In this paper, we determine the harvested power region of a two-user multiple-input single-output (MISO) wireless power transfer (WPT) system for a non-linear model of the rectennas at the energy harvester (EH) nodes. To this end, we characterize the distributions of the transmit symbol vector that achieve individual points on the boundary of this region. Each distribution is obtained as solution of an optimization problem where we maximize a weighted sum of the average harvested powers at the EH nodes under a constraint on the power budget of the transmitter. We prove that the optimal transmit strategy employs two beamforming vectors and scalar unit norm transmit symbols with arbitrary phase. To determine the beamforming vectors, we propose an iterative algorithm based on a two-dimensional grid search, semi-definite relaxation, and successive convex approximation. Our numerical results reveal that the proposed design outperforms two baseline schemes based on a linear EH model and a single beamforming vector, respectively. Finally, we observe that the harvested power region is convex and the power harvested at one EH node can be traded for a higher harvested power at the other node.


翻译:在本文中,我们确定在能源采集器(EH)节点上,双用户多输出单输出单输出无线电源传输系统(MISO)的非线性模式的两用户多输出单输出无线电源传输系统(WPT)的收割电源区域。为此,我们确定在本区域边界上达到个别点的传输符号矢量的分布。每种分布都是在优化问题的解决方案下取得的,在优化情况下,我们在对发射机的功率预算有限制的情况下,最大限度地增加在EH节点上平均收成电力的加权总和。我们证明,最佳传输战略使用两个波形矢量成型矢量和星际单位标准传输带有任意阶段的符号。为了确定光成型矢量,我们提议基于双维的电网搜索、半定型松动和连续连接的迭代算算法。我们的数字结果显示,拟议的设计比基于线直线 EH模型和单一成型矢量的两种基线计划相匹配。最后,我们发现,收成电量区域是双形矢量,而另一电压在EH节点收成的电量无法进行交易。

0
下载
关闭预览

相关内容

【WWW2021】场矩阵分解机推荐系统
专知会员服务
31+阅读 · 2021年2月27日
【清华大学】图随机神经网络,Graph Random Neural Networks
专知会员服务
154+阅读 · 2020年5月26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
分布式并行架构Ray介绍
CreateAMind
9+阅读 · 2019年8月9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
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
23+阅读 · 2018年10月1日
Arxiv
26+阅读 · 2018年2月27日
Arxiv
5+阅读 · 2017年12月14日
VIP会员
相关VIP内容
相关资讯
分布式并行架构Ray介绍
CreateAMind
9+阅读 · 2019年8月9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
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12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