[논문 리뷰] On the Energy/Distortion Tradeoff in the IoT

Alessandro Biason, Chiara Pielli외 2명|arXiv (Cornell University)|2017. 02. 13.

Energy Harvesting in Wireless Networks참고 문헌 30인용 수 4

한 줄 요약

이 논문은 에너지 제약이 있는 IoT 네트워크를 대상으로 TDMA 기반 스케줄링 프레임워크를 제안하며, 볼록 및 교대 프로그래밍을 통해 에너지 소비와 데이터 왜곡을 공동 최적화한다. 완전한 채널 지식과 통계적 채널 지식 하에서 최적의 전송 및 압축 정책을 유도하여 현실적인 에너지 모델과 비율-왜곡 모델을 사용해 네트워크 수명과 데이터 품질 간의 균형 잡힌 트레이드오프를 달성한다.

ABSTRACT

The Internet of Things paradigm envisages the presence of many battery-powered sensors and this entails the design of energy-aware protocols. Source coding techniques allow to save some energy by compressing the packets sent over the network, but at the cost of a poorer accuracy in the representation of the data. This paper addresses the problem of designing efficient policies to jointly perform processing and transmission tasks. In particular, we aim at defining an optimal scheduling strategy with the twofold ultimate goal of extending the network lifetime and guaranteeing a low overall distortion of the transmitted data. We propose a Time Division Multiple Access (TDMA)-based access scheme that optimally allocates resources to heterogeneous nodes. We use realistic rate-distortion curves to quantify the impact of compression on the data quality and propose a complete energy model that includes the energy spent for processing and transmitting the data, as well as the circuitry costs. Both full knowledge and statistical knowledge of the wireless channels are considered, and optimal policies are derived for both cases. The overall problem is structured in a modular fashion and solved through convex and alternate programming techniques. Finally, we thoroughly evaluate the proposed algorithms and the influence of the design variables on the system performance adopting parameters of real sensors.

연구 동기 및 목표

• 배터리 구동 IoT 네트워크에서 에너지 효율성과 데이터 왜곡 간의 트레이드오프를 해결한다.
• 네트워크 수명을 연장하면서도 데이터 품질을 유지하기 위해 전송 및 압축 스케줄링 정책을 공동으로 설계한다.
• 에너지 및 데이터 품질 요구 사항이 상이한 이질적 노드를 고려한다.
• 처리, 전송, 회로 기반 비용을 포함한 현실적인 에너지 모델을 통합한다.
• 완전한 채널 상태 지식과 통계적 채널 상태 지식 하에서 최적의 스케줄링 정책을 유도한다.

제안 방법

• 충돌과 무작위 수신을 방지하기 위해 TDMA 기반 액세스 방식을 제안하여 자원 할당을 효율적으로 구현한다.
• 압축이 데이터 품질에 미치는 영향을 모델링하기 위해 현실적인 비율-왜곡 곡선을 사용한다.
• 전송, 처리, 회로 기반 에너지 비용을 포함한 종합적인 에너지 모델을 개발한다.
• 완전한 채널 지식과 통계적 채널 지식 모두에서 최적화 문제를 볼凸 및 교대 프로그래밍 기법을 사용해 해결한다.
• 알고리즘 1을 통해 반복 최적화를 적용하여 각 노드의 에너지 할당을 번갈아가며 왜곡을 최소화한다.
• строго 볼凸성과 대안 솔루션의 확률적 탐색을 통해 전역 최솟값으로 수렴함을 보장한다.

실험 결과

연구 질문

• RQ1 배터리 구동 센서를 갖춘 이질적 IoT 네트워크에서 에너지 소비와 데이터 왜곡을 공동으로 최소화하는 방법은 무엇인가?
• RQ2 완전한 채널 상태 지식 하에서 에너지 사용과 데이터 무결성 간의 균형을 이루는 최적의 스케줄링 정책은 무엇인가?
• RQ3 통계적 채널 지식은 에너지 효율적인 전송 및 압축 전략 설계에 어떻게 영향을 미치는가?
• RQ4 처리 및 회로 기반 에너지 비용은 전체 시스템 최적화에 어떤 영향을 미치는가?
• RQ5 잠재적으로 비엄격 볼凸성 조건이 존재하더라도 제안된 알고리즘이 최적 솔루션으로 수렴하는 방식은 무엇인가?

주요 결과

• 제안된 TDMA 기반 스케줄링 방식은 이질적 IoT 노드 전반에서 에너지 소비를 크게 감소시키면서도 낮은 데이터 왜곡을 유지한다.
• 볼凸 최적화를 통해 최적의 자원 할당을 도출하여 완전한 채널 지식과 통계적 채널 지식 모두에서 전역 최솟값으로 수렴함을 보장한다.
• 실제로는 최악의 이론적 복잡도에 비해 매우 빠른 수렴 속도를 보이며, 일반적으로 몇 번의 반복만으로도 수렴한다.
• 처리 및 회로 기반 에너지 비용은 특히 저전력 수준에서 최적의 압축 및 전송 전략에 상당한 영향을 미친다.
• 전송 시간과 전력의 선택에 매우 민감한 시스템 성능을 보이며, 전송 시간이 최적점 이상으로 증가함에 따라 왜곡이 처음에는 감소하다가 다시 증가한다.
• 채널 불확실성에 대해 뛰어난 강건성을 보이며, 통계적 채널 지식을 통해 실시간 CSI 없이도 거의 최적의 성능을 달성한다.