Practical Issues of Energy Harvesting and Data Transmissions in Sustainable IoT
可持续的物联网（IoT）正在成为绿色生活和智能产业的一个有前途的解决方案。在这篇文章中，我们调查的实际问题，在无线电能量收集和数据通信系统，通过广泛的现场实验。已经研究了能量收集电路和通信模块的许多重要特性，包括通信系统相对于传输功率的非线性能量消耗、与有效载荷相关联的唤醒时间以及在连续分组传输期间变化的系统功率。为了提高能量收集和能量利用的效率，我们提出了一种新的模型来准确描述可持续物联网设备的能量收集过程和功耗。使用商用物联网设备和RF能量采集器进行实验，以验证所提出的模型的准确性。实验结果表明，该模型与实际场景中可持续物联网设备的性能非常匹配。
2019-12-31 cs.NI eess.SP
Optimal Semantic-aware Sampling and Transmission in Energy Harvesting Systems Through the AoII
针对能量收集状态更新系统，以AoII为指标，通过POMDP和深度强化学习实现最优采样与传输策略，有效降低时间平均AoII。
2023-11-11 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
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
Energy-Efficient UAV-Sensor Data Harvesting: Dynamic Adaptive Modulation and Height Control
利用无人机可以方便地从地面传感器采集数据。然而，在未知的城市环境中，数据采集受到城市建筑物的阻挡。在本文中，考虑到在飞行过程中的城市环境，我们提出了动态自适应调制和高度控制的无人机传感器数据采集在城市地区。在每个时隙中，根据当前系统状态选择调制格式和飞行高度，以在数据量和飞行高度约束下最小化传感器的期望传输能量为目标。将动态自适应调制和高度控制问题表示为有限时域马尔可夫决策过程，并采用逆向归纳算法求解。仿真结果表明，与仅选择调制方式相比，该联合设计方案可以为地面传感器节省48.23%的传输能量。
2022-01-28 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
Resource Allocation for NOMA-based LPWA Networks Powered by Energy Harvesting
在本文中，我们探讨永久的，可扩展的，低功耗的广域网（LPWA）。具体来说，我们专注于非正交多址接入（NOMA）的LPWA网络的上行链路传输组成的多个自供电节点和基于NOMA的单个网关。自供电的LPWA节点使用“收集然后传输”协议，它们从环境源（太阳能和射频信号）收集能量，然后传输信号。所研究的LPWA网络的主要特点是不同的传输时间上的空气，多个上行链路传输尝试，占空比的限制。这项工作的目的是最大化的上行链路传输速率的时间平均总和，通过优化传输时间的空中分配，能量收集时间分配和功率分配;受到最大发射功率和收获的能量的可用性。我们提出了一个低复杂度的解决方案，它将优化问题分解为三个子问题：我们分配LPWA节点传输时间（使用公平或不公平的方法），我们使用一维搜索方法优化能量收集（EH）时间，并使用凹凸（CCCP）过程优化发射功率。在仿真结果中，我们重点讨论了长距离（LoRa）网络作为LPWA网络的一个实际例子。我们验证了我们提出的解决方案，我们观察到一个$15\%$使用NOMA时的性能改善。
2020-12-29 eess.SP math.OC
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
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
Deep Learning-Based Multi-Satellite Massive MIMO Transmission: Centralized or Decentralized?
