[论文解读] Resource Allocation for Large IRS-Assisted SWIPT Systems with Non-linear Energy Harvesting Model

Dongfang Xu, Xianghao Yu+3 more|arXiv (Cornell University)|Oct 2, 2020

Advanced Wireless Communication Technologies参考文献 18被引用 6

一句话总结

本文提出了一种可扩展的资源分配框架，用于大规模智能反射面（IRS）辅助的同时无线信息与能量传输（SWIPT）系统，采用基于物理的IRS模型和非线性能量采集（EH）表征。通过将IRS划分为多个子区域，并联合优化波束成形向量与传输模式选择，利用连续凸逼近方法，该方案实现了显著的发射功率降低——相比基准方案最高可降低10 dB，同时保持信息与能量接收端的QoS要求。

ABSTRACT

In this paper, we investigate resource allocation algorithm design for large intelligent reflecting surface (IRS)-assisted simultaneous wireless information and power transfer (SWIPT) systems. To this end, we adopt a physics-based IRS model that, unlike the conventional IRS model, takes into account the impact of the incident and reflection angles of the impinging electromagnetic wave on the reflected signal. To facilitate efficient resource allocation design for large IRSs, we employ a scalable optimization framework, where the IRS is partitioned into several tiles and the phase shift elements of each tile are jointly designed to realize different transmission modes. Then, the beamforming vectors at the base station (BS) and the transmission mode selection of the tiles of the IRS are jointly optimized for minimization of the BS transmit power taking into account the quality-of-service requirements of both non-linear energy harvesting receivers and information decoding receivers. For handling the resulting non-convex optimization problem, we apply a penalty-based method, successive convex approximation, and semidefinite relaxation to develop a computationally efficient algorithm which asymptotically converges to a locally optimal solution of the considered problem. Our simulation results show that the proposed scheme enables considerable power savings compared to two baseline schemes. Moreover, our results also illustrate that the advocated physics-based model and scalable optimization framework for large IRSs allows us to strike a balance between system performance and computational complexity, which is vital for realizing large IRS-assisted communication systems.

研究动机与目标

• 解决传统IRS模型假设反射增益恒为1、与入射角/反射角无关所带来的效率低下问题。
• 克服在大规模系统中优化单个IRS相位移所带来的高计算复杂度问题。
• 集成一种真实的非线性能量采集模型，以反映实际电路行为，避免饱和或利用率不足。
• 开发一种可扩展的优化框架，实现大规模IRS辅助SWIPT系统中的高效在线资源分配。
• 在满足信息解码接收端与能量采集接收端服务质量（QoS）约束的前提下，最小化基站发射功率。

提出的方法

• 采用基于物理的反射模型对IRS进行建模，考虑入射角与反射角的影响，从而精确表征波束成形增益。
• 将大规模IRS划分为多个子区域，每个子区域关联一组预先计算的传输模式（相位移配置），从而减少优化变量数量。
• 建立一个非凸优化问题，以最小化总基站发射功率，同时满足信息接收端的SINR约束和能量接收端的最小采集能量要求。
• 采用连续凸逼近（SCA）方法处理非凸性，并结合半定规划松弛与惩罚方法，以实现收敛至局部最优解。
• 离线生成传输模式集合，以降低在线计算负载，支持实时部署。
• 采用文献[11]中的非线性EH模型，以准确反映实际射频能量采集电路的饱和区域与低效区域。

实验结果

研究问题

• RQ1 在大规模IRS辅助的SWIPT系统中，与传统单位增益模型相比，采用基于物理的IRS模型对系统性能有何影响？
• RQ2 基于子区域传输模式选择的可扩展优化框架，在保持性能的同时，能在多大程度上降低计算复杂度？
• RQ3 采用非线性能量采集模型与线性模型相比，对发射功率效率与电路可靠性有何影响？
• RQ4 传输模式集合的大小如何影响大规模IRS系统中性能与复杂度之间的权衡？
• RQ5 所提出的算法是否能相比采用随机模式选择或完全不使用IRS的基准方案，实现显著的功率节省？

主要发现

• 所提方案相比基准方案可实现高达10 dB的发射功率降低，显著提升了能量效率。
• 当传输模式集合大小从45增至90时，波束成形精度提高，所需发射功率降低，但超过300种模式后增益趋于边际。
• 采用300种传输模式的方案在性能上已非常接近采用交替优化（AO）方法联合优化所有IRS单元的性能，尽管其计算开销小得多。
• 使用线性EH模型会导致更高的发射功率，并可能引发电路饱和，因为非线性模型更能准确捕捉真实世界EH行为。
• 基于物理的IRS模型与可扩展优化框架实现了系统性能与计算复杂度之间的灵活权衡，对大规模部署至关重要。
• 基于SCA的算法可渐近收敛至局部最优解，证明其在动态环境中进行在线资源分配的有效性。