Intelligent reflecting surface (IRS) has recently been emerged as an effective way for improving the performance of wireless networks by reconfiguring the propagation environment through a large number of passive reflecting elements. This game-changing technology is especially important for stepping into the Internet of Everything (IoE) era, where high performance is demanded with very limited available resources. In this paper, we study a backscatter-assisted wireless powered communication network (BS-WPCN), in which a number of energy-constrained users, powered by a power station (PS), transmit information to an access point (AP) via backscatter and active wireless information transfer, with their communication being aided by an IRS. Using a practical energy harvesting (EH) model which is able to capture the characteristics of realistic energy harvesters, we investigate the maximization of total network throughput. Specifically, IRS reflection coefficients, PS transmit and AP receive beamforming vectors, power and time allocation are designed through a two-stage algorithm, assuming minimum mean square error (MMSE) receiver at the AP. The effectiveness of the proposed algorithm is confirmed via extensive numerical simulations. We also show that our proposed scheme is readily applicable to practical IRS-aided networks with discrete phase shift values.


翻译:智能反射表面(IRS)最近成为通过大量被动反射元素对传播环境进行重新配置,从而改进无线网络绩效的有效途径,通过大量被动反射元素对传播环境进行重新配置。这种改变游戏技术对于进入“一切”的互联网时代特别重要,因为在这个时代,以非常有限的资源要求高性能。在本文件中,我们研究了一个反射器辅助无线动力通信网络(BS-WPCN),在这个网络中,一些受能源限制的用户在发电站的动力下,通过反射和主动无线信息传输向接入点(AP)传送信息,其通信得到IRS的帮助。利用能够捕捉到现实能源采集器特点的实用能源采集(EH)模型,我们调查了网络总吞吐量的最大化。具体地说,IRS反射系数、PS传输和AP接收的矢量、能量和时间分配是通过两阶段的算法设计的,假设AP的最小平均平方错误(MMSE)接收器。提议的算法的有效性通过广泛应用数字模拟系统得到确认。我们提议的I 算算算算算法的可迅速转换。我们还显示我们的离离离子模型。

0
下载
关闭预览

相关内容

Networking:IFIP International Conferences on Networking。 Explanation:国际网络会议。 Publisher:IFIP。 SIT: http://dblp.uni-trier.de/db/conf/networking/index.html
知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
108+阅读 · 2020年6月10日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
【边缘智能综述论文】A Survey on Edge Intelligence
专知会员服务
121+阅读 · 2020年3月30日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12日
【Strata Data Conference】用于自然语言处理的深度学习方法
专知会员服务
48+阅读 · 2019年9月23日
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
计算机 | ISMAR 2019等国际会议信息8条
Call4Papers
3+阅读 · 2019年3月5日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
人工智能 | AAAI 2019等国际会议信息7条
Call4Papers
5+阅读 · 2018年9月3日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
【今日新增】计算机领域国际会议截稿信息
Call4Papers
9+阅读 · 2017年7月21日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
VIP会员
相关VIP内容
知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
108+阅读 · 2020年6月10日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
【边缘智能综述论文】A Survey on Edge Intelligence
专知会员服务
121+阅读 · 2020年3月30日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12日
【Strata Data Conference】用于自然语言处理的深度学习方法
专知会员服务
48+阅读 · 2019年9月23日
相关资讯
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
计算机 | ISMAR 2019等国际会议信息8条
Call4Papers
3+阅读 · 2019年3月5日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
人工智能 | AAAI 2019等国际会议信息7条
Call4Papers
5+阅读 · 2018年9月3日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
【今日新增】计算机领域国际会议截稿信息
Call4Papers
9+阅读 · 2017年7月21日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员