Real-Time Resource Allocation for Wireless Powered Multiuser Mobile Edge Computing With Energy and Task Causality

具有能量因果关系的全双工无线供电通信网络

Full-Duplex Wireless-Powered Communication Network with Energy Causality

在本文中，我们考虑一个无线通信网络与全双工混合接入点（HAP）和一组无线用户的能量收集能力。HAP通过两个天线实现全双工：一个用于在下行链路中向用户广播无线能量，另一个用于同时在上行链路中通过时分多址（TDMA）接收来自用户的独立信息。所有用户可以从HAP连续地获取无线功率，直到其传输时隙，即，通过假设将来收集的能量不能用于传输来对能量因果关系约束进行建模。因此，后面的用户的能量收集时间与前面的用户的传输时间耦合。在这种设置下，我们调查的总和吞吐量最大化（STM）的问题和总时间最小化（TTM）的建议多用户全双工无线供电网络的问题。STM问题被证明是一个凸优化问题。最优解的策略，然后获得封闭形式的表达式，可以计算与线性复杂度。它还表明，总吞吐量是不随用户数的增加而减少。对于TTM问题，通过利用耦合约束的性质，我们提出了一个两步算法来获得最优解。然后，对于每个问题，两个次优的解决方案，提出和调查。最后，通过仿真研究了用户调度对STM和TTM的影响。它还表明，不同的用户调度策略，应使用STM和TTM。

无线供电通信系统中的传输延迟最小化

Transmission Delay Minimization in Wireless Powered Communication Systems

我们研究了在点对点的情况下，一个混合接入点（HAP）和一个WPC节点的无线供电通信（WPC）系统的传输延迟最小化。在这种类型的通信中，HAP在给定的持续时间内在下行链路（DL）处向节点发送能量，并且WPC节点收集足够的射频（RF）功率。然后，在上行链路（UL）信道处，WPC节点在给定的持续时间内将其收集的数据发送到HAP。最小化这种往返延迟是我们关注的问题。因此，我们已经定义了四个优化问题，以通过应用最佳DL和UL持续时间以及HAP处的最佳功率来最小化该延迟。这些优化问题进行了研究，在这里得到的结果进行了彻底的比较。在此之后，我们将我们的研究扩展到多用户的情况下，一个HAP和$K$节点和两个不同的优化问题，在这些情况下再次研究。

Joint Energy Harvest and Information Transfer for Energy Beamforming in Backscatter Multiuser Networks

Wirelessly powered backscatter communication (WPBC) has been identified as a promising technology for low-power communication systems, which can reap the benefits of energy beamforming to improve energy transfer efficiency. However, existing studies on energy beamforming fail to simultaneously take energy supply and information transfer in WPBC into account. This paper takes the first step to fill this gap, by considering the restrictive relationship between the energy harvesting rate and achievable rate with estimated backscatter channel state information (BS-CSI). To ensure reliable communic…

从非专用源收集的无线供电通信的吞吐量最大化

Throughput Maximization for Wireless Powered Communications Harvesting from Non-dedicated Sources

我们考虑无线供电通信，其中用户从非专用源获取能量。用户遵循一个收获然后发送协议：在时隙时间的第一阶段，源节点从附近的传统接入点收获能量，然后在第二阶段将信息发送到其目的地节点或中继节点。我们得到了最佳的\textit{ harvesting ratio}，以最大化的预期吞吐量直接传输（DT）和解码转发（DF）中继中断约束下，分别。我们的研究结果表明，DT的最佳收获率是由中断约束，而DF中继，由数据的因果关系。

无线供电通信网络下的D2D通信

D2D Communications Underlaying Wireless Powered Communication Networks

在本文中，我们调查的资源分配问题的D2D通信下的无线供电的通信网络，其中多个D2D对收获能量从一个发电站配备有多个天线，然后发送信息信号同时在相同的频谱资源。其目标是通过联合时间调度和功率控制来最大化总吞吐量，同时满足能量因果约束。该方法首先将非凸规划问题转化为一个非线性分式规划问题，并进行了巧妙的重构。然后，利用D.C.（两个凸函数的差）规划，通过迭代地求解一系列凸问题来获得非凸问题的次优解。仿真结果表明，该方案在不同的场景下都能很好地工作，与现有方案相比，可以显著提高系统的吞吐量。

