Optimal Transmission Policies for Energy Harvesting Age of Information Systems with Battery Recovery
我们考虑一个能量收集信息更新系统，其中传感器被允许为每次传输选择一种传输模式，其中每个模式由一个传输功率误差对组成。我们还将电池现象称为电池恢复效应，其中电池在放电后保持空闲时会释放可输送的能量。对于能量受限的信息时代（AoI）系统，这种现象引起了在传输之后恢复能量的有趣的权衡，代价是增加AoI。考虑到两个指标，即峰值年龄命中概率和平均年龄的最坏情况和平均性能指标，分别，我们提出了一个框架，制定了最佳传输方案选择问题的马尔可夫决策过程（MDP）。我们表明，通过考虑电池动态和可调传输功率一起获得的增益远远高于总和增益，如果它们被单独考虑。我们还提出了一个简单的方法来优化系统的性能，同时考虑到最坏情况下的平均性能。
2019-12-12 cs.IT cs.NI 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
Semantic-aware Sampling and Transmission in Energy Harvesting Systems: A POMDP Approach
本文针对能量采集系统中不可靠信道下的部分可观测马尔可夫源实时跟踪问题，提出基于POMDP的语义感知采样与传输联合优化方法，并通过信念MDP和深度强化学习求解，揭示了最优策略相对AoI的非单调切换结构。
2024-10-04 eess.SP
Timely Status Updating Over Erasure Channels Using an Energy Harvesting Sensor: Single and Multiple Sources
被认为是一个状态更新系统，其中来自多个源的数据被采样的能量收集传感器和传输到一个远程目的地通过擦除通道。目标是及时提供所有源的状态更新，从而最大限度地减少累积的长期平均信息年龄（AoI）。每个源的AoI定义为自在目的地从该源接收到的最新成功状态更新的生成时间以来所经过的时间。传输受能量可用性的影响，能量根据泊松过程以单位到达，每个能量单位只能从一个源进行一次传输。传感器配备了一个单位大小的电池，以节省输入的能量。设计了一种调度策略，以确定使用可用能量对哪个源进行采样。该问题研究了两个主要的设置：没有擦除状态反馈，和完美的瞬时反馈。
2021-09-14 cs.IT cs.NI eess.SP
Reinforcement Learning to Minimize Age of Information with an Energy Harvesting Sensor with HARQ and Sensing Cost
时间平均预期年龄的信息（AoI）的研究从能量收集发射机发送的状态更新与有限容量的电池。在信道和能量收集统计信息已知的情况下，研究了不同反馈机制下的最优调度策略。对于未知环境的情况，提出了一种平均成本强化学习算法，实时学习系统参数和状态更新策略。数值结果验证了所提方法的有效性。
2019-01-24 cs.IT cs.NI cs.SI
Status Updating with an Energy Harvesting Sensor under Partial Battery Knowledge
我们认为状态更新下的能量收集（EH）传感器的电池电量的不准确的知识，发送状态更新的随机过程中的用户通过启用缓存的边缘节点。更确切地说，通过仅依赖于从最后接收到的状态更新分组捕获的电池水平知识来执行控制决策。在从用户接收到对新信息的按需请求时，边缘节点使用可用信息来决定是命令传感器发送状态更新还是从缓存中检索最近接收的测量。我们寻求边缘节点的最佳动作以最小化所服务的测量的平均AoI，即，平均按需AoI。考虑到部分电池知识，我们将问题建模为部分可观测的马尔可夫决策过程（POMDP），并通过描述其关键结构，开发了一个动态规划算法来获得最优策略。仿真结果说明了基于阈值的结构的最优策略，并显示所提出的最优POMDP为基础的政策相比，一个请求感知的贪婪（近视）的政策所获得的收益。
2022-04-12 cs.ET cs.SY eess.SP
Online Timely Status Updates with Erasures for Energy Harvesting Sensors
考虑通过擦除信道向目的地发送状态更新的能量收集传感器，其中传输倾向于以一定概率$q$被擦除，而与其他传输无关。然而，由于缺乏来自目的地的反馈，传感器不知道擦除事件。能量消耗在一次传输消耗一个单位能量的意义上被标准化。传感器配备了一个单位大小的电池，以节省其传入的能量，根据单位速率的泊松过程到达。该设置是在线的，其中能量到达时间仅在被收集后才被因果地揭示，并且目标是设计传输时间，使得信息的长期平均年龄（AoI）被定义为自最新更新成功到达目的地以来所经过的时间，被最小化。最优状态更新策略首先被示出为具有更新结构，在该结构中，目的地成功接收更新的时刻构成更新过程。然后，对于$q\leq\frac{1}{2}$，最优更新策略被示出为具有阈值结构，其中，仅当AoI增长超过特定阈值时才发送新的状态更新，该特定阈值被示出为$q$的递减函数。而对于$q>\frac{1}{2}$，最优更新策略被证明是贪婪的，在该策略中，只要能量可用，就发送新的状态更新。
2018-11-12 cs.IT cs.NI eess.SP
Optimizing the Age of Information in RIS-aided SWIPT Networks
在这封信中，可重构智能表面（RIS）辅助的同时无线信息和能量传输（SWIPT）网络进行了研究。为了量化信息接收器处的数据分组的新鲜度，考虑信息的年龄（AoI）。为了最小化的总和AoI的信息用户，同时确保传输到能量收集用户的功率大于所需的值，我们制定了一个调度方案，并在基站（BS）和RIS，分别联合发射波束成形和相移优化。交替优化（AO）算法被提出来处理有源波束形成和无源RIS相移之间的耦合，而连续凸近似（SCA）算法被用来解决所述问题的非凸性。数值模拟结果表明，该算法在AoI方面的改进以及信息年龄和能量收集之间的权衡是量化的。
