Sustainable RF Wireless Energy Transfer for Massive IoT: enablers and challenges
本文针对海量物联网设备的可持续供电难题，提出可持续射频无线能量传输方案，梳理其建模方法、架构设计、技术支撑及应用场景，分析相关挑战与解决方向。
2023-11-09 cs.NI eess.SP
Optimal Status Updates for Minimizing Age of Correlated Information in IoT Networks with Energy Harvesting Sensors
本文针对能量采集传感器物联网中相关信息年龄最小化问题，提出一种基于深度强化学习的动态状态更新算法，通过动作分解映射机制有效应对部分可观测和未知环境动态挑战。
2023-10-30 cs.NI eess.SP
Analysis of UAV-Enabled IoT Networks with Energy Harvesting and Wake-Up Radio
AUB（美国大学）；KAUST（阿卜杜拉国王科技大学）
研究基于能量收集和唤醒无线电的无人机物联网网络，通过将设备行为建模为离散时间马尔可夫链，利用随机几何和相关分析开发数学框架，揭示传输频率与能耗权衡，表明调整参数可提升能量效率和传输可靠性。
2026-07-28 eess.SP
Dynamic Resource Optimization for Decentralized Estimation in Energy Harvesting IoT Networks
当能量收集传感器在速率受限链路上传输采样数据时，我们研究了融合中心时变信号的分散估计。我们提出了动态策略来选择每个节点的无线电参数、采样集和收获的能量，目的是估计时变信号，同时确保：i）恢复过程的准确性，以及ii）电池在规定工作水平附近的稳定性。该方法是基于随机优化工具，使自适应优化，而不需要先验知识的无线电信道和能量到达过程的统计。数值结果验证了所提出的方法在物联网（IoT）场景的典型通信和能源约束下的分散信号估计。
2020-08-04 eess.SP
Analysis of RF Energy Harvesting in Uplink-NOMA IoT-based Network
物联网（IoT）系统通常由大量具有大规模连接的设备组成。这些设备通常受到能量供应的限制，只能在低功率和低速率下工作。在本文中，我们研究了一种结合能量收集和NOMA的基于蜂窝的物联网系统。我们认为所有基站（BS）和物联网设备都遵循泊松点过程（PPP）分布。单位时隙分为两个阶段，下行链路（DL）中的能量收集阶段和上行链路（uplink）中的数据传输阶段。也就是说，物联网设备将首先从所有BS传输中获取能量，然后使用所获取的能量进行NOMA信息传输。我们定义了一个能量收集圈，在这个圈内，所有物联网设备都可以收集足够的能量用于NOMA传输。设计目标是通过改变能量收集阶段的持续时间T来最大化环内上行链路的总吞吐量。在我们的工作中，我们还考虑了小区间干扰的吞吐量计算。还将能量收集圈中物联网设备的概率质量函数（PMF）分析与仿真结果进行了比较。结果表明，需要仔细设置BS密度，使得能量收集圈中的IoT设备接收相对较小的干扰，并且能量圈仅以小概率重叠。我们的模拟表明，存在一个最佳的T，以实现最大的吞吐量。当BS被密集地部署时，因此总吞吐量将由于干扰而降低。
2019-07-25 cs.SY eess.SP eess.SY
Task Scheduling for Simultaneous IoT Sensing and Energy Harvesting: A Survey and Critical Analysis
物联网（IoT）在我们的日常生活中有着重要的应用，包括健康和健身跟踪，环境监测和运输。然而，物联网中的传感器节点由于其有限的能量可用性而受到电池寿命有限的影响。一个有前途的解决方案是从环境源（例如太阳能、动能、热能和射频）中获取能量，以实现物联网传感器节点的永久和连续运行。除了能量生成之外，最近能量采集器已经被用于上下文检测，从而消除了对附加活动传感器（例如加速度计）的需要，节省了空间、成本和能耗。使用能量采集器同时进行感测和能量采集可以实现能量正感测-这是一种重要的新兴传感器类别，其采集的能量高于信号采集所需的能量，并且额外的能量可用于为系统的其他组件供电。虽然同时感测和能量收集是迈向自主自供电传感器节点的重要一步，但能量和信息可用性仍然是间歇性的、不可预测的，并且与传感器节点上的各种计算任务在时间上不一致。本文提供了一个全面的调查任务调度算法的新兴类别的能量收集为基础的传感器（即，能源正传感器），以实现物联网的可持续运营。我们讨论了传统的传感和能量正传感之间的固有差异，并提供了一个广泛的关键分析，设计新的任务调度算法，将这一类新的传感器。最后，我们概述了未来实现自主和自供电物联网的研究方向。
2020-04-13 eess.SP
Machine Learning for Relaying Topology: Optimization of IoT Network with Energy Harvesting
针对能量收集物联网中节点能量与位置不均衡导致的最小吞吐量最大化 NP-hard 问题，提出基于机器学习的中继拓扑算法和迭代均衡时隙分配方法，仿真验证其稳定且优于传统方案。
2023-04-27 cs.NI eess.SP
Towards Optimal Kinetic Energy Harvesting for the Batteryless IoT
传统的物联网（IoT）传感器依赖于需要频繁更换或充电的电池，这阻碍了它们的广泛部署。一种有前途的替代方案是采用将环境能量转换为电能的能量采集器。动能收集（KEH）将环境运动/振动能量转换为电能，为物联网传感器节点供电。然而，大多数以前的作品采用KEH没有动态跟踪最大功率输出的换能器的最佳工作点。本文系统地分析了换能器工作点与相应能量产额之间的关系。为此，我们探索KEH换能器的电压-电流特性，以找到其最大功率点（MPP）。我们展示了如何在一个实际的能量收集电路中近似这个工作点。我们设计了两个硬件电路原型来评估所提出的机制的性能，并在以人为中心的应用中通常存在的广泛受控条件下使用精确的负载振动器来分析所收获的能量。我们分析了动态电流-电压特性，并指定MPP采样率和收获效率之间的关系，概述了动态MPP跟踪的必要性。结果表明，所提出的能量收集机制优于传统的方法在产生的功率，并提供至少一个数量级高于后者的功率。
