[論文レビュー] Resource Allocation for Intelligent Reflecting Surface Aided Wireless Powered Mobile Edge Computing in OFDM Systems

Tong Bai, Cunhua Pan+4 more|arXiv (Cornell University)|Mar 11, 2020

Advanced Wireless Communication Technologies参考文献 37被引用数 11

ひとこと要約

本稿は、OFDMネットワークにおける知的反射表面（IRS）支援型無線駆動モバイルエッジコンピューティング（WP-MEC）システムを提案し、総エネルギー消費量を最小化することを目的としている。逐次的最適化と逐次凸近似を用いて、送信電力割り当て、サブバンド-デバイス接続、計算周波数、およびIRSの反射係数を共同最適化することで、従来のIRSなしWP-MECと比較して最大80％のエネルギー削減を達成した。

ABSTRACT

Wireless powered mobile edge computing (WP-MEC) has been recognized as a promising technique to provide both enhanced computational capability and sustainable energy supply to massive low-power wireless devices. However, its energy consumption becomes substantial, when the transmission link used for wireless energy transfer (WET) and for computation offloading is hostile. To mitigate this hindrance, we propose to employ the emerging technique of intelligent reflecting surface (IRS) in WP-MEC systems, which is capable of providing an additional link both for WET and for computation offloading. Specifically, we consider a multi-user scenario where both the WET and the computation offloading are based on orthogonal frequency-division multiplexing (OFDM) systems. Built on this model, an innovative framework is developed to minimize the energy consumption of the IRS-aided WP-MEC network, by optimizing the power allocation of the WET signals, the local computing frequencies of wireless devices, both the sub-band-device association and the power allocation used for computation offloading, as well as the IRS reflection coefficients. The major challenges of this optimization lie in the strong coupling between the settings of WET and of computing as well as the unit-modules constraint on IRS reflection coefficients. To tackle these issues, the technique of alternative optimization is invoked for decoupling the WET and computing designs, while two sets of locally optimal IRS reflection coefficients are provided for WET and for computation offloading separately relying on the successive convex approximation method. The numerical results demonstrate that our proposed scheme is capable of monumentally outperforming the conventional WP-MEC network without IRSs.

研究の動機と目的

• 長距離または損失の大きい無線エネルギー伝送（WET）に起因する、無線駆動モバイルエッジコンピューティング（WP-MEC）システムにおける高いエネルギー消費を是正すること。
• 従来のWP-MECの限界を克服するため、知的反射表面（IRS）を導入し、WETおよびオフロードの両方のための追加的で信頼性の高いリンクを構築すること。
• WET電力、ローカル計算周波数、サブバンド-デバイス接続、およびIRSの反射係数を共同最適化することで、マルチユーザーOFDMベースのWP-MEC環境における総システムエネルギー消費量を最小化すること。
• WETと計算フェーズの強い結合性およびIRS反射係数の単位モジュラス制約に対処するため、高度な最適化技術を用いること。

提案手法

• IRS支援型OFDMベースのWP-MECシステムにおける総エネルギー消費量の最小化を目的とした共同最適化問題を定式化する。
• 逐次的最適化を用いてWETと計算設計を分離し、反復的に解く。
• 逐次凸近似（SCA）法を適用し、WETおよび計算オフロードフェーズごとに局所的に最適なIRS反射係数を別々に導出する。
• 主要なシステム変数を最適化する：WET電力割り当て、ローカル計算周波数、サブバンド-デバイス接続、およびIRS反射係数。
• 非凸かつ単位モジュラス制約を有するIRS反射係数を、SCAを用いて取り扱い可能な形に変換する。
• 二段階最適化フレームワークを採用する：まず、固定されたIRS係数のもとでWETパrameterを最適化し、次に固定されたWET設定のもとで計算パrameterを最適化し、収束するまで繰り返し実行する。

Figure 1: An illustration of our IRS-aided WP-MEC system, where $K$ single-antenna devices are served by a mobile edge computing node via a single-antenna hybrid access point, with the aid of an $N$ -element IRS.

実験結果

リサーチクエスチョン

• RQ1 IRSの導入により、IRSなしの従来システムと比較して、OFDMベースのWP-MECシステムにおける総エネルギー消費量は顕著に削減可能か？
• RQ2 IRS要素数の増加が、WP-MECシステムのエネルギー効率に与える影響は何か？
• RQ3 IRSの配置場所（例：HAPおよびデバイスからの距離）がシステム性能に与える影響は何か？
• RQ4 IRS反射リンクのパスロス指数が、システムのエネルギー消費に与える影響は何か？
• RQ5 エッジコンピューティングのエネルギーコストが変化する状況下で、IRS導入が最も効果を発揮するのはどのような条件下か？

主な発見

• 提案されたIRS支援型WP-MEC方式は、3台のデバイスと16のサブバンドを有するセル内シナリオにおいて、従来のIRSなしWP-MECシステムと比較して、最大80％の総エネルギー消費量削減を達成した。
• IRS要素数の増加に伴い性能向上が顕著に現れ、IRSがエネルギー効率の向上にスケーラブルかつ有効であることを示した。
• IRSは、デバイスサークルから7メートル以内に配置された場合に最も効果的であり、最適化方式では7メートル以上、ランダム位相IRS方式では9メートル以上で顕著な利点が得られた。
• エッジコンピューティングのビットあたりエネルギー消費が低い場合、WETのエネルギーが総消費量を支配するため、IRSは顕著なエネルギー削減をもたらす。一方、エッジ処理が主なエネルギー消費源になると、その恩恵は薄れる。
• パスロス指数が高くなる（つまり、IRS反射信号が弱くなる）と、総エネルギー消費量が低下する傾向を示し、これはIRSの配置が強い視線路線（LoS）を維持するよう避けるべきであることを示唆している。
• 提案方式は、従来のWP-MECシステムおよびランダム位相IRS方式を上回る性能を示し、知的かつ最適化されたIRS反射ビームフォーミングの重要性を確認した。

Figure 2: An illustration of the harvest-then-offloading protocol, where $\tau T$ and $(1-\tau)T$ refer to the duration of the WET and the computing phases, respectively.