgydF4y2Ba)gydF4y2Ba}和gydF4y2BaαgydF4y2Ba^{(gydF4y2BajgydF4y2Ba)gydF4y2Ba}和评估gydF4y2Ba $\mathrm{EgydF4y2Ba}\mathrm{我gydF4y2Ba}\left({\mathrm{\alpha gydF4y2Ba}}^{(gydF4y2Ba\mathrm{jgydF4y2Ba})gydF4y2Ba}\right)$ 参考基准。然后,它找到一个可行的解决方案gydF4y2BaP1 (a)gydF4y2Ba,也就是说,gydF4y2BapgydF4y2Ba^{(gydF4y2BajgydF4y2Ba}*gydF4y2Ba^)gydF4y2Ba满足(12 b)和(c) 12日。给定一个概率质量函数(及)gydF4y2BapgydF4y2Ba^{(gydF4y2BajgydF4y2Ba}*gydF4y2Ba^)gydF4y2Ba,我们优化gydF4y2BaP1 (b)gydF4y2Ba减少获得最佳曝光指数gydF4y2BaαgydF4y2Ba^{(gydF4y2BajgydF4y2Ba}*gydF4y2Ba^)gydF4y2Ba更新,达到为下一次迭代初始点。继续这个迭代过程,直至达到一个可接受的公差gydF4y2BaδgydF4y2Ba。因此,产生一个合适的解决方案参数及传动功率,呈现一个最小曝光指数,同时保持一个吞吐量QoS。gydF4y2Ba

算法1。gydF4y2Ba交替优化gydF4y2Ba

这个问题gydF4y2BaP1 (a)gydF4y2Ba是一个非凸优化问题的约束(14gydF4y2BacgydF4y2Ba)。有趣的是,1 / H (gydF4y2BapgydF4y2Ba)是凸的,二阶导数总是正的(见gydF4y2Ba附录gydF4y2Ba)。然而,有些错误概率是一个非凸函数gydF4y2BapgydF4y2Ba。因此,我们应对这一挑战使用连续凸逼近方法基于泰勒级数近似的误差概率。一个函数的一阶泰勒级数近似gydF4y2Ba $\mathrm{fgydF4y2Ba}\left(\mathrm{xgydF4y2Ba}\right)$ 在一个点gydF4y2BaxgydF4y2Ba^{(gydF4y2BakgydF4y2Ba)gydF4y2Ba}给药gydF4y2Ba

因此,我们需要计算gydF4y2Ba ${\nabla gydF4y2Ba}_{\mathbf{pgydF4y2Ba}}{\mathrm{PgydF4y2Ba}}_{\text{bgydF4y2Ba}}^{\text{乌兰巴托gydF4y2Ba}}\left({\mathrm{米gydF4y2Ba}}_{\text{νgydF4y2Ba}},gydF4y2Ba\mathrm{\alpha gydF4y2Ba},gydF4y2Ba\mathbf{pgydF4y2Ba}\right)$ 并评估gydF4y2Ba ${\mathbf{pgydF4y2Ba}}^{\left(\mathrm{kgydF4y2Ba}\right)}$ 。gydF4y2Ba

为了计算gydF4y2Ba $\mathrm{\partial gydF4y2Ba}{\mathrm{PgydF4y2Ba}}_{\text{bgydF4y2Ba}}^{\text{乌兰巴托gydF4y2Ba}}/gydF4y2Ba\mathrm{\partial gydF4y2Ba}{\mathrm{pgydF4y2Ba}}_{\mathrm{tgydF4y2Ba}}$ 我们重写(10)gydF4y2Ba

在ΩgydF4y2Ba_锰gydF4y2Ba被定义为gydF4y2Ba

应用莱布尼茨积分规则gydF4y2Ba(17)gydF4y2Ba收益率以下偏导数:gydF4y2Ba

现在,gydF4y2Ba ${\mathrm{PgydF4y2Ba}}_{\text{bgydF4y2Ba}}^{\text{乌兰巴托gydF4y2Ba}}\left({\mathrm{米gydF4y2Ba}}_{\text{νgydF4y2Ba}},gydF4y2Ba\mathrm{\alpha gydF4y2Ba},gydF4y2Ba\mathbf{pgydF4y2Ba}\right)$ 可以近似gydF4y2Ba方程式。15gydF4y2Ba,gydF4y2Ba16gydF4y2Ba,gydF4y2Ba19gydF4y2Ba利用一阶泰勒级数展开在一个初始的概率向量gydF4y2BapgydF4y2Ba^{(gydF4y2BakgydF4y2Ba)gydF4y2Ba}作为gydF4y2Ba

