陆 杨 熊 轲 高 博* 范 典 潘高峰 艾 渤
①(北京交通大学计算机与信息技术学院 北京 100044)
②(中国信息通信研究院 北京 100191)
③(北京理工大学网络空间安全学院 北京 100081)
④(北京交通大学电子与信息工程学院 北京 100044)
物联网(Internet of Things, IoT)的发展催生了越来越多的“智慧”应用,如增强现实、虚拟现实、自动驾驶等。这些应用需部署大规模的无源IoT设备,用于感知、计算和通信[1]。据爱立信移动报告预测,至2025年全球将有250亿IoT设备接入网络。为解决无源IoT设备的通信和供电问题,文献[2]提出无线信能同传,IoT设备可根据需求将收集到的射频(Radio Frequency, RF)信号转化为能量和信息。然而,由于网络的密集化和RF频谱资源的稀缺,为数以百亿计的IoT设备提供高质量无线覆盖服务面临挑战[3]。IoT是6G核心应用场景,因此发掘新的频谱资源成为6G重要研究方向[4]。
可见光通信(Visible Light Communication,VLC)具有丰富的高频频谱资源且易于复用[5]。与其他频段相比,VLC还具备基础设施部署广泛、调制解调机制简便易行以及绿色环保等优点[6]。但受光污染和障碍物的影响,目前VLC作为RF通信的补充,主要应用于室内场景[7]。由于VLC信号既可携带信息又可携带能量,文献[8]提出VLC无线信能同传(Simultaneous Lightwave Information and Power Transfer, SLIPT)。通过配备光学接收机,IoT设备可分别从接收到的VLC信号的直流部分和交流部分获取信息与能量。为了增强VLC信号传播效果,基于多LED的多进单出(Multiple Input Single Output, MISO)波束赋形设计受到广泛关注[9]。
与此同时,随着无线服务井喷式发展,信息通信行业的能量消耗也在逐年递增,使全球能源问题和环境问题承压。因此,绿色通信成为后5G时代的重要发展方向[10]。由于VLC属于太赫兹频段,路损较高,提升VLC网络的能量效率(Energy Efficiency, EE)非常必要。
迄今为止,面向VLC网络的传输方案设计受到了广泛关注[11–19]。文献[11]提出了VLC网络的能量有效的机器学习算法;文献[12]研究了干扰信道下多小区SLIPT网络的频谱效率;文献[13]和文献[14]分别分析了SLIPT使能的RF/VLC异构网络的中断概率和中继选择问题;文献[15]研究了非正交多址接入使能的VLC网络的鲁棒传输方案。但上述文献只考虑了单进单出(Single Input Single Output, SISO)场景,无法应用到MISO场景。考虑到MISO汇聚能量和提升频谱效率的优势,文献[16]研究了面向MISO SLIPT网络的安全信息传输波束赋形方案,但只考虑了单用户场景,未充分发挥MISO的优势。文献[17]研究了面向多用户MISO SLIPT网络的功率消耗最小化和最大最小信息速率传输方案;文献[18]研究了窃听信道下多用户MISO VLC网络的频谱效率。除了频谱效率外,EE也是网络的重要指标。尽管文献[19]研究了RF/VLC异构网络的EE,但未考虑SLIPT。目前,多用户MISO SLIPT网络的可达EE性能界尚未得到有效刻画。
为此,本文考虑典型多用户MISO SLIPT网络模型,构建能量有效的波束赋形设计问题,设计算法求解并进行仿真验证。首先,建模多用户MISO SLIPT网络和VLC信号传播过程,VLC发射机包括多个LED,用户配备光电探测器(Photodetector,PD)将接收到的VLC信号的直流部分和交流部分分别用于能量收集和信息解码。接着,针对所研究的网络构建EE最大化波束赋形设计问题,在用户信息和能量需求、避免LED谐波失真以及VLC发射机总功率约束下,最大化消耗每焦耳能量传输的比特数。然后,为解决所考虑的问题,基于2阶锥规划、1阶高斯近似等方法将原问题所有的非凸约束转化为凸约束;再以Dinkelbach方法为内循环、以连续凸近似(Successive Convex Approximation,SCA)方法为外循环构建迭代算法优化波束赋形向量和直流偏置。从理论上证明了所提出算法的收敛性,并讨论了避免LED谐波失真的工作条件对MISO SLIPT网络EE的影响。最后,仿真验证所提出算法和分析的有效性与正确性,给出了算法的收敛过程,分析了信息需求、能量需求和VLC发射机总功率对MISO SLIPT网络EE的影响规律,讨论了LED的视野(Filed of View, FoV)对EE和VLC信号传播的影响。
本文内容安排如下:第2节给出多用户MISO SLIPT网络模型和EE最大化波束赋形方案设计问题;第3节给出波束赋形优化算法和分析;第4节对所提方案进行了仿真,并对结果进行比较和分析;第5节对本文内容进行了总结。
如图1所示,考虑一个室内场景的多用户MISO SLIPT网络,包括1个VLC发射机和N个用户。其中,VLC发射机位于屋顶,含有Λ个LED;用户位于地面,配备PD,可将收集到的VLC信号用于能量收集和信息解码。下文分别使用i∈[1,2,...,Λ]和n ∈[1,2,...,Λ]指代LED和用户的索引。
图1 多用户MISO SLIPT网络模型
信息源产生信息后,依次经过调制器、直流偏置器,由VLC发射机转化为VLC信号并发出。VLC发射机发出的VLC信号表示为
表1 所提出算法
本节给出仿真结果验证所提出算法和分析的有效性与正确性,并讨论MISO SLIPT网络EE性能规律。仿真场景如图1所示,即N=3和Λ=9,其他主要仿真参数参照文献[16],由表2给出。能量需求,即问题P1无解。此外,从图5还可以看出,在信息需求相对较大时,随着信息需求和能量需求的增加,EE均有下降。
表2 仿真参数
图2 算法1的收敛性
图4 EE与VLC发射机总功率
图5 EE与FoV
本文研究了多用户MISO SLIPT网络的EE,提出了EE最大化波束赋形方案,即在用户信息和能量需求、避免LED谐波失真以及VLC发射机总功率约束下最大化网络EE。结合Dinkelbach方法和SCA方法构建迭代算法优化波束赋形向量和直流偏置。从理论上证明了所提出算法的收敛性,并讨论了避免LED谐波失真的工作条件对EE的影响。仿真结果证实了所提出方案的有效性,分析了信息需求、能量需求和发射机总功率对EE的影响规律,并讨论了LED的FoV对EE和VLC信号传播的影响。