National Mobile Communications Research Laboratory, Southeast University（东南大学移动通信国家重点实验室）；Purple Mountain Laboratories（紫金山实验室）；Shanghai Satellite Network Research Institute Co., Ltd.（上海卫星网络研究院有限公司）；University of Luxembourg（卢森堡大学）
本文研究多卫星大规模MIMO传输架构，通过优化加权和速率最大化问题，提出基于学习的WMMSE设计和分布式传输方案，提升吞吐量并降低复杂度和通信开销。
2026-03-21 eess.SP
Reinforcement Learning for Secrecy Optimization in Underwater Energy Harvesting Relay Network
Indian Institute of Technology Jammu（印度理工学院詹穆分校）；Tyndall National Institute（廷德尔国家研究所）
本文提出基于强化学习的最优功率分配策略，用于提升水下能量收集中继网络的保密性能，通过仿真验证其在复杂环境下的有效性。
2026-03-06 eess.SP
Age Minimization in Energy Harvesting Communications: Energy-Controlled Delays
我们考虑一个能量收集源，它从物理现象中收集测量值，并在通信会话时间内将更新发送到目的地。更新引起传输延迟，该延迟是在其传输中使用的能量的函数。每次更新使用的传输能量越多，它到达目的地的速度就越快。我们的目标是以及时的方式传输更新，即，使得信息的总年龄在通信会话结束时最小化，受到能量因果关系约束。我们考虑这个问题的两个变化。在第一种设置中，源控制测量更新的数量、它们的传输时间以及在它们的传输中使用的能量的量（其管理它们的延迟或服务时间）。在第二种设置中，测量更新随时间从外部到达，因此更新的数量变得固定，代价是向问题添加数据因果关系约束。我们在这两种设置的年龄最小的政策的特点，并讨论了年龄的信息度量的关系，在能量收集文献中使用的其他指标。
2017-12-11 cs.IT cs.NI eess.SP
Optimal Local Thresholds for Distributed Detection in Energy Harvesting Wireless Sensor Networks
我们考虑一个无线传感器网络，由K个异构传感器和一个融合中心（FC），这是解决二进制分布式检测问题的任务。每个传感器都能够收集和存储用于与FC通信的能量。为了能量效率，传感器仅在传感器测试统计量超过局部阈值θk、其信道增益超过最小阈值并且其电池状态能够承受传输时才进行传输。我们提出的传输模型在每个传感器的信道反转功率控制策略的动机在无线通信社区。考虑到对发送符号平均能量的约束，本文研究了优化两个检测性能指标的最优θ k：（i）FC处的检测概率P_D（假设FC采用基于Neyman-Pearson最优准则的最优融合规则）和（ii）FC处接收信号的两个分布之间的Kullback-Leibler距离（KL）。我们的数值结果表明，从最大化KL距离得到的θk是接近最优的。找到这些阈值在计算上是高效的，因为它只需要K个一维搜索，而不是找到最大化P_D的阈值所需的K维搜索。
2018-11-05 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
Coverage Analysis for Energy-Harvesting UAV-assisted mmWave Cellular Networks
在本文中，我们联合考虑了无人机（UAV）辅助的毫米波（mmWave）蜂窝网络中的下行链路同时无线信息和功率传输（SWIPT）和上行链路信息传输，其中用户设备（UE）位置使用泊松聚类过程（例如，Thomas簇过程或Matérn簇过程）。毫米波通信的区别特征，如视线（LOS）和非LOS（NLOS）链路和定向传输的不同路径损耗模型被考虑在内。在下行链路阶段，研究了不同层次的无人机与地面基站的关联概率和能量覆盖。此外，我们定义了一个成功的传输概率，共同提出的能量和信号干扰噪声比（SINR）的覆盖范围，并提供一般表达式。在上行链路阶段，我们考虑每个UAV从其自己的集群成员UE接收信息的场景。我们确定的干扰分量的拉普拉斯变换和表征的上行链路SINR覆盖。此外，我们制定的平均上行链路吞吐量，以确定最佳的时分复用之间的下行链路和上行链路阶段的目标。通过数值计算，我们研究了关键系统参数对性能的影响。我们表明，网络的性能得到改善时，集群的大小变得更小。此外，我们分析了最佳无人机高度，最佳功率分配值和最佳时分复用，最大限度地提高网络的性能。
2019-10-22 eess.SP
Improving PHY-Security of UAV-Enabled Transmission with Wireless Energy Harvesting: Robust Trajectory Design and Communications Resource Allocation