最终,我们可以解决gydF4y2BaP1 (a)gydF4y2Ba通过替换gydF4y2Ba ${\mathrm{PgydF4y2Ba}}_{\text{bgydF4y2Ba}}^{\text{乌兰巴托gydF4y2Ba}}\left({\mathrm{米gydF4y2Ba}}_{\text{νgydF4y2Ba}},gydF4y2Ba\mathrm{\alpha gydF4y2Ba},gydF4y2Ba\mathbf{pgydF4y2Ba}\right)$ 在gydF4y2Ba(14 c)gydF4y2Ba泰勒级数近似gydF4y2Ba ${\stackrel{̃gydF4y2Ba}{\mathrm{PgydF4y2Ba}}}_{\text{bgydF4y2Ba}}^{\text{乌兰巴托gydF4y2Ba}}\left({\mathrm{米gydF4y2Ba}}_{\text{νgydF4y2Ba}},gydF4y2Ba\mathrm{\alpha gydF4y2Ba},gydF4y2Ba\mathbf{pgydF4y2Ba},gydF4y2Ba{\mathbf{pgydF4y2Ba}}^{(gydF4y2Ba\mathrm{kgydF4y2Ba})gydF4y2Ba}\right)$ 和解决结果使用著名的连续凸凸可行性问题迭代逼近方法(gydF4y2Ba刘et al ., 2019gydF4y2Ba)。另一方面,我们解决gydF4y2BaP1 (b)gydF4y2Ba对于一个给定的及获得一个最优gydF4y2BaαgydF4y2Ba*这最小化EMF曝光。gydF4y2Ba

直观地说,概率型的吞吐量gydF4y2Ba米gydF4y2Ba_νgydF4y2Ba必要QAM的递增函数gydF4y2BaαgydF4y2Ba因为gydF4y2Ba ${\mathrm{PgydF4y2Ba}}_{\text{bgydF4y2Ba}}^{\text{乌兰巴托gydF4y2Ba}}\left({\mathrm{米gydF4y2Ba}}_{\text{νgydF4y2Ba}},gydF4y2Ba\mathrm{\alpha gydF4y2Ba},gydF4y2Ba\mathbf{pgydF4y2Ba}\right)$ 是一个递减函数的gydF4y2BaαgydF4y2Ba。因此,解决问题的办法gydF4y2BaP1 (b)gydF4y2Ba仅仅是获得通过求解不等式约束与平等吗gydF4y2Ba

非线性方程的根gydF4y2Ba $\mathrm{\Upsilon gydF4y2Ba}(gydF4y2Ba\mathrm{\alpha gydF4y2Ba})gydF4y2Ba=gydF4y2Ba{\mathrm{PgydF4y2Ba}}_{\text{bgydF4y2Ba}}^{\text{乌兰巴托gydF4y2Ba}}\left({\mathrm{米gydF4y2Ba}}_{\text{νgydF4y2Ba}},gydF4y2Ba\mathrm{\alpha gydF4y2Ba},gydF4y2Ba\mathbf{pgydF4y2Ba}\right)+gydF4y2Ba{\mathcal{TgydF4y2Ba}}_{\text{ugydF4y2Ba}}/gydF4y2Ba\mathrm{HgydF4y2Ba}(gydF4y2Ba\mathbf{pgydF4y2Ba})gydF4y2Ba-gydF4y2Ba\mathrm{1gydF4y2Ba}$ 可以使用牛顿迭代方法,始于一个初始猜测gydF4y2BaαgydF4y2Ba^{(gydF4y2BajgydF4y2Ba)gydF4y2Ba}和更新每次迭代所解释gydF4y2Ba凯利(2003)gydF4y2Ba:gydF4y2Ba

值得注意的是,ϒ′(gydF4y2BaαgydF4y2Ba^{(gydF4y2BajgydF4y2Ba)gydF4y2Ba})≠0和计算gydF4y2Ba(17)gydF4y2Ba作为gydF4y2Ba