2020-02-19 eess.SP
Towards a Green and Self-Powered Internet of Things Using Piezoelectric Energy Harvesting
物联网（IoT）是一项革命性的技术，旨在创建一个连接对象和嵌入式设备的生态系统，并在数万亿智能设备以及简单的传感器和执行器之间提供无处不在的连接。尽管最近在具有更高计算能力和超低功耗通信技术的设备小型化方面的进步已经使得传感器和致动器的广泛部署无处不在，但这种演变要求硬件设计、软件、网络架构、数据分析、数据存储和电源发生根本性变化。很大一部分物联网设备不再仅由电池供电，因为它们将安装在难以到达的区域，定期更换和维护电池是不可行的。一个可行的解决方案是从环境中收集和收获能量，然后为设备提供足够的能量来执行其操作。这将显著增加设备的使用寿命，并消除对电池作为能源的需求。这项调查旨在提供一项关于能量收集技术的全面研究，作为物联网设备的替代和有前途的解决方案。我们提出了物联网设备在能源和功率方面的主要设计挑战，并为成功实现自供电物联网设备提供了设计考虑因素。然后，我们特别关注压电能量收集和RF能量收集，这是为物联网设备供电的最有前途的解决方案，并提出了主要挑战和研究方向。我们还揭示了支持能量收集的物联网系统和绿色大数据的安全挑战。
2019-05-01 eess.SP
Smart Sustainable Agriculture (SSA) Solution Underpinned by Internet of Things (IoT) and Artificial Intelligence (AI)
物联网（IoT）和人工智能（AI）已经在农业中使用了很长一段时间，以及其他先进的计算技术。然而，目前越来越多的注意力正在使用这种智能技术。数千年来，农业为人类提供了重要的食物来源，包括为不同类型的作物开发适当的耕作方法。新的先进物联网技术的出现有可能监测农业环境，以确保高质量的产品。然而，仍然缺乏与智能可持续农业（SSA）相关的研究和开发，伴随着农业流程碎片化产生的复杂障碍，即物联网/人工智能机器的控制和操作;数据共享和管理;互操作性;以及大量数据分析和存储。本研究首先探讨了SSA采用的现有物联网/人工智能技术，其次确定了能够支撑SSA平台开发的物联网/人工智能技术架构。除了为当前的知识体系做出贡献外，这项研究还回顾了SSA内部的研究和开发，并提供了一个物联网/人工智能架构，以建立一个智能的可持续农业平台作为解决方案。
2019-05-30 eess.SP
Autonomous Management of Energy-Harvesting IoT Nodes Using Deep Reinforcement Learning
Norwegian University of Science and Technology（挪威科技大学）；United States Naval Academy（美国海军学院）
强化学习（RL）能够通过解决非静态、资源受限环境中的自主管理问题来管理无线能量收集物联网节点。我们表明，RL的最先进的策略梯度方法适用于物联网领域，并且它们优于以前的方法。由于能够对连续观察和动作空间进行建模，以及改进的函数近似能力，新方法能够解决更困难的问题，允许奖励函数更好地与实际应用目标保持一致。我们展示了这样一个奖励函数，并使用策略梯度方法来学习有能力的策略，从而使行为更适合物联网节点，减少手动设计工作，提高物联网的自主性水平。
2019-05-10 cs.AI cs.LG eess.SP
CURE: Enabling RF Energy Harvesting using Cell-Free Massive MIMO UAVs Assisted by RIS
不断发展的物联网（IoT）导致了众多无线传感器的增长，通过互联网基础设施进行通信。在设计使用这些传感器的网络时，一个关键方面是这些设备的寿命和自我可持续性。为了延长这些传感器的寿命，射频能量收集（RFEH）技术已被证明是有前途的。在本文中，我们提出了CURE，这是一种新的RFEH框架，有效地结合了无小区大规模MIMO（CFmMIMO），无人机（UAV）和可重新配置智能表面（RIS）的优点，为物联网设备提供无缝的能量收集。我们认为无人机作为一个接入点（AP）在CFmMIMO框架。为了增强RFEH的信号强度和信息传输，我们利用了RISs的被动反射能力。基于广泛的模拟，我们验证我们的框架的性能，通过比较最大最小公平性（MMF）算法的收获的能量。
2021-07-22 cs.NI eess.SP
tinyMAN: Lightweight Energy Manager using Reinforcement Learning for Energy Harvesting Wearable IoT Devices
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
低功耗电子和机器学习技术的进步导致了许多新颖的可穿戴物联网设备。这些设备的电池容量和计算能力有限。因此，从环境源收集能量是为这些低能量可穿戴设备供电的有前途的解决方案。他们需要最佳地管理收集的能量，以实现能源中性操作，从而消除充电要求。由于目标设备的采集能量的动态性质和电池能量约束，最佳能量管理是一项具有挑战性的任务。为了应对这一挑战，我们提出了一个基于强化学习的能源管理框架tinyMAN，用于资源受限的可穿戴物联网设备。该框架在动态能量收集模式和电池约束下最大化目标设备的利用率。此外，tinyMAN不依赖于对收获能量的预测，这使得它成为一种无预测的方法。我们使用TensorFlow Lite for Micro在可穿戴设备原型上部署了tinyMAN，这要归功于其不到100 KB的小内存占用。我们的评估表明，tinyMAN实现小于2.36 ms和27.75 $μ$ J，同时保持高达45%的更高的效用相比，以前的方法。
2022-03-18 cs.LG eess.SP