Minimum Length Scheduling for Full Duplex Time-Critical Wireless Powered Communication Networks

Radio frequency (RF) energy harvesting is key in attaining perpetual lifetime for time-critical wireless powered communication networks due to full control on energy transfer, far field region, small and low-cost circuitry. In this paper, we propose a novel minimum length scheduling problem to determine the optimal power control, time allocation and transmission schedule subject to data, energy causality and maximum transmit power constraints in a full-duplex wireless powered communication network. We first formulate the problem as a mixed integer non-linear programming problem and conjecture …

全双工无线供电通信网络的吞吐量最大化

Throughput Maximization for Full Duplex Wireless Powered Communication Networks

在本文中，我们考虑了一个全双工无线供电通信网络，多个用户与RF能量收集能力进行通信的混合能源和信息接入点。一个优化框架，提出了一个现实的能量收集模型，将初始电池水平的用户考虑到能源因果关系和最大发射功率约束的用户的总吞吐量最大化的目标。功率控制、时间分配和调度的联合优化问题在数学上被表示为一个混合整数非线性规划问题，很难得到全局最优解。基于对优化变量的最优性分析，分别研究了最优功率和时间分配以及调度决策。对于给定的传输阶数，证明了最优功率和时间分配问题是凸的。基于导出的最优性条件，我们提出了一个快速的多项式时间复杂度的启发式算法。我们说明，该算法执行非常接近最佳的，同时显着优于一个平等的时间分配为基础的调度方案。

离散速率全双工无线供电通信网络的最小长度调度

Minimum Length Scheduling for Discrete-Rate Full-Duplex Wireless Powered Communication Networks

在本文中，我们考虑了一个无线供电的通信网络，其中多个用户与RF能量收集能力的通信，以全双工模式的混合能源和信息接入点（HAP）。每个用户必须使用其电池中最初可用的能量和其可以收获的能量，以来自离散速率水平的有限集合的传输速率传输一定量的数据，直到其传输结束。考虑到这个模型，我们提出了一种新的离散速率为基础的最小长度调度问题，以确定最佳的功率控制，速率自适应和传输调度的数据，能量因果关系和最大发射功率约束。所提出的优化问题被证明是NP难的，需要指数时间算法来解决全局最优。作为一种解决策略，首先，我们证明了功率控制和速率自适应，调度问题可以单独解决的最优解。对于功率控制和速率自适应问题，我们推导出最佳的解决方案，建议的最小长度调度时隙定义的基础上。对于调度，我们分类的基础上，随着时间的推移，用户的最小长度调度时隙的分布问题。对于非重叠时隙的情况下，我们提出了最优调度算法。对于重叠场景，我们提出了一个多项式时间启发式调度算法。

Wirelessly Powered Crowd Sensing：联合功率传输、传感、压缩和传输

Wirelessly Powered Crowd Sensing: Joint Power Transfer, Sensing, Compression, and Transmission

利用用户设备中的大量传感器以及机会主义的人类移动性，移动人群感知（MCS）已经成为一种强大的范例，其中延长受限设备的电池寿命和激励人类参与是两个关键的设计挑战。为了解决这些问题，我们设想了一种新的框架，名为无线供电人群感应（WPCS），它集成了MCS与无线功率传输（WPT），为所涉及的设备提供额外的能量，从而促进用户激励。本文考虑多用户WPCS系统，其中接入点（AP）将能量传输到多个移动传感器（MS），每个传感器执行数据感测、压缩和传输。假设无损（数据）压缩，通过联合控制AP处的无线功率分配以及MS处的感测数据大小、压缩比和传感器传输持续时间，制定优化问题以同时最大化数据效用并最小化运营商侧的能耗。给定固定的压缩比，所提出的最优功率分配策略具有基于阈值的结构，相对于每个MS的定义的人群感知优先级函数，取决于运营商配置和MS信息。此外，对于固定的感测数据大小，最佳压缩策略表明，只有当感测数据大小足够大时，压缩才能减少每个MS的总能耗。我们的解决方案也扩展到有损压缩的情况下，同时提供了广泛的模拟，以确认的效率的贡献机制。

频谱和能量高效的无线供电IoT网络：NOMA还是TDMA？

Spectral and Energy Efficient Wireless Powered IoT Networks: NOMA or TDMA?

