[논문 리뷰] Optimal Resource Allocation Design for Large IRS-Assisted SWIPT Systems: A Scalable Optimization Framework

Dongfang Xu, Vahid Jamali외 3명|arXiv (Cornell University)|2021. 04. 07.

Advanced Wireless Communication Technologies인용 수 8

한 줄 요약

이 논문은 비선형 에너지 수확 모델을 갖는 대규모 지능형 반사면(IR)을 지원하는 동시에 무선 정보 및 전력 전송(SWIPT) 시스템을 위한 확장 가능한 최적화 프레임워크를 제안한다. IR을 타일로 분할하고 사전에 최적의 위상 시프트 설정(전송 모드)을 오프라인으로 사전 계산한다. 분기 및 경계(Branch-and-bound) 및 페널티 기반의 순차적 볼록 근사법을 통해 비선형 최적화 문제를 동시에 최적화함으로써, 전력 소비를 크게 줄이고 대규모 IR을 위한 효율적인 온라인 운영을 가능하게 한다.

ABSTRACT

In this paper, we study the optimal resource allocation algorithm design for large intelligent reflecting surface (IRS)-assisted simultaneous wireless information and power transfer (SWIPT) systems. To facilitate efficient system design for large IRSs, instead of jointly optimizing all the IRS elements, we partition the IRS into several tiles and employ a scalable optimization framework comprising an offline design stage and an online optimization stage. In the offline stage, the IRS elements of each tile are jointly designed to support a set of different phase shift configurations, referred to as transmission modes, while the best transmission mode is selected from the set for each tile in the online stage. Given a transmission mode set, we aim to minimize the total base station (BS) transmit power by jointly optimizing the beamforming and the transmission mode selection policy taking into account the quality-of-service requirements of information decoding and non-linear energy harvesting receivers, respectively. Although the resource allocation algorithm design is formulated as a non-convex combinatorial optimization problem, we solve it optimally by applying the branch-and-bound (BnB) approach which entails a high computational complexity. To strike a balance between optimality and computational complexity, we also develop an efficient suboptimal algorithm capitalizing on the penalty method and successive convex approximation. Our simulation results show that the proposed designs enable considerable power savings compared to several baseline schemes. Moreover, our results reveal that by properly adjusting the numbers of tiles and transmission modes, the proposed scalable optimization framework indeed facilitates online design for large IRSs.

연구 동기 및 목표

• 비선형 에너지 수확(EH) 모델을 갖는 SWIPT 시스템에서 대규모 IR을 최적화할 때 발생하는 높은 계산 복잡도 문제를 해결하기 위해.
• IR 크기가 커질수록 성능이 급격히 떨어지는 원소 단위 최적화의 한계를 극복하기 위해.
• 오프라인 설계와 온라인 선택을 분리함으로써 대규모 IR에 대한 효율적인 온라인 자원 할당을 가능하게 하기 위해.
• 정보 복원 및 비선형 에너지 수확 수신기의 QoS 요구사항을 충족시키면서 총 기지국 전송 전력을 최소화하기 위해.
• 조정 가능한 타일 수와 모드 수를 통해 성능와 복잡도 사이의 민감한 트레이드오프를 제공하기 위해.

제안 방법

• 최적화 복잡도를 줄이기 위해 대규모 IR을 다수의 타일로 분할하기 위해.
• 각 타일에 대해 최적의 위상 시프트 설정(전송 모드)을 사전에 계산하는 오프라인 단계를 도입하기 위해.
• 비볼록 조합 최적화 문제를 정확하게 해결하기 위해 분기 및 경계(Branch-and-bound, BnB) 기법을 사용하기 위해.
• 계산 복잡도를 줄이기 위해 페널티 방법과 순차적 볼록 근사법을 활용한 준최적 알고리즘을 개발하기 위해.
• 선형 근사보다 더 정확한 정확도를 확보하기 위해 물리 기반의 비선형 에너지 수확 모델을 도입하기 위해.
• 정보 수신기 및 에너지 수신기의 QoS 제약 조건 하에 비전송 벡터와 전송 모드 선택을 동시에 최적화하기 위해.

Figure 1: An IRS-aided SWIPT system comprising one multi-antenna base station (BS), $K=2$ information decoding receivers (IRs), and $J=2$ energy harvesting receivers (ERs). To facilitate efficient online design, the large IRS is partitioned into $T=8$ tiles of equal size, as indicated by the red-col

실험 결과

연구 질문

• RQ1 대규모 IRS-기반 SWIPT 시스템에서 자원 할당을 최적성의 손실 없이 어떻게 확장 가능하게 할 수 있는가?
• RQ2 선형 모델 대비 비선형 에너지 수확 모델을 사용할 경우 시스템 성능과 전력 효율성에 어떤 영향을 미치는가?
• RQ3 제안된 타일 기반 분할 및 전송 모드 선택 프레임워크는 온라인 최적화 복잡도와 성능에 어떤 영향을 미치는가?
• RQ4 대규모 IRS 구현에서 타일 수, 전송 모드 수, 시스템 성능 사이의 상호 트레이드오프는 어떻게 존재하는가?
• RQ5 제안된 프레임워크는 기준 대비 뚜렷한 전력 절감 효과를 달성할 수 있으며, 대규모 IRS에 대해 계산적으로 실행 가능할 수 있는가?

주요 결과

• 제안된 확장 가능한 최적화 프레임워크는 특히 비선형 에너지 수확 모델을 사용할 경우 기준 대비 뚜렷한 전력 절감 효과를 보였다.
• 페널티 방법과 순차적 볼록 근사법을 기반으로 한 준최적 알고리즘은 계산 복잡도를 크게 줄였음에도 불구하고 거의 최적 성능에 도달했다.
• 타일 수와 전송 모드 수를 적절히 조정함으로써 대규모 IRS 시스템에서 성능와 복잡도 사이의 민감한 트레이드오프를 유연하게 제어할 수 있었다.
• 물리 기반의 비선형 EH 모델은 특히 fading 조건 하에서 선형 모델보다 더 정확하고 실용적인 시스템 설계를 가능하게 했다.
• 최적의 비전송 행렬이 랭크-1임이 입증되어 효율적인 구현과 신호 처리의 단순화를 가능하게 했다.

Figure 2: An illustration of the BnB search tree for $S=2$ and $T=2$ . The green arrows and dots correspond to the path to the optimal node (yellow star). The red and grey dots correspond to non-optimal feasible nodes and discarded nodes, respectively.