Constrained Deep Reinforcement Learning for Energy Sustainable Multi-UAV based Random Access IoT Networks with NOMA
Illinois Institute of Technology（伊利诺伊理工学院）；Argonne National Laboratory（阿贡国家实验室）
在本文中，我们应用非正交多址（NOMA）技术来改善无线物联网网络的大规模信道接入，其中太阳能无人机（UAV）将数据从物联网设备中继到远程服务器。具体地，IoT设备使用自适应$p$ -持久时隙Aloha协议来竞争接入共享无线信道;并且太阳能无人机采用连续干扰消除（SIC）来解码来自IoT设备的多个接收数据以提高接入效率。为了实现能量可持续的容量优化网络，我们研究了动态多无人机高度控制和物联网设备的多小区无线信道接入管理的联合问题，作为具有多个能量约束的随机控制问题。为了学习最优控制策略，我们首先将此问题表示为约束马尔可夫决策过程（CMDP），并提出一种基于拉格朗日原对偶策略优化的在线无模型约束深度强化学习（CDRL）算法来求解CMDP。大量的仿真结果表明，我们提出的算法学习无人机之间的合作策略，其中无人机的高度和物联网设备的信道接入概率是动态和联合控制，以获得最大的长期网络容量，同时保持能量的可持续性的无人机。所提出的算法优于基于深度RL的解决方案与奖励塑造占能源成本，并实现了时间平均系统容量，这是$82.4\%$高于一个可行的基于DRL的解决方案，只有$6.47\%$低于能量约束的系统。
2020-02-05 cs.LG cs.NI eess.SP
Age-Aware Status Update Control for Energy Harvesting IoT Sensors via Reinforcement Learning
University of Oulu（奥卢大学）；Linköping University（林雪平大学）
我们考虑一个物联网传感网络，其中包含多个用户、多个能量收集传感器和一个无线边缘节点，该节点充当用户和传感器之间的网关。用户请求更新物理过程的值，每个过程由一个传感器测量。边缘节点具有存储来自每个传感器的最近接收的测量的高速缓存存储。收到请求后，边缘节点可以命令相应的传感器发送状态更新，或者使用缓存中的数据。我们的目标是找到边缘节点的最佳行动，以最小化的平均长期成本之间的权衡信息和能源消耗的年龄。我们提出了一种实用的强化学习方法，可以在不知道传感器确切电池电量的情况下找到最优策略。
2020-04-27 cs.AI cs.LG eess.SP
On the Feasibility of Battery-Less LoRaWAN Communications using Energy Harvesting
本研究针对物联网电池更换问题，提出无电池LoRaWAN设备模型，分析电容器大小、电压阈值、传输间隔及能量收集速率对可靠性的影响，为无电池通信配置提供指导。
2024-02-09 cs.NI eess.SP
Green Internet of Vehicles (IoV) in the 6G Era: Toward Sustainable Vehicular Communications and Networking
车联网作为未来物联网最有前景的应用之一，已被公认为是发展智慧城市智能交通系统的基础技术。随着第六代（6G）通信技术的出现，大量网络基础设施将密集部署，网络节点数量将呈指数级增长，导致极高的能耗。在6G时代，人们对开发绿色车联网以实现可持续的车辆通信和网络的兴趣激增。在本文中，我们提出了绿色车联网的主要考虑因素，从五个不同的场景，包括通信，计算，交通，电动汽车（EV）和能量收集管理。从能量优化的角度比较了与每种情景相关的文献（例如，关于资源分配、工作负载调度、路由设计、业务控制、充电管理、能量收集和共享等）以及影响能量效率的相关因素（例如，资源限制、信道状态、网络拓扑、业务状况等）。此外，我们还介绍了6G中开发绿色车联网系统的潜在挑战和新兴技术。最后，我们讨论了设计节能车联网系统的研究趋势。
2021-08-26 cs.NI eess.SP
Sensor Placement and Resource Allocation for Energy Harvesting IoT Networks
本文研究了能量收集物联网（IoT）网络中源估计的最优传感器选择问题。具体而言，重点是在融合中心的估计误差最小化的传感器位置的选择，并最佳地分配功率和带宽为每个选定的传感器受到规定的频谱和能量预算。为此，测量精度、通信链路质量和收集的能量都要考虑在内。传感器的选择进行了研究下，从选定的传感器到融合中心的模拟和数字传输方案。在数字传输的情况下，信息理论的方法是用来模拟传输速率，观察量化，和编码。我们数值证明，有足够的系统带宽，数字系统优于模拟系统与可能不同的传感器选择。本文研究了两种信源模型：矢量相关信源的静态信源估计和标量信源的动态状态估计。感兴趣的设计问题是一个布尔非凸优化问题，这是解决放松布尔约束。我们提出了一个随机舍入算法，推广了现有的算法。所提出的随机舍入算法将联合传感器位置、功率和带宽选择考虑在内，以有效地舍入所获得的松弛解。
2019-06-02 eess.SP
On-Demand AoI Minimization in Resource-Constrained Cache-Enabled IoT Networks with Energy Harvesting Sensors
我们考虑一个资源受限的物联网网络，其中多个用户向启用缓存的边缘节点发出按需请求，以发送有关各种随机过程的状态更新，每个过程都由能量收集传感器监控。边缘节点通过决定是否命令相应的传感器发送新的状态更新或从缓存中检索最近接收的测量结果来满足用户的请求。我们的目标是找到边缘节点的最佳动作，以最小化在请求时接收到的测量的平均信息年龄（AoI），即，平均按需AoI，服从每时隙传输和能量约束。首先，我们推导出一个马尔可夫决策过程模型，并提出了一个迭代算法，获得最优策略。然后，我们开发了一个渐近最优的低复杂度算法-称为松弛，然后截断-并证明它是最佳的传感器的数量趋于无穷大。仿真结果表明，所提出的松弛，然后截断的方法显着降低了平均按需AoI相比，一个请求感知的贪婪（近视）的政策，也描绘了它执行接近最佳的解决方案，即使是中等数量的传感器。
