[논문 리뷰] Optimal Reliability in Energy Harvesting Industrial Wireless Sensor Networks

Lei Lei, Yiru Kuang외 5명|arXiv (Cornell University)|2016. 05. 06.

Energy Harvesting in Wireless Networks참고 문헌 28인용 수 5

한 줄 요약

이 논문은 에너지 수확 산업용 무선 센서 네트워크(EH-IWSNs)를 위한 분산 에너지 관리 알고리즘을 제안하며, 지연 제약 조건 하에서 가중치 패킷 손실을 최소화하기 위해 에너지 할당과 스케줄링을 공동 최적화한다. 온라인 스토케스틱 학습과 후처리 상태 근사 기반의 근사 마르코프 결정 과정을 사용하여, 낮은 복잡도로 거의 최적의 신뢰성을 달성하며, 시뮬레이션에서 기준 알고리즘을 능가하면서도 실시간 성능을 유지한다.

ABSTRACT

For Industrial Wireless Sensor Networks, it is essential to reliably sense and deliver the environmental data on time to avoid system malfunction. While energy harvesting is a promising technique to extend the lifetime of sensor nodes, it also brings new challenges for system reliability due to the stochastic nature of the harvested energy. In this paper, we investigate the optimal energy management policy to minimize the weighted packet loss rate under delay constraint, where the packet loss rate considers the lost packets both during the sensing and delivering processes. We show that the above energy management problem can be modeled as an infinite horizon average reward constraint Markov decision problem. In order to address the well-known curse of dimensionality problem and facilitate distributed implementation, we utilize the linear value approximation technique. Moreover, we apply stochastic online learning with post-decision state to deal with the lack of knowledge of the underlying stochastic processes. A distributed energy allocation algorithm with water-filling structure and a scheduling algorithm by auction mechanism are obtained. Experimental results show that the proposed algorithm achieves nearly the same performance as the optimal offline value iteration algorithm while requiring much less computation complexity and signaling overhead, and outperforms various existing baseline algorithms.

연구 동기 및 목표

• 에너지 가용성이 확률적이고 예측 불가능한 환경에서 에너지 수확 산업용 무선 센서 네트워크(EH-IWSNs)에서 높은 신뢰성을 유지하는 데 도전하는 문제를 해결하기 위해.
• 시간 민감한 산업 응용 프로그램을 위한 стрict한 지연 제약 조건 하에서, 감지 및 전송 중 손실을 모두 고려한 가중치 패킷 손실률을 최소화하기 위해.
• 배터리 상태 정보(BSI), 큐 상태 정보(QSI), 채널 상태 정보(CSI)를 활용하는 분산형 저복잡도 에너지 관리 정책을 설계하기 위해.
• 스토케스틱 과정의 사전 지식이 없이도 실시간 온라인 적응을 가능하게 하면서도 마르코프 결정 과정(MDP)의 차원의 극복 문제를 해결하기 위해.
• 기존 최적 알고리즘에 비해 훨씬 낮은 계산 및 신호 처리 오버헤드를 유지하면서도 오프라인 최적 알고리즘에 근접한 성능을 달성하기 위해.

제안 방법

• 신뢰성 최적화 문제를 무한 시간 할당 보상 제약 조건이 있는 마르코프 결정 과정(CMDP)으로 수식화한다.
• 차원의 극복 문제를 완화하고 분산 구현을 가능하게 하기 위해 선형 가치 함수 근사를 적용한다.
• 에너지 유입 및 채널 조건의 확률 분포를 알 수 없을 경우를 대비해 후처리 상태를 활용한 스토케스틱 온라인 학습을 시행한다.
• 현지 BSI, QSI, CSI 기반의 다중 수준 워터필링 구조를 갖춘 분산 에너지 할당 알고리즘을 유도한다.
• 각 타임슬롯에서 전송에 적합한 최적의 EHS 노드를 선택하기 위해 경매 기반 스케줄링 메커니즘을 도입한다.
• 시스템 프로세스의 전체 통계 지식이 필요 없이도 최적 가치 함수를 근사하기 위해 온라인 스토케스틱 학습(OSL)의 변종을 사용한다.

실험 결과

연구 질문

• RQ1 에너지 수확 IWSNs는 확률적 에너지 가용성과 지연 제약 조건 하에서 어떻게 최적의 신뢰성을 달성할 수 있는가?
• RQ2 감지 및 전송 에너지 할당을 공동 최적화할 경우 시스템 전체 패킷 손실률에 어떤 영향을 미치는가?
• RQ3 에너지 및 채널 통계에 대한 사전 지식이 없이도 분산형 저복잡도 알고리즘이 거의 최적의 신뢰성을 달성할 수 있는가?
• RQ4 BSI, QSI, CSI의 통합은 히우리스틱 또는 상태 무시 정책에 비해 시스템 성능을 얼마나 향상시키는가?
• RQ5 후처리 상태를 활용한 온라인 학습은 오프라인 최적 값 반복 성능을 어느 정도 근사할 수 있는가?

주요 결과

• 제안된 AMDP+OSL 알고리즘은 오프라인 최적 값 반복(OVI) 알고리즘과 거의 동일한 가중치 패킷 손실률을 달성하여, 거의 최적의 신뢰성 성능을 입증한다.
• 특히 고밀도 트래픽 또는 에너지 변동성이 높은 조건에서, 이 알고리즘은 그레디(Greedy) 및 UROP 기준 알고리즘보다 가중치 패킷 손실률과 평균 지연 모두에서 뚜렷한 성능 향상을 보인다.
• 수확된 에너지 또는 데이터 도착률이 낮을 경우 패킷 손실은 주로 감지 능력의 한계 때문이며, 도착률이 증가하면 버퍼 오버플로우가 주요 손실 원인이 되는데, 제안된 알고리즘이 이를 효과적으로 완화한다.
• OSL 기반 알고리즘은 에너지 또는 데이터 도착의 기초 확률 분포를 알지 못해도 OVI 알고리즘의 성능에 수렴함을 입증한다.
• 워터필링 기반 에너지 할당과 경매 기반 스케줄링을 갖춘 분산 설계로, 신호 처리 오버헤드와 계산 복잡도를 감소시키면서도 높은 신뢰성을 유지한다.
• EHS 노드 수와 에너지/데이터 도착률이 다양하게 변화하는 상황에서도 알고리즘이 효과적으로 작동함을 보이며, 강건성과 확장성을 입증한다.