科研 通信 随笔

Sensing, Computing, and Communications for Energy Harvesting IoTs: A Survey

阅读随笔

Posted by AskFqb on September 11, 2021

综述 EH-IoTs 的进展

  1. EH-IoT在产品和服务方面的最新商业发展

  2. 随后介绍了该领域的初步标准活动

  3. 调查了使用能量收集硬件作为传统传感器的代理以节能方式检测环境的方法。

  4. 回顾了间歇供电的物联网设备在高效检查点和计时方面的进步。

  5. 还综述了用于EH-IoT的新型无线通信技术的最新研究（在不可预测的能源生产下应用强化学习来动态优化功率分配，以及在能源匮乏环境下的无分组物联网通信和后向散射通信技术。 ）。

对未来进行展望。

1. Introduction

对象：物联网设备，主要是小型便携式电子设备，由内部电源供电。

问题：battery maintenance 电池维护。为大量传感器供电是一个巨大挑战：1. 电池充电或者更换不便。2. 即使节流，也会降低效用。3. 电池有安全风险。4. 不环保。

解决：energy harvesting 能量收集，可以消除对电池的依赖。所以有了 无电池能量采集物联网 battery-less energy harvesting IoTs (or EH-IoTs)。

EH-IoTs的例子（商业）：wireless switches(kinetic energy),smart shoes(kinetic energy),smartwatches(kinetic,solar,thermal energy), energy meters(electromagnetic energy).

前期努力（标准化）：International Organization for Standardization (ISO) and the International Electrotechnical Commission (IEC) ：无线协议 wireless protocol,testing procedures.

当前挑战：harvest small amounts of power，dynamic and unpredictable. Unpredictability of power generation causes further challenges for reliably completing various computing tasks and optimizing power allocation for wireless communications.

Topic：How to optimize sensing, computing and communications for EH-IoTs

EH-IoT

2. EH-IoTs 的商业和标准发展

2.1 EH-IoTs 的系统架构：replace the battery by an energy harvesting module

EH-IoT系统架构

transducer转换器：将外界各种形式的能量转化为电能。当然，针对不同形式的外界能量或场景，需要使用对应的转换材料和技术。

DC-DC Converter：转换器获取能量是断断续续的，因此其输出的能量不稳定，需要通过升压器或者降压器稳定电压，这就是DC-DC的转换器。如果转换器输出了交流信号，AC，就需要一个整流器转换成DC。

电容器或充电电池：由于发电可能是非常动态和间歇性的，在使用之前通常需要将收集到的电力储存一段时间

除了转换器，其他部分构成了电源管理模块。

2.2 商业界和学术界的EH-IoTs

智能建筑：气流传感器，功率负载传感器（收集电线上的电磁，发射脉冲），水量传感器，家庭生活活动识别系统。 可穿戴设备： 工业/交替运输业 植入式医疗器械

2.3 标准化

  • 无线协议的标准化

由于收集的能量非常微弱，无法保证持续供应，wireless short packet(WSP) 使用最少的比特数来传输短消息，以提高成功传输机率。ISO和IEC制定了WSP的标准，其目标是智能家居应用。

介质访问控制（MAC）不再强制执行载波侦听或listen before talk(LBT)，取而代之的是在任何时候都可以直接在信道上传输（随机访问），随机访问有两个功能：1. 无接收器的设备也可以参与IoT；2. 即使有接收器，当无法同时为收发器供能时，可以选择关闭接收器。为了避免冲突，低占空比运行；高层重传。

针对物联网的能量效率和移动性问题：WSP提出了两种不同的调制方案：1. 调幅，能效高但对移动设备的效率低（天线阻抗变化，幅度线性度）；2. 调频，适用于移动设备，>800MHz

