[论文解读] Throughput Maximization for an Energy Harvesting Communication System with Processing Cost

Oner Orhan, Denız Gündüz+1 more|arXiv (Cornell University)|Aug 23, 2012

Energy Harvesting in Wireless Networks参考文献 9被引用 7

一句话总结

本文提出了一种针对衰落信道中能量采集发射机的最优离线传输策略，综合考虑了传输与处理能量成本。通过方向性向后倒灌算法，在能量因果性和有限电池容量约束下最大化吞吐量，结果表明处理成本会引发突发性传输，并随处理能量增加而降低总吞吐量。

ABSTRACT

In wireless networks, energy consumed for communication includes both the transmission and the processing energy. In this paper, point-to-point communication over a fading channel with an energy harvesting transmitter is studied considering jointly the energy costs of transmission and processing. Under the assumption of known energy arrival and fading profiles, optimal transmission policy for throughput maximization is investigated. Assuming that the transmitter has sufficient amount of data in its buffer at the beginning of the transmission period, the average throughput by a given deadline is maximized. Furthermore, a "directional glue pouring algorithm" that computes the optimal transmission policy is described.

研究动机与目标

• 通过联合建模传输与处理能量成本，填补能量采集通信系统中该问题的研究空白，而这些成本在以往工作中常被忽略。
• 建立一个离线优化问题，以在能量因果性和有限电池容量约束下，于截止时间前最大化总传输数据量。
• 识别最优传输策略，平衡各时隙的能量使用，同时考虑信道衰落与处理能量成本。
• 开发一种计算高效的算法，用于计算每个时隙的最优功率分配与传输时长。
• 分析处理能量成本对系统吞吐量与传输结构的影响，揭示从连续传输向突发性传输的转变。

提出的方法

• 将吞吐量最大化问题建模为凸优化问题，约束条件包括能量因果性、有限电池容量，以及非负功率与时长。
• 引入对偶变量方法推导最优性条件，其中每个时隙的最优功率水平由与信道倒数增益和处理成本相关的阈值决定。
• 提出一种“方向性向后倒灌”算法，从最后一个非零能量到达时刻开始，反向时间方向分配采集到的能量，确保能量因果性与最优功率分配。
• 利用倒灌原理在时隙间分配能量，使得部分使用的时隙维持最优功率水平，而完全使用的时隙则运行在阈值以上。
• 将处理能量成本 ε 视为单位时间的恒定成本，影响有效功率阈值，当 ε ≠ 0 时导致突发性传输。
• 使用 KKT 条件求解优化问题，确保在约束激活或对偶变量非零时存在唯一解。

实验结果

研究问题

• RQ1 在衰落信道中，处理能量成本的引入如何影响能量采集系统中的最优传输策略？
• RQ2 当同时考虑传输与处理能量成本时，最优传输策略的结构是怎样的？
• RQ3 有限电池容量如何与处理能量成本相互作用，以塑造最优功率分配与传输时长？
• RQ4 在处理能量成本存在的情况下，利用非因果能量到达与信道状态知识，在最大化吞吐量方面能带来多大性能增益？
• RQ5 随着处理能量成本 ε 增加，总可实现吞吐量与传输调度的突发性如何变化？

主要发现

• 当处理能量成本 ε > 0 时，最优传输策略变为突发性，与 ε = 0 时的连续传输形成对比，这是由于处理与传输能量之间的权衡所致。
• 当 ε = 0 时，最优策略充分利用每个时隙，功率水平由能量因果性与信道增益决定，如图 2a 所示，总吞吐量为 2.11 nats。
• 当 ε = 1 μW 时，最优策略减少了总传输时长与能量使用，导致总吞吐量降低至 1.39 nats，如图 2b 所示。
• 方向性向后倒灌算法通过从最后一个非零能量到达时刻反向分配能量，高效计算出最优策略，同时满足电池容量与因果性约束。
• 处理能量成本导致在电池容量受限时，能量被分配至较差的信道状态（如 h=0.2×10⁶ 的时隙 2），以避免因长时间传输带来的高处理成本。
• 吞吐量随处理能量成本 ε 的增加单调递减，如图 3 所示，证实了处理与传输能量效率之间的权衡。