无线供电通信网络（WPCN），其中多个能量有限的设备首先在下行链路中收集能量，然后在上行链路中发送信息，已经被设想为未来物联网（IoT）的有前途的解决方案。同时，已经提出了非正交多址（NOMA），以通过允许多个用户在相同频谱中的并发传输来提高第五代（5G）网络的系统频谱效率（SE）。因此，NOMA最近已被考虑用于具有大量设备的基于WPCN的IoT网络的上行链路。然而，NOMA中的同时传输也可能导致更多的传输能耗以及实际上的电路能耗，这对于能量受限的IoT设备至关重要。因此，与诸如时分多址（TDMA）的正交多址方案相比，在这种场景下，NOMA是否可以改善SE和/或减少总能耗仍然是未知的。为了回答这个问题，我们首先推导出最佳的时间分配，以最大限度地提高基于TDMA的WPCN（T-WPCN）和基于NOMA的WPCN（N-WPCN）的SE，分别。随后，我们分析了这两个网络的总能耗以及实现的最大SE。令人惊讶的是，它被发现，N-WPCN不仅消耗更多的能量，但也是较低的频谱效率比T-WPCN。仿真结果验证了我们的理论研究结果，并揭示了基本的性能瓶颈，即，“最坏的用户瓶颈问题”，在多用户NOMA系统。

无线供电移动边缘计算系统中的联合卸载和计算优化

Joint Offloading and Computing Optimization in Wireless Powered Mobile-Edge Computing Systems

移动边缘计算（MEC）和无线功率传输（WPT）已被认为是物联网（IoT）时代的有前途的技术，以提供具有增强的计算能力和可持续能源供应的大规模低功率无线设备。在本文中，我们提出了一个统一的MEC-WPT设计，考虑无线供电的多用户MEC系统，其中多天线接入点（AP）（与MEC服务器集成）广播无线功率充电多个用户和每个用户节点依赖于收获的能量来执行计算任务。通过MEC，这些用户可以自己在本地执行各自的任务，或者基于时分多址（TDMA）协议将全部或部分任务卸载到AP。在所提出的模型的基础上，我们开发了一个创新的框架，以提高MEC的性能，通过联合优化的能量发射波束形成器在AP，中央处理器（CPU）的频率和卸载的比特在用户的数量，以及用户之间的时间分配。在这个框架下，我们解决了一个实际的情况下，延迟有限的计算是必需的。在这种情况下，我们开发了一个最佳的资源分配方案，最大限度地减少了AP的总能耗受到用户的个人计算延迟的限制。利用国家的最先进的优化技术，我们得到的最优解的半封闭形式。数值结果表明，所提出的设计的优点，替代基准计划。

射频供电CRN中业务分类的最优频谱感知策略

Optimal Spectrum Sensing Policy with Traffic Classification in RF-Powered CRNs

研究了一种基于正交频分多址接入（OFDMA）的主用户（PU）网络，该网络在射频供电的认知无线电网络（CRN）中提供不同的频谱接入/能量收集机会。在这种情况下，我们提出了一个最佳的频谱感知策略下的PU冲突和能量因果关系的约束下的机会性频谱接入/能量收集。PU子信道可以具有不同的业务模式，并且表现出不同的空闲/忙碌频率，因此频谱接入/能量收集机会是特定于应用的。次用户（SU）通过观察PU子信道收集业务模式信息，并对每个子信道的空闲/繁忙时段统计进行分类。基于统计量，我们调用随机模型来评估SU容量，通过该模型可以调整用于频谱感知的能量检测阈值，从而具有更高的感知精度。为此，我们采用马尔可夫决策过程（MDP）模型，通过量化SU电池的数量和占空比模型，获得的平均收获的能量和能量消耗率的比率。我们证明了所提出的随机模型的有效性，通过比较从一个详尽的方法获得的最佳。