  • 能量采集转换器的测试方法的标准化：标准化方法为测试和评估特定类型的传感器提供了媒介。

EH-IoT的标准化

3. EH模式的环境感知

许多研究人员已经成功地通过重复使用动能、热电、太阳能和射频能量收集模式，成功地展示了对各种环境的检测。

能量收集器作为传感器

能量收集器除了可以给传感器供能外，还可以直接作为传感器来监测环境，这是一种新的模式，即EH模式。

在 EH 模式下， 从被采集的能量信号中检测环境（Context Sensing）主要有两种：

  1. 利用能量转换器采集到的瞬时功率。检测更丰富的环境，但是对波动的功率值进行更频繁的采样。

  2. 利用存储了一段时间的累积能量。牺牲环境感知的粒度，但是更节能。 EH模式下的两种环境检测方法

3.1 从 Kinetic EH 感知环境

  1. Human Activity Recognition（HAR）：不借助任何专业传感器，HAR可以以较高的准确率被识别，且和传统测量方式比，能耗更低。 AC voltage and accumulated capacitor voltage

  2. 交通运输模式识别：不同交通方式出行，设备的振动不同，由此可以感知个人正常出行的方式。

  3. 卡路里消耗的估算：。。。

。。。。。。

3.2 从 Thermoelectric EH 感知环境

3.3 从 Solar EH 感知环境

3.4 从 RF EH 感知环境

结论：

  1. Kinetic EH 研究的最多，最有希望取代传统的运动传感器，如加速计和陀螺仪。
  2. 将能量采集器作为传感器确实可以节能。
  3. 累计的能量信号用于环境检测更节能，但是检测精度低于瞬时信号。
  4. 能量收集器与专门的传感器相比不够精确，还需要进一步研究与开发。

4. 无电池 EH-IoTs 间歇计算

EH-IoTs 的电力供应是不确定的，RAM显然在掉电后会丢失数据，因此必须周期性地将易失性状态保存在非易失性存储器中，这一技术称为checkpointing。当电源恢复时，程序可以从最近保存的状态中重新开始。但是 checkpointing 效率低下，不能用于间歇计算。

4.1 间歇计算的挑战

  1. 能量开销：checkpointing 的能量开销情况取决于间隔时间，而且选择checkpointing的阶段也对开销有影响，例如，在函数调用后显然需要存储的变量比正在调用中少。

  2. Sisyphean execution：如果在下一次checkpointing前，能量已经耗尽，则下一次重启之后又是从上一次的checkpoint处重新开始运行，即导致roll-back。这使得效率很低。 Sisyphean loop and roll back

  3. 状态不一致：商用硬件一般将常用变量保存在RAM中，将其余变量保存在ROM中，因此当系统回滚到上一个checkpoint时候，RAM中的所有变量都会回滚到上一个checkpoint的值，但是ROM仍旧保留着新值。所以对于RAM来说，回滚后的非常用变量和ROM的新值不一致了。

  4. 时序不一致：大部分设备与时间紧密相关，只有当传感器断电时仍旧持续计时，才能保证计时正确。但是对于EH-IoT设备有很大难度。

4.2 检查点优化

4.2.1 检查点的放置与激活：指在编译时插入检查点，在运行时激活检查点进程（保存）。

在程序的不同阶段设置，会产生不同的开销（能量和内存），因为要保存的变量数量不同。检查点的设置既要考虑到剩余能量又要考虑到开销的问题。

Momentos的工作利用程序的Control Flow Graph，在每次循环结束后或者函数调用结束后设置潜在的检查点，并利用定时器定期测量电源电压并在需要时激活特定检查点。

HarvOS的工作在上面的基础上还利用从静态代码分析技术派生的内存分配技术来精确计算内存剩余量。

Idetic的工作进一步优化了检查点的放置，不仅考虑检查点开销，还考虑掉电后重新计算的能量开销。这是通过控制数据流图（CDFG）实现的，CDFG与CFG相比，还考虑了不同结构之间的数据流。Idetic随 后建立了一个优化问题，并通过动态规划推导出最优检查点。

