[论文解读] A Review on Recent Energy Harvesting Methods for Increasing Battery Efficiency in WBANs

Hossein Yektamoghadam, Amirhossein Nikoofard+2 more|arXiv (Cornell University)|Jan 12, 2024

Energy Harvesting in Wireless Networks被引用 4

一句话总结

本文综述了用于延长无线体域网（WBANs）中电池寿命的最新能量采集技术——包括热能、动能、射频（RF）以及生物燃料电池技术，特别针对植入式生物医学设备。论文提出将强化学习与分布式优化相结合，以提升能效，为下一代可充电WBAN传感器提供发展路线图。

ABSTRACT

Today, technology development has led humans to employ wearable and implantable devices for biomedical applications. An important research issue in this field is the wireless body area networks (WBANs), which focus on such devices. In WBAN, using batteries as the only energy supply is a significant challenge, especially in medical applications. Charging the batteries is a problem for patients who use WBAN. Replacing the battery is not very difficult for wearable devices, but implantable devices have different conditions. The use of batteries in implantable devices has many problems, including pain and costs due to surgery, mental stress, and lack of comfort. Batteries' life depends on their type, operation, the patient's medical condition, and other factors. This paper reviews recent energy harvesting methods for battery recharge in WBAN's sensors. Moreover, we provide future research directions on energy harvesting methods in WBANs. Therefore, active research fields such as reinforcement learning (RL) and distributed optimization in WBAN applications were investigated. We strongly believe that these insights will aid in studying and developing a new generation of rechargeable sensors in WBANs for fellow researchers.

研究动机与目标

• 解决植入式和可穿戴WBAN设备中电池寿命有限的关键挑战。
• 克服植入式设备中电池更换的局限性，后者需要侵入性手术并导致患者不适。
• 探索并评估近期的能量采集技术，以实现WBAN传感器的可持续长期运行。
• 识别能量采集领域的未来研究方向，特别是利用强化学习与分布式优化实现动态能量管理。
• 提供全面综述，为研究人员开发具备更高能量自主性的下一代可充电WBAN系统提供指导。

提出的方法

• 系统性回顾了与WBAN相关的能量采集源，包括人体体温梯度、运动动能、射频（RF）信号以及生物燃料电池。
• 评估了每种采集方法在可穿戴和植入式场景下的技术可行性、输出功率及集成挑战。
• 分析了强化学习（RL）在基于实时生理与环境数据优化能量采集与分配中的作用。
• 探讨了分布式优化技术在协调WBAN中多个传感器间能量采集与消耗方面的应用。
• 将研究发现整合为一种智能能量管理框架，强调在动态WBAN环境中具备适应性与可扩展性。
• 采用功率密度、可靠性与生物相容性等性能指标，对各类采集方法进行对比分析。

实验结果

研究问题

• RQ1 在WBAN传感器中，特别是植入式应用中，哪些能量采集源最具有可行性以延长电池寿命？
• RQ2 如何将强化学习应用于动态优化WBAN中的能量采集与消耗？
• RQ3 影响能量采集在WBAN中集成的关键技术与生物学限制是什么？
• RQ4 分布式优化技术如何提升多传感器WBAN中的能量效率？
• RQ5 在实现完全自主、可充电WBAN系统方面，哪些未来研究方向最具前景？

主要发现

• 从体热中采集热能可提供持续但低功率的能源，适用于低数据速率传感器。
• 如压电与电磁装置等动能采集器在运动触发应用中表现出潜力，但面临输出功率不稳定的挑战。
• RF能量采集可在靠近RF源时实现无电池运行，但受限于低功率密度与信号波动。
• 利用葡萄糖和乳酸作为燃料的生物燃料电池展现出高理论能量密度与良好的生物相容性，但实际应用仍具挑战。
• 强化学习通过学习基于实时数据与环境条件的最优采集策略与任务调度策略，实现自适应能量管理。
• 分布式优化技术通过协调WBAN中多个节点的能量采集与数据传输，提升了系统整体能效。