[논문 리뷰] Training Optimization for Energy Harvesting Communication Systems

Yaming Luo, Jun Zhang외 1명|arXiv (Cornell University)|2012. 07. 11.

Energy Harvesting in Wireless Networks참고 문헌 8인용 수 7

한 줄 요약

이 논문은 에너지 수확(energy harvesting, EH) 통신 시스템에서 실시간 또는 평균 에너지 프로파일을 기반으로 훈련 전력과 훈련 주기를 함께 최적화하여 최대 유량을 달성하도록 적응형 훈련 최적화를 제안한다. 주요 결과로는 짧은 블록 길이에서는 훈련 최적화가 필수적이며, 저속도 이동 환경에서는 긴 블록 길이에서는 고정된 훈련 주기로도 충분히 높은 성능을 달성할 수 있음을 보여준다.

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.

연구 동기 및 목표

• 에너지 공급이 갑작스럽고 불규칙한 상황으로 인해 발생하는 에너지 수확(energy harvesting, EH) 통신 시스템의 단기 성능 저하 문제를 해결한다.
• 기존 시스템과 달리 에너지 인과성 제약 조건이 존재하는 EH 시스템에서 훈련 전력과 훈련 주기를 결합 최적화 문제로 설정한다.
• 실시간 에너지 프로파일 또는 평균 에너지 수확 속도에 따라 적응 가능한 실용적인 훈련 정책을 설계하여 스펙트럼 효율을 최대화한다.
• 다양한 블록 길이와 에너지 프로파일 조건에서 적응형 훈련 방식과 고정 훈련 방식 간의 성능 격차를 평가한다.

제안 방법

• 에너지 인과성 제약 조건과 블록 fading 채널 조건 하에서 유량 최대화 문제를 공동 최적화로 수식화한다.
• 두 가지 부분 최적 정책을 제안한다: 하나는 실시간 에너지 프로파일 기반(문제 1), 다른 하나는 평균 에너지 수확 속도만을 사용하는 방식(문제 2).
• 두 번째 정책에 대해 훈련 전력과 훈련 주기의 닫힌 형태 해를 유도하며, 이는 평균 EH 속도와 블록 길이에만 의존한다.
• 성능 기준으로 최적 정책을 구하기 위해 전수 탐색을 수행하고, 고정된 훈련 주기(예: Nt=1, 고정 Nt, 고정 비율)와의 성능을 비교한다.
• 두 가지 성능 상한선을 도입한다: 동일한 EH 과정을 가정한 완벽한 CSI를 가정한 경우와, EH가 없는 시스템에서 최적 훈련을 가정한 경우.
• 포isson 분포를 가진 에너지 수확 도착과 평균 SNR = 1을 가정하여 1000개의 랜덤 EH 실현치에 대해 몬테카를로 시뮬레이션을 수행한다.

실험 결과

연구 질문

• RQ1 에너지 인과성 제약 조건으로 인해 EH 시스템에서 훈련 전력과 훈련 주기의 공동 최적화가 기존 시스템과 어떻게 다를 수 있는가?
• RQ2 블록 길이가 EH 시스템에서 훈련 주기 선택의 최적성과 민감도에 미치는 영향은 어떠한가?
• RQ3 고정된 훈련 주기가 근사 최적 성능을 달성할 수 있으며, 어떤 조건에서 가능한가?
• RQ4 다양한 EH 프로파일과 블록 길이에서 적응형 훈련 정책과 고정 정책 간의 성능 비교는 어떻게 이루어지는가?
• RQ5 실시간 프로파일 대비 평균 에너지 수확 속도만을 사용할 경우 훈련 성능에 어떤 영향을 미치는가?

주요 결과

• 짧은 블록 길이(예: N < 1250)에서는 훈련 최적화가 매우 중요하며, 고정된 훈련 정책(Nt=1)을 사용할 경우 최적 정책 대비 큰 유량 격차가 발생한다.
• 긴 블록 길이(예: N = 1250)에서는 최적 훈련 주기가 블록 길이와 에너지 프로파일에 민감도가 낮아지며, 이로 인해 고정된 훈련 주기로도 근사 최적 성능을 달성할 수 있다.
• N = 1250일 경우 Nt = 30의 고정 훈련 주기는 최적 유량의 5% 이내 성능을 달성하며, Nt ∈ [8, 189] 범위에서는 10% 이내의 격차를 허용한다.
• 평균 EH 속도만을 사용하는 부분 최적 정책(식 7)은 최적 정책과 거의 동일한 성능를 보이며, 피드백 요구 사항이 줄어들어 실용성이 높다.
• 최적 정책과 부분 최적 해 사이의 성능 격차는 작아서 제안된 적응형 정책의 실용성을 뒷받침한다.
• 고정된 Nt를 사용하더라도 적절한 값으로 설정할 경우 특히 저속도 이동 환경에서 기존의 1슬롯 훈련 방식을 능가할 수 있다.