实际上，可以估计剩余能量来确定是否激活检查点，$E=1 / 2 C V^{2}$ （C是电容，V是电容电压）可以用来估计所剩能量。通过设置阈值，只有低于阈值时才需要激活检查点。

一般来说，设置阈值具有挑战性。HarvOS提出是否激活检查点不仅取决于当前能量，还取决于最坏情况（接下来没有能量供应）下到达下一次检查点的能量。

4.2.2 运行时checkpointing

QUICKRECALL <107>，Hibernus <108>，Hibernus++ <109> 沿用了checkpoint的概念，但是不需要提前插入检查点。其基本思想是能量即将不足时才启动检查点程序，然后立刻休眠。否则，就不间断的执行程序，与4.2.1的方法类似，是否进行检查点基于当前可用电量与阈值。由于没有预先插入检查点，需要实时监测电容电压，能耗大。

因此，Hibernus and Hibernus++ 引入带有中断的ADC以降低轮询的功耗。Hibernus 通过离线仿真来确定阈值，为了避免保存过程中断电，他还设计了一个去耦电容，为检查点保存供电。

优点：1. 不需要推理出潜在检查点。2. checkpointing后即休眠，不存在数据不一致的问题。

缺点：1. 忽视了checkpointing的内存和能量开销，并非如其假设一样，越接近断电越好。2. 去耦电容尺寸固定且有限，电量可能不足。

4.2.3 基于任务的检查点

这一类型的工作将一个需要长时间运行的程序分解为一个个子任务，由此可以间歇地执行程序。为了解决数据一致性问题，引入了幂等(idempotency)的概念，幂等要求不存在读后写（write-after-read，WAR）的情况。（如果一个程序是幂等的，即使多次运行结果都是一致的）。

取决于任务的连接情况，有两种类型：

  1. 通过轻量级的checkpointings连接各任务，checkpointing在任务的边界执行。

  2. 执行只遵循任务流，任务间不需要checkpointing。Chain和Alpaca设计了一种新的编程模式，即程序由一个个任务单元（指令的集合）构成，任务通过控制流图连接。这样就不需要checkpointing，且消除了数据不一致的问题。具体来说，变量被定义为本地任务变量和全局任务变量，前者仅限于本任务使用，且存储在RAM中，而后者可以被其他任务使用，且存储在ROM中。由于任务是等幂的，且输入存储在ROM中，因此断电时产生相同的结果，从而保持数据一致。

4.2.4 看门狗检查点

当从上一个检查点或者任务边界再次执行时，会启动看门狗定时器，一旦定时器中断发生，它就会checkpointing，将未完成的代码分成多个较小的组，这是解决”Sysiphean”最好的办法。

4.3 跨电源故障计时

  1. SRAM和电容的剩磁衰减来估计时间，其基本原理都是SRAM和电容在切断电源后会缓慢掉电，根据重启后剩余电量就可以估计时间。
  2. 确定当前时间后，确定是继续执行之前任务还是启动新任务非常重要。可以引入 Mayfly 作为在间歇供电设备上运行的语言，Mayfly为每个任务设计了优先级、过期时间和收集的命令。当重启后，Mayfly首先估计从上次断电经过的时间并且更新本地系统时间，之后计算出之前数据的生命周期，如果数据过期，就丢弃数据并回滚到任务开头，否则继续执行。

4.4 总结

  1. 间歇且不可控的能量到达给EH-IoT中的设备程序执行带来了挑战，为了保证程序运行的正确性且高效性，需要能够适应间歇计算的新型程序执行模型。
  2. 传统的检查点机制无法或者低效处理电源故障，高级ADC中断或者幂等性分析被引入以优化检查点过程。最近已经设计出用于间歇计算的专用编程语言和执行模型，并显示出出色的能源效率。
  3. 断电后保持计算的时序一致性非常重要，例如传感器数据的新鲜度。然而当前计时只能跟踪一分钟的经过时间，新的技术需要被引入以解决长时间的能源匮乏情况。

