Radio Frequency Energy Harvesting and Management for Wireless Sensor Networks Adamu Murtala Zungeru, Li-Minn Ang, SRS. Prabaharan, Kah Phooi Seng

 Problema: baterias, dificil acceso 

El paper "Radio Frequency Energy Harvesting and Management for Wireless Sensor Networks" explica varios conceptos teóricos y complementarios relacionados con Wireless Power Transfer (WPT) y Energy Harvesting (EH). Aquí te los resumo:

1. Radio Frequency (RF) Energy Harvesting: Es el proceso de captar energía de las ondas electromagnéticas emitidas por fuentes de alta frecuencia, como señales de radio, torres de telefonía móvil, o redes de radio inalámbricas. Esta energía es convertida en voltaje de corriente continua utilizable, un concepto clave en EH.

2. Fuentes de Energía Ambiental:

   • Energía Radiante: Incluye RF, energía solar y microondas. Estas fuentes tienen aplicaciones específicas en redes de sensores inalámbricos (WSNs), siendo una de las más importantes la energía de RF.

   • Clasificación de Fuentes de Energía: Se describen tres tipos de fuentes ambientales para la recolección de energía: intencional, anticipada y desconocida. El trabajo se centra principalmente en la energía intencional, usando el Powercast harvester.

3. Powercast Harvesters: Se trata de dispositivos que capturan y convierten energía de RF en energía DC para alimentar nodos sin baterías o con baterías recargables. Estos módulos pueden trabajar en rangos de frecuencia de 850 a 950 MHz y tienen aplicaciones en sistemas como RFID y dispositivos sin batería.

4. Estrategias de Gestión de Energía:

   • Algoritmo de Enrutamiento Basado en Hormigas (Ant Colony Optimization): En la gestión de energía de WSN, se utilizan algoritmos de optimización basados en el comportamiento de las colonias de hormigas. Este enfoque es utilizado para seleccionar caminos de enrutamiento que maximicen la eficiencia energética y la duración de la red, lo cual es crucial en entornos de energía limitada.

   • Mejoras del Algoritmo de Enrutamiento Ant Colony: En el trabajo se propone un algoritmo de enrutamiento eficiente basado en hormigas (EEABR), que optimiza el consumo de energía en redes de sensores inalámbricos al tener en cuenta la energía disponible de cada nodo y evitando rutas que agoten rápidamente los recursos energéticos de la red.

5. Tecnologías Complementarias de Recolección de Energía:

   • Fuentes de Energía Solar y Mecánica: Además de la recolección de energía RF, el paper también menciona fuentes de energía solar, térmica y mecánica como parte de la investigación en redes de sensores inalámbricos.

   • Eficiencia en la Recolección de Energía: Se discute la eficiencia de distintas técnicas de recolección de energía, como los paneles solares, generadores piezoeléctricos, y transductores acústicos, y se comparan sus rendimientos en diferentes condiciones.

6. Simulaciones y Resultados Experimentales: Se incluyen simulaciones y experimentos con diferentes configuraciones de antenas (dipolo y parche) y el uso de Powercast TX91501 Powercaster Transmitter para generar energía RF, con el objetivo de evaluar la eficiencia y el tiempo necesario para recargar dispositivos como Waspmote usando las tecnologías de recolección de energía.

En resumen, el paper ofrece una perspectiva amplia sobre la recolección de energía mediante RF, especialmente en redes de sensores inalámbricos, y expone cómo las técnicas de optimización como el enrutamiento basado en hormigas pueden mejorar la eficiencia energética de estos sistemas.

En el algoritmo mejorado de enrutamiento basado en hormigas (IEEABR), la idea principal es utilizar un enfoque probabilístico para seleccionar las rutas más eficientes y reducir el consumo energético. A continuación, te explico cómo funciona este algoritmo dentro del contexto de las redes de sensores inalámbricos:

1. Comportamiento de las hormigas: Las hormigas virtuales (o "hormigas de datos") viajan desde un nodo fuente hasta un nodo de destino (sink), buscando la ruta óptima. Durante este recorrido, las hormigas dejan una traza de feromonas virtual que indica qué caminos han recorrido, y los otros nodos pueden seguir esta traza al elegir su ruta.

2. Inicialización de la tabla de enrutamiento: En el algoritmo IEEABR, la tabla de enrutamiento se inicializa con una distribución de probabilidades uniforme, lo que significa que inicialmente todos los nodos tienen la misma probabilidad de ser seleccionados como parte de la ruta.

3. Optimización de la ruta hacia el nodo de destino: A medida que las hormigas avanzan en la red, se les da más probabilidad de elegir nodos cercanos al destino (sink). Esta optimización busca reducir el tiempo y la energía que las hormigas (y, por ende, los datos) tardan en llegar al destino.

4. Selección de la mejor ruta: Las hormigas "aprenden" de las rutas recorridas anteriormente mediante el uso de feromonas. Cuanto más energía se consume en una ruta, menos probable es que las hormigas elijan esa ruta. Las rutas con menor consumo de energía y mayor eficiencia se van reforzando con más feromonas, haciendo que sean preferidas por las hormigas futuras.

5. Reducción del consumo de energía: Uno de los aspectos clave de este algoritmo es que, al considerar la energía residual de cada nodo en la red y evitar que los nodos con poca energía sean seleccionados repetidamente, el algoritmo ayuda a distribuir el consumo de energía de manera más equitativa. Esto extiende la vida útil de la red al evitar el agotamiento prematuro de algunos nodos.

6. Optimización dinámica: El algoritmo se adapta continuamente en función de las condiciones cambiantes de la red, como la disponibilidad de energía en los nodos y las fluctuaciones en la intensidad de la señal. De esta manera, las rutas no siempre son fijas, sino que el sistema ajusta dinámicamente las decisiones de enrutamiento basándose en la energía restante de cada nodo y la cantidad de tráfico que se genera en la red.