Statistical-CSI 一般CSI-Based模型+Statistical模型+低复杂度实现Statistical

A Low-Complexity Beamforming Design for Multiuser Wireless Energy Transfer. Onel L. A. López et.al. IEEE Wireless Communications Letters, Jan. 2021 (pdf) (Citations 4)

  • sup(): 最小上界
  • inf(): 最大下界

Quick Overview

  • 只利用信道的一阶统计量CSI-limited
  • 提出了一种低复杂度但有效的EB算法,可以获得接近最优结果(在低κ时甚至优于平均CSI的最优化结果(Optimum))
  • 多用户性能随天线数目的增加而提高,同时可以利用旋转天线来获得更好的性能
  • 可以直接适用于WPCN和SWIPT

主要内容

一般CSI-Based模型

ith element接收信号为:

yi=βihiTk=1Kwkxk,i=1,,N

所以有接收到的能量:

Ei=E[yiHyi]=βiEx[(k=1KhiTwkxk)H(k=1KhiTwkxk)]=βik=1K|hiTwk|2E[xkHxk]=βik=1K|hiTwk|2

目标是以公平的方式最大化每个设备收集的能量:

P1:maximizeinfi=1,,N{Ei}subject tok=1K||wk||21

可以看到,优化目标是非凸的,优化约束是凸的。按照参考文献[1]转换为SDP问题(semi-definite programming):

Statistical Beamforming Design

因为前面的一般CSI-Based模型都需要完全知道CSI,即h是完全已知的。这在实际中有获取CSI消耗能量过大这类的限制,所以为了解决这个问题,可以使用统计CSI(部分CSI)来进行优化。

  • h¯不容易估计错误
  • 它在更大的时间范围内变化,不需要频繁更新
  • 当信道完全确定,即κ时,Statistical model与Full-CSI model接近,因为h^0

在本文中,h¯i=κi1+κieiϕih^i1κi+1CN(0,I),这是OneL大部分工作中使用的信道模型。

A low Complexity Solution(Based on Statistical Beamforming Design)

随着PB天线数量增加,SDP方案计算成本很高,所以作者提出了一种低复杂度的算法(复杂度低,性能接近(低κ时超过)平均CSI的最优结果):

可以考虑用于simple low-power IoT devices

  • 只利用信道的一阶统计量CSI-limited
  • 提出了一种低复杂度但有效的EB算法,可以获得接近最优结果(在低κ时甚至优于平均CSI的最优化结果(Optimum))
  • 多用户性能随天线数目的增加而提高,同时可以利用旋转天线来获得更好的性能
  • 可以直接适用于WPCN和SWIPT
  1. A. Thudugalage, S. Atapattu and J. Evans, “Beamformer design for wireless energy transfer with fairness,” 2016 IEEE International Conference on Communications (ICC), 2016, pp. 1-6, doi: 10.1109/ICC.2016.7511170.

Powered By Valine
v1.5.2