5. EH-IoTs通信

5.1 能量收集通信研究分类

能量收集通信分类：

EH-Communication

所有的IoT无线通信可以根据信号波如何进行传输分为两类：generative radio和reflective radio。generative radio（生成无线电）要求发射器主动发射射频波来携带信息。与生成无线电相比，反射无线电通过调制和反射撞击其表面的射频波来传输数据。

生成无线电的研究有两种，主流的研究称为EH-optimized Transmission，其基于包传输，但是致力于优化作为当前信道和能量收集状态的函数的传输方案和包的能量。下表总结了不同网络环境下的这些优化研究。研究者一般考虑两种不同的优化方法——离线或在线，离线方法假设发射器对信道和能量到达过程完全了解，这可以通过凸优化求解。

不同网络环境下的优化方法

但是离线优化不太实用。另一方面在线优化不必知道信号或者能量到达的过程，其仅依靠当前可以观察到的信道和能量状态做出功率分配决策。如果底层系统模型的统计知识是已知的，则可以使用动态规划来求解优化问题。但是对于许多实际的物联网应用，很难在部署之前收集有关能量收集的统计数据，在这种情况下，强化学习可以非常有效地在线学习系统模型并推导出最优功率分配策略，而无需知道转移概率。

5.2 EH-IoT中基于强化学习的通信优化

强化学习EH-IoT总结 发现：点对点通信都是集中在发送端（Tx）处优化功率分配， 无线传感器网络（WSN）是用配备太阳能电池的无线传感器节点执行传感任务并将信息传输到远程服务器上。带有小型小区的蜂窝网络：基站处管理网络，例如用户访问控制，BS开关转换，资源分配等。无线信息和能量传输（WIPT）：WIPT允许发射器和接收器以时分方式交换能量和信息，为了实现最佳系统性能，时隙分配很重要。强化学习被使用来寻找最佳数据传输速率或者能量收集间隔。合作和认知网络：合作EH网络中，寻找Tx和中继的最佳功率分配策略，目的是最大化接收器的吞吐量。在认知网络中，次用户（SU）可以在每个时隙进行频谱感知（检测频谱是否空闲），信道探测（获取信道状态）或数据传输（需要配置传输功率），假设SU从周围环境收集的能量提供动力，可以基于强化学习来确定SU的动作，目标是最大化吞吐量。移动边缘计算（MEC）：在 (MEC) 系统中，终端物联网设备将数据卸载到边缘服务器，边缘服务器将其部分工作负载或预处理数据卸载到远程云。考虑到物联网设备和边缘服务器都可以从环境中获取能量的 EH MEC，强化学习已被应用于优化物联网设备和边缘服务器的卸载策略。

5.3 无数据包通信

无数据包传输是另一个设计范式，可以最大限度地减少生成无线电的能耗。基本思想是通过传输单个脉冲(或位)而不使用复杂的数据包头来传达对某些事件的检测。事实上，确实有这样的场景，传感器只需要传送给接入点一个二选一的事实，例如正常或者故障。

5.4 反射式无线通信

反射无线电（也称为backscattering）不必重新生成原始信号，因此节省了能源。但是具有很大挑战，其很大程度上取决于通信时撞击无线电波的有效性。如何有效地调制入射波以获得高数据速率是另一个主要的研究重点。其最早的研究是RFID，最近的趋势是利用超表面或智能反射表面（IRS），其中包含高密度的软件控制的微小反射单元，可以对其进行编程以动态控制反射波的幅度、相位和频率。

5.4.1 反射式无线电发展历程

物联网传感器的功耗主要集中在产生射频信号，而反射式无线电（反向散射无线电）简单地调制或者反射入射的射频信号来传递信息，因此功耗更低。反向散射技术的第一次大规模商用是以无电池RFID的形式。