重新审视无线供电边缘计算：一种用于任务-能量协同设计的协作能量回收框架

Revisiting Wireless-Powered MEC: A Cooperative Energy Recycling Framework for Task-Energy Co-Design

本文提出一种协作能量回收框架，用于提升无线供电边缘计算中任务与能量的协同设计效率，通过优化方法实现用户间可计算数据的最大化。

具有动态任务到达的无线移动边缘计算最优资源分配

Optimal Resource Allocation for Wireless Powered Mobile Edge Computing with Dynamic Task Arrivals

本文考虑了一种无线供电的多用户移动边缘计算（MEC）系统，其中多天线接入点（AP）采用基于射频（RF）信号的无线功率传输（WPT）对多个分布式用户进行充电，每个用户利用收获的能量通过本地计算和任务卸载来执行计算任务。我们认为频分多址（FDMA）协议，以支持同时从多个用户到AP的任务卸载。不同于以往的作品，认为一次性优化与静态任务模型，我们研究了联合计算和无线资源分配优化与动态任务到达在一个有限的时间范围内由多个时隙。在这种设置下，我们的目标是最大限度地减少系统的能量消耗，包括AP的传输能量和MEC服务器的计算能量在整个地平线上，通过联合优化在AP的发射能量波束成形，并在不同的时隙在用户的本地计算和任务卸载策略。为了表征这样的系统的基本性能限制，我们专注于离线优化，假设任务和信道信息是已知的先验在AP。在这种情况下，能量最小化问题对应于凸优化问题。利用拉格朗日对偶方法，我们得到了井结构中该问题的最优解。结果表明，为了最大限度地提高系统的能量效率，在每个用户和AP的任务输入比特的最佳数量随时间单调增加，在不同的用户的卸载策略取决于无线信道条件和任务负载在AP。数值结果表明，拟议的联合WPT-MEC设计的好处，替代基准计划没有这样的联合设计。

紧急信息时代无线供电网络的最优在线传输策略

Optimal Online Transmission Policy in Wireless Powered Networks with Urgency-aware Age of Information

本文研究了一个无线电频率（RF）能量收集（EH）使能网络的信息年龄（AoI），其中传感器首先从无线电站收集能量，然后将收集到的状态更新发送到汇聚节点。为了捕捉随着时间流逝而变得越来越迫切的对新鲜更新的渴望，定义了紧急感知AoI（U-AoI），其随着两个接收到的更新之间的时间呈指数级增加。由于EH，在发送状态更新之前，传感器需要等待一段时间。为了找到最优输电策略，在能量因果关系约束下，建立了一个最小化长期平均U-AoI的优化问题。针对该问题的非凸性和无解性，提出了一种两层算法求解该问题，外环基于Dinklebach方法设计，内环基于KKT最优性条件推导出最优等待时间策略的半封闭表达式.数值结果表明，我们提出的最优传输策略优于零时间等待策略和等时间等待策略的长期平均U-AoI，特别是当网络是非拥塞。还观察到，为了实现较低的U-AoI，当网络拥塞时，传感器应该在不等待的情况下发送下一个更新，而当网络不拥塞时，应该在发送下一个更新之前等待片刻。随着EH电路饱和度和能量中断概率的增加，系统U-AoI先减小后保持不变。

具有下行能量转移的时间切换上行网络编码协作通信

Time-Switching Uplink Network-Coded Cooperative Communication with Downlink Energy Transfer

在这项工作中，我们考虑一个多用户合作的无线网络中，能量受限的源有独立的信息传输到一个共同的目的地，这是假设是外部供电，负责无线传输能量的来源。源节点可以在解码转发或基于网络编码的协议下进行合作。考虑到源节点所收获的能量是用户间信道和用户-目的地信道的衰落实现的函数这一事实，我们得到了系统中断概率的封闭形式近似，以及使这种中断概率最小化的最佳能量传输周期的近似。它还表明，即使可实现的分集阶数减少，由于无线能量传输过程中，它是非常接近的一个网络实现没有能量约束。数值结果也验证了理论结果。

