We study two-user multiple-input single-output (MISO) wireless powered communication networks (WPCNs), where the user devices are equipped with non-linear energy harvesting (EH) circuits. We consider time-division duplex (TDD) transmission, where the users harvest power from the signal received in the downlink phase, and then, utilize this harvested power for information transmission in the uplink phase. In contrast to existing works, we adopt a non-linear model of the harvested power based on a precise analysis of the employed EH circuit. We jointly optimize the beamforming vectors in the downlink and the time allocated for downlink and uplink transmission to minimize the average transmit power in the downlink under per-user data rate constraints in the uplink. We provide conditions for the feasibility of the resource allocation problem and the existence of a trivial solution, respectively. For the case where the resource allocation has a non-trivial solution, we show that it is optimal to employ no more than three beamforming vectors for power transfer in the downlink. To determine these beamforming vectors, we develop an iterative algorithm based on semi-definite relaxation (SDR) and successive convex approximation (SCA). Our simulation results reveal that the proposed resource allocation scheme outperforms two baseline schemes based on linear and sigmoidal EH models, respectively.


翻译:我们研究双用户多发单发单发投影(MISO)无线动力通信网络(WPCNs),用户设备配备了非线性能源收集电路。我们考虑时间分配双联传输,用户从下行阶段收到的信号中获取电力,然后利用这一收成电力在上行阶段传播信息。与现有的工程相比,我们采用了非线性收成电力模式,根据对所使用电路的精确分析,我们采用非线性模式。我们共同优化下行链路中的光成像矢量,为下行链路和上行链路传输分配的时间,以最大限度地减少用户数据率限制下行链路下的下行传输平均电源。我们分别为资源分配问题的可行性和在上行阶段存在一个微不足道的解决方案提供了条件。对于资源配置有非三重解决方案的情况,我们表明,在下行链路电路中,我们最佳的做法是最多使用三种对矢量进行调节的矢量传输。为了确定这些在下行链路和上下行连接下行链和上为下行传输的矢量传输量分配模式,我们分别根据双向式的S格式的S-S-simalimliforal分配计划,我们开发了一种基于S-simliforimalalalal-simal-smalalalalalalbalbalbalbalbalbalbal 计划,我们分别开发了一种双向的系统。

0
下载
关闭预览

相关内容

【干货书】开放数据结构,Open Data Structures,337页pdf
专知会员服务
16+阅读 · 2021年9月17日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
已删除
将门创投
4+阅读 · 2019年11月8日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
语义分割+视频分割开源代码集合
极市平台
35+阅读 · 2018年3月5日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
VIP会员
相关资讯
已删除
将门创投
4+阅读 · 2019年11月8日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
语义分割+视频分割开源代码集合
极市平台
35+阅读 · 2018年3月5日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员