在哪里gydF4y2Ba $\frac{\mathrm{\partial gydF4y2Ba}{\mathrm{\beta gydF4y2Ba}}_{\mathrm{米gydF4y2Ba}\mathrm{ngydF4y2Ba}}}{\mathrm{\partial gydF4y2Ba}\mathrm{\alpha gydF4y2Ba}}$ 表示为gydF4y2Ba

与gydF4y2Ba $\mathrm{\psi gydF4y2Ba}=gydF4y2Ba{\mathrm{\alpha gydF4y2Ba}}^{\mathrm{2gydF4y2Ba}}\left({\mathrm{\kappa gydF4y2Ba}}^{\mathrm{2gydF4y2Ba}}-gydF4y2Ba\mathfrak{RgydF4y2Ba}{\left(\stackrel{̃gydF4y2Ba}{\mathrm{\kappa gydF4y2Ba}}\right)}^{\mathrm{2gydF4y2Ba}}-gydF4y2Ba\mathfrak{我gydF4y2Ba}{\left(\stackrel{̃gydF4y2Ba}{\mathrm{\kappa gydF4y2Ba}}\right)}^{\mathrm{2gydF4y2Ba}}\right)+gydF4y2Ba\mathrm{2gydF4y2Ba}\mathrm{\alpha gydF4y2Ba}\mathrm{\kappa gydF4y2Ba}{\mathrm{\sigma gydF4y2Ba}}_{\mathrm{wgydF4y2Ba}}^{\mathrm{2gydF4y2Ba}}+gydF4y2Ba{\mathrm{\sigma gydF4y2Ba}}_{\mathrm{wgydF4y2Ba}}^{\mathrm{4gydF4y2Ba}}$ 。重复这个过程,直到所需的标准是在精度方面,也就是说,ϒ(gydF4y2BaαgydF4y2Ba)成为可接受小而变化gydF4y2BaαgydF4y2Ba比预定义的限制或较小的最大迭代次数。gydF4y2Ba

5数值结果gydF4y2Ba

在本节中,我们提出一些数值结果量化造成的EMF暴露提出PS模式代替传统的形状(NS)。我们考虑一个室内活动用户的下一代移动网络遭受HWDs不当。我们假设gydF4y2BaκgydF4y2Ba∈{0,1},gydF4y2BaρgydF4y2Ba= 0.9,gydF4y2Ba ${\mathrm{\sigma gydF4y2Ba}}_{\mathrm{wgydF4y2Ba}}^{\mathrm{2gydF4y2Ba}}=gydF4y2Ba\mathrm{1gydF4y2Ba}$ ,gydF4y2Ba米gydF4y2Ba_ugydF4y2Ba= 8−QAMgydF4y2Ba米gydF4y2Ba_νgydF4y2Ba=−16 QAM,除非另有指定。参考全身SAR值的研究gydF4y2Ba染色体et al。(2015年,表27)gydF4y2Ba,计算使用3 d EM-simulation平台基于时域有限差分法和有限的集成技术。例如,全身SARgydF4y2Ba^{裁判gydF4y2Ba}站在成人的0.0053和坐在是0.0047。另一方面,对一个孩子来说,这是0.015和0.014,分别为2.6 - ghz频段上行语音通信。在数量上的结果,我们将参考SAR加权平均在每个类别的用户数量以及各自的姿势。特别是,我们认为特区gydF4y2Ba^{裁判gydF4y2Ba}= 41×10gydF4y2Ba^{−4gydF4y2Ba}数据用户和SAR W /公斤gydF4y2Ba^{裁判gydF4y2Ba}= 63×10gydF4y2Ba^{−4gydF4y2Ba}单位功率(W /公斤语音用户gydF4y2BaIbraiwish et al ., 2022gydF4y2Ba)。显然,语音用户的SAR的参考价值高于用户的数据,因为声音用户预计将保持手机靠近他们的大脑。gydF4y2Ba

首先,我们调查EMF暴露一个活跃的用户一系列HWD水平。我们现在比较传统的NS计划使用gydF4y2Ba米gydF4y2Ba_ugydF4y2Ba−QAM和拟议的PS计划使用gydF4y2Ba米gydF4y2Ba_νgydF4y2Ba−QAM。公平的比较,我们减少曝光指数gydF4y2Ba米gydF4y2Ba_ugydF4y2Ba−QAM和均匀分布gydF4y2BapgydF4y2Ba_ugydF4y2Ba(NS)计划以确保吞吐量的阈值gydF4y2Ba ${\mathcal{TgydF4y2Ba}}_{\text{0gydF4y2Ba}}=gydF4y2Ba\mathrm{2.997gydF4y2Ba}$ 比特/秒,gydF4y2Ba