2022-01-28 cs.IT cs.NI cs.SY
Secrecy Limits of Energy Harvesting IoT Networks under Channel Imperfections
同时无线信息和功率传输（SWIPT）最近已经从学术界和工业界聚集了许多研究兴趣，作为能量收集物联网（IoT）网络的关键使能器。由于这种网络的使用情况越来越多，从物理层安全（PLS）的角度研究其性能限制是很重要的。有了这个意图，这项工作的目的是提供一个新的分析遍历保密能力的SWIPT系统提供Rician和Nakagami-m衰落通信链路。为了对系统进行现实评估，已经考虑了基于SWIPT的IoT系统的不同接收器设计的信道估计的缺陷。随后，所考虑的情况下，遍历保密能力的封闭形式的表达式提供，然后，通过广泛的模拟验证。结果表明，错误的上限出现由于不完美的信道估计在高值的信噪比（SNR）。更重要的是，在不同的信道条件下的保密容量停止增加超过一定的限制，尽管增加的主链路的SNR。对信道能量与信道质量的权衡进行了深入的分析，并对理想和不理想的信道估计进行了比较。作为物联网网络不断发展的一部分，这项工作中提供的结果可以帮助确定物联网网络在存在多个窃听者的情况下的保密限制。
2020-08-04 cs.IT eess.SP math.IT
EH-FedSAG: Variance-Reduced Federated Learning with Energy-Aware Participation in Energy-Harvesting IoT
University of Oulu（奥卢大学）；Federal University of Santa Catarina（圣卡塔琳娜联邦大学）
针对能量采集网络中设备参与不稳定和通信成本高的问题，提出基于服务器存储的方差缩减方法EH-FedSAG，在统一仿真框架下与EH-FedAvg对比，实验表明EH-FedSAG在测试精度和训练方差上均优于EH-FedAvg，尤其在能量稀缺和非独立同分布数据下优势更明显。
2026-06-18 eess.SP
UAV-Enabled IoT Networks: A SWIPT Energy Harvesting Architecture with Relay Support for Disaster Response
本文提出一种基于SWIPT技术的无人机赋能物联网网络架构，通过优化能量收集和中继支持，提升灾害响应网络的效率与覆盖能力。
2025-02-10 eess.SP
Practical Evaluation of Low-Frequency Vibration Energy Harvesting for Creating Green RFID and IoT Devices
针对绿色RFID与IoT系统的能源受限问题，本文分析了海运场景下基于振动的能量收集系统性能，验证其可为超级电容稳定供能，支撑无电池无源设备运行。
2024-10-30 cs.ET eess.SP
REAP: Runtime Energy-Accuracy Optimization for Energy Harvesting IoT Devices
Deagu University（庆州大学）
本文提出了一种在有限能量预算下优化准确性和活跃时间的方法，通过在运行时切换多个具有不同能量-准确性权衡的设计点，以提高能量收集物联网设备的性能。
2019-02-22 cs.SY eess.SP eess.SY
Reinforcement Learning based Multi-Access Control and Battery Prediction with Energy Harvesting in IoT Systems
能量收集（EH）是实现物联网（IoT）系统长期和自我可持续运行的一种有前途的技术。在本文中，我们研究了小小区物联网系统中的联合接入控制和电池预测问题，该系统包括多个EH用户设备（UE）和一个基站（BS），具有有限的上行链路接入信道。每个UE具有有限容量的可再充电电池。系统控制被建模为一个马尔可夫决策过程没有完整的先验知识假设在BS，这也涉及到大尺寸的状态和动作空间。首先，为了处理假设因果电池和信道状态信息的接入控制问题，我们提出了一种调度算法，该算法基于具有深度Q网络（DQN）增强的强化学习（RL）来最大化上行链路传输和速率。其次，对于电池预测问题，采用固定的循环访问控制策略，我们开发了一种基于RL的算法，以最大限度地减少预测损失（误差），而无需任何关于能源和能源到达过程的模型知识。最后，研究了联合访问控制和电池预测问题，其中我们提出了一个两层RL网络来同时处理最大化和速率和最小化预测损失：第一层用于电池预测，第二层基于第一层的输出生成访问策略。实验结果表明，与已有的基准测试相比，本文提出的三种强化学习算法具有更好的性能。
2018-09-21 cs.IT eess.SP math.IT
Seeker: Synergizing Mobile and Energy Harvesting Wearable Sensors for Human Activity Recognition
新兴的超低功耗物联网（IoT）设备对智能处理的需求越来越大，最近的工作表明，通过直接在IoT设备（节点）上执行推理任务，而不仅仅是传输传感器数据，可以大大提高效率。然而，基于深度神经网络（DNN）的推理的计算和功率需求对能量收集无线传感器网络（EH-WSN）中的节点提出了重大挑战。此外，这些任务通常需要来自多个物理分布的EH传感器节点的响应，这除了每个节点的约束之外还带来了关键的系统优化挑战。为了解决这些挑战，我们提出了\emph{Seeker}，一种新的方法来有效地执行DNN推理人类活动识别（HAR）任务，使用EH-WSN和主机移动终端。导引头最大限度地减少通信开销，最大限度地提高计算在每个传感器，而不违反服务质量。\emph{Seeker}使用\emph{store-and-execute}方法来完成EH传感器节点上的推理子集，从而减少与移动主机的通信。此外，对于由于所收集的能量约束而未完成的那些推断，其利用\emph{activity aware coreset}（AAC）构造来将紧凑特征高效地传送到主机设备，其中系综技术用于高效地完成推断。\emph{Seeker}以$86.8\%$精度执行HAR，超过了现有技术方法的$81.2\%$精度。此外，通过使用AAC，它将通信数据量降低了$8.9\times$。