  1. 但是RFID需要一个载波发射器（阅读器）近距离发射电磁波，以便RFID标签可以将电磁波反射回去。
  2. 标签只能使用与阅读器相同的无线电频率与阅读器通信。

基于上述限制，2013年左右，基本的反向散射技术演变为环境反向散射[22,163]，其反射信号源来自于环境中的射频信号，例如电视塔的射频，蜂窝基站和Wi-fi接入点。

  1. 因此，环境反向散射能够实现两个节点之间的直接通信，从而实现分布式通信网络。
  2. 另一个优点是它可以在电视、蜂窝等使用的许可频谱上搭载物联网数据，从而减轻频谱压力。

最近，一种被称为智能反射面（IRS）的新型反射无线电技术获得了广泛关注。IRS由2D元间的人造结构制成，这些元件的反射特性（折射，反射，吸收）可通过电子方式实时独立调整，也就是说当电磁波撞击IRS表面时，可以精确地以软件的方式控制反射波的相位，振幅和频率。其原理可以参考下图。 IRS原理 下图展示了IRS是如何减少无线传输能量成本的，可以分为两种方式： IRS部署的两种方式 第一种，IRS通过可编程性反射来调制反射信号，以提升EH-IoTs的环境反向散射通信的能力。第二种，IRS可以用于环境，例如覆盖在墙上，从而控制无线信道并在接收器处实现卓越的信噪比。因此，物联网发射器即使仍旧使用传统的生成无限波，可以减少传输功率，但不牺牲接收器的信噪比。 最后，对RFID,环境反向散射和IRS进行了比较： RFID,环境反向散射和IRS的比较

5.4.2 基于IRS无线通信的最新进展

  1. IRS的建模与分析：使用诸如光线跟踪等工具，研究人员开发了分析模型来研究不同部署设置和约束条件下IRS的理论容量界限

  2. 采用 IRS 的低复杂度和低能耗MIMO：MIMO技术虽然可以提升无线通信的频谱效率和能量效率，但是能耗大，硬件复杂度高，IRS通过提高MIMO的性能，最终减少MIMO的能耗和天线数量以实现在低功率下较高的MIMO增益。

  3. 带有IRS的环境反向散射：研究人员已经成功地设计了硬件电路和控制算法来实现IRS的环境后向散射。这些系统允许IRS表面对反射信号实现高级调制，例如正交相移键控(QPSK)和8PSK，以实现高数据速率的视频传输。

最近的研究进展

看了这些研究方向，感觉第二个Low-energy MIMO using IRS 方向比较感兴趣。接下来看看相关论文是如何实现的。

5.5 总结

  1. 在信道状态和能量到达的先验知识有限的实际场景中，基于强化学习的传输优化被证明是非常有效的。

  2. 无包通信已被证明能够有效地检测和监控某些类型的事件，并且功耗最低。然而，目前无包通信的应用还很有限，而且大多数工作都是从理论上进行的。在实现实用的无分组通信系统方面，这一领域存在着未来的研究机会。

