Compression vs Transmission Tradeoffs for Energy Harvesting Sensor Networks

The operation of Energy Harvesting Wireless Sensor Networks (EHWSNs) is a very lively area of research. This is due to the increasing inclination toward green systems, in order to reduce the energy consumption of human activities at large and to the desire of designing networks that can last unattended indefinitely (see, e.g., the nodes employed in Wireless Sensor Networks, WSNs). Notably, despite recent technological advances, batteries are expected to last for less than ten years for many applications and their replacement is often prohibitively expensive. This problem is particularly severe for urban sensing applications, think of, e.g., sensors placed below the street level to sense the presence of cars in parking lots, where the installation of new power cables is impractical. Other examples include body sensor networks or WSNs deployed in remote geographic areas. In contrast, EHWNs powered by energy scavenging devices (renewable power) provide potentially maintenance-free perpetual network operation, which is particularly appealing, especially for highly pervasive Internet of Things. Lossy temporal compression has been widely recognized as key for Energy Constrained Wireless Sensor Networks (WSN), where the imperfect reconstruction of the signal is often acceptable at the data collector, subject to some maximum error tolerance. The first part of this thesis deals with the evaluation of a number of lossy compression methods from the literature, and the analysis of their performance in terms of compression efficiency, computational complexity and energy consumption. Specifically, as a first step, a performance evaluation of existing and new compression schemes, considering linear, autoregressive, FFT-/DCT- and Wavelet-based models is carried out, by looking at their performance as a function of relevant signal statistics. After that, closed form expressions for their overall energy consumption and signal representation accuracy are obtained through numerical fittings. Lastly, the benefits that lossy compression methods bring about in interference-limited multi-hop networks are evaluated. In this scenario the channel access is a source of inefficiency due to collisions and transmission scheduling. The results reveal that the DCT-based schemes are the best option in terms of compression efficiency but are inefficient in terms of energy consumption. Instead, linear methods lead to substantial savings in terms of energy expenditure by, at the same time, leading to satisfactory compression ratios, reduced network delay and increased reliability performance. The subsequent part of the thesis copes with the problem of energy management for EHWSNs where sensor batteries are recharged via the energy harvested through a solar panel and sensors can choose to compress data before transmission. A scenario where a single node communicates with a single receiver is considered. The task of the node is to periodically sense some physical signal and report the measurements to the receiver (sink). We assume that this task is delay tolerant, i.e., the sensor can store a certain number of measurements in the memory buffer and send one or more packets of data after some time. Since most physical signals exhibit strong temporal correlation, the data in the buffer can often be compressed by means of a lossy compression method in order to reduce the amount of data to be sent. Lossy compression schemes allow us to select the compression ratio and trade some accuracy in the data reconstruction at the receiver for more energy savings at the transmitter. Specifically, our objective is to obtain the policy, i.e., the set of decision rules that describe the node behavior, that jointly maximizes throughput and reconstruction fidelity at the sink while meeting some predefined energy constraints, e.g., the battery charge level should never go below a guard threshold. To obtain this policy, the system is modeled as a Constrained Markov Decision Process (CMDP), and solved through Lagrangian Relaxation and Value Iteration Algorithm. The optimal policies are then compared with heuristic policies in different energy budget scenarios. Moreover the impact of the delay on the knowledge of the Channel State Information is investigated. Two more parts of this thesis deal with the development of models for the generation of space-time correlated signals and for the description of the energy harvested by outdoor photovoltaic panels. The former are very useful to prove the effectiveness of the proposed data gathering solutions as they can be used in the design of accurate simulation tools for WSNs. In addition, they can also be considered as reference models to prove theoretical results for data gathering or compression algorithms. The latter are especially useful in the investigation and in the optimization of EHWSNs. These models will be presented at the beginning and then intensively used for the analysis and the performance evaluation of the schemes that are treated in the remainder of the thesis.

