[论文解读] Sum-Rate Optimal Power Policies for Energy Harvesting Transmitters in an Interference Channel

Kaya Tutuncuoglu, Aylin Yener|arXiv (Cornell University)|Oct 27, 2011

Energy Harvesting in Wireless Networks参考文献 17被引用 6

一句话总结

本文提出一种迭代坐标下降算法，以在具有能量收集发射机的两用户高斯干扰信道中最大化和速率吞吐量。通过在用户间迭代应用广义方向性注水法，该方法在时变能量供应和干扰条件下实现最优功率分配，在随机数据到达和电池容量约束下仍能达到近似最优性能。

ABSTRACT

This paper considers a two-user Gaussian interference channel with energy harvesting transmitters. Different than conventional battery powered wireless nodes, energy harvesting transmitters have to adapt transmission to availability of energy at a particular instant. In this setting, the optimal power allocation problem to maximize the sum throughput with a given deadline is formulated. The convergence of the proposed iterative coordinate descent method for the problem is proved and the short-term throughput maximizing offline power allocation policy is found. Examples for interference regions with known sum capacities are given with directional water-filling interpretations. Next, stochastic data arrivals are addressed. Finally online and/or distributed near-optimal policies are proposed. Performance of the proposed algorithms are demonstrated through simulations.

研究动机与目标

• 解决在发射机从环境源获取能量的两用户高斯干扰信道中，最大化短期和吞吐量的挑战。
• 在时变能量供应和有限电池容量条件下，制定功率分配问题，确保满足能量因果性和电池容量约束。
• 开发一种迭代算法，通过交替优化每个用户的功率分配，利用广义方向性注水法，实现最优功率策略的收敛。
• 通过引入数据因果性违反的惩罚函数，将框架扩展至处理随机数据到达的情况。
• 基于最优解的洞察，提出适用于实际能量收集网络部署的分布式和在线近似最优策略。

提出的方法

• 将和速率最大化问题建模为在能量因果性和电池容量约束下的联合拟凸优化问题。
• 应用迭代坐标下降法，交替对每个发射机的功率分配执行广义方向性注水法。
• 在方向性注水法算法中引入惩罚函数，以在数据随机到达时强制实现数据因果性。
• 在和速率表达式为联合拟凸的假设下，推导出迭代算法的收敛性证明。
• 提出一种分布式变体，其中每个发射机独立使用本地干扰估计执行方向性注水法。
• 设计一种在线策略，基于当前能量和干扰水平实时调整功率分配，以最优解作为基准。

实验结果

研究问题

• RQ1 当发射机依赖于有限电池存储的采集能量时，如何在两用户干扰信道中计算最优功率分配？
• RQ2 当能量和数据到达具有时变性且受因果性约束时，最优功率策略的结构是什么？
• RQ3 在何种干扰场景下，最优策略会退化为更简单的形式，如单用户方向性注水法？
• RQ4 在实际环境中，该迭代算法的性能与朴素的恒定功率传输和单用户注水法相比如何？
• RQ5 基于最优解的分布式和在线近似策略是否能在减少协调和计算复杂度的前提下实现近似最优性能？

主要发现

• 在和速率联合拟凸且满足能量因果性约束的条件下，迭代坐标下降算法收敛至最优和速率功率分配策略。
• 在非对称和极强干扰场景下，最优策略退化为单用户方向性注水法的改进形式，简化了实现。
• 仿真结果表明，与朴素的恒定功率传输相比，该迭代算法显著提升了和吞吐量，在测试场景中性能增益最高达30%。
• 单用户方向性注水法的性能几乎与最优迭代方法相当，使其成为实际部署的有力候选方案。
• 基于最优解设计的分布式和在线策略在最小化协调需求下实现了近似最优性能，验证了其实际可行性。
• 针对随机数据到达的惩罚函数扩展成功强制实现了数据因果性，同时保持了高吞吐量，证明了对动态数据可用性的鲁棒性。