[국내논문]RF 충전 인지 무선 네트워크에서 2-채널 센싱 2차 사용자의 Energy Outage 확률 및 패킷 전송 성능 Energy Outage Probability and Achievable Throughput of 2-Channel Sensing Secondary Users in RF Powered Cognitive Radio Networks원문보기
본 논문에서는 인지 무선 (Cognitive Radio; CR) 네트워크에서 Radio Frequency (RF) 에너지 수집 (Energy Harvesting; EH) 기능을 갖는 2차 사용자 (Secondary User; SU)가 최대 2개의 서로 다른 채널을 순차적으로 센싱하여 주사용자 (Primary User; PU)가 사용하지 않고 비어 있는 채널을 확보하는 경우를 고려하였다. EH SU는 데이터를 전송하기 위해 비어 있는 채널을 정확하게 검출해야 할 뿐만 아니라 충분한 에너지를 보유하고 있어야 한다. 기존의 SU와 마찬가지로 데이터 전송에 의한 에너지 소모와 더불어 자체적으로 에너지 수집이 가능하기 때문에 EH SU의 에너지 상태는 감소와 증가를 반복하게 되며, 본 논문에서는 이와 같은 EH SU의 배터리 상태를 Markov 모델로 구축하였다. 해당 모델로부터 EH SU가 에너지를 완전히 소모할 안정상태 확률을 도출하였으며, 이에 근거하여 패킷을 성공적으로 전송할 확률을 도출하였다. 제안된 Markov 배터리 모델을 분석하기 위해 Monte-Carlo 모의실험을 진행하여 Energy Outage 확률과 패킷 전송 성능 분석의 정확성을 검증하였다.
본 논문에서는 인지 무선 (Cognitive Radio; CR) 네트워크에서 Radio Frequency (RF) 에너지 수집 (Energy Harvesting; EH) 기능을 갖는 2차 사용자 (Secondary User; SU)가 최대 2개의 서로 다른 채널을 순차적으로 센싱하여 주사용자 (Primary User; PU)가 사용하지 않고 비어 있는 채널을 확보하는 경우를 고려하였다. EH SU는 데이터를 전송하기 위해 비어 있는 채널을 정확하게 검출해야 할 뿐만 아니라 충분한 에너지를 보유하고 있어야 한다. 기존의 SU와 마찬가지로 데이터 전송에 의한 에너지 소모와 더불어 자체적으로 에너지 수집이 가능하기 때문에 EH SU의 에너지 상태는 감소와 증가를 반복하게 되며, 본 논문에서는 이와 같은 EH SU의 배터리 상태를 Markov 모델로 구축하였다. 해당 모델로부터 EH SU가 에너지를 완전히 소모할 안정상태 확률을 도출하였으며, 이에 근거하여 패킷을 성공적으로 전송할 확률을 도출하였다. 제안된 Markov 배터리 모델을 분석하기 위해 Monte-Carlo 모의실험을 진행하여 Energy Outage 확률과 패킷 전송 성능 분석의 정확성을 검증하였다.
In this paper, we consider the secondary users (SUs) who are capable of harvesting energy from ambient radio frequency (RF) signals and are allowed to sequentially sense up to 2 different channels to find out idle channels not occupied by the primary users (PUs). The EH SUs are permitted to transmit...
In this paper, we consider the secondary users (SUs) who are capable of harvesting energy from ambient radio frequency (RF) signals and are allowed to sequentially sense up to 2 different channels to find out idle channels not occupied by the primary users (PUs). The EH SUs are permitted to transmit data packets only if both idle channels and sufficient energy are available. Compared with traditional SUs, the EH SUs consume energy with data transmission and also harvest energy without additional energy supply. Consequently, the battery state is expected to be fluctuated due to energy consumption and harvesting, and therefore we develop a Markov battery model to provide energy variations at the 2-channel sensing EH SUs. With the proposed battery model, we derive the steady-state probability that the EH SUs completely run out of energy, and the achievable throughput of EH SUs is derived accordingly. To evaluate the proposed Markov battery model, the Monte-Carlo simulation was performed to validate the accuracy of energy outage probability and achievable throughput at the 2-channel sensing EH SUs.
