[论文解读] Towards Energy Neutrality in Energy Harvesting Wireless Sensor Networks: A Case for Distributed Compressive Sensing?

Wei Chen, Yiannis Andreopoulos+2 more|arXiv (Cornell University)|Oct 17, 2013

Energy Harvesting in Wireless Networks被引用 5

一句话总结

本文提出在能量采集（EH）无线传感器网络中应用分布式压缩感知（DCS），通过利用能量采集的多样性与自适应测量采集带来的感知多样性，实现能量中性。该方法通过最小化每个节点的数据投影数量降低传输能耗，从而实现比传统方法更高的数据速率和更长的网络寿命；仿真结果表明，DCS 实现 3×10⁻⁴ 相对恢复误差仅需 32 cm² 太阳能板，而传统压缩感知（CS）则需 44 cm²。

ABSTRACT

This paper advocates the use of the emerging distributed compressive sensing (DCS) paradigm in order to deploy energy harvesting (EH) wireless sensor networks (WSN) with practical network lifetime and data gathering rates that are substantially higher than the state-of-the-art. In particular, we argue that there are two fundamental mechanisms in an EH WSN: i) the energy diversity associated with the EH process that entails that the harvested energy can vary from sensor node to sensor node, and ii) the sensing diversity associated with the DCS process that entails that the energy consumption can also vary across the sensor nodes without compromising data recovery. We also argue that such mechanisms offer the means to match closely the energy demand to the energy supply in order to unlock the possibility for energy-neutral WSNs that leverage EH capability. A number of analytic and simulation results are presented in order to illustrate the potential of the approach.

研究动机与目标

• 为解决能量采集（EH）无线传感器网络（WSNs）中长期存在的能量供需差距问题，该问题限制了网络寿命和数据速率。
• 探索能量采集过程和感知中的内在多样性如何被用于实现节能的数据采集。
• 证明 DCS 可通过根据各节点可获得的采集能量动态调整测量速率，实现能量中性运行。
• 在能量效率和重建性能方面，将基于 DCS 的数据采集与传统压缩感知（CS）进行比较。
• 通过合成模型和来自 Intel Berkeley WSN 数据集的真实温度数据对方法进行验证。

提出的方法

• 在每个传感器节点上利用分布式压缩感知（DCS）获取高维信号的低维投影，从而减少所需测量次数。
• 采用时隙传输模型，节点在非活跃时段进行能量采集，并在活跃时段使用能量进行感知和传输。
• 根据采集到的能量动态调整每个节点的测量次数（投影数量），实现在不损害数据恢复质量的前提下，各节点能耗可变。
• 在融合中心应用一种重建算法，利用信号间与信号内相关性，从压缩测量中恢复原始信号。
• 使用测量矩阵 Φk(i) ∈ ℝ^{m_k(i)×n(i)} 生成投影 yk(i) = Φk(i)fk(i)，其中 m_k(i) ≪ n(i)，以实现能量效率。
• 采用 Intel Berkeley WSN 数据集中 8 个传感器节点的真实温度数据，假设其可通过离散余弦变换（DCT）实现可压缩性，并评估恢复误差。

实验结果

研究问题

• RQ1 分布式压缩感知（DCS）能否通过将能量需求与供应相匹配，实现在 EH WSN 中的能量中性运行？
• RQ2 在 DCS 中，由于各节点测量次数不同而产生的感知多样性，相比均匀测量方案，如何提升能量效率？
• RQ3 各节点间能量采集的多样性在多大程度上提升了网络的可持续性与数据采集速率？
• RQ4 在真实 EH 约束条件下，DCS 与传统压缩感知（CS）在能量效率和重建精度方面相比如何？
• RQ5 在真实 WSN 部署中，使用 DCS 和 CS 实现可靠数据恢复所需的最小太阳能板尺寸是多少？

主要发现

• DCS 降低了实现目标重建误差所需的太阳能板尺寸：实现 3×10⁻⁴ 相对恢复误差，DCS 仅需 32 cm²，而 CS 需 44 cm²。
• 随着传感器节点数量的增加，DCS 的错误数据重建概率先下降后上升，这是由于能量多样性与感知多样性之间的权衡所致。
• 在固定 40 cm² 太阳能板条件下，DCS 方案在节点数量增加时仍能保持低恢复误差，而 CS 方案因能量限制而失效。
• 基于 DCS 的方法通过根据采集能量动态调整测量速率，实现了能量中性运行，确保了可持续的数据采集。
• 使用 Intel Berkeley WSN 数据集真实温度数据的实验表明，DCS 在显著低于 CS 的能耗下，仍能保持极低的相对恢复误差（例如 3×10⁻⁴）。
• 本研究证实，结合 DCS 时，能量多样性（各节点能量采集差异）与感知多样性（各节点测量次数差异）是实现能量中性 WSN 的关键使能因素。