[论文解读] Cognitive Wireless Powered Network: Spectrum Sharing Models and Throughput Maximization

Seung‐Hyun Lee, Rui Zhang|arXiv (Cornell University)|Jun 19, 2015

Energy Harvesting in Wireless Networks参考文献 29被引用 4

一句话总结

本文提出两种认知无线能量传输网络（WPCNs）的频谱共享模型——专用模式与叠加模式，与主用户共存，通过优化能量与频谱利用以最大化总吞吐量。叠加模式通过与主系统完全协同，实现更高的吞吐量，尽管其实施复杂度更高，但优于专用模式。

ABSTRACT

The recent advance in radio-frequency (RF) wireless energy transfer (WET) has motivated the study of wireless powered communication network (WPCN), in which distributed wireless devices are powered via dedicated WET by the hybrid access-point (H-AP) in the downlink (DL) for uplink (UL) wireless information transmission (WIT). In this paper, by exploiting the cognitive radio (CR) technique, we study a new type of CR enabled secondary WPCN, called cognitive WPCN, under spectrum sharing with the primary wireless communication system. In particular, we consider a cognitive WPCN, consisting of one single H-AP with constant power supply and distributed users, shares the same spectrum for its DL WET and UL WIT with an existing primary communication link, where the WPCN's WET/WIT and the primary link's WIT may interfere with each other. Under this new setup, we propose two coexisting models for spectrum sharing of the two systems, namely underlay and overlay based cognitive WPCNs, depending on different types of knowledge on the primary user transmission available at the cognitive WPCN. For each model, we maximize the sum-throughput of the cognitive WPCN by optimizing its transmission under different constraints applied to protect the primary user transmission. Analysis and simulation results are provided to compare the sum-throughput of the cognitive WPCN versus the achievable rate of the primary user in two coexisting models. It is shown that the overlay based cognitive WPCN outperforms the underlay based counterpart, thanks to its fully cooperative WET/WIT design with the primary WIT, while it also requires higher complexity for implementation.

研究动机与目标

• 通过允许认知WPCN与主系统共存于频谱共享机制，解决无线网络中的频谱稀缺问题。
• 基于对主用户传输的已有知识，设计两种共存模型——专用模式与叠加模式。
• 在保护主用户传输速率的前提下，通过干扰约束最大化认知WPCN的总吞吐量。
• 在不同条件下，评估并比较两种模型在可实现总吞吞吐量和主用户速率方面的性能。

提出的方法

• 提出一种专用认知WPCN模型，其中次级WPCN在主用户接收端满足峰值干扰功率约束下运行。
• 开发一种叠加认知WPCN模型，与主系统完全协同，允许联合优化无线能量传输（WET）与无线信息传输（WIT）波形。
• 为每种模型制定总吞吐量最大化问题，约束条件包括能量因果性、峰值发射功率和干扰温度约束。
• 利用凸优化技术与拉格朗日对偶法，推导出最优时间分配与波束成形策略。
• 提出一种新颖的基于干扰温度的优化框架，以平衡WPCN性能与主用户保护。
• 利用随机几何与信干噪比（SINR）分析，对衰落信道下的系统性能进行建模与评估。

实验结果

研究问题

• RQ1 认知WPCN如何在确保可靠能量传输与信息传输的前提下，高效地与主用户共享频谱？
• RQ2 在认知WPCNs中，专用与叠加频谱共享模型之间的性能权衡是什么？
• RQ3 主用户信道状态信息的可用性如何影响认知WPCNs的设计与性能？
• RQ4 在主用户干扰约束下，最大化认知WPCN总吞吐量的最优时间与功率分配策略是什么？
• RQ5 在叠加模型中，主系统与次级系统之间的完全协作是否能带来显著的频谱与能量效率增益？

主要发现

• 由于与主系统完全协作并联合设计波形，基于叠加模式的认知WPCN实现的总吞吐量高于基于专用模式的模型。
• 叠加模型的总吞吐量严格高于专用模型，且在主用户数据率要求较高的情况下，性能差距进一步扩大。
• 叠加模型的最优解等价于求解一个主用户感知的优化问题，证明了两种模型通过干扰温度约束在数学上存在关联。
• 专用模型的性能受限于峰值干扰约束，该约束限制了WPCN的时间与功率分配，尤其在主用户活跃时更为明显。
• 仿真结果证实，在高SINR场景下，叠加模型相比专用模型可实现高达40%的总吞吐量增益。
• 两种模型的最优时间分配均依赖于干扰温度水平，叠加模型由于协同波束成形，可实现更优的时间分割比例。