In this paper, we consider the secondary users (SUs) who are capable of harvesting energy from ambient radio frequency (RF) signals and are allowed to sequentially sense up to 2 different channels to find out idle channels not occupied by the primary users (PUs). The EH SUs are permitted to transmit data packets only if both idle channels and sufficient energy are available. Compared with traditional SUs, the EH SUs consume energy with data transmission and also harvest energy without additional energy supply. Consequently, the battery state is expected to be fluctuated due to energy consumption and harvesting, and therefore we develop a Markov battery model to provide energy variations at the 2-channel sensing EH SUs. With the proposed battery model, we derive the steady-state probability that the EH SUs completely run out of energy, and the achievable throughput of EH SUs is derived accordingly. To evaluate the proposed Markov battery model, the Monte-Carlo simulation was performed to validate the accuracy of energy outage probability and achievable throughput at the 2-channel sensing EH SUs.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
송수신기 사이의 무선 채널은 통신 시스템의 성능에 영향을 주는 원인 중의 하나이지만 송수신 성능을 개선함으로서 해결 가능하기 때문에 본 논문에서는 무선 채널의 영향을 고려하지 않았다. 따라서 EH SU 는 데이터 전송을 위한 충분한 에너지를 보유하고 있는 동시에 PU가 사용하지 않고 실제로 비어 있는 채널을 정확하게 확보하면 PU와의 충돌 없이 데이터를 성공적으로 전달할 수 있게 된다고 가정하였다.
본 논문에서는 데이터를 전송하기 위해 최대 2개의 서로 다른 채널을 순차적으로 센싱하는 EH SU의 Markov 배터리 모델을 제안하였으며, 해당 배터리 모델로부터 EH SU가 에너지를 완전히 소모하여 데이터를 전송할 수 없는 Energy Outage가 발생할 안정상태 확률을 수식적으로 도출하였다. 이에 근거하여 충분한 에너지와 PU가 사용하지 않는 채널을 확보하여 EH SU 가 성공적으로 패킷을 전송할 확률을 역시 도출하였다.
가설 설정
본 논문에서 고려하는 2-채널 센싱 EH SU는 RF 송수신기와 독립적이고 분리된 안테나를 사용하는 RF Energy Harvester (즉, EH 보드)로부터 에너지를 수집한다고 가정하였다[1]. 또한 데이터 전송과 에너지 수집 효율을 상호 저하시키는 것을 회피하기 위해 EH 보드는 EH SU의 데이터 전송에 사용되지 않는 주파수 대역에 접근하여 에너지를 수집한다고 가정하였으며, 한 개의 슬롯 동안에 에너지 수집율 eh로 에너지를 수집하게 된다.
. 또한 데이터 전송과 에너지 수집 효율을 상호 저하시키는 것을 회피하기 위해 EH 보드는 EH SU의 데이터 전송에 사용되지 않는 주파수 대역에 접근하여 에너지를 수집한다고 가정하였으며, 한 개의 슬롯 동안에 에너지 수집율 eh로 에너지를 수집하게 된다. 한편, EH 보드가 주변의 RF 신호로부터 수집하는 에너지를 제외한 별도의 에너지 공급을 고려하지 않았다.
본 논문에서 EH SU는 항상 전송해야 할 데이터가 있다고 가정하였다. PU의 채널 모델링 파라미터 정보는 주어지지만 현재 채널의 점유 상태에 대한 정보를 알 수 없다고 가정하였기 때문에, EH SU는 데이터를 전송하기 위해 각 슬롯의 시작점에서 τs∈(0,T] 동안 수신 신호를 샘플링 주파수 fs로 샘플링하여 에너지 검출 (Energy Detection)을 수행하며 이진 가설 검증을 통해서 PU의 채널 사용 유무를 결정하게 된다[7].
(n)은 m번째 슬롯에서의 n번째 샘플 신호를 의미한다. PU의 신호 s(n)과 복소 잡음 w(n)은 모두 평균이 0이고 분산이 각각 인 순환 대칭 복소 가우시안 (Circularly Symmetric Complex Gaussian) 신호로 가정하였다[15]. 이 때, m 번째 슬롯에서의 검정 통계량 (Test Statistic) T(ym) 은 식 (8)과 같이 표현된다.
