[논문 리뷰] Simultaneous Energy Harvesting and Information Transmission in a MIMO Full-Duplex System: A Machine Learning-Based Design

Yasser Al-Eryani, Mohamed Akrout외 1명|arXiv (Cornell University)|2020. 02. 13.

Energy Harvesting in Wireless Networks참고 문헌 32인용 수 6

한 줄 요약

이 논문은 자기간섭을 수확 가능한 신호로 활용하여 동시에 무선 정보 및 에너지 전송(SWIPT)을 가능하게 하는 MIMO 풀드럭스 시스템을 제안한다. 유연한 최적화 기반의 조합 강화학습(DRL) 기법인 DDPG-DDQN과 함께 사용된 이론적 최적화 기반의 프리코딩을 통해 기존의 시간 스위칭 SWIPT 대비 상당한 스펙트럼 효율성 향상을 달성하였으며, DRL 방법은 50 dBm 전력 수준에서 최적화되지 않은 대안 대비 최대 3 bps/Hz의 성능 향상을 보였다.

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.

연구 동기 및 목표

• 에너지 제약이 있는 무선 네트워크에서 스펙트럼 효율성의 한계를 해결하기 위해 MIMO 풀드럭스 시스템에서 동시에 정보 및 에너지 전송을 가능하게 하기 위해.
• 기존의 시간 스위칭 SWIPT에서 에너지 수확과 정보 전송 간의 상충관계를 극복하기 위해 자기간섭을 에너지 원천으로 재사용하기 위해.
• 다중 안테나를 갖춘 풀드럭스 운영 조건에서 스펙트럼 효율성을 극대화하는 효율적인 안테나 선택 및 프리코딩 전략을 설계하기 위해.
• 실시간으로 MIMO 하위시스템 구성 및 프리코딩을 최적화하기 위한 하이브리드 딥 강화학습(DRL) 프레임워크—특히 DDPG-DDQN—을 개발하고 평가하기 위해.
• 제안된 DRL 기반 방법의 성능을 이론적 최적화 기반의 부분 최적화 방법 및 기존의 시간 스위칭 SWIPT 대비 스펙트럼 효율성 및 에너지 수확 능력 측면에서 비교하기 위해.

제안 방법

• 한 장치가 동시에 에너지를 전송하고 정보를 수신하며, 다른 장치가 동일한 대역폭을 사용하여 에너지를 수확하고 정보를 전송하는 MIMO 풀드럭스 포인트 투 포인트 시스템을 제안한다.
• 각 장치의 다수 안테나를 전용 정보 전송(IT) 및 에너지 수확(EH) 서브어레이로 분할하는 혁신적인 안테나 선택 전략을 도입한다.
• 전력 및 간섭 제약 조건 하에서 안테나 선택과 MIMO 프리코딩을 공동 최적화하기 위해 볼록 완화 기법을 사용한 부분 최적화 해법을 개발한다.
• 딥 디터미니스틱 정책 그라디언트(DDPG)와 딥 더블 Q-네트워크(DDQN)를 기반으로 한 하이브리드 딥 강화학습(DRL) 프레임워크를 설계하여 최적의 MIMO 하위시스템 구성 및 프리코딩 행렬을 학습한다.
• DRL 프레임워크에서 스펙트럼 효율성을 극대화하면서 수신기에서 충분한 에너지 수확을 보장하는 보상 함수를 사용한다.
• 복잡한 안테나 선택 및 프리코딩의 공동 최적화 문제를 다루기 위해 순차적 최적화 접근법을 도입하여 다루기 쉬운 부분 문제로 분해한다.

실험 결과

연구 질문

• RQ1 MIMO 풀드럭스 시스템에서 자기간섭을 수확 가능한 에너지 신호로 재사용하여 동시에 에너지 수확 및 정보 전송을 가능하게 할 수 있는가?
• RQ2 스펙트럼 효율성 및 에너지 수확 효율성 측면에서 DRL 기반의 안테나 선택 및 프리코딩 전략은 이론적 최적화 기반의 부분 최적화 방법보다 어떻게 비교되는가?
• RQ3 MIMO-FD SWIPT 시스템에서 신뢰할 수 있는 운영과 충분한 자기간섭 감소를 달성하기 위해 각 장치에 필요한 최소 안테나 수는 얼마인가?
• RQ4 제안된 DRL 기반 방법은 다양한 전력 예산에서 기존의 시간 스위칭 기반 SWIPT 대비 스펙트럼 효율성에서 얼마나 뛰어나게 성능을 냈는가?
• RQ5 제안된 MIMO-FD SWIPT 환경에서 시스템의 스펙트럼 효율성은 전송 전력과 안테나 수가 증가함에 따라 어떻게 변화하는가?

주요 결과

• 제안된 DRL 기반 방법은 50 dBm 전송 전력에서 기존의 시간 스위칭 SWIPT 대비 최대 3 bps/Hz의 스펙트럼 효율성 향상을 달성한다.
• DRL 기반 솔루션은 50 dBm에서 이론적 최적화 기반 부분 최적화 방법보다 약 1.5 bps/Hz 높은 성능를 보이며, 특히 중간 전력 범위(예: 37 dBm)에서 두드러진 성능 향상을 보인다.
• (M,N) = (2,2) 안테나 구성에서 55 dBm 이상의 전력 예산에서는 MIMO 다양성 부족과 자기간섭 억제 불가로 인해 시스템 아웃리지가 발생한다.
• 20–40 dBm 전력 범위에서 최적의 성능를 달성하며, $π_1 \to \mathcal{P}_2$ 링크에서 가장 높은 속도 향상(1.5–2 bps/Hz)을 관찰할 수 있다.
• 수치 결과는 각 장치에 최소 4개 이상의 안테나(M, N > 3)가 필요로 하며, 자기간섭을 효과적으로 억제하고 신뢰할 수 있는 통신을 유지하기 위해 필수적임을 확인한다.
• DRL 모델은 모든 가능한 MIMO 하위시스템 구성과 그에 해당하는 프리코딩 행렬을 학습하여, 부분 최적화 방법이 최적 구성의 근사치만 제공하는 것에 비해 뛰어난 성능를 달성한다.