[论文解读] Optimal Training for Wireless Energy Transfer

Yong Zeng, Rui Zhang|arXiv (Cornell University)|Mar 31, 2014

Energy Harvesting in Wireless Networks被引用 2

一句话总结

本文提出了一种MIMO无线能量传输（WET）系统的最优训练策略，通过平衡信道估计精度与训练能量成本，以最大化净捕获能量。通过利用信道互易性，并联合优化训练时间、功率及活跃天线子集，该方法在Rician衰落环境中实现了显著的净能量增益，且为关键场景推导出了闭式解。

ABSTRACT

Radio-frequency (RF) enabled wireless energy transfer (WET), as a promising solution to provide cost-effective and reliable power supplies for energy-constrained wireless networks, has drawn growing interests recently. To overcome the significant propagation loss over distance, employing multi-antennas at the energy transmitter (ET) to more efficiently direct wireless energy to desired energy receivers (ERs), termed \emph{energy beamforming}, is an essential technique for enabling WET. However, the achievable gain of energy beamforming crucially depends on the available channel state information (CSI) at the ET, which needs to be acquired practically. In this paper, we study the design of an efficient channel acquisition method for a point-to-point multiple-input multiple-output (MIMO) WET system by exploiting the channel reciprocity, i.e., the ET estimates the CSI via dedicated reverse-link training from the ER. Considering the limited energy availability at the ER, the training strategy should be carefully designed so that the channel can be estimated with sufficient accuracy, and yet without consuming excessive energy at the ER. To this end, we propose to maximize the \emph{net} harvested energy at the ER, which is the average harvested energy offset by that used for channel training. An optimization problem is formulated for the training design over MIMO Rician fading channels, including the subset of ER antennas to be trained, as well as the training time and power allocated. Closed-form solutions are obtained for some special scenarios, based on which useful insights are drawn on when training should be employed to improve the net transferred energy in MIMO WET systems.

研究动机与目标

• 解决在能量接收端（ER）能量有限的MIMO WET系统中，能量发射端（ET）获取精确信道状态信息（CSI）的挑战。
• 在确保足够CSI精度以实现有效能量波束成形的前提下，最小化ER的训练能量成本。
• 通过联合优化训练时间、功率及用于训练的ER天线子集，最大化ER的净捕获能量。
• 设计一种实用的训练方案，利用点对点MIMO Rician衰落信道中的信道互易性。
• 为特殊情况提供闭式解，以推导出在WET系统中何时以及如何应用训练的可操作洞见。

提出的方法

• 利用信道互易性，使ET通过接收ER发送的反向链路训练导频来估计CSI。
• 提出一种联合优化框架，用于训练时间、训练功率及ER天线激活子集的选择，以最小化训练能量消耗。
• 在Rician衰落信道上建模MIMO WET系统，同时包含视 Line-of-Sight（LoS）和散射传播分量。
• 将净捕获能量定义为平均捕获能量与训练耗能之差。
• 在特定信道条件下（如全CSI或部分CSI知识）推导出最优训练参数的闭式解。
• 应用凸优化技术求解非凸训练设计问题，并对最优配置进行解析表征。

实验结果

研究问题

• RQ1 在MIMO WET系统中，如何在维持足够CSI精度以实现有效能量波束成形的同时，最小化ER的训练能量？
• RQ2 在MIMO Rician衰落信道中，训练开销与净能量捕获增益之间存在何种最优权衡？
• RQ3 应激活ER的哪一组天线用于训练，以实现最大净能量传输？
• RQ4 在实际WET系统中，训练时间与功率分配如何共同影响净捕获能量？
• RQ5 在何种信道条件下训练能带来净能量增益，以及在何时应避免训练？

主要发现

• 所提出的训练策略通过最小化训练能量消耗并保持高精度的CSI估计，显著提升了净捕获能量。
• 为特殊情况（如所有ER天线均被训练或仅使用单个天线）推导出闭式解，支持直接实现。
• 最优训练配置取决于Rician K因子，更高的LoS分量允许更激进的训练策略，且能量成本更低。
• 联合优化训练时间、功率及天线子集选择，相比传统固定训练方案，可带来更高的净能量增益。
• 仿真结果表明，仅当ER的信道质量和能量供应能够支持高效训练反馈时，训练才具有优势。
• 该方法揭示，只有当CSI估计增益超过训练能量成本时才应启用训练，尤其在低SNR或高路径损耗环境中更应如此。