IRS（智能反射面） 智能反射面与无人机通信-II.论文
这里只对该论文的应用场景和模型进行介绍，不详细阐述其解决方法（该论文利用凸优化来解决问题）
1.场景
在该论文中，设想了一架无人机，多个IRS面板和多个用户的场景。其中无人机和用户之间存在障碍物，无法进行直接通信，因此需要借助IRS面板来重新建立一条链路，实现无人机和用户之间的通信。
注：该论文不同于大部分论文采用时分或者频分复用，该论文中采用非正交多址接入技术（NOMA），其大致思路是：多个信号走一条路，然后多个接收端自己去解析，找到属于自己的那个信号，这样可以大大提高频带的利用率。具体的实现细节可以参考非正交多址复用技术
2.系统模型
坐标
1.无人机：
2.第m个IRS:
3.第n个用户：
4.IRS面板反射系数
其中，diag指的是对角矩阵，θm,k表示的是第m个IRS第k个反射元的反射系数。
信道模型
- UAV-IRS
在该论文中对所有信道的描述都利用了Rician model，因为信号在经过IRS反射之后可能会出现多径效应。
其中，
表示无人机和IRS之间的距离；
表示LoS部分系数，其中乘号前面可以看成是对无人机到IRS之间的距离所导致的相移的矫正，乘号后面可以看成是对IRS元件所组成的天线阵列之间的间隔所导致的相移的矫正。Pm表示入射角度。K表示IRS面板反射元的个数。LoS系数这个部分和天线阵列波束成形很相似，感兴趣的可以去b站上面找相关的视频了解一下。
- IRS-User
IRS-User信道模型和UAV-IRS同理，就不再多做阐述了：
3.问题建模
数据率
这篇论文的目的在于解决在上述场景下获得最大的总数据率，因此我们先给出数据率的公式：
其中SINR(m,n)表示的是第m个IRS和第n个User之间的信噪比。其中分子表示的第n个用户是受到的信号，分母表示的是噪声，至于分母的前半部分是由于在模型用到的是NOMA技术，所以难免会有其他的用户和该用户走同一条通道，那么这些用户相对于该用户而言也相当于是噪声。
公式（14）r(m,n)表示的是数据率，其中w(m,n)表示的是第m个IRS面板和第n个User之间的分配关系。在该论文中规定，每个用户只能使用一个IRS面板，每个IRS面板上最多只能反射θ个用户的信号，因此w(m,n)的约束如下：
问题建模
在上面的模块中提到了该论文旨在找到最大总数据率，因此针对该问题，我们可以用如下数据表达式表示：
其中C1-C5都是对该问题的约束，C1-C3是对IRS-User之间的分配关系的约束，C4是对无人机位置的约束（该论文规定无人机水平位置保持不变，只更改垂直位置），C5是对相移的约束。
问题解决
通过问题建模可以看出来上述问题是非凸的，该论文采用了凸优化理论来解决这个问题，这里只大致说一下该论文的解决思路，不做详细阐述，感兴趣的可以阅读原文看下推导过程。
在该论文中，将问题解决划分为了三个部分：IRS-User之间的分配关系、无人机悬停的高度以及IRS反射系数。也就是说该论文通过优化IRS与User之间的分配关系、无人机位置以及IRS反射系数来实现总数据率最大化。
针对这三部分的解决过程感兴趣的去阅读原论文Exploring Sum Rate Maximization in UAV-based Multi-IRS Networks: IRS Association, UAV Altitude, and Phase Shift Design
其大致就是通过一阶泰勒展开、SCA（SCA技术原理）、借助CVX工具等方式将非凸函数变成凸函数求解最优值。