1. EH-IoTs
EH-IoTs：无电池能量采集物联网。
为什么：1. 带电池设备难以维护；2. 环保问题；3.安全问题。
EH-IoTs 的当前挑战（大的方面）：1. 收集的能量很微弱，难以支持各种中高能耗的任务；2. 不可预测性，断电，导致计算，优化资源分配这些任务都不再可靠。
概括：怎样优化 EH-IoTs 的感知，计算和通信。
这篇survey主要回顾了上图的四个关键点。
2. 商业化和标准化进展
第一个是当前已经完成的一些商业化产品，如植入式医疗器械，气流传感器等。还有一些是标准化进程，包括无线协议的标准化，能量感知的标准化测试程序。
3. 环境感知。
第二个是环境感知。上图是EH-IoTs的系统架构。环境感知就是对应系统架构里的能量收集模块。收集的主要是四种能量：动能、热能、太阳能、电磁能。Important：EH 模式（Energy Harvesters as Sensors）。EH-模式就是能量收集器除了供能之外，还可以作为传感器来监测环境。
例如，动能驱动的可穿戴设备能够检测和计算用户的步数，因为能量收集器在每次双腿着地时都会在能量收集信号中产生可区分的峰值，由此既收集了能量，又检测了用户的步数，这就是Energy Harvesters as Sensors。通过一能两用的方式，进一步节省了能量，而且有利于设计更简单，更紧凑的硬件。
在EH模式下，从被收集的能量信号中检测环境也有两种方式：1. 利用瞬时能量检测，耗能，但丰富；2.利用累积能量检测，节能，但牺牲环境感知粒度。
4. 间歇计算
Why:EH-IoTs 的能量供应是不确定的，易失性存储器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。当电能恢复时，程序可以从最近保存的状态中重新开始。但是 checkpointing 效率低下，不能直接用于间歇计算。
Challenge：能量开销；Sisyphean execution；状态不一致；时序不一致。
Solving Direction：1. 检查点的预置与激活；2. 能量不足时checkpointing，之后立刻休眠。3. 基于任务流的编程方式。4. 看门狗checkpointing，引入定时器中断。5. 断电重启后确定设备当前时间，保证当前时间与世界时间一致非常重要。现有的方法包括：SRAM和电容的剩磁衰减来估计时间。
5. EH-IoTs通信
关于EH-IoTs的通信主要分为生成无线电和反射无线电，生成无线电要求发射器主动发射射频信号来携带信息，而反射无线电通过调制并反射入射到表面的射频波来传输数据。
生成无线电的研究主要有EH-optimized Transmission和Packet-less Communication，第一种是主流，其基于包传输，Objective：致力于根据当前信道和能量收集状态来优化功率分配和传输方案，优化方法：一般是通过离线（凸优化）或在线学习（动态规划或强化学习）的方法来优化。
后一种研究：无数据包通信，可以最大限度地减少生成无线电的能耗。基本思想：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。
反射式无线通信：反射式无线通信由于不需要主动发射射频信号，因此可以节省大量能量。反射式无线通信从RFID发展到环境反向散射技术，最后发展了智能反射面（IRS）。IRS的元件的反射特性可通过电子方式实时独立调整，也就是说可以精确地以软件的方式控制反射波的相位，振幅和频率。IRS是如何减少无线传输能量成本的，主要可以分为两种方式：
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。
当前基于IRS无线通信的最新进展：
-
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
-
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。
-
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。
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。接下来先了解一下IRS实现的原理 “Intelligent Reflecting Surface-Aided Wireless Communications: A Tutorial”，之后再看看相关论文是如何实现的。
这篇survey提出了许多未来方向，我觉得和backscatter有关系的主要有两个：
-
安全攻击：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。 -
单独优化控制所有元件和更先进的高阶调制方案：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。
6. 讨论结果
-
计算建模：下一步了解间歇计算里面的能量开销的问题（比如，能量开销取决于间隔时间，但是间隔太大会导致sisyphean execution，太小会导致能量开销过大）是如何建模的，从定性到定量。
-
通信建模：了解通信中的 EH-Optimized Transmission 是如何建模的，
高级任务：了解清楚为什么要使用强化学习和凸优化等工具，何时用这些工具。 -
了解反射式无线电的挑战和如何建模的。
-
新的话题：通信和计算耦合的情况下如何建模。
-
每天知道自己在干什么，要干什么，做了什么。
7. 感悟
入门一个新的topic方法：
-
先看一篇综述或者survey，主要看这个topic底下有哪些问题，为什么会有这些问题，每个问题的挑战，解决方法可以分为哪些类型，理清楚脉络。
-
针对提到的所有问题各自的解决方法的类型，看一篇技术文档（最好期刊），了解是如何建模的，以及如何将物理模型数学化的。这样一来，就对这个话题比较清楚了，既知道了整个脉络，也知道了每个问题的细节。
-
接下来就是针对某个问题不断深究了，后面继续更新。
