[论文解读] Age of Information Minimization for an Energy Harvesting Source with Updating Erasures: With and Without Feedback

Songtao Feng, Jing Yang|arXiv (Cornell University)|Aug 13, 2018

Age of Information Optimization参考文献 48被引用 31

一句话总结

本文研究了在能量采集传感器中通过不可靠上行链路信道（更新可能被删除）的年龄信息（AoI）最小化问题。提出了一种无反馈的尽力而为均匀（BU）策略和一种有反馈的尽力而为均匀重传（BUR）策略，通过新颖的下界分析与虚拟策略方法，证明了这两种策略在能量因果约束下可实现长期平均AoI的最小化。

ABSTRACT

Consider an energy harvesting (EH) sensor that continuously monitors a system and sends time-stamped status update to a destination. The sensor harvests energy from nature and uses it to power its updating operations. The destination keeps track of the system status through the successfully received updates. With the recently introduced information freshness metric "Age of Information" (AoI), our objective is to design optimal online status updating policy to minimize the long-term average AoI at the destination, subject to the energy causality constraint at the sensor. Due to the noisy channel between the sensor and the destination, each transmitted update may be erased with a fixed probability, and the AoI at the destination will be reset to zero only when an update is successfully received. We first consider status updating without feedback available to the sensor and show that the Best-effort Uniform updating (BU) policy is optimal. We then investigate status updating with perfect feedback to the sensor and prove the optimality of the Best-effort Uniform updating with Retransmission (BUR) policy. In order to prove the optimality of the proposed policies, for each case, we first identify a lower bound on the long-term average AoI among a broad class of online policies, and then construct a sequence of virtual policies to approach the lower bound asymptotically. Since those virtual policies are sub-optimal to the original policy, the original policy is thus optimal.

研究动机与目标

• 在能量采集（EH）系统中，最小化在能量因果约束下，目的地的长期平均年龄信息（AoI）。
• 解决上行链路信道不可靠的问题，即仅在成功接收时重置AoI。
• 为具有反馈与无反馈的EH传感器设计最优在线状态更新策略。
• 通过下界分析与虚拟策略的渐近收敛性，证明BU与BUR策略的最优性。

提出的方法

• 利用样本路径分析与随机优势关系，为一大类在线策略推导长期平均AoI的下界。
• 引入渐近逼近所推导下界的虚拟策略，由于虚拟策略为次优，因此证明原始策略为最优。
• 利用柯西-施瓦茨不等式与詹森不等式，将期望AoI以更新间隔延迟分布的形式进行有界化。
• 基于反馈历史，定义一种基于期望更新间隔延迟的更新策略，确保能量因果性与AoI收敛性。
• 应用基本更新定理，分析所提策略下单位时间内的平均更新次数。
• 将系统建模为带能量约束的马尔可夫决策过程，利用反馈动态调整传输时机。

实验结果

研究问题

• RQ1 当无反馈可用时，能量采集传感器在具有删除信道的系统中，最优在线状态更新策略是什么？
• RQ2 关于传输成功与否的反馈存在，如何影响最优AoI最小化策略的设计？
• RQ3 能否为在能量因果约束下所有在线策略推导出一个长期平均AoI的下界？
• RQ4 无反馈时，尽力而为均匀（BU）策略是否最优？能否通过虚拟策略构造证明其最优性？
• RQ5 有反馈时，尽力而为均匀重传（BUR）策略是否达到最优？与BU策略相比表现如何？

主要发现

• 在无反馈条件下，尽力而为均匀（BU）策略在能量采集系统中实现AoI最小化，达到可能的最低长期平均AoI。
• 在有反馈条件下，尽力而为均匀重传（BUR）策略为最优，其性能优于相同能量约束下的非重传策略。
• 为所考虑类别的所有在线策略推导出一个长期平均AoI的下界，可作为最优性的基准。
• 构造了渐近逼近所推导下界的虚拟策略，证明BU与BUR策略为最优，因其优于所有此类次优虚拟策略。
• BU与BUR策略下的期望更新间隔延迟收敛至稳定分布，确保长期AoI稳定性。
• 基本更新定理表明，所提策略下的平均更新速率受成功概率 $ p $ 限制，验证了渐近最优性。