We apply a fluid-reservoir model to study the Age-of-Information (AoI) of update packets through energy-harvesting transmitters. The model is closer to how energy is stored and depleted in reality, and can reveal the system behavior for different settings of packet arrival rates, service rates, and energy charging and depletion rates. We present detailed results for both finite and infinite transmitter buffers and an infinite energy reservoir, and some indicative results for a finite reservoir. The results are derived for the mean AoI in the case of an infinite transmitter buffer and an infinite reservoir, and for the mean peak AoI for the remaining cases. The results show that, similar to a system without energy constraints, the transmitter buffer should be kept to a minimum in order to avoid queueing delays and maintain freshness of updates. Furthermore, a high update packet rate is only helpful in energy-rich regimes, whereas in energy-poor regimes more frequent updates deplete the energy reservoir and result in higher AoI values.


翻译:我们运用一个流体储量模型来研究通过能源收获发射机更新信息包的年龄(AoI)模型,该模型更接近于能源在现实中如何储存和耗竭,并能够揭示包运到速率、服务率、能源充电率和耗竭率等不同环境的系统行为。我们提出了有限和无限发射缓冲和无限能源储量的详细结果,以及有限储量的一些指示性结果。结果来自无穷无尽的发射缓冲和无限储油层的平均值AoI,以及剩余情况下的平均顶峰AoI。结果显示,与无能源限制的系统一样,发射机缓冲应保持在最低水平,以避免排队延误,保持更新的新鲜性。此外,高更新的包速率只会对能源富饶制度有所帮助,而在能源贫乏制度中,更频繁的更新会耗尽能源储量,并导致高值的AoI。

0
下载
关闭预览

相关内容

专知会员服务
37+阅读 · 2021年6月3日
深度学习图像检索(CBIR): 十年之大综述
专知会员服务
46+阅读 · 2020年12月5日
【论文推荐】文本摘要简述
专知会员服务
68+阅读 · 2020年7月20日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
110+阅读 · 2020年5月15日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
笔记 | Sentiment Analysis
黑龙江大学自然语言处理实验室
10+阅读 · 2018年5月6日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
深度学习医学图像分析文献集
机器学习研究会
18+阅读 · 2017年10月13日
【推荐】GAN架构入门综述(资源汇总)
机器学习研究会
10+阅读 · 2017年9月3日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年11月17日
Arxiv
0+阅读 · 2021年11月16日
Generating Fact Checking Explanations
Arxiv
9+阅读 · 2020年4月13日
Arxiv
3+阅读 · 2018年10月8日
Arxiv
3+阅读 · 2018年3月14日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
笔记 | Sentiment Analysis
黑龙江大学自然语言处理实验室
10+阅读 · 2018年5月6日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
深度学习医学图像分析文献集
机器学习研究会
18+阅读 · 2017年10月13日
【推荐】GAN架构入门综述(资源汇总)
机器学习研究会
10+阅读 · 2017年9月3日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员