따라서 EH SU가 슬롯 m에서 데이터를 전송한 경우에 소모한 총 에너지는 E = Et,(2-ch) ≈ Et로 가정하였다.
따라서 EH SU가 슬롯 m에서 데이터를 전송한 경우에 소모한 총 에너지는 E = Et,(2-ch) ≈ Et로 가정하였다. EH 보드가 슬롯 m에서 수집한 에너지는 #= eh이며, EH SU가 한개의 슬롯 동안에 소모하는 총 에너지의 양과 같다고 가정하였다 (즉, eh = Et). 또한 EH 보드가 슬롯 m에서 수집한 에너지는 용량이 L인 배터리에 저장되었다가 슬롯 m +1에서 바로 EH SU에 의해 사용될 수 있다.
송수신기 사이의 무선 채널은 통신 시스템의 성능에 영향을 주는 원인 중의 하나이지만 송수신 성능을 개선함으로서 해결 가능하기 때문에 본 논문에서는 무선 채널의 영향을 고려하지 않았다. 따라서 EH SU 는 데이터 전송을 위한 충분한 에너지를 보유하고 있는 동시에 PU가 사용하지 않고 실제로 비어 있는 채널을 정확하게 확보하면 PU와의 충돌 없이 데이터를 성공적으로 전달할 수 있게 된다고 가정하였다.
제안 방법
성공적인 데이터 전송을 위해 EH SU는 비어 있는 채널뿐만 아니라 전송에 필요한 에너지를 확보하여야 한다. 데이터 전송으로 인한 에너지 소모와 RF 신호로부터의 에너지 수집에 따라 EH SU가 보유하고 있는 에너지는 감소와 증가를 반복하게 되며, 앞서 저자들은 [14]에서 이러한 에너지 상태의 변화를 제공하는 EH SU의 Markov 배터리 모델을 제안하였다. 이를 기반으로 본 논문에서는 더 많은 데이터 전송 기회를 확보하기 위해 최대 2개의 서로 다른 채널을 순차적으로 센싱하는 2-채널 센싱 EH SU의 Markov 배터리 모델을 제안한다.
데이터 전송으로 인한 에너지 소모와 RF 신호로부터의 에너지 수집에 따라 EH SU가 보유하고 있는 에너지는 감소와 증가를 반복하게 되며, 앞서 저자들은 [14]에서 이러한 에너지 상태의 변화를 제공하는 EH SU의 Markov 배터리 모델을 제안하였다. 이를 기반으로 본 논문에서는 더 많은 데이터 전송 기회를 확보하기 위해 최대 2개의 서로 다른 채널을 순차적으로 센싱하는 2-채널 센싱 EH SU의 Markov 배터리 모델을 제안한다. 해당 모델로부터 EH SU가 에너지를 완전히 소모할 Energy Outage 확률과 패킷을 성공적으로 전송할 확률을 도출하며, Monte-Carlo 모의실험을 통해 분석의 정확성을 검증한다.
)>ε)}에 의해 결정된다. 그림 2에서 도시한 바와 같이 본 논문에서는 EH SU가 데이터를 전송하기 위해 순차적으로 최대 2개의 서로 다른 채널을 센싱하는 경우를 고려한다. 단일 채널 센싱 경우와 마찬가지로 m번째 슬롯에서의 첫 번째 센싱 결과가 # = 0인 경우에 EH SU는 해당 채널에 접근하여 데이터를 전송하게 되며, # = 1이면 EH SU는 비어 있는 채널을 확보하기 위해 다른 채널을 선택하여 센싱을 수행한다.
본 논문에서는 2-채널 센싱 EH SU의 아주 짧은 센싱 구간을 고려하였으며 (즉, τs ≪ T), 전송에 비해 상대적으로 적은 에너지를 사용하기 때문에 EH SU가 채널 센싱을 수행하는 동안에 소모하는 에너지를 고려하지 않았다.
