[论文解读] Energy-Neutral Source-Channel Coding with Battery and Memory Size Constraints

Paolo Castiglione, Gerald Matz|arXiv (Cornell University)|Sep 1, 2013

Energy Harvesting in Wireless Networks参考文献 14被引用 4

一句话总结

本文提出了一种针对具有有限电池和数据缓冲区的能量采集传感器节点的联合源-信道编码策略，利用大偏差分析实现能量中性操作并最小化平均失真。该方法根据能量和信道状态动态调整源编码与信道编码速率，实现接近理论下限的失真缩放，收敛速率为 O((ln A/A)² + (ln B/B)²)，避免了先前策略中存在的能量泄漏问题。

ABSTRACT

We study energy management policies for the compression and transmission of source data collected by an energy-harvesting sensor node with a finite energy buffer (e.g., rechargeable battery) and a finite data buffer (memory) between source encoder and channel encoder. The sensor node can adapt the source and channel coding rates depending on the observation and channel states. In such a system, the absence of precise information about the amount of energy available in the future is a key challenge. We provide analytical bounds and scaling laws for the average distortion that depend on the size of the energy and data buffers. We furthermore design a resource allocation policy that achieves almost optimal distortion scaling. Our results demonstrate that the energy leakage of state of art energy management policies can be avoided by jointly controlling the source and channel coding rates.

研究动机与目标

• 解决能量采集传感器节点在具有有限能量与数据缓冲区情况下的能量管理挑战。
• 通过联合控制源编码与信道编码速率，消除现有资源分配策略中的能量泄漏问题。
• 推导平均失真作为缓冲区大小函数的解析边界与缩放律。
• 设计一种渐近逼近失真下限的资源分配策略。

提出的方法

• 使用 Tse (2006) 提出的大偏差工具分析系统行为，避免动态规划面临的维度灾难问题。
• 将传感器节点建模为具有有限电池（能量缓冲区）和有限数据缓冲区（内存）的系统，能量与数据流由马氏过程控制。
• 提出一种联合能量管理策略，根据实时能量与信道状态自适应设定源编码与信道编码速率。
• 采用带减量漂移的漂移-惩罚框架，其中 δ_d = β₁ ln A / A 与 δ_e = β₂ ln B / B，以稳定缓冲区并最小化失真。
• 推导缓冲区溢出（FQ）与电池耗尽（EB）的概率边界，表明 p_FQ^π° = o(1/A²) 与 p_EB^π° = o(1/B²)。
• 通过在零漂移点附近对失真函数进行泰勒展开分析收敛性，表明 D^op = D_T(0,0) + O((ln A/A)²) + O((ln B/B)²)。

实验结果

研究问题

• RQ1 在能量采集传感器系统中，平均失真如何随能量与数据缓冲区大小的增加而缩放？
• RQ2 联合调整源编码与信道编码速率是否能消除能量泄漏，并相比独立分配策略提升失真性能？
• RQ3 在有限缓冲区约束下，此类系统的根本失真下限是什么？
• RQ4 所提出的策略如何在不依赖未来能量状态信息的情况下实现近乎最优的失真缩放？
• RQ5 在所提策略下，平均失真收敛到最优值的速率如何？

主要发现

• 所提出的联合能量管理策略使平均失真以 O((ln A/A)² + (ln B/B)²) 的速率收敛至理论下限，其中 A 与 B 分别为数据与能量缓冲区大小。
• 在所提策略下，数据缓冲区溢出与能量缓冲区耗尽的概率分别缩放为 o(1/A²) 与 o(1/B²)。
• 由于缓冲区稳定性，失真泰勒展开的一阶项消失，导致二阶收敛行为。
• 该方法通过联合控制源编码与信道编码速率避免了能量泄漏，而先前策略则独立处理源与信道的能量分配。
• 利用大偏差技术推导出失真的解析边界与缩放律，为动态规划提供了一种可扩展的替代方案。
• 数值验证表明，该策略渐近实现了最优失真缩放，优于未联合优化源与信道编码的现有方法。