Skip to main content
QUICK REVIEW

[논문 리뷰] Energy Efficiency Optimization for Backscatter Enhanced NOMA Cooperative V2X Communications under Imperfect CSI

Wali Ullah Khan, Muhammad Ali Jamshed|arXiv (Cornell University)|2022. 02. 03.
Energy Harvesting in Wireless Networks인용 수 6
한 줄 요약

이 논문은 불완전한 채널 상태 정보(CSI) 하에서 배경 잡음 기반의 협업 V2X 네트워크에 대한 에너지 효율적인 전력 및 반사 계수 최적화 프레임워크를 제안한다. 비볼록 문제를 분리하고 반복적 하향 기울기 방법을 사용함으로써, QoS를 보장하면서 총 전송 전력을 최소화하는 것이 가능해졌으며, 에너지 효율성이 최대 0.02 Mb/J에 도달하여 저전력 및 단거리 환경에서 기존의 순수 NOMA보다 뚜렷이 뛰어난 성능을 보였다.

ABSTRACT

Automotive-Industry 5.0 will use beyond fifth-generation (B5G) technologies to provide robust, computationally intelligent, and energy-efficient data sharing among various onboard sensors, vehicles, and other devices. Recently, ambient backscatter communications (AmBC) have gained significant interest in the research community for providing battery-free communications. AmBC can modulate useful data and reflect it towards near devices using the energy and frequency of existing RF signals. However, obtaining channel state information (CSI) for AmBC systems would be very challenging due to no pilot sequences and limited power. As one of the latest members of multiple access technology, non-orthogonal multiple access (NOMA) has emerged as a promising solution for connecting large-scale devices over the same spectral resources in B5G wireless networks. Under imperfect CSI, this paper provides a new optimization framework for energy-efficient transmission in AmBC enhanced NOMA cooperative vehicle-to-everything (V2X) networks. We simultaneously minimize the total transmit power of the V2X network by optimizing the power allocation at BS and reflection coefficient at backscatter sensors while guaranteeing the individual quality of services. The problem of total power minimization is formulated as non-convex optimization and coupled on multiple variables, making it complex and challenging. Therefore, we first decouple the original problem into two sub-problems and convert the nonlinear rate constraints into linear constraints. Then, we adopt the iterative sub-gradient method to obtain an efficient solution. For comparison, we also present a conventional NOMA cooperative V2X network without AmBC. Simulation results show the benefits of our proposed AmBC enhanced NOMA cooperative V2X network in terms of total achievable energy efficiency.

연구 동기 및 목표

  • 제한된 전력과 불완전한 CSI 조건에서 대규모 연결 V2X 네트워크의 에너지 효율성 문제를 해결하기 위해.
  • 주변 배경 잡음 통신(AmBC)을 NOMA와 통합하여 배터리가 필요 없는 에너지 효율적인 V2X 통신을 가능하게 하기 위해.
  • QoS 제약 조건 하에서 기지국(BS)의 전송 전력과 배경 잡음 센서의 반사 계수를 공동 최적화하기 위해.
  • 불완전한 CSI와 다수의 변수로 인해 발생하는 비볼록이고 결합된 최적화 문제에 대한 실용적인 해법을 개발하기 위해.
  • AmBC 기반의 NOMA가 기존 순수 NOMA 대비 에너지 효율성과 CSI 오차에 대한 강건성 측면에서 우수한 성능을 보임을 입증하기 위해.

제안 방법

  • 불완전한 CSI로 인해 변수가 결합된 비볼록 최적화 문제로 총 전송 전력 최소화 문제를 수립한다.
  • 기존 문제를 두 개의 부분 문제로 분리한다: 하나는 기지국에서의 전력 할당을 위한 것이고, 다른 하나는 배경 잡음 센서에서의 반사 계수 최적화를 위한 것이다.
  • 변수 치환 및 근사 기법을 사용하여 비선형 수신률 제약 조건을 선형 제약 조건으로 변환한다.
  • 재구성된 문제를 해결하고 근사 최적해에 수렴하기 위해 반복적 하향 기울기 방법을 적용한다.
  • 채널 추정 오차 분산을 나타내는 σε를 고려하기 위해 추정된 채널 이득과 오차 모델을 사용한다.
  • 다양한 전력 예산, CSI 품질, RSU 커버리지 및 회로 전력 조건 하에서 시뮬레이션을 통해 프레임워크의 타당성을 검증한다.

실험 결과

연구 질문

  • RQ1배경 잡음 장치와 NOMA를 동시에 사용할 때 불완전한 CSI 조건 하에서 V2X 네트워크의 에너지 효율성을 어떻게 극대화할 수 있는가?
  • RQ2채널 추정 오차(σε)는 AmBC 기반의 NOMA V2X 시스템의 총 에너지 효율성에 어떤 영향을 미치는가?
  • RQ3RSU의 커버리지 범위가 AmBC 기반의 NOMA와 기존 순수 NOMA V2X 네트워크 간의 성능 격차에 미치는 영향은 무엇인가?
  • RQ4회로 전력 소모는 시스템의 에너지 효율성에 얼마나 심각하게 악영향을 미치며, AmBC는 이를 어떻게 완화하는가?
  • RQ5제안된 최적화 프레임워크는 저전력 및 단거리 V2X 환경에서 기존의 NOMA를 초월할 수 있는가?

주요 결과

  • 제안된 AmBC 기반의 NOMA V2X 시스템은 최대 0.02 Mb/J의 총 에너지 효율성을 달성하였으며, 유사 조건에서 기존 순수 NOMA가 약 0.0145 Mb/J에 그치는 것과 비교해 뚜렷이 뛰어난 성능을 보였다.
  • CSI 오차(σε)가 증가할수록 에너지 효율성이 감소하지만, AmBC 기반 시스템은 σε = 10⁻⁵일 때에도 강건성과 높은 성능을 유지한다.
  • 낮은 총 전력 예산(예: 43 dBm)은 간섭을 감소시키고, 특히 불완전한 CSI 조건에서 에너지 효율성을 높이는 데 기여한다.
  • RSU 커버리지 영역이 작을수록 AmBC-NOMA가 순수 NOMA 대비 성능 향상 효과가 커지며, 커버리지가 작아질수록 격차가 증가한다.
  • 회로 전력 소모가 증가하더라도 시스템은 높은 에너지 효율성을 유지하여 내구성과 확장성을 입증한다.
  • 반복적 하향 기울기 방법은 비볼록 최적화 문제를 효과적으로 해결하여 에너지 효율적인 V2X 네트워크의 실용적 구현을 가능하게 한다.

더 나은 연구,지금 바로 시작하세요

논문 읽기부터 검토까지, 연구 시간을 획기적으로 줄여보세요.

카드 등록 없음 · 무료 플랜 제공

이 리뷰는 AI가 만들고, 인간 에디터가 검토했습니다.