在本文中，我们考虑一个无人机（UAV）辅助通信系统，包括两个合作的无人机，一个无线供电的地面目的地节点，利用同步无线信息和功率传输（SWIPT）技术，和地面被动窃听。一架无人机向目的地提供机密信息，另一架无人机发送干扰信号以防止窃听并协助目的地进行能量收集。假设无人机具有窃听者位置的部分信息，分别针对干扰信号在目的地先验已知和未知的情况，提出了两种传输方案：友好无人机干扰（FUJ）和高斯干扰传输（GJT）。然后，我们制定了一个平均保密率最大化问题，以联合优化无人机的发射功率和轨迹，以及目的地的功率分配比。由于非凸，因此难以解决制定的问题，我们提出了一个计算效率高的迭代算法的基础上块坐标下降和逐次凸逼近，以获得一个次优解。最后，数值结果证实了我们提出的多无人机计划的有效性，与其他现有的基准。具体来说，我们发现，FUJ表现出显着的保密性能改善的最佳瞬时和平均保密率相比，GJT和传统的单无人机对应。
2020-04-13 cs.IT eess.SP math.IT
Online Power Allocation at Energy Harvesting Transmitter for Multiple Receivers with and without Individual Rate Constraints for OMA and NOMA Transmissions
在本文中，我们提出了一个在线的功率分配方案，以最大化的时间平均和速率的多个下行链路接收机与能量收集发射机。发射机采用非正交多址（NOMA）和/或正交多址（OMA）来向多个用户发送数据。此外，我们考虑的情况下，每个单独的用户有一个服务质量约束其所需的瞬时速率。利用李雅普诺夫优化技术，得到了在给定时隙内，不同用户的总发射功率和功率分配的决策。所提出的方案不需要任何信道状态和收获能量的统计信息。所提出的功率分配方案需要基于小复杂度的功率分配决策。因此，所提出的方案可以提供实时的的解决方案，并且更适合于系统状态参数（例如，信道状态、收获的能量等）快速变化的在线功率分配问题。所提出的方案的性能与仿真结果的帮助下证明。
2019-11-20 cs.IT eess.SP math.IT
Simultaneous Energy Harvesting and Information Transmission in a MIMO Full-Duplex System: A Machine Learning-Based Design
我们提出了一种基于多输入多输出（MIMO）的全双工（FD）方案，该方案使无线设备能够使用相同的时频资源同时传输信息和收获能量。在该方案中，对于MIMO点对点设置，能量发送设备同时从能量收集设备接收信息。此外，由FD操作模式引起的能量收集设备处的自干扰（SI）被用作要由设备收集的期望功率信号。为了在两个设备上实现友好的天线选择和MIMO预编码，我们提出了两种方法：（i）基于松弛的次优方法，以及（ii）基于混合深度强化学习（DRL）的方法，具体地说，深度确定性策略梯度（DDPG）-深度双Q网络（DDQN）方法。最后，我们研究了所提出的系统的性能下的两种实现方法，并将其与传统的基于时间切换的同时无线信息和功率传输（SWIPT）方法。研究结果表明，该系统给出了显着的改善频谱效率相比，基于时间切换的SWIPT。特别地，基于DRL的方法提供最高的频谱效率。此外，数值结果表明，对于所考虑的系统设置，每个设备中的天线数量应超过三个，以将自干扰减轻到可接受的水平。
2020-02-13 cs.IT eess.SP math.IT
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
Performance Optimization of Energy-Harvesting Underlay Cognitive Radio Networks Using Reinforcement Learning
Department of Computer and Software Engineering, Polytechnique Montreal（蒙特利尔理工学院计算机与软件工程系）；Department of Electrical and Computer Engineering, Concordia University（Concordia大学电气与计算机工程系）
针对能量受限的下垫式认知无线电网络次用户，提出基于DQN的强化学习方法，通过时隙决策与功率选择最大化平均数据速率，性能优于基线且可收敛。
2025-05-20 cs.LG 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
Optimal Design of Energy-Harvesting Hybrid VLC-RF Networks
在本文中，我们考虑了一个室内下行双跳混合可见光通信（VLC）/射频（RF）的情况。对于每个传输块，我们动态地分配一部分时间资源给VLC，另一部分分配给RF传输。在第一阶段（即，VLC传输），LED将数据和能量两者携带到能量采集器中继节点。在第二阶段（即，RF通信）时，中继器利用所收集的能量来将解码的信息重新发送到远端RF用户。在此阶段，LED继续向中继节点传输功率（无信息），旨在收集可用于下一个传输块的能量。我们制定的意义上的最大化的数据率解码转发（DF）中继的假设下的优化问题。作为设计参数，直流（DC）偏置和分配的VLC传输的持续时间被考虑在内。特别地，联合非凸优化被分成两个子问题，然后循环求解。在第一个子问题中，我们固定分配的VLC链路的持续时间，并利用优化最小化（MM）过程来解决非凸直流偏置问题。在第二子问题中，我们固定在前一步骤中获得的DC偏置，并解决针对所分配的VLC链路持续时间的优化问题。我们的研究结果表明，更高的数据率可以通过解决直流偏置和持续时间的联合问题相比，单独优化直流偏置。