슬롯 m +1에서의 잔여 에너지가 Em+1 < Et 이면 데이터 전송이 불가하며 해당 에너지 상태를 Energy Outage로 정의한다. 설명을 쉽게 하기 위해 본 논문에서 Energy Outage는 에너지 상태 l = 0으로 표현하였으며, 에너지 상태 l = L -1은 배터리가 완전히 충전된 상태를 나타내었다.
제안된 2-채널 센싱 EH SU의 Markov 배터리 모델을 분석하기 위해 Monte-Carlo 모의실험을 진행하여 해당 모델로부터 도출된 Energy Outage 확률과 패킷 전송 성능의 정확성을 검증하였다. 또한 [14]에서 제안된 단일 채널 센싱 EH SU의 Markov 배터리 모델로부터 도출한 Energy Outage 확률과 패킷 전송 성능과의 비교를 진행하였다. 표 1에 모의실험에서 사용된 주요 파라미터들을 정리하였다.
데이터처리
이를 기반으로 본 논문에서는 더 많은 데이터 전송 기회를 확보하기 위해 최대 2개의 서로 다른 채널을 순차적으로 센싱하는 2-채널 센싱 EH SU의 Markov 배터리 모델을 제안한다. 해당 모델로부터 EH SU가 에너지를 완전히 소모할 Energy Outage 확률과 패킷을 성공적으로 전송할 확률을 도출하며, Monte-Carlo 모의실험을 통해 분석의 정확성을 검증한다.
제안된 2-채널 센싱 EH SU의 Markov 배터리 모델을 분석하기 위해 Monte-Carlo 모의실험을 진행하여 해당 모델로부터 도출된 Energy Outage 확률과 패킷 전송 성능의 정확성을 검증하였다. 또한 [14]에서 제안된 단일 채널 센싱 EH SU의 Markov 배터리 모델로부터 도출한 Energy Outage 확률과 패킷 전송 성능과의 비교를 진행하였다.
성능/효과
1) 에너지 고갈 상태 (l = 0): Energy Outage가 발생한 경우에 EH SU는 데이터를 전송할 수 없게 되며, EH 보드가 에너지를 수집하여야만 에너지 충분 상태로 전이하여 데이터 전송이 가능하게 된다. 따라서 EH SU가 Energy Outage를 극복하지 못할 확률과 잔여 에너지가 충분 상태로 전이될 확률은 각각 다음과 같다.
3) 완전 충전 상태 (l = L -1): 에너지 충분 상태와 마찬가지로 데이터 전송이 가능하여 에너지 하위 레벨로 전이할 수 있으며, 배터리 용량이 제한되어 있기 때문에 EH 보드가 에너지를 지속적으로 수집하여도 에너지 상위 레벨로 전이할 수 없다. 따라서 에너지 상태 L -1은 다음의 확률로 에너지 하위 레벨로 전이하거나 원래의 상태를 유지한다.
5를 고려하였다. 그림 4에서 보는 바와 같이 EH 보드가 에너지를 빈번하게 수집하면 EH SU가 에너지를 완전히 소모할 확률은 점차 감소하며, 채널이 자주 비어 있는 경우에 EH SU가 데이터를 전송할 확률이 증가하여 에너지 소모가 자주 발생하기 때문에 Energy Outage가 발생할 확률이 항상 크게 나타남을 알 수 있다. 예상했던 바와 같이 2-채널 센싱은 단일 채널 센싱에 비해 데이터 전송 기회가 증가하기 때문에 에너지를 자주 소모 하여 상대적으로 높은 확률로 Energy Outage가 발생한다.
예상했던 바와 같이 2-채널 센싱은 단일 채널 센싱에 비해 데이터 전송 기회가 증가하기 때문에 에너지를 자주 소모 하여 상대적으로 높은 확률로 Energy Outage가 발생한다. 하지만 그림 5에 의하면 EH 보드가 에너지를 수집할 확률이 증가함에 따라, 패킷 전송 성능이 더 이상 개선되지 않는 단일 채널 센싱 경우와는 달리 패킷 전송 성능이 지속적으로 개선됨을 확인할 수 있다. 에너지가 일정 확률 이상으로 수집되고 있는 경우에 높은 Energy Outage 확률은 EH SU가 더 많은 양의 데이터를 전송하여 소모한 에너지가 증가하였음을 의미한다.
