在WPCN中的吞吐量最大化问题

Throughput Maximization in Wireless Powered Communication Networks
论文研究的问题：基于“harvest-then-transmit”协议，Hybrid AP只在下行链路传输能量，用户只通过上行链路传输信息，合理分配上行链路和下行链路的时间来达到最大吞吐量。
**难点：**near-far problem 远一点的用户获取到的能量少于近距离的用户，但实现同样的信息速率近距离用户又需更多的能量，要实现最大吞吐量，只能将时间多分配给近距离用户导致不同用户间信息速率不同。对于这个问题，提出了common-throughput，不管用户离H-AP的距离如何，均要实现相同的速率。
系统模型

协议

下行链路：
PA定义为传输功率
用户接收到的信号为：
接收到的能量为：
为减编，认为能量接收效率都是相同的。
上行链路：
用户的传输功率为：假设ηi=1
H-AP接收到的信号为：
信息传输速率为：

当用户数量为1时，存在一个最优值τo*使得吞吐量最大
* SUM-THROUGHPUT MAXIMIZATION*
问题提出：
通过证明Ri（τ）是凹函数，进而证明Rsum（τ）也为凹函数，从而可以用凸优化的方法进行求解。
求解结果：

仿真结果：

针对出现的near-far problem,我们将这个与传统的TDMA网络作比较，得到
从图中可以看出，WPCN中两个用户之间的吞吐量之比比传统的TDMA网络下降得快的多，就是因为WPCN存在更为严重的远近问题。
* COMMON-THROUGHPUT MAXIMIZATION *
问题提出：
这个问题保证了最差信道条件下的用户的吞吐量，，认为不同用户间的吞吐量都是相同的，这样可以保证最小的用户吞吐量在整个网络中来看其实是最大的，这也实际的应用，比如传感器网络。
首先我们要找到τ：
因为是凸函数，我们考虑用拉格朗日算子求解
写出对偶函数：可以用来判断我们研究该问题的可行性
接下来用凸优化的方法求解下面这个问题即可得到结果：

最后得到的算法：
将P1和P2两个问题放在一起，如图：
结论（用户数为2）：
1、当总的吞吐量最大时，由于远近问题，距离较近的用户的吞吐量远远大于远距离用户；最大的common-throught依然低于总吞吐量最大时两用户的平均吞吐量，此时关注更多的是公平性问题；
2、当总的吞吐量最大时，随着路径损耗系数的增加，距离较近用户的吞吐量接近总吞吐量，而远距离用户几乎为0，所以当路径损耗增加时网络将面临更加严重的远近问题；当路径损耗增加时，最大的common-throught衰减更快，因为此时需要花更多时间保障公平性；
3、当用户数量增加时，sum-throught和common-throught均减少，但考虑总吞吐量最大时的平均吞吐量要优于平均时间分配方案。