Quello delle Energy Harvesting Wireless Sensor Networks (EHWSNs) è attualmente un campo di ricerca molto attivo. Ciò ò principalmente dovuto al crescente interesse dimostrato verso i sistemi "green", con l'obiettivo di ridurre il consumo energetico delle attività umane in generale e il desiderio di progettare reti autosufficienti che possono durare indefinitamente (si pensi, ad esempio, ai nodi impiegati in reti di sensori wireless , WSNs). In particolare, nonostante i recenti progressi tecnologici, per molte applicazioni le batterie si dimostrano durare meno di dieci anni e il costo per la loro sostituzione è spesso proibitivo. Questo problema è particolarmente grave per le applicazioni di rilevamento urbano, si pensi ad esempio ad uno scenario in cui dei sensori sono posizionati al di sotto del manto stradale per il rilevamento della presenza di auto nei parcheggi, dove l'installazione di nuovi cavi di alimentazione o la sostituizione delle batterie non sono praticabili . Altri esempi includono le "body sensor networks" o le reti di sensori distribuite in aree geografiche remote o inaccessibili. Al contrario, EHWSNs alimentate da dispositivi di energy scavenging (energia rinnovabile) possono dare vita a reti perpetue e potenzialmente esenti da manutenzione, che sono particolarmente attraenti, soprattutto per il nuovo concetto altamente pervasivo di Internet of Things. La compressione temporale con perdite (lossy temporal compression) è ampiamente riconosciuta come componente fondamentale per il funzionamento delle reti di sensori con energia limitata, dove la ricostruzione imperfetta del segnale al punto di raccolta è spesso accettabile, fino ad un certo limite massimo sulla tolleranza di errore. Una parte di questa tesi tratta la valutazione prestazionale di un significativo numero di metodi di compressione con perdita tratti dalla letteratura, e l'analisi delle loro prestazioni in termini di efficienza di compressione, complessità computazionale e consumo energetico. In dettaglio, come primo passo, viene proposta una valutazione delle prestazioni di sistemi di compressione esistenti e nuovi, tra cui: modelli lineari, autoregressivi, basati su FFT/DCT e Wavelet, individuando le loro prestazioni in funzione delle statistiche dei segnali rilevanti. Dopo di che, attraverso interpolazione numerica, verranno derivate delle espressioni in forma chiusa per il consumo globale di energia e la precisione di rappresentazione del segnale. Infine, verranno valutati i benefici che i metodi di compressione con perdita possono portare in reti multi-hop con interferenze limitate. In questo scenario il canale di accesso diventa fonte di inefficienza attraverso collisioni e metodo di accesso al mezzo. I risultati rivelano che le tecniche basate su DCT sono la scelta migliore in termini di efficienza di compressione, ma non risultano efficienti in termini di consumo energetico. Al contrario, metodi lineari possono dar luce a notevoli risparmi in termini di dispendio energetico, e al tempo stesso, portare a rapporti di compressione soddisfacenti, ritardi di rete ridotti e migliore affidabilità. La parte successiva di questa tesi affronta il problema della gestione energetica per EHWSNs nelle quali le batterie dei nodi sensore vengono ricaricate attraverso l'energia raccolta da un pannello solare e sensori possono scegliere di comprimere i dati prima della trasmissione. A tal fine viene considerato uno scenario in cui un singolo nodo comunica con un singolo ricevitore. L'attività del nodo è quella di campionare periodicamente qualche segnale fisico e riportare le misurazioni al ricevitore (sink). Tale attività viene assunta essere tollerante al ritardo, ovvero, il sensore può memorizzare un certo numero di misurazioni nel buffer di memoria e inviare uno o più pacchetti di dati aggregati dopo un certo tempo. Poichè la maggior parte dei segnali fisici manifestano una forte correlazione temporale, i dati nel buffer possono eventualmente essere compressi mediante un metodo di compressione con perdita al fine di ridurre la quantità di dati da inviare. Attraverso metodi di compressione con perdita di dati che permettono di selezionare il rapporto di compressione è possibile scambiare un po' di accuratezza nella ricostruzione dei dati al ricevitore per ottenere maggiori risparmi di energia al trasmettitore. In dettaglio, l'obiettivo di questa parte della tesi è quello di ottenere la politica, cioè l'insieme di regole decisionali che descrivono il comportamento del nodo sensore, che massimizza il throughput unitamente alla fedeltà di ricostruzione al punto di raccolta soddisfacendo al tempo stesso alcuni vincoli energetici predefiniti, ad esempio, il livello di carica della batteria non deve mai scendere al di sotto di una soglia di guardia. Per ottenere la politica ottima, il sistema verrà modellato attraverso un Processo Decisonale di Markov Vincolato (Constrained Markov Decision Process, CMDP), e risolto attraverso il rilassamento lagrangiano e l'algoritmo di Value Iteration. Le politiche ottimali verranno poi confrontate con alcune politiche euristiche in diversi scenari di bilancio energetico. Verrà inoltre studiato l'impatto del ritardo sulla conoscenza dello stato del canale. Due ulteriori parti di questa tesi riguardano lo sviluppo di modelli per la generazione di segnali correlati nello spazio e nel tempo, e per la descrizione statistica dell'energia raccolta da pannelli fotovoltaici esterni. I primi sono utili per testare l'efficacia di algoritmi di raccolta dati e possono venire impiegati nella progettazione di accurati strumenti di simulazione per reti di sensori. Inoltre possono venire impiegati come modelli di riferimento per dimostrare risultati teorici per algoritmi di raccolta dati o di compressione. Gli ultimi sono particolarmente utili per lo studio e l'ottimizzazione delle EHWSNs. Entrambi i modelli verranno introdotti nella parte iniziale della tesi e successivamente utilizzati per tutto il corpo centrale della stessa.