Analysis of energy harvesting in cognitive femtocell radio network

• Autorzy: Martyna J.

Identyfikatory

DOI

10.15199/59.2018.6.58

Warianty tytułu

PL

Analiza pozyskiwania energii w kognitywnej sieci femtokomórkowej

• Konferencja: Krajowa Konferencja Radiokomunikacji, Radiofonii i Telewizji (20-22.06.2018 ; Gdańsk, Polska)
• Języki publikacji: EN

Abstrakty

EN

Harvesting energy is one of the method to mitigate energy deficiency, prolong device lifetime in cognitive femtocell network (CFN). Moreover, the energy harvesting can reduce the battery size of all secondary user (SU) devices used in CFNs. In the paper, an algorithm to maximise the average throughput of the secondary system over a time slot is presented. Additionally, increased throughput performance can improve the energy budget of SUs. The numerical simulation results prove the correctness of the analysis and the possibility of applying it in practical situations.

PL

Przechwytywanie energii emitowanej przez przekaźniki radiowe jest jedną z metod łagodzenia niedoboru energii i przedłużania żywotności urządzeń kognitywnej sieci femtokomórkowej (CFN). Tego rodzaju pozyskiwanie energii może też zmniejszyć rozmiar baterii wszystkich urządzeń nielicencjonowanych użytkowników (SUs) używanych w CFN. W artykule przedstawiono algorytm maksymalizujący przepustowość urządzeń SUs. Dodatkowo zwiększona przepustowość może poprawić budżet energetyczny tych urządzeń. Wyniki symulacji dowodzą poprawności analizy i możliwości jej zastosowania w sytuacjach praktycznych.

Słowa kluczowe

EN

energy-harvesting; cognitive radio networks; femtocell networks; power control

PL

pozyskiwanie energii; kognitywne sieci radiowe; sieci femtokomórkowe; sterowanie mocą

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
• Rocznik: 2018
• Tom: nr 6
• Strony: 409--412, CD
• Opis fizyczny: Bibliogr 15 poz., rys.

Twórcy

autor

Martyna J.

• Instytut Informatyki i Matematyki Komputerowej, Wydział Matematyki i Informatyki, UJ, ul. Prof. S. Łojasiewicza 6, 30-348 Kraków

Bibliografia

• [1] I. Mitola, J. J. Maguire, G. Q. 1999. “Cognitive radio: making software radios more personal", IEEE Personal Commun. Mag., 6(4): 13-18. Fig. 5. Total energy budget versus. average interferencje at PU-Rx.
• [2] S. Haykin, 2005. “Cognitive radio: brain-empowered wireless communications", IEEE J. Select. Areas Commun., 23(2): 201-220.
• [3] G. Gür, S. Bayhan, F. Alagőz, 2010. “Cognitive Femtocell Networks: an Overlay Architecture for Localized Dynamic Spectrum Access [Dynamic Spectrum Management]". IEEE Wireless Communications, 4(17): 62-70.
• [4] Shin-Ming Cheng, Weng Ao, Kwang-Cheng Chen, Downlink Capacity of Two-tier Cognitive Femto Networks, 2010. IEEE 21st Int. Symp. on Personal, Indoor and Mobile Radio Comm. (PIMRC), 26 - 30 Sept., 1303 - 1308,
• [5] A. Donfext, E. Tomen, A. Nix, S. Armow, A. Molina, 2003. “Hotspot Wireless LANs to Enhance the Performance of 3G and Beyond Cellular Networks", IEEE Comm. Magazine, 41(7): 58 - 65,.
• [6] A. Ganz, C. M. Krishna, D. Tang, Z. J. Haas. 1997. On Optimal Design of Multitier Wireless Cellular Systems, IEEE Comm. Magazine, 35(2): 88 - 93.
• [7] R. J. M. Vullers, R. V. Schaijk, I. Doms, C. V. Hoof, and R. Mertens. 2009. Micropower energy harvesting, Elsevier Solid-State Circuits, 53(7) : 684-693.
• [8] L. Liu, R. Zhang, K.-C. Chua. 2013. Wireless Informat5ion Transfer with Opportunistic Energy Harvesting, IEEE Trans. Wireless Commun., 12(1): 288 - 300,
• [9] A. M. Zungeru, L. M. Ang, S. Prabaharan, and K. P. Seng, 2012. “Radio frequency energy harvesting and management for wireless sensor networks", Green Mobile Devices and Netw.: Energy Opt. Scav. Tech., CRC Press, 341-368.
• [10] S. Mao, M. H. Cheung, V. W. S. Wong,. 2012. An Optimal Energy Allocation Algorithm for Energy Harvesting Wireless Sensor Networks, Proc. IEEE Int. Conf. Commun.: 265 - 270.
• [11] S. Lee, R. Zhang, K. Huang. 2013. Opportunistic Wireless Energy Harvesting in Cognitive Radio Networks, IEEE Trans. on Wireless Comm., 12(9): 4788 - 4799.
• [12] J. Zhang, N. P. Nguyen, J. Zhang, F. Garcia-Palacios, P. L. Ngoc, Impact of Primary Networks on the Performance of Energy Harvesting Cognitive Radio Networks, IET Communications, DOI:10.1049/iet-com.2016.0400.
• [13] Q. Zhang, S. A. Kassam, 1999. Finite-state Markov Model for Rayleigh Fading Channels, IEEE Trans. on Comm. 47(11): 1688 - 1692.
• [14] M. Usman, I. Koo. 2014. Access Strategy for Hybrid Underlay-Overlay Cognitive Radios With Energy Harvesting, IEEE Sensors Journal, 14(9): 3164 - 3173.
• [15] C. K. Ho, R. Zhang. 2012. Optimal Energy Allocation for Wireless Communications with Energy Harvesting Constraints, IEEE Trans. Signal Process., 60(9: 4808 - 4818.

Uwagi

PL

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).