IRS辅助SWIPT（一）

原文Weighted Sum Power Maximization for Intelligent Reflflecting Surface Aided SWIPT

缩写说明

  • IDRs: Information Decoding Receivers
  • EHRs: Energy Harvesting Receivers
  • CSCG: Circularly Symmetric Complex Gaussian denoted by (with mean and variance )

主要内容

主要思路：

提出使用IRS协助多天线AP服务于多IDRs和多EHRs。主要最大化加权和能量，同时满足IDRs的最小SINR。因为能量一般路径损耗较大，难以满足需求（需要更大能量才能被接收，而信息信号只需要少量功率就可以成功解调）。

IRS辅助SWIPT

文章主要贡献：

  • 提出一种联合优化发射机的预编码向量（波束赋形）、IRS的相移（反射幅度为1），在IDRs的单个信干噪比的约束下，最大化EHRs接收的加权和功率。（考虑的是最大输入功率，而不是最大接收功率，也就是没有考虑EH接收机的非线性特性）
  • 仅在AP处发送信息信号就可以同时服务于IDRs和EHRs，不需要专用的能量信号。（能量信号对于IDRs而言是干扰）（证明了优化Information precoder和Energy precoder的结果（SDR1）和只优化Information precoder（SDR2）的最终结果是相同的。即只需要Information precoder）

理论上而言，如果用户之间（IDRs和EHRs）之间的信道是统计独立的，那么不需要再使用专用的能量信号[1]。文章中Ⅳ小节中详细证明：即使用户的信道在统计上不是独立的，仅发送信息信号就足以在EHRs处实现最大加权和功率。（专用能量信号不仅消耗发射机功率，还会对IDRs产生干扰）

As the IRS reflects signals only in its front half-sphere instead of isotropically, each reflecting element is assumed to have a 3 dBi gain.

Optimization

IRS aided WET

对于IRS只服务于WET，使用SCA的优化方式。SCA的难点在于怎么找到一个不等式，满足SCA条件，即在该可行点上，连续，函数值相等，一阶导数相等，且是凸的。

  • 固定IRS elements ，在没有其他约束条件的情况下，可以快速求解就是的最大特征值对对应的特征向量（记得用特征值归一化）
  • 有了，可以由泰勒一阶展开得到下界的闭式解

然后重复上述步骤，不断迭代逼近。

image-20220716194058901

IRS aided SWIPT

麻烦点，先由SDR1，求解最优的（注意两个的秩不同）

image-20220716194338197

  • 固定，根据Proposition 1可以另，然后求解最优的rank-one的

  • 由求解出来的，优化求解最佳的。然后利用高斯随机化[3][4]提升性能。

重复上述步骤，直到最优。

实验

实验模型：

模型

其中$r_1=2$。

提出的算法性能

可以看到使用IRS能够极大提升EHRs接收性能；LoS信道比瑞利衰落信道下EHRs效率更高（接收更多RF能量）。

EHRs接收能量和IDRs信噪比需求关系

红色虚线代表文献[1]中提出的单独设计专用能量信号的方案。即：

  1. 先最小化满足SINR条件的IDRs总功率
  2. 剩下的能量通过波束赋形全部用于EHRs

可以看到联合设计>单独设计>无IRS。也证明了文章中的建议：不应使用专用能量信号。

作者说文献[2]研究内容与本文相似。

  1. Xu, Jie, Liang Liu, and Rui Zhang. “Multiuser MISO beamforming for simultaneous wireless information and power transfer.” IEEE Transactions on Signal Processing 62.18 (2014): 4798-4810. ↩
  2. Pan, Cunhua, et al. “Intelligent reflecting surface aided MIMO broadcasting for simultaneous wireless information and power transfer.” IEEE Journal on Selected Areas in Communications 38.8 (2020): 1719-1734. ↩
  3. https://lcjoffrey.top/2022/04/20/TransmitBF4Phy-layer-Multicasting/ ↩
  4. ↩