본 논문에서는 데이터를 전송하기 위해 최대 2개의 서로 다른 채널을 순차적으로 센싱하는 EH SU의 Markov 배터리 모델을 제안하였으며, 해당 배터리 모델로부터 EH SU가 에너지를 완전히 소모하여 데이터를 전송할 수 없는 Energy Outage가 발생할 안정상태 확률을 수식적으로 도출하였다. 이에 근거하여 충분한 에너지와 PU가 사용하지 않는 채널을 확보하여 EH SU 가 성공적으로 패킷을 전송할 확률을 역시 도출하였다. Monte-Carlo 모의실험을 통해 EH SU가 한 개의 채널을 센싱하는 경우보다 Energy Outage가 발생할 확률은 증가하지만 패킷 전송 성능이 개선됨을 확인하였다.
이에 근거하여 충분한 에너지와 PU가 사용하지 않는 채널을 확보하여 EH SU 가 성공적으로 패킷을 전송할 확률을 역시 도출하였다. Monte-Carlo 모의실험을 통해 EH SU가 한 개의 채널을 센싱하는 경우보다 Energy Outage가 발생할 확률은 증가하지만 패킷 전송 성능이 개선됨을 확인하였다. 하지만 한 개의 슬롯에서 일정한 센싱 구간으로 여러 차례의 채널 센싱을 반복하여 진행하는 경우에, 데이터 전송 기회는 증가하지만 전송을 위해 할당된 시간이 감소하여 전체 시스템의 성능이 저하되는 문제점이 동반되기 때문에 센싱할 채널의 개수는 최적의 시스템 성능을 고려하여 신중하게 결정되어야 한다.
질의응답
핵심어
질문
논문에서 추출한 답변
본 논문에서 제안한 EH SU의 Markov 배터리 모델의 문제점은 무엇인가?
Monte-Carlo 모의실험을 통해 EH SU가 한 개의 채널을 센싱하는 경우보다 Energy Outage가 발생할 확률은 증가하지만 패킷 전송 성능이 개선됨을 확인하였다. 하지만 한 개의 슬롯에서 일정한 센싱 구간으로 여러 차례의 채널 센싱을 반복하여 진행하는 경우에, 데이터 전송 기회는 증가하지만 전송을 위해 할당된 시간이 감소하여 전체 시스템의 성능이 저하되는 문제점이 동반되기 때문에 센싱할 채널의 개수는 최적의 시스템 성능을 고려하여 신중하게 결정되어야 한다.
EH 단말은 무슨 일을 하는가?
스마트 단말기의 보급에 따라 Radio Frequency (RF) 신호가 늘 주변에 존재하기 때문에, 정보와 에너지를 모두 전송하는 RF 신호로부터 에너지를 수집하고자 하는 RF EH 기술이 Self-Sustainable 에너지 공급 기술로 주목받고 있다[1]. EH 단말은 RF 신호를 전기로 전환하여 정보 처리 및 전송에 사용하며 무선 충전 시스템, 무선 센서 네트워크 등에서의 RF EH 응용 방안이 제안되었다[2,3]. 저전력 무선 센서 노드들로 구성된 사물 인터넷 (Internet of Things; IoT) 환경이나 무선 센서 네트워크에서 RF 무선 충전 기술을 적용하여 센서 노드들의 배터리 수명을 연장할 수 있으며, 이와 같은 RF 무선 충전 기술의 응용을 위한 테스트베드가 구현되었다[4,5].
EH SU가 데이터를 전송하려 할 때 필요한 것은 무엇인가?
본 논문에서는 인지 무선 (Cognitive Radio; CR) 네트워크에서 Radio Frequency (RF) 에너지 수집 (Energy Harvesting; EH) 기능을 갖는 2차 사용자 (Secondary User; SU)가 최대 2개의 서로 다른 채널을 순차적으로 센싱하여 주사용자 (Primary User; PU)가 사용하지 않고 비어 있는 채널을 확보하는 경우를 고려하였다. EH SU는 데이터를 전송하기 위해 비어 있는 채널을 정확하게 검출해야 할 뿐만 아니라 충분한 에너지를 보유하고 있어야 한다. 기존의 SU와 마찬가지로 데이터 전송에 의한 에너지 소모와 더불어 자체적으로 에너지 수집이 가능하기 때문에 EH SU의 에너지 상태는 감소와 증가를 반복하게 되며, 본 논문에서는 이와 같은 EH SU의 배터리 상태를 Markov 모델로 구축하였다.