仿真结果提供洞察non-shaping曝光指数与概率塑造一系列HWDs达到吞吐量目标,如图所示gydF4y2Ba图2gydF4y2Ba。显然,他们揭示了使用PS的优势成功地限制了EMF曝光,同时保持了QoS的吞吐量。PS / NS的优点是特别突出的失真水平较高。此外,我们将进一步调查HS方案的性能gydF4y2Ba米gydF4y2Ba_νgydF4y2Ba−QAM雇佣一个聚合的GS和PS的详细研究gydF4y2BaJaved et al。(2021)gydF4y2Ba。有趣的是,商品减少了EMF接触变形水平较高,但获得微不足道鉴于设计增加了复杂性GS和PS参数。最终,PS是首选,因为它可以减少电磁场暴露于高达98%,负担得起的复杂性。gydF4y2Ba

接下来,我们研究不同调制的影响顺序为三个不同的失真水平EMF曝光所示gydF4y2Ba图3gydF4y2Ba。我们假定一个调制顺序gydF4y2Ba米gydF4y2Ba_νgydF4y2Ba从8-QAM为拟议中的PS 64 - qam。值得注意的是,增加调制顺序增加所有HWD EMF暴露水平,也就是说,至少,介质,和高失真水平,然而,以不同的速度。直观地说,需要更多的传输能力以满足QoS约束在一个高度扭曲的系统而不是最少的扭曲,主张相当EMF暴露的失真水平较高。gydF4y2Ba

同样,我们分析了PS / NS的好处的噪声方差(98−dbm−89 dbm)吞吐量为两个不同的目标,也就是说,gydF4y2Ba ${\mathcal{TgydF4y2Ba}}_{\text{0gydF4y2Ba}}=gydF4y2Ba\mathrm{2.7gydF4y2Ba}$ 比特/秒的伤害,gydF4y2Ba ${\mathcal{TgydF4y2Ba}}_{\text{0gydF4y2Ba}}=gydF4y2Ba\mathrm{2.85gydF4y2Ba}$ 比特/秒。我们可以观察到55岁和81.82%减少电磁场暴露在98−dbm目标阈值的2.7和2.85比特/秒/通道,分别与PS / NS所示gydF4y2Ba图4gydF4y2Ba。直觉、PS优于NS的整个范围的噪声方差减少EMF接触用户。gydF4y2Ba

6结论gydF4y2Ba

在本研究中,我们强调运用概率的意义塑造(PS)减轻不当的剧烈影响硬件扭曲和有效降低用户的EMF曝光,同时保持目标阈值。计算结果揭示了曝光指数减少98%的帮助下PS相比传统的NS。进一步的调查显示一个小增益与HS / PS显著增加了复杂性。因此,我们得出这样的结论:只有PS是首选的选择减少风险指数,给定一个降低EI和增加计算复杂度之间的权衡。gydF4y2Ba

数据可用性声明gydF4y2Ba

最初的贡献提出了研究中都包含在本文/辅料,可以针对相应的作者进一步询问。gydF4y2Ba

作者的贡献gydF4y2Ba

这项研究是为所有作者之间的合作进行的。AE构思工作。手稿是主要由SJ起草和修订和批准所有的合作者。gydF4y2Ba

的利益冲突gydF4y2Ba

作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。gydF4y2Ba

出版商的注意gydF4y2Ba

本文表达的所有索赔仅代表作者,不一定代表的附属组织,或那些出版商编辑和评论员。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。gydF4y2Ba

引用gydF4y2Ba

附录gydF4y2Ba

附录A:凸性的证据gydF4y2Ba

第一,二阶导数的1 / H (gydF4y2BapgydF4y2Ba)给出gydF4y2Ba

二阶导数总是正考虑到非负和凹信息熵的性质。因此,我们可以有把握地得出这样1 / H (gydF4y2BapgydF4y2Ba)是一个凸函数gydF4y2BapgydF4y2Ba。gydF4y2Ba