تخصيص بهينه الگوريتمي منابع در كانال رله گوسي دو طرفه كامل جاذب انرژي با قابليت انتقال بي‌سيم توان

Optimal Algorithmic Resource Allocation in Energy Harvesting Full-Duplex Gaussian Relay Channel with Wireless Power Transfer Capability

جذب (يا برداشت) انرژي اخيراً به‌عنوان يك فناوري برتر براي رفع محدوديت انرژي در شبكه‌هاي بي‌سيم نسل آتي و نيز سامانه‌هاي صنعتي برپايه اينترنت اشيا و هم‌چنين به‌عنوان اساس شبكه‌هاي مخابرات سبز به‌منظور كاهش‌ مصرف انرژي در فعاليت‌هاي بشري معرفي شده است. در اين مقاله به پژوهش در مورد ارسال مشاركتي در كانال رله گوسي دوطرفه كامل با گره‌هاي منبع و رله‌ي جاذب انرژي مي‌پردازيم. هدف بيشينه‌سازي تعداد كل بيت‌هاي ارسالي از منبع به مقصد در مدت زمان مشخص از طريق تخصيص بهينه نرخ و توان به گره‌هاي جاذب انرژي است. همچنين بر اساس قابليت گره‌هاي منبع و رله براي انتقال بخشي از انرژي (توان) خود به‌هم‌ديگر، دو حالت در نظر گرفته مي‌شود كه شامل انتقال يك‌طرفه توان از منبع به رله و انتقال دوطرفه توان بين منبع و رله است. مسأله تخصيص منابع از ديدگاه يافتن جواب بهينه الگوريتمي مورد بررسي قرار مي‌گيرد. بدين‌منظور شرايطي روي‌ نحوه جذب انرژي در گره‌ها در نظر گرفته مي‌شود كه در آن شرايط، جواب بهينه الگوريتمي براي انتقال يك‌طرفه توان به‌دست مي‌آيد. براي انتقال دوطرفه توان، جواب‌ بهينه الگوريتمي در حالت عمومي ارائه مي‌شود. نهايتاً عملكرد الگوريتم‌هاي پيشنهادي به‌صورت عددي مورد تجزيه و تحليل قرار گرفته و با نتايج ابزار بهينه‌سازي محدب عددي مورد مقايسه قرار مي‌گيرند.

Energy harvesting (EH) (or scavenging) is introduced recently as a prominent technology for alleviating energy or power delimitations of next generation wireless networks, such as industrial systems based on the internet of things (IoT), and also as a bases for the green communication networks, to reduce energy consumption in man-made activities. In this paper, cooperative transmission is considered in full-duplex Gaussian relay channel with energy harvesting source (S) and relay (R) nodes. This paper aims at maximizing total number of transmitted bits from S to destination (D) in a determined time through optimal rate and power allocation to the EH nodes. Also, based on the nodes’ capabilities to transfer some part of their energy (power) to each other, two cases are considered: one-way power transfer (PT) from S to R, and two-way PT between S and R. Optimal resource allocation is investigated to find algorithmic solution. For this purpose, conditions on nodes’ EH profile are considered, where optimal algorithmic solution is obtained in one-way PT case. In the case of two-way PT, optimal solution in general form is presented. Finally, the performance of the proposed algorithms is analyzed numerically and compared with numerical convex optimization tools.