Weighted Sum Power Maximization for Intelligent Reflecting Surface Aided SWIPT

本文地址：https://arxiv.org/pdf/1907.05558.pdf

Abstract

首先： SWIPT : simultaneous wireless information and poweer transfer (SWIPT)
本文主要将 IRS 引入 一个 SWIPT的新场景中
目标是 ：最大化 加权总功率 （在EHR端）
约束： 单个 IDR的SINR约束
方式： precoder和 phase shifts的联合优化

分析： 证明了在AP端发射information signals就可以服务IDRs和EHRs

Introduction

在IoT中，EHR所需的energy比IDR高10几个dB, 所以做rate和energy的tradeoff是至关重要的，主要是没人做过，而且在之前的研究中，IRS可以实现一个 interference -free zone。 （所以这个意思是在离IRS近的地方放EHR,远的放IDR?)

说明了传统SWIPT 不需要专用的能量信号的假设 是所有channle path 独立，但是由于IRS的存在，这个假设不适合IRS-aided的SWIPT系统
然后又证明在在arbitrary user的情况 不需要专用的能量信号 是成立的

System model

然后本文作者又从 special case: IRS-aided WPT来说起

然后利用Alternating optimization来得到suboptimal solution
具体而言，先固定$\Theta$Θ, 优化$\pmb v$vvv，再反过来
注意到第一步，固定$\Theta$Θ后，$\pmb v$vvv就是$S$S最大特征值对应的特征向量，基于此再求

用的Succesive convex optimization 的方法，这种方法 主要就是 二次项 \geq其在某点的泰勒展开，然后把下界最大化，但是他没说这个点是哪个，（还是要迭代？？）因为前面的也是要迭代的

case2: IRS-SWIPT

其实自己看这个 constraint 20 跟W_e 是负相关的，跟W_i是正相关的，目标是最大 \sum W_i+W_e，
得出的结论是W_e=0,只要最大化W_i就行
证明的思路: >= 和<=, >=很好证，因为SDR2,（就是W_e=0的情况）就是SDR1的special case;<= 是通过、forall SDR1的任意一个可行解可以构造SDR2的任意一个可行解，并且达到一样的optimum objective
在≤的case, 通过构造lagrange （KKT条件），分情况讨论
$\lambda=0$λ=0比较容易理解，惩罚项为0，说明W_e跟目标没关系，所以最大化W_i就行，
${\rm tr} (HW_e^*)=0$tr(HWe∗​)=0 这个条件是保证feasible的，后面构造就构造 W_i = W_i*, W_m = W_m^*+W_e这样就可以达到SDR1的optimum value了（注意要代到SDR2的objective function里，不要代错了）

其实主要是弄清楚方法和思路，知道自己要做什么就快很多。不要像我一直开小差

Conclusion

本篇的亮点，对于我而言应该在于SCA这个technique,还有引入的新的场景，SWIPT， 蓦然觉得还是要加油，一天真正能静下来的时间太少了

Phrases

drastically 剧烈地
IDR: information decoding receivers
EHR: energy harvesting receivers
collaboratively 协作地
poss 拥有

information bearing
energy carrying
counterpart 配对的人/物