  3. 反射无线电技术，尤其是基于IRS超表面的技术，在大幅降低EH-IoT的传输功率成本方面有很大潜力。

  4. 对于支持 IRS 的无线通信，研究者主要使用仿真模拟来解决各种优化问题，而实际的原型设计和实验很少。

6. 未来方向：

  1. 由于能源供应低且不可预测，与传统的电池供电物联网相比，EH-IoT 更容易受到安全攻击。例如，由于 EH-IoT 可能会暂停在安全通信协议的中间，因此它开辟了新的攻击范围，例如对与 EH-IoT 设备通信的网关的 DoS 攻击。由于低功率要求，反向散射被认为是 EH-IoT 的一种有吸引力的通信选项。然而，被动操作使反向散射通信容易受到各种安全威胁，如窃听和干扰 [22]。虽然大多数安全攻击可以通过加密有效解决，但共享密钥的开销使它们对必须以最少能源供应运行的 EH-IoT 构成挑战。未来的研究方向可能是利用能量收集信号以最小的功耗动态生成密钥。例如，在 [199] 中，最近证明了人类心跳产生的微小振动可以通过基于压电的可穿戴 KEH 进行测量，而后者又可用于为同一用户佩戴的两个物联网生成对称密钥（两者都是设备受到相同的心跳）。然而，来自太阳能电池的光电流等 EH 信号是否也可用于非可穿戴物联网的密钥生成仍有待探索。
  2. 尽管基于 IRS 的环境反向散射通信已成功实现，以实现数 Mbps 的数据速率 [167]、[183]​​，但这些工作只是在没有利用 IRS 的完整可编程性的情况下验证该概念的初步尝试。具体来说，每个IRS元件的反射特性原则上可以独立控制，而目前的实验只是用相同的电压控制表面上的所有元件，从而失去了许多调制自由度。因此，需要更先进的电路和算法来单独优化控制所有元件。此类优化解决起来可能非常复杂，因此基于强化学习或深度学习的 IRS 控制设计可能是未来有希望的方向。 IRS 的概念允许操纵反射信号的幅度、频率和相位，而现有研究仅调制相位。因此，未来的方向将是探索更先进的高阶调制方案，如 QAM（正交幅度调制）和 OFDM。最后但并非最不重要的一点是，更大规模的 IRS 部署和来自此类部署的数据收集/分析将是一个重要的未来方向，可以真正了解这项新兴技术的实际好处。
  • [22]:N. Van Huynh, D. T. Hoang, X. Lu, D. Niyato, P. Wang, and D. I. Kim, “Ambient backscatter communications: A contemporary survey,” IEEE Commun. Surveys Tuts., vol. 20, no. 4, pp. $2889-2922,4$ th Quart., 2018 .
  • [107]:H. Jayakumar, A. Raha, and V. Raghunathan, “QUICKRECALL: A low overhead HW/SW approach for enabling computations across power cycles in transiently powered computers,” in Proc. 27 th Int. Conf. VLSI Design 13th Int. Conf. Embedded Syst., 2014, pp. 330-335.
  • [108]:D. Balsamo, A. S. Weddell, G. V. Merrett, B. M. Al-Hashimi, D. Brunelli, and L. Benini, “Hibernus: Sustaining computation during intermittent supply for energy-harvesting systems,” IEEE Embedded Syst. Lett., vol. 7, no. 1, pp. 15-18, Mar. $2015 .$
  • [109]:D. Balsamo et al., “Hibernus++: A self-calibrating and adaptive system for transiently-powered embedded devices,” IEEE Trans. Comput.Aided Design Integr. Circuits Syst., vol. 35, no. 12, pp. 1968-1980, 2016
  • [163]:G. Wang, F. Gao, R. Fan, and C. Tellambura, “Ambient backscatter communication systems: Detection and performance analysis,” IEEE Trans. Commun., vol. 64, no. 11, pp. 4836-4846, Nov. $2016 .$
  • [167]:W. Tang $e t$ al., “Wireless communications with programmable metasurface: Transceiver design and experimental results,” China Commun., vol. 16, no. 5, pp. 46-61, 2019 .
  • [183]:W. Tang et al., “Programmable metasurface-based RF chain-free 8PSK wireless transmitter,” Electron. Lett., vol. 55, no. 7, pp. 417-420, $2019 .$
  • [199]:Q. Lin et al., “H2B: Heartbeat-based secret key generation using piezo vibration sensors,” in Proc. 18 th Int. Conf. Inf. Process. Sensor Netw., 2019, pp. 265-276.
CATALOG
    FEATURED TAGS
    笔记 科研 MEC 总结 讨论 随笔 EH-IoTs
    FRIENDS