2022-11-19 cs.IT eess.SP math.IT
Steady-State Rate-Optimal Power Adaptation in Energy Harvesting Opportunistic Cognitive Radios with Spectrum Sensing and Channel Estimation Errors
我们考虑一个机会认知无线电网络，由Nu个次级用户（SU）和一个接入点（AP）组成，可以访问授权给一个主用户的频谱带。每个SU都能够收集能量，并配备有限大小的电池用于能量存储。SU在时隙方案下操作，其中每个时隙由三个不重叠的阶段组成：频谱感测阶段、信道探测阶段和数据传输阶段。AP将其对SUs-AP链路的衰落系数的估计反馈给SU。为了在能量收集和能量消耗之间取得平衡，我们提出了一种参数化的功率控制策略，该策略允许每个SU根据反馈信息和其存储的能量来调整其功率。建模随机到达的能量包在一个时隙作为一个泊松过程，我们建立了一个下界的SUS-AP链路的可实现的和速率，在频谱感知和信道估计误差的存在下。我们优化的参数，建议的功率控制策略，使派生的和率下限最大化，受干扰约束。通过仿真，我们证实了我们的分析，并探讨频谱感测通道探测数据传输的权衡。
2021-02-05 cs.IT eess.SP math.IT
Secrecy Rate Analysis of STAR-RIS in Presence of Energy Harvesting Eavesdroppers
这项工作细读了一个同时发射和反射可重构智能表面（STAR-RIS）的无线系统，其中不可信的能量收集节点窃听合法的信号。可实现的保密率和收获的能量为组播通信的函数的STAR-RIS传输和反射系数（TARCs）计算。因此，最大化的秘密率，同时满足最小所需的收获能量，非凸优化问题进行了研究。利用Dinkelbach变换和半定松弛技术，将优化问题转化为凸优化问题。最后，数值结果报告，以指定的STAR-RIS的大小和优化其TARCs元件放大的保密率能量收集区域的影响。
2022-10-16 cs.IT eess.SP math.IT
Age-Minimal Transmission for Energy Harvesting Sensors with Finite Batteries: Online Policies
能量收集传感器节点，被认为是发送状态更新到目的地。传感器配备了一个有限大小的电池，以节省其输入的能量，并消耗一个单位的能量，每个状态更新传输，这是交付到目的地立即通过无错误的信道。该设置是在线的，其中所收集的能量随时间的推移被因果地揭示给传感器，并且目标是设计状态更新传输策略，使得信息的长期平均年龄（AoI）被最小化。AoI定义为自最新更新到达目的地以来所经过的时间。两个能量到达模型被认为是：一个随机的电池充电（RBR）模型，和一个增量电池充电（IBR）模型。在这两种模型中，能量根据单位速率的泊松过程到达，在RBR模型中，能量值完全填满电池，在IBR模型中，能量值逐单位递增地填满电池。表征这两种模型的最优状态更新策略的关键方法是显示更新策略的最优性，其中更新间隔时间遵循特定的更新过程，该更新过程取决于能量到达模型和电池大小。然后，它示出的最佳更新策略具有能量依赖的阈值结构，其中传感器发送状态更新只有当AoI增长超过一定的阈值，这取决于可用的能量。对于RBR和IBR模型，最佳能量依赖阈值被明确表征，即，在封闭形式中，就最佳长期平均AoI而言。它还表明，最佳阈值是单调递减的电池中可用的能量，最小的阈值，这是在电池充满时生效，等于最佳的长期平均AoI。
2019-05-09 cs.IT cs.NI eess.SP
Timely Status Updates in Slotted ALOHA Networks With Energy Harvesting
本文研究能量收集设备在时隙ALOHA网络中无反馈更新状态时的信息年龄，提出基于电池电量的传输概率优化策略，平衡即时传输与能量充足传输，显著降低AoI并提升吞吐量。
2025-02-28 cs.IT eess.SP math.IT
Optimizing Energy-Harvesting Hybrid VLC/RF Networks with Random Receiver Orientation
本文针对室内混合VLC/RF两跳下行场景，优化DC偏置与传输时间分配以最大化数据速率，还分析了接收机随机朝向的影响并推导速率闭式表达式，验证了联合优化的性能增益。
2024-10-08 cs.IT eess.SP math.IT
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
Decentralizing Coherent Joint Transmission Precoding via Deterministic Equivalents
针对多小区多用户MIMO网络，提出基于确定性等价的分散式相干联合传输预编码方案，以最小化功率并避免集中式信息交换，仿真显示仅需多2%~7%发射功率。
2024-03-15 cs.IT eess.SP math.IT
