[论文解读] Optimal Status Updating for an Energy Harvesting Sensor with a Noisy Channel

Songtao Feng, Jing Yang|arXiv (Cornell University)|Mar 5, 2018

Age of Information Optimization参考文献 1被引用 5

一句话总结

本文研究了在能量采集传感器中，针对具有噪声信道（更新以概率 $1-p$ 独立失败）的最优状态更新问题。结果表明，即使在传输不可靠的情况下，最佳努力均匀（BU）更新策略——即在有能量时以固定速率发送更新——仍是最小化长期平均信息年龄（AoI）的最优策略。通过构建虚拟策略以解耦能量中断与信道失败的影响，证明了 BU 策略可达到 AoI 的理论下界。

ABSTRACT

Consider an energy harvesting sensor continuously monitors a system and sends time-stamped status update to a destination. The destination keeps track of the system status through the received updates. Under the energy causality constraint at the sensor, our objective is to design an optimal online status updating policy to minimize the long-term average Age of Information (AoI) at the destination. We focus on the scenario where the the channel between the source and the destination is noisy, and each transmitted update may fail independently with a constant probability. We assume there is no channel state information or transmission feedback available to the sensor. We prove that within a broadly defined class of online policies, the best-effort uniform updating policy, which was shown to be optimal when the channel is perfect, is still optimal in the presence of update failures. Our proof relies on tools from Martingale processes, and the construction of a sequence of virtual policies.

研究动机与目标

• 设计一种在线状态更新策略，以最小化能量采集传感器在目的地的长期平均信息年龄（AoI）。
• 解决通信不可靠的挑战，即每次更新以固定概率 $p < 1$ 独立失败，且无信道状态信息或反馈。
• 将先前在理想信道下被证明最优的结果，扩展至更现实的无反馈噪声信道场景。
• 证明尽管增加了更新失败的复杂性，最佳努力均匀（BU）策略在该噪声环境下仍保持最优。
• 建立可实现 AoI 的理论下界，并证明 BU 策略可渐近达到该下界。

提出的方法

• 构建一系列称为最佳努力更新与能量移除（BU-ER）的虚拟策略，以解耦电池中断与更新失败的影响。
• 利用瓦尔德等式（Wald’s equality）与更新理论，分析 BU-ER 策略下的长期平均 AoI 期望值，从而实现 AoI 极限的显式计算。
• 应用局部鞅过程与随机停止时间理论的工具，刻画 BU-ER 策略下 AoI 的渐近行为。
• 证明在 BU-ER 策略下，长期平均 AoI 的期望值趋近于理论下界 $\frac{2-p}{2p}$。
• 利用 BU-ER 策略次优性于 BU 更新的事实，若 BU-ER 达到下界，则 BU 必然最优。
• 通过仿真验证理论结果，比较在不同信道成功率 $p$ 下，BU、BU-ER 与贪婪策略的性能。

实验结果

研究问题

• RQ1 当信道具有噪声且更新可能失败时，最佳努力均匀（BU）更新策略是否仍是最小化长期平均 AoI 的最优策略？
• RQ2 在能量因果性与噪声信道条件下，线上状态更新策略的长期平均 AoI 的理论下界是什么？
• RQ3 能否构建虚拟策略以解耦能量可用性与信道失败的影响，从而实现对 AoI 的更紧密分析？
• RQ4 BU 策略是否能达到 AoI 的下界？若能，其成立条件为何？
• RQ5 在不同信道可靠性水平下，BU 策略在时间平均 AoI 表现上与贪婪策略和 BU-ER 策略相比如何？

主要发现

• 在具有噪声信道的能量采集传感器中，最佳努力均匀（BU）更新策略是最小化长期平均信息年龄（AoI）的最优策略。
• 长期平均 AoI 的理论下界为 $\frac{2-p}{2p}$，且 BU 策略可渐近达到该下界。
• BU-ER 虚拟策略序列也达到了同一理论下界，从而证明 BU 是最优的，因为 BU-ER 次优於 BU。
• 仿真结果表明，随着 $T$ 增大，BU 下的平均时间 AoI 趋近于理论下界 $\frac{2-p}{2p}$，在 $T=5000$ 时差距可忽略。
• 仿真中 BU 策略优于贪婪策略与 BU-ER 策略，而贪婪策略未能趋近于下界。
• 随着信道成功率 $p$ 增加，AoI 单调递减，与分析下界一致。