The collaborative charging issue in Wireless Rechargeable Sensor Networks (WRSNs) is a popular research problem. With the help of wireless power transfer technology, electrical energy can be transferred from wireless charging vehicles (WCVs) to sensors, providing a new paradigm to prolong network lifetime. Existing techniques on collaborative charging usually take the periodical and deterministic approach, but neglect influences of non-deterministic factors such as topological changes and node failures, making them unsuitable for large-scale WRSNs. In this paper, we develop a temporal-spatial charging scheduling algorithm, namely TSCA, for the on-demand charging architecture. We aim to minimize the number of dead nodes while maximizing energy efficiency to prolong network lifetime. First, after gathering charging requests, a WCV will compute a feasible movement solution. A basic path planning algorithm is then introduced to adjust the charging order for better efficiency. Furthermore, optimizations are made in a global level. Then, a node deletion algorithm is developed to remove low efficient charging nodes. Lastly, a node insertion algorithm is executed to avoid the death of abandoned nodes. Extensive simulations show that, compared with state-of-the-art charging scheduling algorithms, our scheme can achieve promising performance in charging throughput, charging efficiency, and other performance metrics.

RF sensing has attracted a tremendous amount of attention and achieved promising progress in applications such as human gesture recognition and vital sign monitoring. This paper delves into sensing the moisture level of fabrics---an important metric for smart clothing, wound care, and textile manufacturing. We present TMSense, an innovative contact-free fabric moisture measurement system that leverages UWB signals for sensing. We introduce a set of signal processing methods to tackle the challenge of weak fabric reflections that can be easily overwhelmed by noise interference. Additionally, we adopt a model-driven approach to get rid of reliance on extensive datasets. By exploiting the changes in the dielectric properties induced by moisture in textile fabrics, we establish a theoretical model that bridges the characteristics of the RF signal with the moisture content. Based on this model, we successfully eliminate interfering factors such as target-device distance and target attributes through delicate signal processing and parameter calibration. Comprehensive experiments conducted under various conditions, including different materials, sample forms, and parameter settings, demonstrate an impressively low median error of 1.4% on textile moisture measurements, outperforming commodity moisture sensors on the market.

Underwater positioning plays a key role in many underwater operations. This paper presents the design, implementation, and evaluation of UWBeacon, a centimeter-level visible light-based underwater positioning system. UWBeacon consists of LED beacons as the light signal transmitter and a camera-based receiver as the target. To address unique challenges in underwater environment such as limited visibility and strong ambient interference, we exploit a novel design that utilizes polarized lights of different colors with different polarization angles for background subtraction. UWBeacon is implemented with commercial-off-the-shelf LEDs and cameras. Comprehensive experiments conducted in various real underwater environments show that UWBeacon can achieve a mean positioning error below 6 cm and an orientation error below 1.5° at a distance of 10 meters.