[論文レビュー] Simultaneous Energy Harvesting and Information Transmission in a MIMO Full-Duplex System: A Machine Learning-Based Design

Yasser Al-Eryani, Mohamed Akrout+1 more|arXiv (Cornell University)|Feb 13, 2020

Energy Harvesting in Wireless Networks参考文献 32被引用数 6

ひとこと要約

本稿では、自己干渉を回収可能な信号として活用することで、同時無線情報・エネルギー伝送（SWIPT）を実現するMIMOフルデュプレックスシステムを提案する。リラクゼーションに基づくプレコーディングと組み合わせたハイブリッド深層強化学習（DRL）手法（特にDDPG-DDQN）を用いることで、従来のタイムスイッチングSWIPTに比べ、スペクトル効率の大幅な向上を達成し、DRL手法は最適でない代替手法に比べ、50 dBmの電力レベルで最大3 bps/Hzの性能向上を達成する。

ABSTRACT

We propose a multiple-input multiple-output (MIMO)-based full-duplex (FD) scheme that enables wireless devices to simultaneously transmit information and harvest energy using the same time-frequency resources. In this scheme, for a MIMO point-to-point set up, the energy transmitting device simultaneously receives information from the energy harvesting device. Furthermore, the self-interference (SI) at the energy harvesting device caused by the FD mode of operation is utilized as a desired power signal to be harvested by the device. For implementation-friendly antenna selection and MIMO precoding at both the devices, we propose two methods: (i) a sub-optimal method based on relaxation, and (ii) a hybrid deep reinforcement learning (DRL)-based method, specifically, a deep deterministic policy gradient (DDPG)-deep double Q-network (DDQN) method. Finally, we study the performance of the proposed system under the two implementation methods and compare it with that of the conventional time switching-based simultaneous wireless information and power transfer (SWIPT) method. Findings show that the proposed system gives a significant improvement in spectral efficiency compared to the time switching-based SWIPT. In particular, the DRL-based method provides the highest spectral efficiency. Furthermore, numerical results show that, for the considered system set up, the number of antennas in each device should exceed three to mitigate self-interference to an acceptable level.

研究の動機と目的

• エネルギー制約のある無線ネットワークにおけるスペクトル効率の制限を解消するため、MIMOフルデュプレックスシステムで同時に情報伝送とエネルギー伝送を可能にする。
• 従来のタイムスイッチングSWIPTにおけるエネルギー回収と情報伝送のトレードオフを克服するため、自己干渉を電力源として再利用する。
• 複数のアンテナを備えたフルデュプレックス動作下で、スペクトル効率を最大化する効率的なアンテナ選択およびプレコーディング戦略を設計する。
• リアルタイムでのMIMOサブシステム構成とプレコーディングの最適化を目的とした、ハイブリッド深層強化学習（DRL）フレームワーク（特にDDPG-DDQN）を構築し、評価する。
• 提案手法のDRLベースの性能を、リラクゼーションに基づく部分最適手法および従来のタイムスイッチングSWIPTと比較し、スペクトル効率およびエネルギー回収能力の観点から評価する。

提案手法

• 1台のデバイスが同時にエネルギーを送信し、情報を受信するMIMOフルデュプレックスポイントツーポイントシステムを提案し、もう一方のデバイスは同じ周波数帯域を用いてエネルギーを回収し、情報を送信する。
• 各デバイスの複数アンテナを、情報伝送（IT）専用とエネルギー回収（EH）専用のサブアレイに分割する、新しいアンテナ選択戦略を導入する。
• 電力制約および干渉制約下で、アンテナ選択とMIMOプレコーディングを共同最適化するため、凸緩和を用いた部分最適解を提案する。
• 深層決定的方策勾配（DDPG）と深層二重Qネットワーク（DDQN）に基づくハイブリッド深層強化学習（DRL）フレームワークを設計し、最適なMIMOサブシステム構成とプレコーディング行列を学習する。
• DRLフレームワークにおける報酬関数を、スペクトル効率を最大化すると同時に、受信側での十分なエネルギー回収を保証するように設計する。
• アンテナ選択とプレコーディングの複雑な共同最適化を、取り扱いやすい部分問題に分離するための逐次最適化アプローチを採用する。

実験結果

リサーチクエスチョン

• RQ1 MIMOフルデュプレックスシステムにおける自己干渉を、同時エネルギー回収と情報伝送に利用可能なエネルギー信号として再利用可能か？
• RQ2 DRLベースのアンテナ選択およびプレコーディング戦略は、リラクゼーションに基づく部分最適手法と比較して、スペクトル効率およびエネルギー回収効率の観点でどのように性能を発揮するか？
• RQ3 MIMO-FD SWIPTシステムにおいて、自己干渉の抑制が十分に行われ、信頼性のある運用が実現できるために、各デバイスに必要な最小アンテナ数はどの程度か？
• RQ4 提案手法のDRLベースの手法は、さまざまな電力予算において、従来のタイムスイッチングベースのSWIPTに比べ、どの程度スペクトル効率で優れているか？
• RQ5 提案されたMIMO-FD SWIPT構成において、送信電力およびアンテナ数の増加に伴い、システムのスペクトル効率はどのように変化するか？

主な発見

• 提案手法のDRLベースの手法は、送信電力50 dBmにおいて、従来のタイムスイッチングSWIPTに比べ、最大3 bps/Hzのスペクトル効率向上を達成する。
• DRLベースのソリューションは、50 dBmにおいてリラクゼーションに基づく部分最適手法に比べ約1.5 bps/Hzの性能向上を示し、特に中程度の電力範囲（例：37 dBm）で顕著な向上が見られる。
• アンテナ構成(M,N) = (2,2)の場合、55 dBmを超える電力予算ではMIMOダイバーシティが不十分で自己干渉の抑制が不可能なため、システムのアウトージーが発生する。
• 20–40 dBmの電力範囲で最適な性能を達成し、特に$π_1 \to \mathcal{P}_2$リンクで最大1.5–2 bps/Hzのレート向上が観察される。
• 数値結果から、自己干渉を効果的に抑制し、信頼性の高い通信を維持するには、各デバイスに少なくとも4本のアンテナ（M, N > 3）が必要であることが確認された。
• DRLモデルは、すべての可能なMIMOサブシステム構成とそれに対応するプレコーディング行列を学習できており、部分最適手法が最良の構成を近似的にしか得られないのに対し、優れた性能を発揮する。