참고문헌 (15)
X. Lu, P. Wang, D. Niyato, D. I. Kim, and A. Han, "Wireless networks with RF energy harvesting: A contemporary survey," IEEE Commun. Surveys & Tuts., vol. 17, no. 2, pp. 757-789, May 2015.
X. Lu, D. Niyato, P. Wang, D. I. Kim, and Z. Han, "Wireless charger networking for mobile devices: Fundamentals, standards, and applications," IEEE Wireless Commun., vol. 22, no. 2, pp. 126-135, Apr. 2015.
S. Kim, R. Vyas, J. Bito, K. Nitotaki, A. Collado, A. georigiadis, and M. M. Tentzeris, "Ambient RF energy-harvesting technologies for self-sustainable standalone wireless sensor platforms," IEEE Proc., vol. 102, no. 11, pp. 1649-1666, Nov. 2014.
A. A. Aziz, D. Tribudi, L. Ginting, P. A. Rosyady, D. Setiawan, and K. Choi, "RF energy transfer testbed based on off-the-shelf components for IoT application," J. KICS, vol. 40, no. 10, pp. 1912-1921, Oct. 2015.
M. Kim, W. Lim, J. Bae, J. Park, Y. Park, J. Lee, S. Trinh-Van, D. I. Kim, K. Lee, K. Hwang, and Y. Yang, "Development of far field RF power harvesting testbed," J. KICS, vol. 40, no. 10, pp. 1922-1930, Oct. 2015.
Y.-C. Liang, K.-C. Chen, G. Y. Li, and P. Mahonen, "Cognitive radio networking and communications: An overview," IEEE Trans. Veh. Technol., vol. 60, no. 7, pp. 3386-3407, Sept. 2011.
X. Lu, P. Wang, D. Niyato, and E. Hossain, "Dynamic spectrum access in cognitive radio networks with RF energy harvesting," IEEE Wireless Commun., vol. 21, no. 7, pp. 102-110, Jun. 2014.
D. Hoang, D. Niyato, P. Wang, and D. I. Kim, "Opportunistic channel access and RF energy harvesting in cognitive radio networks," IEEE J. Sel. Areas in Commun., vol. 32, no. 11, pp. 2039-2052, Nov. 2014.
S. Park, H. Kim, and D. Hong, "Cognitive radio networks with energy harvesting," IEEE Trans. Wireless Commun., vol. 12, no. 3, pp. 1386-1397, Mar. 2013.
W. Chung, S. Park, S. Lim, and D. Hong, "Spectrum sensing optimization for energy-harvesting cognitive radio systems," IEEE Trans. Wireless Commun., vol. 13, no. 5, pp. 2601-2613, May 2014.
S. Park and D. Hong, "Achievable throughput of energy harvesting cognitive radio networks," IEEE Trans. Wireless Commun., vol. 13, no. 2, pp. 1010-1022, Feb. 2014.
D. Hoang, D. Niyato, P. Wang, and D. I. Kim, "Performance optimization for cooperative multiuser cognitive radio networks with RF energy harvesting capability," IEEE Trans. Wireless Commun., vol. 14, no. 7, pp. 3614-3629, Jul. 2015.
S. Wu, Y. Shin, J. Y. Kim, and D. I. Kim, "Probability of packet loss in energy harvesting nodes with cognitive radio capabilities," IEEE Commun., Lett., vol. 20, no. 5, pp. 978-981, May 2016.
Y.-C. Liang, Y. Zeng, E. C. Y. Peh, and A. T. Hoang, "Sensing-throughput tradeoff for cognitive radio networks," IEEE Trans. Wireless Commun., vol. 7, no. 4, pp. 1326-1337, Apr. 2008.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.