2022-10-04 eess.SP
On Age of Information and Energy-Transfer in a STAR-RIS-assisted System
本文研究STAR-RIS辅助多天线基站系统中能量传输与信息年龄的联合优化，通过调度、波束成形和幅度相位设计降低平均总AoI并满足能量收集需求。
2023-12-05 cs.IT eess.SP math.IT
Coded Status Updates in an Energy Harvesting Erasure Channel
我们考虑能量收集发射机通过擦除信道向接收机发送状态更新，其中每个状态更新的长度为$k$符号。能量到达和信道擦除是独立且同分布（i.i.d.）并且伯努利分布在每个时隙中。为了对抗信道中的擦除和能量到达的不确定性的影响，我们使用信道编码来编码状态更新符号。我们考虑两种类型的信道编码：最大距离可分离（MDS）码和无比率擦除码。对于这些模型中的每一个，我们研究了两个可实现的方案：尽力而为和保存和传输。在尽力而为方案中，发射机立即开始传输，并且如果符号具有能量则发送符号。在保存和发送方案中，发送器在开始时保持静默，以便节省一些能量，以最小化未来时隙中的能量中断。我们分析了这些政策下的平均信息年龄（AoI）。我们通过数值结果表明，随着平均充值速率的降低，具有保存并传输的MDS编码优于所有尽力而为的方案。我们表明，无比率编码与保存和传输优于所有其他计划。
2018-02-01 cs.IT cs.NI eess.SP
Timely Updating with Intermittent Energy and Data for Multiple Sources over Erasure Channels
被认为是一个状态更新系统，其中多个数据源产生的数据包被传递到一个目的地通过共享的能量收集传感器。传感器一次只能传输一个来源的数据（如果可用），这取决于能源可用性。传输被修剪为擦除，并且每个成功的传输构成其在目的地处的对应源的状态更新。目标是调度源传输，使得集体长期平均信息年龄（AoI）最小化。AoI被定义为自在其源处生成最近成功接收的数据以来所经过的时间。为了解决这个问题，首先考虑具有单个源的情况，重点是阈值等待策略，其中传感器仅在能量和数据都可用的时间增长到一定阈值以上时才尝试传输。根据这一政策，工业区的分布具有充分的特点。然后，这是用来分析的多个源的情况下，最大年龄优先调度，其中传感器的资源专用于源的性能在任何给定的时间与最大的AoI。可实现的集体长期平均AoI以封闭形式导出。多个数值评估表明，最佳阈值的行为作为一个函数的系统参数，并展示了基于阈值的间歇性能源和数据到达的等待政策的好处。
2021-09-15 cs.IT cs.NI eess.SP
Joint System Latency and Data Freshness Optimization for Cache-enabled Mobile Crowdsensing Networks
针对缓存使能移动群智感知网络，提出联合优化系统时延与信息年龄的框架，通过分解问题及贝叶斯更新策略，实现轻量级实时决策，仿真验证有效性。
2025-01-24 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
Optimal Status Update for Caching Enabled IoT Networks: A Dueling Deep R-Network Approach
在物联网（IoT）网络中，缓存是一种很有前途的技术，它通过将数据包缓存在边缘缓存节点（ECN）中来响应用户的数据请求，从而降低传感器的能耗。然而，如果没有一个有效的状态更新策略，由用户获得的信息可能是陈旧的，这反过来将不可避免地恶化的准确性和可靠性的实时应用程序的派生决策。在本文中，我们专注于打击之间的平衡信息的新鲜度，在年龄的信息（AoI），由用户体验和传感器消耗的能量，通过适当地激活传感器更新其当前状态。特别是，我们首先描绘了从不同用户的角度与非均匀持续时间的时间步长，这是由用户的数据请求和ECN的状态更新决策的每个传感器的AoI的演变。然后，我们制定了一个基于非均匀时间步长的动态状态更新优化问题，以最小化长期平均成本，联合考虑平均AoI和能源消耗。为此，马尔可夫决策过程的制定，并进一步，决斗深度R-网络的动态状态更新算法设计通过结合决斗深度Q-网络和表格R-学习，其中的灾难的维数和未知的环境动态可以解决的挑战。最后，通过与五种基线深度强化学习算法和策略进行比较，进行了大量的仿真，以验证我们提出的算法的有效性。
2021-06-13 cs.NI eess.SP
Timely Requesting for Time-Critical Content Users in Decentralized F-RANs
本研究针对去中心化F-RAN中时间关键内容用户的信息年龄优化问题，分析了无记忆与非无记忆两类策略的性能，推导了eRRH的AoI闭式解与CU的AoI上界，确定了最优策略的请求分配与内容更新规则，并通过数值实验验证了理论结果。
2025-08-04 eess.SP
Age of Information in Gossip Networks: A Friendly Introduction and Literature Survey
本文综述了八卦网络中的信息年龄研究，涵盖随机八卦算法、不同拓扑下的及时性扩展、年龄感知八卦及变体，并指出开放问题与未来方向。
2023-12-26 cs.IT cs.NI eess.SP
Hybrid Cognitive IoT with Cooperative Caching and SWIPT-EH: A Hierarchical Reinforcement Learning Framework
Concordia University（康科迪亚大学）
本文提出一种分层强化学习框架，用于优化混合认知物联网网络中的能量收集、缓存、功率控制和频谱接入，提升网络性能。
2025-12-16 cs.NI eess.SP
