[论文解读] Energy-Efficient Backscatter Aided Uplink NOMA Roadside Sensor Communications under Channel Estimation Errors

Asim Ihsan, Wen Chen+3 more|arXiv (Cornell University)|Sep 11, 2021

Energy Harvesting in Wireless Networks被引用 6

一句话总结

该论文提出了一种面向后向散射辅助上行链路非正交多址（NOMA）系统的节能方案，适用于太赫兹通信的智能交通系统（ITS），在信道估计误差下优化主载波发射机的发射功率与路边传感器的反射系数。通过两阶段交替优化算法（AOBWS），该方法在低复杂度下实现近似最优的频谱效率，利用卡丹诺公式求解闭式解并实现非迭代计算。

ABSTRACT

This work presents non-orthogonal multiple access (NOMA) enabled energy-efficient alternating optimization framework for backscatter aided wireless powered uplink sensors communications for beyond 5G intelligent transportation system (ITS). Specifically, the transmit power of carrier emitter (CE) and reflection coefficients of backscatter aided roadside sensors are optimized with channel uncertainties for the maximization of the energy efficiency (EE) of the network. The formulated problem is tackled by the proposed two-stage alternating optimization algorithm named AOBWS (alternating optimization for backscatter aided wireless powered sensors). In the first stage, AOBWS employs an iterative algorithm to obtain optimal CE transmit power through simplified closed-form computed through Cardano's formulae. In the second stage, AOBWS uses a non-iterative algorithm that provides a closed-form expression for the computation of optimal reflection coefficient for roadside sensors under their quality of service (QoS) and a circuit power constraint. The global optimal exhaustive search (ES) algorithm is used as a benchmark. Simulation results demonstrate that the AOBWS algorithm can achieve near-optimal performance with very low complexity, which makes it suitable for practical implementations.

研究动机与目标

• 为解决大规模路边传感器网络在后向5G智能交通系统（ITS）中的能效挑战。
• 在信道状态信息不完美条件下，优化后向散射辅助上行链路NOMA通信的能效（EE）。
• 在服务质量（QoS）与电路功耗约束下，联合设计主载波发射机的发射功率与路边传感器的反射系数。
• 开发一种低复杂度、近似最优的算法，适用于动态ITS环境的实际部署。

提出的方法

• 提出一种两阶段交替优化框架（AOBWS），在信道估计误差下最大化网络能效。
• 在第一阶段，通过由KKT条件导出的三次方程求解最优主载波发射机功率，利用卡丹诺公式求解。
• 在第二阶段，推导在QoS与电路功耗约束下最优反射系数的非迭代闭式解。
• 采用简化的有效信干噪比（SINR）与可实现速率表达式，引入信道估计误差。
• 采用全局最优穷举搜索（ES）作为基准，验证性能。
• 证明了可实现速率关于反射系数的拟凹性，确保收敛至全局最优解。

实验结果

研究问题

• RQ1 在信道估计误差下，如何最大化后向散射辅助上行链路NOMA路边传感器网络的能效？
• RQ2 在信道状态信息不完美条件下，主载波发射机的最优功率分配策略是什么？
• RQ3 在QoS与电路功耗约束下，能否推导出反射系数的闭式解以降低计算复杂度？
• RQ4 所提出的AOBWS算法与穷举搜索相比，在性能与复杂度方面表现如何？
• RQ5 可实现速率函数是否关于反射系数为拟凹性，从而确保全局最优性？

主要发现

• AOBWS算法在显著降低计算复杂度的前提下，实现了接近最优的能效性能，优于穷举搜索基准。
• 通过将优化问题转化为三次方程，利用卡丹诺公式求解，获得最优主载波发射机功率。
• 反射系数优化得到非迭代闭式解，支持实时实现。
• 证明了可实现速率函数关于反射系数的拟凹性，确保解的全局最优性。
• 仿真结果表明，AOBWS的性能与穷举搜索非常接近，同时保持低复杂度。
• 系统在信道估计误差下仍保持鲁棒性能，验证了其在真实ITS部署中的实用性。