In emerging fifth generation and beyond wireless communication systems, communication nodes are expected to support information flows that are freshness-sensitive, along with broadband traffic having high data rate requirements. Freshness-sensitive flows, where freshness is quantified by a metric called the age of information (AoI), are naturally assigned priority over resources. Motivated by this, we consider long-term average throughput maximization in a single user fading channel, subject to constraints on average AoI and power, and knowledge of channel state information at the transmitter (CSIT), which is the realization of channel power gains. We consider two scenarios: (i) when Perfect CSIT is available and (ii) when CSIT is not available. In both scenarios, the channel distribution information is available. We consider a generate-at-will model, in which update packets can be generated in any block of interest, at the transmitter. We propose simple age-independent stationary randomized policies (AI-SRP), which allocate powers at the transmitter based only on the channel state and/or distribution information, without any knowledge of the AoI. We show that the optimal long-term average throughputs achieved by the AI-SRPs are equal to at least half of the throughputs achieved by optimal policies, independent of all the parameters of the problem. Furthermore, we provide an expression that bounds the difference in throughputs achieved by the optimal policies and AI-SRPs. Finally, we provide extensive numerical results to illustrate the performance of AI-SRPs.

中文翻译：

---

衰落信道中信息约束平均年龄的吞吐量最大化

在新兴的第五代及以后的无线通信系统中，预计通信节点将支持对新鲜度敏感的信息流以及具有高数据速率要求的宽带流量。新鲜度敏感流，其中新鲜度通过称为信息年龄 (AoI) 的指标进行量化，自然会优先于资源分配。受此启发，我们考虑单个用户衰落信道中的长期平均吞吐量最大化，受平均 AoI 和功率的约束，以及发射机 (CSIT) 的信道状态信息的知识，这是信道功率增益的实现。我们考虑两种情况：（i）Perfect CSIT 可用时和（ii）CSIT 不可用时。在这两种情况下，渠道分布信息都是可用的。我们考虑一个随意生成的模型，其中更新包可以在发送器的任何感兴趣的块中生成。我们提出了简单的与年龄无关的静态随机策略 (AI-SRP)，它仅根据信道状态和/或分布信息在发射机上分配功率，而无需了解 AoI。我们表明，AI-SRP 实现的最优长期平均吞吐量至少等于最优策略实现的吞吐量的一半，与问题的所有参数无关。此外，我们提供了一个表达式，该表达式限制了最佳策略和 AI-SRP 实现的吞吐量差异。最后，我们提供了广泛的数值结果来说明 AI-SRP 的性能。我们提出了简单的与年龄无关的静态随机策略 (AI-SRP)，它仅根据信道状态和/或分布信息在发射机上分配功率，而无需了解 AoI。我们表明，AI-SRP 实现的最优长期平均吞吐量至少等于最优策略实现的吞吐量的一半，与问题的所有参数无关。此外，我们提供了一个表达式，该表达式限制了最佳策略和 AI-SRP 实现的吞吐量差异。最后，我们提供了广泛的数值结果来说明 AI-SRP 的性能。我们提出了简单的与年龄无关的静态随机策略 (AI-SRP)，它仅根据信道状态和/或分布信息在发射机上分配功率，而无需了解 AoI。我们表明，AI-SRP 实现的最优长期平均吞吐量至少等于最优策略实现的吞吐量的一半，与问题的所有参数无关。此外，我们提供了一个表达式，该表达式限制了最佳策略和 AI-SRP 实现的吞吐量差异。最后，我们提供了广泛的数值结果来说明 AI-SRP 的性能。我们表明，AI-SRP 实现的最优长期平均吞吐量至少等于最优策略实现的吞吐量的一半，与问题的所有参数无关。此外，我们提供了一个表达式，该表达式限制了最佳策略和 AI-SRP 实现的吞吐量差异。最后，我们提供了广泛的数值结果来说明 AI-SRP 的性能。我们表明，AI-SRP 实现的最优长期平均吞吐量至少等于最优策略实现的吞吐量的一半，与问题的所有参数无关。此外，我们提供了一个表达式，该表达式限制了最佳策略和 AI-SRP 实现的吞吐量差异。最后，我们提供了广泛的数值结果来说明 AI-SRP 的性能。