[论文解读] Data-Driven Stochastic Models and Policies for Energy Harvesting Sensor Communications

Meng‐Lin Ku, Yan Chen+1 more|arXiv (Cornell University)|May 28, 2014

Energy Harvesting in Wireless Networks参考文献 28被引用 17

一句话总结

本文提出一种数据驱动的马尔可夫决策过程（MDP）框架，用于优化太阳能供电无线传感器网络中的传输策略，利用真实太阳辐照度数据建模能量采集动态，并实时调整传输参数。该方法通过基于信念的太阳能状态估计和基于阈值的开关式传输策略，利用信道多样性，实现了显著的净比特率增益——最高可达基线策略的1.5倍。

ABSTRACT

Energy harvesting from the surroundings is a promising solution to perpetually power-up wireless sensor communications. This paper presents a data-driven approach of finding optimal transmission policies for a solar-powered sensor node that attempts to maximize net bit rates by adapting its transmission parameters, power levels and modulation types, to the changes of channel fading and battery recharge. We formulate this problem as a discounted Markov decision process (MDP) framework, whereby the energy harvesting process is stochastically quantized into several representative solar states with distinct energy arrivals and is totally driven by historical data records at a sensor node. With the observed solar irradiance at each time epoch, a mixed strategy is developed to compute the belief information of the underlying solar states for the choice of transmission parameters. In addition, a theoretical analysis is conducted for a simple on-off policy, in which a predetermined transmission parameter is utilized whenever a sensor node is active. We prove that such an optimal policy has a threshold structure with respect to battery states and evaluate the performance of an energy harvesting node by analyzing the expected net bit rate. The design framework is exemplified with real solar data records, and the results are useful in characterizing the interplay that occurs between energy harvesting and expenditure under various system configurations. Computer simulations show that the proposed policies significantly outperform other schemes with or without the knowledge of short-term energy harvesting and channel fading patterns.

研究动机与目标

• 解决在太阳能能量供应不确定的情况下，最大化长期净比特率的挑战。
• 开发一种反映历史辐照度记录中真实世界波动性的、面向节点的、数据驱动的太阳能能量采集随机模型。
• 设计最优传输策略，根据动态电池状态和信道衰落情况，自适应调整功率电平、调制方式和传输活动。
• 在不依赖未来能量或信道状态非因果知识的前提下，评估这些策略的性能。

提出的方法

• 将能量采集与传输问题建模为一个折扣马尔可夫决策过程（MDP），其状态空间由电池电量和隐藏的太阳能状态定义。
• 利用历史太阳辐照度数据，将能量采集随机量化为离散的太阳能状态，从而实现对能量到达动态的数据驱动建模。
• 采用混合策略，基于实时辐照度观测计算对隐藏太阳能状态的信念状态，从而实现自适应策略决策。
• 设计一种在电池状态空间中具有阈值结构的开关式传输策略，并在特定条件下证明其最优性。
• 提出一种复合策略，结合多种传输动作，并在不同电池容量和多普勒频率下评估性能。
• 使用2011–2012年的真实太阳辐照度数据进行计算机仿真，以验证框架并对比基准方案的性能。

实验结果

研究问题

• RQ1 如何从真实辐照度测量中构建数据驱动的太阳能能量采集随机模型，以反映节点特定的能量可用性？
• RQ2 在随机能量到达和时变信道条件下，何种传输策略结构能最大化长期净比特率？
• RQ3 是否存在一种基于阈值的开关式策略用于能量自适应传输？其理论性能保证是什么？
• RQ4 电池容量、太阳能板面积和信道动态特性（如多普勒频率）如何影响可实现的净比特率？
• RQ5 所提出的策略是否能在不依赖能量或信道状态未来信息的前提下，优于现有方案——尤其是依赖预测或短视决策的方案？

主要发现

• 所提出的开关式传输策略在QPSK下达到约0.6 bit/sec/Hz的峰值频谱效率，在16QAM下达到1.2 bit/sec/Hz，显著优于短视策略和基于预测的策略。
• 当太阳能板面积为8 cm²且电池状态数为16时，在0 dB信噪比和0.05归一化多普勒频率下，平均净比特率可达约2.5×10⁵ bits/sec，相比2状态电池系统提升1.5倍。
• 随着调制阶数提高（如16QAM），所提开关式策略与短视策略之间的性能差距进一步扩大，表明其对信道多样性的利用更充分。
• 复合策略表明，增加电池容量可显著提升净比特率，尤其在低信噪比下效果更明显，且在较高多普勒频率下增益更为显著。
• 即使不依赖非因果能量或信道状态信息，所提方法在性能上仍优于t-TFR方案和Myopic Policy I/II，这得益于其基于信念的状态估计对实时太阳能条件的自适应能力。
• 理论分析证实，最优开关式策略在电池状态空间中具有阈值结构，从而支持高效且可扩展的实现。