[论文解读] Optimization of the Energy-Efficient Relay-Based massive IoT Network

Tiejun Lv, Zhipeng Lin+2 more|arXiv (Cornell University)|May 31, 2018

Advanced MIMO Systems Optimization参考文献 28被引用 3

一句话总结

本文提出了一种基于大规模MIMO的多对协作解码转发中继的低复杂度、高能效资源分配策略，适用于大规模物联网（mIoT）网络。通过推导能量效率（EE）的闭式表达式和基于积分的表达式，该方法在服务质量（QoS）约束下联合优化了中继天线数量、中继发射功率以及活跃设备对密度，实现了接近最优的能效，并显著优于传统方案。

ABSTRACT

To meet the requirements of high energy efficiency (EE) and large system capacity for the fifth-generation (5G) Internet of Things (IoT), the use of massive multiple-input multipleoutput (MIMO) technology has been launched in the massive IoT (mIoT) network, where a large number of devices are connected and scheduled simultaneously. This paper considers the energyefficient design of a multi-pair decode-and-forward relay-based IoT network, in which multiple sources simultaneously transmit their information to the corresponding destinations via a relay equipped with a large array. In order to obtain an accurate yet tractable expression of the EE, firstly, a closed-form expression of the EE is derived under an idealized simplifying assumption, in which the location of each device is known by the network. Then, an exact integral-based expression of the EE is derived under the assumption that the devices are randomly scattered following a uniform distribution and transmit power of the relay is equally shared among the destination devices. Furthermore, a simple yet efficient lower bound of the EE is obtained. Based on this, finally, a low-complexity energy-efficient resource allocation strategy of the mIoT network is proposed under the specific qualityof- service (QoS) constraint. The proposed strategy determines the near-optimal number of relay antennas, the near-optimal transmit power at the relay and near-optimal density of active mIoT device pairs in a given coverage area. Numerical results demonstrate the accuracy of the performance analysis and the efficiency of the proposed algorithms.

研究动机与目标

• 解决5G赋能的大规模物联网（mIoT）网络中实现高能效（EE）和大系统容量的关键挑战。
• 填补在中继式大规模MIMO mIoT系统中能效设计的研究空白，此前的研究大多集中于频谱效率。
• 在现实的设备分布和功率共享模型下，建立一种可处理且准确的能效表达式。
• 提出一种低复杂度的资源分配策略，联合优化中继天线数、发射功率和活跃mIoT设备对密度，以在QoS约束下实现近似最优能效。

提出的方法

• 在假设已知设备位置的理想化条件下，推导出便于处理和准确的闭式能效表达式。
• 在假设设备均匀随机分布且中继对所有用户等功率分配的前提下，建立精确的基于积分的能效表达式。
• 利用詹森不等式和对数函数的凸性，建立一个简单而有效的能效下界。
• 提出一种低复杂度的优化框架，联合确定近似最优的中继天线数、中继发射功率和活跃mIoT设备对密度。
• 将推导出的能效下界用作代理目标函数，以在QoS约束下实现高效的数值优化。
• 通过数值结果验证了能效表达式的准确性以及所提策略的高效性。

实验结果

研究问题

• RQ1 在设备随机分布的中继式大规模MIMO mIoT网络中，如何准确建模能效？
• RQ2 设备位置的随机性以及中继功率的均等分配对可实现能效有何影响？
• RQ3 能否推导出一个紧致且可处理的能效下界，以支持低复杂度优化？
• RQ4 在QoS约束下，联合优化中继天线数、发射功率和活跃设备对密度对能效有何影响？
• RQ5 与传统资源分配方案相比，所提策略在能效和系统性能方面提升了多少？

主要发现

• 所提出的能效下界能紧密逼近真实能效，从而在计算复杂度极低的情况下实现可靠优化。
• 联合优化中继天线数、发射功率和活跃设备对密度，可实现接近最优的能效。
• 数值结果证实了推导出的能效表达式的准确性以及所提算法的有效性。
• 通过根据设备密度动态调整天线数和功率，系统实现了显著的能效增益。
• 所提策略在最小化网络总功耗的同时，仍能维持QoS要求。
• 该方法在高密度mIoT场景（如城市智能城市部署）中表现出良好的鲁棒性和可扩展性。