支持无人机的移动边缘计算：卸载优化和轨迹设计

UAV-Enabled Mobile Edge Computing: Offloading Optimization and Trajectory Design

随着各种移动应用（如增强现实）的出现，移动用户的体验质量受到其计算能力和有限电池寿命的极大限制。移动边缘计算（MEC）和无线电力传输有望解决这个问题。然而，这两种技术容易受到传播延迟和损耗的影响。为利用无人机通信实现短距离视距，研究了一种基于无人机的无线供电MEC系统。一个功率最小化问题的计算位数和能量收集因果关系的约束下制定。该问题是非凸的，具有挑战性的解决。提出了一种基于序列凸优化的替代优化算法。仿真结果表明，我们提出的设计是优于其他基准计划，所提出的算法是有效的收敛。

Joint Task Offloading and Cache Placement for Energy-Efficient Mobile Edge Computing Systems

This letter investigates a cache-enabled multiuser mobile edge computing (MEC) system with dynamic task arrivals, taking into account the impact of proactive cache placement on the system's overall energy consumption. We consider that an access point (AP) schedules a wireless device (WD) to offload computational tasks while executing the tasks of a finite library in the \emph{task caching} phase, such that the nearby WDs with the same task request arriving later can directly download the task results in the \emph{task arrival and execution} phase. We aim for minimizing the system's weighted-su…

多用户协作无线供电边缘计算的计算速率最大化

Computation Rate Maximization for Wireless Powered Edge Computing With Multi-User Cooperation

针对无线供电MEC系统，提出动态多用户协作与任务分割机制，联合优化协作、时间和数据分配以最大化WSCR，并用深度学习加速求解。

OFDMA-URLLC MEC系统的上下行联合资源分配

Joint Uplink-Downlink Resource Allocation for OFDMA-URLLC MEC Systems

本文研究了移动边缘计算（MEC）系统中多用户正交频分多址（OFDMA）超可靠低延迟通信（URLLC）的资源分配算法设计。为了实现严格的端到端的延迟和可靠性要求的URLLC MEC系统，我们提出了联合上下行资源分配和有限块长度传输。此外，我们提出了一个部分的时间重叠之间的上行链路和下行链路帧，以尽量减少端到端的延迟，这引入了新的时间因果关系的约束。然后，所提出的资源分配算法被公式化为在关于最大允许计算时间内计算的URLLC用户比特的数量的最小服务质量的约束下最小化网络的总加权发射功率的优化问题，即，计算任务的端到端延迟。由于优化问题的非凸性，找到全局最优解需要高的计算复杂性，这对于实时应用是不可容忍的。因此，提出了一种基于逐次凸逼近的低复杂度算法来寻找高质量的次优解。我们的仿真结果表明，所提出的资源分配算法设计，促进了应用程序的URLLC MEC系统中，并产生显着的功耗节省相比，基准计划。

用于无线能量收集节点的能量高效传输

Energy-efficient transmission for wireless energy harvesting nodes

能量收集作为对诸如传感器节点的电池供电设备充电的手段越来越重要。高效的传输策略必须开发无线能量收集节点（WEHN），同时考虑到节点中的能量和数据的可用性。我们考虑一个场景，其中数据和能量分组到达节点，其中分组的时刻和量是已知的（离线方法）。在本文中，最佳的数据传输策略，找到了一个有限的电池容量WEHN，必须满足一些服务质量（QoS）的约束，以及能源和数据的因果关系的约束。作为我们分析的结果，我们可以说，由于电池溢出而损失能量是低效的，除非没有更多的数据要传输，并且该问题可能没有可行的解决方案。最后，一个算法，计算的数据传输曲线最小化的总传输时间，满足上述约束已经开发。

具有大规模天线阵列的全双工系统中的无线信息和功率传输

Wireless Information and Power Transfer in Full-Duplex Systems with Massive Antenna Arrays

