无线充电网络的点过程建模与资源优化利用

Wireless energy charging enables contactless energy transfer in the open air, which can be a fundamental technique to provide perpetual energy supply to wireless systems such as Internet of Things (IoT) networks and mobile networks. In such a network with wireless energy charging, it is critical to efficiently utilize wireless energy as well as channel and node resources. In this work, we consider the wireless energy charging network as a stochastic system. A point process approach is applied to mathematically model the node distribution and mobility patterns in the network studied. When modeling the point process, we particularly focus on the interactions between network nodes, and aim to model the interaction relation with a proper point process. Based on the mathematical model of the network, we apply a Markov decision process (MDP) method to analyze and obtain optimal decision-making policies for the nodes to utilize network resources. By proposing optimal resource utilization methods, we consider possible malicious nodes attacking wireless energy charging process by charging from the air without any forms of payment. We propose a mechanism to eliminate the impact of such malicious nodes to the efficiency of resource utilization. Finally, for the purpose of implementing the theoretical model to actual wireless systems, we estimate parameters of the proposed point process and MDP based optimization model by learning from historical data sets of actual mobile networks. By fitting the model with actual data, the proposed theoretical model can be potentially applied to practical wireless energy charging networks.

无线充电技术以电磁波为载体向空间中以非接触的形式发射能量，可被应用于物联网、移动网络等系统中能量的持久供应。如何对网络中的无线充电能量与信息资源进行合理利用是重要的研究问题。由于无线充电网络可被认为是一个随机系统，本课题使用点过程方法对网络进行抽象建模，并特别考虑到网络节点间的交互关系，从而建立描述无线充电网络中节点空间分布与运动特性的数学模型。基于所建立的数学模型，本课题采用Markov决策过程分析网络中能量与信息传输的策略，以达到节点对网络资源的优化利用。在分析资源优化利用策略时，本课题根据无线充电传输过程不可加密特性，考虑并提出机制用于消除节点对电能的窃取导致资源利用效率的降低。为了实现数学模型和资源优化利用方法在实际系统中的应用，本课题通过统计与学习实际的移动与分布式系统数据集，对点过程和Markov决策过程的重要输入参数进行估计，使得本课题所提出的理论模型具备现实意义。

无线充电技术，为无线网络中节点的持久性运行提供了能量供应，可以被广泛应用于物联网、无线传感器网络等系统中的能量供应与管理。在存在多种无线充电技术的异质无线网络中，如何对能量与通信资源进行有效合理的利用是一项重要的研究问题。本研究首先研究无线充电网络中节点的运动特性，采用Markov决策过程优化网络节点的能量与信息传输策略，以达到节点期望效用的最大化目标。随后，本研究考虑了网络节点间相互关系，包括节点对其它节点产生的正向或负向的性能影响，使用了外部性理论定量的对该类相互影响进行了建模，并使用Stackelberg博弈模型分析了在此类系统中网络节点的均衡点与最优的竞争策略。最后，针对实际场景中系统状态的不确定性与状态空间的潜在数量，本研究使用深度强化学习方法，分析了可无线充电无人机系统的信息传递算法，提出了实际场景中面向大规模网络资源分配的资源软件化、资源服务化和处理方法，避免了因为实际问题规模增加所带来的算法失效问题。