To sustain communication reliability and use the harvested energy effectively, it is crucial to consider energy sharing between energy harvesting tags (EHT) in a multiple access network, which are basic building blocks for the internet of things (IoT) applications. This technique also achieves higher throughput compared with the non-cooperative strategies despite energy losses occurred during energy transfer. We propose an energy cooperative communication strategy for a multiple access network of tags that depends on the harvested battery energy. We develop an optimal transmission policy for EHTs that maximizes the long-term joint average throughput using a Markov decision process (MDP) model. Simulation results show that the proposed energy cooperative policy produces improved performance than traditional policies.


翻译:为了保持通信的可靠性和有效利用所收获的能源,关键是要考虑在多个接入网络中能源收获标签(EHT)之间的能源共享,这是物联网应用(IoT)的基本构件;尽管能源转让期间能源损失,但这一技术也比非合作战略实现了更高的吞吐量;我们为依赖所收获电池能源的多重接入标签网络提出了一个能源合作通信战略;我们为EHT制定了最佳传输政策,利用Markov决定程序模型最大限度地实现长期联合平均吞吐量;模拟结果显示,拟议的能源合作政策比传统政策产生更好的效果。

0
下载
关闭预览

相关内容

Networking:IFIP International Conferences on Networking。 Explanation:国际网络会议。 Publisher:IFIP。 SIT: http://dblp.uni-trier.de/db/conf/networking/index.html
专知会员服务
27+阅读 · 2021年9月17日
专知会员服务
50+阅读 · 2021年6月30日
最新【深度生成模型】Deep Generative Models,104页ppt
专知会员服务
69+阅读 · 2020年10月24日
Gartner:2020年十大战略性技术趋势, 47页pdf
专知会员服务
76+阅读 · 2020年3月10日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
计算机类 | PLDI 2020等国际会议信息6条
Call4Papers
3+阅读 · 2019年7月8日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Arxiv
4+阅读 · 2021年10月19日
Meta-Learning with Implicit Gradients
Arxiv
13+阅读 · 2019年9月10日
Deep Learning for Energy Markets
Arxiv
9+阅读 · 2019年4月10日
Arxiv
5+阅读 · 2018年5月1日
Arxiv
10+阅读 · 2018年3月23日
Arxiv
5+阅读 · 2018年1月30日
VIP会员
相关资讯
计算机类 | PLDI 2020等国际会议信息6条
Call4Papers
3+阅读 · 2019年7月8日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
相关论文
Arxiv
4+阅读 · 2021年10月19日
Meta-Learning with Implicit Gradients
Arxiv
13+阅读 · 2019年9月10日
Deep Learning for Energy Markets
Arxiv
9+阅读 · 2019年4月10日
Arxiv
5+阅读 · 2018年5月1日
Arxiv
10+阅读 · 2018年3月23日
Arxiv
5+阅读 · 2018年1月30日
Top
微信扫码咨询专知VIP会员