2022-03-25 cs.NI eess.SP
Information Harvesting for Far-Field Wireless Power Transfer
考虑到无处不在的连接和先进的信息处理能力，现在部署了大量的低功耗物联网设备，并且这些设备的维护（包括固件/软件更新和对单元进行再充电）已经成为物联网系统的瓶颈。为了解决有限的电池约束，无线功率传输是一种有前途的方法，使得它不需要能量收集器和功率传输之间的任何物理链路。此外，将无线功率传输与信息传输相结合变得更加有吸引力。在应用无线电信号的系统中，无线功率传输已成为从物联网设备中接收的信息信号中获取RF辐射能量的流行趋势。对于这些系统，设计框架主要处理信息容量和能量收集效率之间的权衡。其中，已经针对功率和信息之间的不同系统偏好提出了各种信令设计框架。除此之外，保护信息部分免受服务区域中的潜在窃听活动的影响为这些系统引入了安全考虑。在本文中，我们提出了一个新的概念，信息收集，无线电力传输系统。它从与现有研究相反的角度介绍了一种新的协议设计。特别地，信息收集旨在通过现有的无线功率传输机制传输信息而不干扰/中断功率传输。
2021-05-26 cs.IT eess.SP math.IT
iThing: Designing Next-Generation Things with Battery Health Self-Monitoring Capabilities for Sustainable IoT in Smart Cities
一种准确可靠的预测电池剩余使用寿命（RUL）的技术在电池供电的物联网设备中非常有用，特别是在远程操作的传感器节点中。到目前为止，数据驱动方法已被证明是最有效的方法。这些物联网设备具有较低的计算能力以节省成本，但数据驱动的电池健康技术通常需要相对大量的计算能力来预测SOH和RUL，因为大多数方法都是功能繁重的。这个问题要求用最少的计算和内存来预测RUL。本文提出了一种有效的和新颖的峰值提取方法，以减少计算和内存需求，并提供准确的预测方法，使用最少的功能，同时执行所有的计算板上。该模型可以自我维持，需要最小的外部干扰，因此远程操作时间更长。实验结果证明了该方法的准确性和可靠性。计算绝对误差（AE）、相对误差（RE）和均方根误差（RMSE）以比较有效性。GPR模型的训练耗时不到2秒，来自峰值提取的SOH与RUL之间的相关性为0.97。
2021-06-12 cs.AR eess.SP
Metasurface Energy Harvesters: State-of-the-Art Designs and Their Potential for Energy Sustainable Reconfigurable Intelligent Surfaces
本文综述超表面能量收集器（MEHs）技术，提出一种可同时能量收集与1比特可调反射的混合单元设计，并通过实测环境射频功率与RIS功耗，论证了实现自可持续可重构智能表面的潜力。
2024-07-19 cs.ET cs.SY eess.SP
Energy Harvesting Powered Embedded Systems
从历史上看，电池是移动、嵌入式和远程系统应用的电源。然而，电池技术的发展并不遵循摩尔定律。在嵌入式系统、无线传感器网络和低功耗电子产品等应用中，大的物理尺寸、有限的电量和高成本的更换过程一直制约着应用的性能。能量收集，一种使应用能够从来自电视塔的RF信号、太阳能、由人的运动驱动的压电和来自温差的热能中收集能量的技术，这可以显著地延长应用的工作寿命。因此，能量收集对于应用程序的可持续运行非常重要。
2019-03-07 eess.SP
Adaptive Energy Management for Self-Sustainable Wearables in Mobile Health
Washington State University（华盛顿州立大学）
集成多个传感器、处理器和通信技术的可穿戴设备有可能改变移动健康，以远程监控健康参数。然而，可穿戴设备的小形状因子限制了电池尺寸和操作寿命。因此，这些设备需要频繁充电，这限制了它们的广泛采用。能量收集已经成为可穿戴设备可持续运行的有效方法。不幸的是，仅能量收集不足以满足可穿戴设备的能量需求。本文研究了自适应能量管理的新问题，通过使用收集的能量来补充电池能量并减少用户的手动充电，以实现自我可持续的可穿戴设备的目标。为了解决这个问题，我们提出了一个原则性的算法称为AdaEM。AdaEM背后有两个关键思想。首先，它使用机器学习（ML）方法来学习用户活动和能源使用模式的预测模型。这些模型使我们能够根据用户活动来估计一天中能量收集的潜力。其次，它的原因，从ML模型的预测和估计的不确定性，以优化能源管理决策，使用动态鲁棒优化（DyRO）制定。我们提出了一个轻量级的解决方案，DyRO，以满足实际部署的需要。我们验证了AdaEM方法的可穿戴设备原型，包括太阳能和运动能量收集使用真实世界的用户活动数据。实验表明，AdaEM实现的解决方案是在5%的最佳不到0.005%的执行时间和能源开销。
2022-01-16 cs.AI cs.LG cs.SY
Outage Probability Analysis of NOMA Enabled Hierarchical UAV Networks with Non-Linear Energy Harvesting
Ecole Nationale Supérieure des Technologies Avancées（国立高级技术学院）；University of El-Oued（欧德大学）；Ankara Yıldırım Beyazıt University（安卡拉伊尔迪里姆贝亚齐特大学）；Carleton University（卡尔顿大学）；King AbdulAziz University（阿卜杜勒阿齐兹国王大学）
本文提出一种具有非线性能量收集和非正交多址接入的分层无人机网络，以提升能量和成本效率，通过 Nakagami-m 信道分析地面物联网设备、CMU 和系统整体 outage 概率，对比非能量收集系统，证明其在 outage 概率上的优势。
