Intelligent reflecting surface (IRS) is a revolutionary technology for achieving spectral- and energy-efficient wireless networks. By adjusting the phase shifts at the IRS, a high passive beamforming gain can be achieved, which is particularly appealing for improving the spectral efficiency of wireless powered communication networks (WPCNs). Inspired by this, we study IRS-aided WPCNs, where the IRS is leveraged to help the energy transmitter (ET) broadcast the energy signals to the distributed devices in the downlink (DL), and meanwhile help the distributed devices forward the information signals to the information receiver (IR) in the uplink (UL). By taking account into the system energy consumption and achievable system throughput, we aim to maximize the energy efficiency (EE) of WPCNs by jointly optimizing phase shifts at the IRS, the beamformer at the ET, time allocation, and the transmit power of devices while guaranteeing the minimum achievable rate requirements for the devices. Since the formulated optimization problem is a nonlinear fractional programming problem, which is non-convex. To tackle this difficulty, an alternating optimization (AO) algorithm is proposed. In particular, a Dinkelbach-based algorithm is proposed to optimize the resource allocation, and a penalty-based algorithm based on the difference of convex (DC) programming and successive convex approximation (SCA) techniques is proposed to solve the phase shift optimization. Simulation results unveil that the IRS is capable of improving the system EE compared to the benchmarks.

中文翻译：

---

IRS 辅助 WPCN 的能效最大化

智能反射面 (IRS) 是一项革命性的技术，可用于实现频谱和节能无线网络。通过调整 IRS 的相移，可以实现高无源波束成形增益，这对于提高无线供电通信网络 (WPCN) 的频谱效率特别有吸引力。受此启发，我们研究了 IRS 辅助的 WPCNs，其中 IRS 被用来帮助能量发射器 (ET) 将能量信号广播到下行链路 (DL) 中的分布式设备，同时帮助分布式设备将信息信号转发到上行链路 (UL) 中的信息接收器 (IR)。通过考虑系统能耗和可实现的系统吞吐量，我们的目标是通过联合优化 IRS 的相移来最大化 WPCN 的能源效率 (EE)，ET 的波束形成器、时间分配和设备的发射功率，同时保证设备的最低可实现速率要求。由于公式化的优化问题是一个非线性分数规划问题，它是非凸的。为了解决这个困难，提出了一种交替优化（AO）算法。特别是提出了一种基于丁克尔巴赫的算法来优化资源分配，并提出了一种基于凸(DC)规划和逐次凸逼近(SCA)技术的差异的基于惩罚的算法来解决相移优化问题。仿真结果表明，与基准相比，IRS 能够改进系统 EE。以及设备的发射功率，同时保证设备可达到的最低速率要求。由于公式化的优化问题是一个非线性分数规划问题，它是非凸的。为了解决这个困难，提出了一种交替优化（AO）算法。特别是提出了一种基于丁克尔巴赫的算法来优化资源分配，并提出了一种基于凸(DC)规划和逐次凸逼近(SCA)技术的差异的基于惩罚的算法来解决相移优化问题。仿真结果表明，与基准相比，IRS 能够改进系统 EE。以及设备的发射功率，同时保证设备可达到的最低速率要求。由于公式化的优化问题是一个非线性分数规划问题，它是非凸的。为了解决这个困难，提出了一种交替优化（AO）算法。特别是提出了一种基于丁克尔巴赫的算法来优化资源分配，并提出了一种基于凸(DC)规划和逐次凸逼近(SCA)技术的差异的基于惩罚的算法来解决相移优化问题。仿真结果表明，与基准相比，IRS 能够改进系统 EE。提出了一种交替优化（AO）算法。特别是提出了一种基于丁克尔巴赫的算法来优化资源分配，并提出了一种基于凸(DC)规划和逐次凸逼近(SCA)技术的差异的基于惩罚的算法来解决相移优化问题。仿真结果表明，与基准相比，IRS 能够改进系统 EE。提出了一种交替优化（AO）算法。特别是提出了一种基于丁克尔巴赫的算法来优化资源分配，并提出了一种基于凸(DC)规划和逐次凸逼近(SCA)技术的差异的基于惩罚的算法来解决相移优化问题。仿真结果表明，与基准相比，IRS 能够改进系统 EE。