[論文レビュー] Training Optimization for Energy Harvesting Communication Systems

Yaming Luo, Jun Zhang+1 more|arXiv (Cornell University)|Jul 11, 2012

Energy Harvesting in Wireless Networks参考文献 8被引用数 7

ひとこと要約

本稿では、エネルギー効率の高い通信システムにおける訓練の最適化を提案し、瞬時のエネルギー供給状況または平均エネルギー供給率に基づいて、訓練の送信電力と周期を共同で最適化することでスループットを最大化する。主な結果として、短いブロック長では訓練の最適化が極めて重要である一方、低速度移動環境では長いブロック長では固定された訓練周期でも十分に性能を発揮することが示された。

ABSTRACT

Energy harvesting (EH) has recently emerged as an effective way to solve the lifetime challenge of wireless sensor networks, as it can continuously harvest energy from the environment. Unfortunately, it is challenging to guarantee a satisfactory short-term performance in EH communication systems because the harvested energy is sporadic. In this paper, we consider the channel training optimization problem in EH communication systems, i.e., how to obtain accurate channel state information to improve the communication performance. In contrast to conventional communication systems, the optimization of the training power and training period in EH communication systems is a coupled problem, which makes such optimization very challenging. We shall formulate the optimal training design problem for EH communication systems, and propose two solutions that adaptively adjust the training period and power based on either the instantaneous energy profile or the average energy harvesting rate. Numerical and simulation results will show that training optimization is important in EH communication systems. In particular, it will be shown that for short block lengths, training optimization is critical. In contrast, for long block lengths, the optimal training period is not too sensitive to the value of the block length nor to the energy profile. Therefore, a properly selected fixed training period value can be used.

研究の動機と目的

• エネルギーの供給が不規則で不確実な状況に起因する短期的な性能劣化の問題に取り組む。
• 従来のシステムとは異なり、エネルギー因果性制約の下で訓練電力と周期の共同最適化を、エネルギー効率の高い（EH）システムにおいて連携問題として定式化する。
• スペクトル効率を最大化するため、瞬時のエネルギー供給状況または平均エネルギー収集レートに応じて適応可能な実用的な訓練ポリシーを設計する。
• 特にブロック長やエネルギー供給プロファイルの変動に応じて、適応的訓練方式と固定訓練方式との性能差を評価する。

提案手法

• エネルギー因果性制約およびブロックフェージングチャネル制約の下で、スループットの共同最大化問題として訓練最適化問題を定式化する。
• 2つの準最適な訓練ポリシーを提案：1つは瞬時のエネルギー供給状況に基づく（問題1）、もう1つは平均エネルギー収集レートのみを用いる（問題2）。
• 2番目のポリシーにおいて、訓練電力と周期の閉形式表現を導出する。この表現は平均EHレートとブロック長にのみ依存する。
• 最適ポリシーの性能ベンチマークを求めるために、全探索を用い、固定訓練方式（例：Nt=1、固定Nt、固定比率）と比較する。
• 2つの性能上限を導入：1つは同じEHプロセスを想定した完璧なCSIを仮定した場合、もう1つは非EHシステムで最適訓練を仮定した場合。
• ポisson分布に従うエネルギー到着を想定した1000回分のモンテカルロシミュレーションを実施し、平均SNR = 1とする。

実験結果

リサーチクエスチョン

• RQ1 エネルギー因果性制約の下で、EHシステムにおける訓練電力と周期の共同最適化は、従来のシステムとどのように異なるか？
• RQ2 ブロック長が、EHシステムにおける訓練周期選択の最適性および感度に与える影響は何か？
• RQ3 固定された訓練周期が近似最適性能を達成できる条件は何か？
• RQ4 さまざまなEHプロファイルおよびブロック長において、適応的訓練ポリシーと固定ポリシーの性能はどのように比較されるか？
• RQ5 瞬時のプロファイルではなく平均エネルギー収集レートのみを用いる場合、訓練性能にどの程度の影響が生じるか？

主な発見

• 短いブロック長（例：N < 1250）では訓練最適化が極めて重要であり、Nt=1のような固定訓練ポリシーでは最適ポリシーとの間で大きなスループットギャップが生じる。
• 長いブロック長（例：N = 1250）では、最適な訓練周期がブロック長やエネルギー供給プロファイルに対して感度が低くなり、固定された訓練周期が近似最適性能を達成できるようになる。
• N = 1250の場合、固定訓練周期Nt = 30では最適スループットの5%以内に収まり、Nt ∈ [8, 189] の範囲では10%のギャップ許容範囲内に収まる。
• 平均EHレートのみを用いる準最適ポリシー（式7）は、最適ポリシーとほぼ同等の性能を発揮し、フィードバック要件が少ないため実用的である。
• 最適ポリシーと準最適解との性能ギャップは小さいため、提案された適応的訓練方式の実用性が裏付けられる。
• 固定Ntであっても、適切に値を選べば、特に低速度移動環境では従来の1スロット訓練を上回る性能を発揮できる。