2026-03-19 eess.SP
Real-Time Transmission Mechanism Design for Wireless IoT Sensors with Energy Harvesting under Power Saving Mode
New York University Abu Dhabi（阿布扎比纽约大学）；Tandon School of Engineering, New York University（纽约大学坦登工程学院）
本文研究了在能量收集模式下，无线物联网传感器如何设计最优的动态策略，以决定在实时数据传输中是发送还是丢弃数据，从而延长设备运行时间并减少对应用的损失。
2019-04-08 cs.SY eess.SP eess.SY
Energy Efficiency Maximization in IRS-enabled Phase Cooperative PS-SWIPT based Self-sustainable IoT Network
本文提出一种IRS使能的相位协作框架，通过优化波束成形、相移和功率分割比，解决PS-SWIPT自可持续IoT网络中的能效最大化问题，显著提升了网络能效。
2024-01-10 eess.SP
Generation-Agnostic Zero-Energy Devices for Sustainable Connectivity, Sensing, and Localization
针对6G大规模物联网连接的能源与可持续性挑战，提出无电池、频谱无关且跨代兼容的反向散射物联网设备XG-ZEDs，利用环境无线信号实现通信、传感和定位，为可持续连接提供新方案。
2025-11-12 eess.SP
Robust and Secure Sum-Rate Maximization for Multiuser MISO Downlink Systems with Self-sustainable IRS
本文研究了一种可自我维持的智能反射表面（IRS），它可以同时从接收到的信号中反射和收获能量的多用户多输入单输出（MISO）下行链路通信。我们研究了联合设计的波束形成器在接入点（AP）和相移，以及能量收集时间表在IRS最大化系统和速率。该设计被制定为一个非凸优化问题，考虑到IRS元件的无线能量收集能力，安全通信，以及对信道状态信息（CSI）不完善的影响的鲁棒性。随后，我们提出了一个计算效率高的迭代算法，以获得一个次优的解决方案的设计问题。在每次迭代中，采用S-过程和逐次凸逼近来处理中间优化问题。仿真结果表明：（1）在系统总速率和IRS的自维持性之间存在一个非平凡的折衷关系：（2）所提出的方案所获得的性能增益在大量能量收集IRS元件的情况下是饱和的; 3）配备有小比特分辨率离散移相器的IRS足以实现相当大的系统总和-具有连续相移的理想情况的速率。
2021-08-04 cs.IT eess.SP math.IT
Self-Sustainable Active Reconfigurable Intelligent Surfaces for Anti-Jamming in Wireless Communications
针对主动RIS抗干扰部署受外部供电限制的问题，提出基于TD-SWIPT从基站信号收集能量的自维持结构，并联合优化发射与反射波束成形以提升可达速率和抗干扰性能。
2024-06-12 cs.IT eess.SP math.IT
Eco: A Hardware-Software Co-Design for In Situ Power Measurement on Low-end IoT Systems
能量受限的传感器节点可以自适应地优化其能量消耗，如果一个连续的测量存在。这在高动态场景中特别重要，例如能量收集或自适应任务调度。然而，以合理的成本和复杂性对功耗进行自测量作为通用系统服务是不可用的。在本文中，我们介绍了Eco，这是一种硬件-软件协同设计，可以在物联网节点上实现通用能源管理。Eco专为资源有限的设备量身定制，因此针对大多数即将到来的物联网场景。建议的测量模块将商品组件与通用系统接口相结合，以实现与各种硬件平台和RIOT IoT操作系统的轻松灵活集成。我们彻底评估和比较准确性和开销。我们的研究结果表明，我们的商品设计与高度优化的解决方案竞争良好，同时更加通用。我们在RIOT上使用Eco进行能源管理，并在为期五周的现场试验中验证其部署准备情况，并将其与能源收集集成在一起。
2019-09-23 cs.PF eess.SP
RACH in Self-Powered NB-IoT Networks: Energy Availability and Performance Evaluation
窄带物联网（NB-IoT）是一种新的3GPP无线电接入技术，旨在为低功耗的延迟容忍应用中的大量低吞吐量低成本设备提供更好的覆盖。为了提供具有扩展覆盖范围的可靠连接，在随机接入信道（RACH）过程和数据传输过程两者期间向NB-IoT引入重复传输方案。为了避免物联网设备更换电池的困难，能量收集被认为是支持NB-IoT网络中能源可持续性的有前途的解决方案。在这项工作中，我们分析了自供电NB-IoT网络中的RACH成功概率，同时考虑到重复的前导码传输和冲突，其中每个具有数据的IoT设备在其电池能量足以支持传输时都是活动的。我们将能量水平的时间动态建模为出生-死亡过程，推导出每个物联网设备的能量可用性，并检查其对能量存储容量和重复值的依赖性。我们表明，在某些情况下，能量的可用性保持不变，尽管在能量收集的随机性。我们还推导出了在推导出的能量可用性下{随机选择} IoT设备的RACH成功概率的精确表达式，通过仿真在不同的重复值下验证了该表达式。我们表明，重复方案可以有效地提高RACH的成功概率在轻流量的情况下，但只有轻微的改善，在一个繁忙的交通情况下，非常低效的信道资源利用率的性能。
2020-11-23 eess.SP
Feasibility Study Regarding Self-sustainable Reconfigurable Intelligent Surfaces
KTH Royal Institute of Technology（皇家理工学院）；Bilkent University（比尔肯特大学）
