[论文解读] Framework for Link-Level Energy Efficiency Optimization with Informed Transmitter

Christian Isheden, Zhijiat Chong+2 more|arXiv (Cornell University)|Oct 10, 2011

Advanced MIMO Systems Optimization参考文献 15被引用 5

一句话总结

本文提出了一种分数规划框架，用于在具备信道状态信息的无线系统中实现链路级能量效率（EE）优化，将非凸的EE最大化问题转化为速率与功率的加权和。通过将EE目标视为标量化双准则问题，该框架实现了基于水填水的高效解法，其关键结果为：最优功率分配依赖于由电路功率和发射功率导出的阈值（λ），该结果适用于连续与离散调制方式，包括QAM与PAM。

ABSTRACT

The dramatic increase of network infrastructure comes at the cost of rapidly increasing energy consumption, which makes optimization of energy efficiency (EE) an important topic. Since EE is often modeled as the ratio of rate to power, we present a mathematical framework called fractional programming that provides insight into this class of optimization problems, as well as algorithms for computing the solution. The main idea is that the objective function is transformed to a weighted sum of rate and power. A generic problem formulation for systems dissipating transmit-independent circuit power in addition to transmit-dependent power is presented. We show that a broad class of EE maximization problems can be solved efficiently, provided the rate is a concave function of the transmit power. We elaborate examples of various system models including time-varying parallel channels. Rate functions with an arbitrary discrete modulation scheme are also treated. The examples considered lead to water-filling solutions, but these are different from the dual problems of power minimization under rate constraints and rate maximization under power constraints, respectively, because the constraints need not be active. We also demonstrate that if the solution to a rate maximization problem is known, it can be utilized to reduce the EE problem into a one-dimensional convex problem.

研究动机与目标

• 通过识别共同的数学基础，统一无线网络中能量效率（EE）优化的多种不同方法。
• 开发一种通用框架，用于在包含发射独立电路功率与发射相关功率的现实功率模型下求解EE最大化问题。
• 证明EE优化可导出与传统速率最大化或功率最小化问题不同的水填水解法。
• 通过将EE优化简化为一维凸问题并利用已知的速率最大化算法，实现低复杂度实现。
• 将该框架扩展至时变、频率选择性及离散调制系统，包括4-QAM、16-QAM与64-QAM。

提出的方法

• 将EE最大化建模为分数规划问题，将速率与功率的比值转化为标量化双准则优化问题。
• 应用Dinkelbach算法，将分数规划问题转化为一系列参数化加权和问题。
• 推导出水填水解法，其中仅当信噪比（SNR）超过由电路功率与速率函数决定的阈值λ时才进行传输。
• 引入参数λ，作为截止值，通过迭代调整水位实现高效功率分配。
• 在嵌套优化循环中利用已知的速率最大化算法（如水填水）高效求解EE问题。
• 通过采用MMSE近似建模互信息，将实际调制方式（PAM、QAM）纳入框架，实现EE权衡的数值评估。

实验结果

研究问题

• RQ1 如何系统地将无线链路中的能量效率最大化建模为数学优化问题？
• RQ2 EE优化与经典问题（如功率受限下的速率最大化或速率受限下的功率最小化）之间存在何种关系？
• RQ3 是否可以重用速率最大化问题的解来高效求解EE优化问题？
• RQ4 发射独立电路功率的引入如何影响最优功率分配的结构？
• RQ5 离散调制方式（如4-QAM、16-QAM）在多大程度上影响最优能量效率与所需发射功率？

主要发现

• EE最大化下的最优功率分配遵循水填水结构，但水位（λ）并非由约束等式确定，与速率或功率优化不同。
• 当已知速率最大化问题的解时，该框架可将EE优化简化为一维凸问题，从而实现低复杂度计算。
• 对于时不变与时变并行衰落信道，所提方法在计算开销极小的情况下实现了接近最优的EE性能。
• 数值结果表明，高阶调制方式（如16-QAM、64-QAM）可提升EE，但仅当电路功率（μ）较低时成立；否则，低阶调制可能更具效率。
• 发射功率与互信息之间的权衡曲线表明，最优EE出现在特定功率水平，且最优调制选择取决于电路功率预算。
• 参数λ被解释为EE权衡曲线的斜率，其在数学上等价于最大EE乘以系统特定因子，从而在优化与性能指标之间建立了直接联系。