我们考虑一个多用户无线系统与全双工混合接入点（HAP），发送到一组用户在下行链路信道，而接收数据从一组能量受限的传感器在上行链路信道。我们假设HAP配备了一个庞大的天线阵列，而所有的用户和传感器节点有一个单一的天线。我们采用了一种时间切换协议，在第一阶段，传感器通过无线能量传输从HAP和HAP估计用户的下行链路信道。在第二阶段，传感器使用收集的能量传输到HAP。通过在上行链路和速率约束下求解下行链路和速率最大化问题来获得下行链路-上行链路和速率区域。此外，假设完美和不完美的信道状态信息，我们推导出表达式的可实现的上行链路和下行链路速率在大天线的限制和近似的结果，适用于任何有限数量的天线。基于这些分析结果，我们得到了功率-缩放定律，并分析了天线数目对消除用户内干扰和自干扰的影响。

带能量收集的移动边缘计算的在线地理负载均衡

Online Geographical Load Balancing for Mobile Edge Computing with Energy Harvesting

移动边缘计算（MEC）（又名雾计算）最近已经出现，以在移动网络的边缘实现低等待时间和位置感知数据处理。由于提供电网电力供应以支持MEC可能是昂贵的，甚至在某些情况下是不可行的，现场可再生能源被要求作为主要甚至唯一的电力供应。尽管如此，能量收集的高不确定性和不可预测性为执行有效的MEC带来了许多新的挑战。在本文中，我们开发了一种算法称为GLOBE，执行联合地理负载均衡（GLB）和准入控制优化系统性能的网络MEC启用和能量收集供电的基站。通过利用和扩展具有扰动技术的李雅普诺夫优化，GLOBE在线运行而不需要未来的系统信息，并解决了由电池状态动态和能量因果关系约束引起的重大挑战。此外，GLOBE以分布式方式工作，这使得我们的算法可扩展到大型网络。我们证明，GLOBE实现了接近最佳的系统性能相比，离线算法，知道完整的未来信息，并提出了一个关键的电池容量和系统性能之间的权衡。仿真结果验证了我们的分析，并证明了优越的性能相比，基准算法的GLOBE。

能量受限认知中继系统中基于目的地的无线功率传输

Destination-aided Wireless Power Transfer in Energy-limited Cognitive Relay Systems

本文考虑了一种能量受限的认知中继网络，其中辅助发射机（ST）协助将业务从主发射机（PT）转发到主接收机（PR），以换取在相同频率上为自己的辅助接收机（SR）提供服务。多天线ST被假定为是能量受限的，并且由来自源（PT）的信息流和来自目的地（PR和SR）的专用能量流两者供电，这被称为目的地辅助无线功率传输（DWPT）方案。然后，在能量因果约束和满足主用户速率需求的约束下，联合设计中继处理矩阵、认知波束形成向量和功率分配器，使次用户速率最大化.对于理想信道信息状态（CSI）情况，采用半定松弛（SDR）技术和Charnes-Cooper变换，给出了全局最优解。为了降低复杂度，矩阵分解，迫零（ZF）计划，和对偶方法联合使用，以获得一个次优的解决方案。对于不完美CSI情形，利用S-过程将最坏鲁棒问题转化为一个易处理的半定规划问题。仿真结果表明，当ST接近PR/SR时，我们提出的DWPT方案对于完美和不完美的CSI情况都是非常优选的。

电池限制能量收集节点的最优传输策略

Optimum Transmission Policies for Battery Limited Energy Harvesting Nodes

具有能量收集电池供电节点的无线网络正迅速成为具有延长寿命的未来无线网络的可行选择。在能量收集无线电的设计中，同样重要的是这种新的网络范式所要求的设计原则。特别是，不像无线网络考虑到最新的，能量补充过程和可充电电池的存储限制需要考虑在设计有效的传输策略。在这项工作中，我们认为这样的传输策略可充电节点，并确定两个相关问题的最佳解决方案。具体地，最大化短期吞吐量的传输策略，即，此外，我们还讨论了这个优化问题与另一个优化问题的关系，即在给定数据量的情况下，最小化传输完成时间，并求解了这个优化问题。在能量因果关系约束下确定输电策略，即，能量补充过程，以及能量存储，即，电池容量这个问题的功率率关系被假定为一个递增的凹函数，由信息论规定。对于电池的补充，被认为是一个模型与离散包的能量到达。我们推导出的吞吐量最优分配满足的必要条件，然后提供的算法，找到最佳的传输策略，相对于短期的吞吐量和最小的传输完成时间。数值结果证实了分析结果。