本研究通过分析两种HaR方案，探讨自维持可重构智能表面在不同环境下的可行性，发现TS方案在可靠性方面更优，而ES方案在严苛条件下更具优势。
2026-01-08 cs.IT eess.SP math.IT
Simultaneous Energy Harvesting and Hand Gesture Recognition in Large Area Monolithic Dye-Sensitized Solar Cells
本文提出通过监测非对称图案化单片染料敏化太阳能电池的光电流输出并结合机器学习实现手势识别，准确率达97.71%，证明DSSC可同时实现自供电与自然交互控制。
2023-11-27 cond-mat.mtrl-sci cs.HC eess.SP
AoI Minimization in Status Update Control with Energy Harvesting Sensors
信息新鲜度对于时间关键型物联网应用至关重要，例如，监控和控制系统。我们考虑一个物联网状态更新系统，该系统具有多个用户、多个能量收集传感器和一个无线边缘节点。用户接收关于物理量的时间敏感信息，每个物理量由传感器测量。用户向边缘节点发送请求，其中缓存包含来自每个传感器的最近接收的测量值。为了满足请求，边缘节点命令传感器发送状态更新或从缓存中检索老化的测量。我们的目标是找到最好的行动的边缘节点，以尽量减少年龄的信息服务的测量。我们将这个问题建模为一个马尔可夫决策过程，并开发了强化学习（RL）算法：基于模型的值迭代和无模型Q学习方法。我们还提出了一个Q学习方法的现实情况下，边缘节点被告知传感器的电池水平，只有通过状态更新。传输限制下的情况下，也得到了解决。此外，性能的最优策略的分析特征。仿真结果表明，最优策略是基于阈值的策略，所提出的RL方法显着降低了平均成本相比，几个基线。
2022-01-28 eess.SP
Online Cognitive Data Sensing and Processing Optimization in Energy-harvesting Edge Computing Systems
移动边缘计算（MEC）最近已成为减轻物联网（IoT）网络中密集计算负担的流行技术。然而，有限的设备电池容量和严格的频谱资源严重限制了MEC使能的物联网网络的数据处理性能。为了解决这两个性能限制，我们在本文中考虑了具有能量收集（EH）无线设备（WD）的MEC启用的物联网系统，该能量收集（EH）无线设备（WD）机会性地访问覆盖的主通信链路的许可频谱以进行任务卸载。我们的目标是最大限度地提高长期平均感知率的WD的服务质量（QoS）的要求，主链路，MEC服务器（MS）的平均功率约束和数据队列的稳定性MS和WD。我们制定的问题作为一个多阶段的随机优化，并提出了一个在线算法PLySE，应用扰动李雅普诺夫优化技术分解成每槽确定性优化问题的原始问题。对于每个时隙的问题，我们推导出封闭形式的最优解的数据传感和处理控制，以促进低复杂度的实时实现。有趣的是，我们的分析发现，最优解表现出基于阈值的结构。仿真结果与我们的分析合作，并证明了超过46.7%的数据感知率的提高，建议PLySE的代表性基准方法。
2021-06-27 cs.IT eess.SP math.IT
Sustainable and Precision Agriculture with the Internet of Everything (IoE)
本文探讨万物互联（IoE）在精准农业中的变革作用，整合分子通信、纳米物联网等子领域，结合6G、区块链和机器学习，提升作物监测与资源管理，实现分子和生物尺度的精准农业。
2025-01-26 eess.SP
Efficient and Sustainable Task Offloading in UAV-Assisted MEC Systems via Meta Deep Reinforcement Learning
针对UAV辅助MEC系统任务卸载的非凸随机资源分配问题，提出基于分数规划、Lyapunov理论与MDP建模的MTD3元深度强化学习算法，有效提升了长期任务效率并保障了缓冲区稳定性。
2025-04-01 eess.SP
Joint Orthogonal Band and Power Allocation for Energy Fairness in WPT System with Nonlinear Logarithmic Energy Harvesting Model
无线电力传输（WPT）通过提供物联网传感器的永久运行，预计将在物联网服务中发挥重要作用。然而，为了延长物联网网络的生命周期，需要有效的资源分配算法，特别是物联网传感器之间的能量公平性问题一直是WPT系统的关键挑战。在本文中，考虑到能量公平的最小接收能量的所有能源贫困物联网传感器（EPIS），我们分配正交频段的多个EPIS和每个正交频带上的RF功率传输，使用能量波束成形。基于能量贫乏的特点，提出了正交频段分配规则，将优先权分配给接收能量较少的EPIS。我们还制定了两个传输功率分配问题，纳入非线性的能量收集（EH）模型。首先，总接收功率最大化（TRPM）的问题，并解决了著名的Karush-Kuhn-Tucker（KKT）条件与改进的注水算法相结合。其次，共同的接收功率最大化（CRPM）的问题，制定和最优解的推导使用迭代二分法搜索方法。为了将二分搜索法应用于该问题，本文提出了一种确定单调函数和所定义的目标函数的解的范围的方法。在数值计算中，假设EPIS的移动性为一维随机游走模型，给出了EPIS的移动性对所有EPIS的最小接收能量的有效性。最后，通过比较Round Robin和等功率分配等资源分配方案，验证了本文提出的资源分配方案的性能
2020-03-30 cs.IT eess.SP math.IT
Exploiting Self-Sustainable Information-Bearing RIS in Underlay CR-NOMA Networks
School of Electronics and Information Engineering, Harbin Institute of Technology（哈尔滨工业大学电子与信息工程学院）；China-Chile ICT “Belt and Road” Joint Laboratory（中智ICT“一带一路”联合实验室）；University College London（伦敦大学学院）；The University of Hong Kong（香港大学）
本文研究了在下层认知无线电系统中利用自维持信息承载RIS辅助的非正交多址接入网络，通过优化发射波束成形、RIS反射系数和功率分割比，最大化加权求和频谱效率。
2026-03-22 eess.SP
Multi-Functional RIS-Enabled in SAGIN for IoT: A Hybrid Deep Reinforcement Learning Approach with Compressed Twin-Models
本文提出一种混合深度强化学习方法与压缩双模型，用于优化SAGIN中MF-RIS的多功能性能，提升物联网设备的长期能量效率。
2025-10-13 cs.AI eess.SP
InfiniWolf: Energy Efficient Smart Bracelet for Edge Computing with Dual Source Energy Harvesting
这项工作提出了InfiniWolf，一种新型的多传感器智能手表，可以实现自我可持续性，利用热能和太阳能收集，执行计算要求高的任务。这款智能手表嵌入了一个带有ARM Cortex-M处理器和蓝牙低功耗（BLE）的片上系统（SoC），以及一个基于开放硬件RISC-V的并行超低功耗处理器Mr. Wolf，它将板上的处理能力提高了一个数量级以上，同时也提高了能源效率。我们展示了它的功能的基础上，一个示例应用场景执行压力检测与多层人工神经网络的可穿戴多传感器手镯。实验结果表明，Wolf先生在ARM Cortex-M4 F微控制器的能源效率和延迟方面的优势，以及在特定假设下，使用热能和太阳能收集自我可持续发展的可能性，同时在室内条件下每分钟执行多达24个应力分类。
2023-01-16 eess.SP
Index Modulation-based Information Harvesting for Far-Field RF Power Transfer
本文提出统一的基于索引调制的信息采集（IM-based IH）框架，将IM技术叠加于远场WPT之上实现数据通信，并通过多性能指标验证其在下一代物联网中的可行性。
2023-09-24 eess.SP
Low-cost sensors for indoor PV energy harvesting estimation based on machine learning
随着连接到物联网（IoT）生态系统的通信传感器数量急剧增加，需要精心设计的室内光能收集解决方案。实现这一发展的第一步是确定实际室内设备中的可收获能量。但是，可收获的能量随着时间的推移而变化，随着光的性质（光谱）和强度的变化，照明数据必须收集足够长的时间。此外，对于现场的实际实施，研究必须能够在多个地方同时进行，以确定具有最高能量收集潜力的位置。在这种情况下，这份手稿提出了一个非常低成本的原型，基于商业光电二极管（而不是非常昂贵的光谱仪），它只测量非常基本的光谱数据。由于Matlab的分类监督机器学习，其中算法学习对新观测进行分类，并且由于柔性GaAs太阳能电池的叠加近似模型的简单原理，我们的可收获能量估计误差在超过2周的观察后小于5个百分点。为了测量这种误差，将收集的数据与实际物联网系统锂离子电池中实验收集的数据进行比较，并与同一时期使用昂贵的光谱仪估计的数据进行比较。我们的原型应该允许开发和大规模部署新一代低成本室内光能收集传感器，用于未来可靠的室内能量收集器。
2021-12-28 cond-mat.mtrl-sci eess.SP
Codebook-Based Self-Sustainable RIS: Optimal Splitting Schemes and Power Allocation
本文研究了一种基于代码本的可重构智能表面配置，通过利用能量收集实现自维持操作，提出数学框架分析三种常见能量收集方案的效率，并通过优化分割比和功率分配降低基站发射功率。
2026-03-20 eess.SP
Energy Cooperative Transmission Policy for Energy Harvesting Tags
为了维持通信可靠性并有效地使用收集的能量，考虑多址接入网络中的能量收集标签（EHT）之间的能量共享是至关重要的，这是物联网（IoT）应用的基本构建块。该技术还实现了更高的吞吐量相比，非合作的策略，尽管能量传输过程中发生的能量损失。我们提出了一种能量合作通信策略的多址接入网络的标签，这取决于收获的电池能量。我们开发了一个最佳的传输策略EHTs，最大限度地提高长期联合平均吞吐量使用马尔可夫决策过程（MDP）模型。仿真结果表明，所提出的能源合作政策产生了改善的性能比传统的政策。
2021-11-18 cs.IT eess.SP math.IT
Wireless Information and Power Transfer for IoT Applications in Overlay Cognitive Radio Networks
本文提出并研究了一种结合同步无线信息和功率传输（SWIPT）的覆盖频谱共享系统，以实现物联网（IoT）应用的通信。考虑的是一个协作认知无线电网络，其中两个物联网设备（IoD）交换它们的信息，并向一对主用户（PU）提供中继协助。与大多数现有的工作不同，在本文中，两个IoD都可以从从PU接收的射频（RF）信号中获取能量。通过利用收集的能量，它们向PU提供中继协作，并实现它们自己的通信。为了收集能量，在两个IoD处采用基于时间切换（TS）的方法。利用所提出的方案，主系统和物联网系统的一轮双向信息交换分四个阶段执行，即，一个能量收集（EH）阶段和三个信息处理（IP）阶段。两个IoD都依赖于解码和转发操作来促进中继，而PU采用选择组合（SC）技术。为了研究所考虑的网络的性能，本文首先提供了Nakagami-m衰落下主系统和物联网系统的用户中断概率（OP）的精确表达式。然后，通过利用用户OP的表达式，系统的吞吐量和能量效率的量化与平均端到端的传输时间。数值和仿真结果提供了有用的洞察系统的行为，并突出各种系统/信道参数的影响。
2020-04-12 cs.IT eess.SP math.IT
