CN105338555A - 能量收集无线网络中兼顾缓存及电池可持续性的数据传输功率控制方法 - Google Patents

Abstract

本发明公开了一种无线数据传输节点中基于缓存及电池限制条件的传输功率控制方法，包括：1)构建支持能量收集的无线网络中节点数据传输模型，并在数学统计意义下描述节点数据传输模型中传输节点缓存容量无溢出的限制条件以及基于能量收集功能的可充电电池稳定供能的限制条件；2)设计传输节点缓存容量无溢出的限制条件以及基于能量收集功能的可充电电池稳定供能的限制条件的分析模型，该分析模型命名为联合队列模型；3)基于联合队列模型所描述的节点电池中断概率与缓存溢出概率的可持续传输要求，建立数据传输优化方案，实现数据传输功率控制。

Description

能量收集无线网络中兼顾缓存及电池可持续性的数据传输功率控制方法

技术领域：

本发明属于无线通信技术领域，尤其涉及一种能量收集无线网络中兼顾缓存及电池可持续性的数据传输功率控制方法，用于解决能量收集无线网络中的数据传输优化问题。

背景技术：

随着能量收集技术在无线网络中越来越广泛的应用，保证能量收集无线网络稳定高效的数据传输显得越来越重要。能量收集技术通过从外界环境中获取能量对电池进行充电，达到对节点可持续的供能要求，主要应用于数据传输量相对较小以及节点数据传输功率相对较小的情况，比如无线传感器。这种节点的电池容量以及缓存容量往往是有限的，因而该无线传输节点受到两个相互影响的制约条件的约束。一方面，随着传输节点需要处理的信息量的日益增加，其有限的缓存容量往往无法满足大量的数据获取，因而容易导致数据溢出以及信息的丢失，为了避免这种情况的发生，往往需要通过提升节点的数据传输功率以加快数据传输速率，减小数据在缓存中的滞留。然而，另一方面，由于数据传输由电池供能，电池的能量来源于能量收集过程，考虑到能量收集过程的不稳定性，无法保证电池能够稳定的供能，在此情况下，不加限制的提升数据传输功率会使得电池有能源耗尽而进入休眠状态的风险。针对上述问题，在数据无溢出以及电池稳定供能限制条件下设计功率控制方案使节点达到最优的数据传输具有十分重要的意义。

发明内容：

本发明的目的是提供能量收集无线数据网络能够同时满足数据无溢出以及电池稳定供能限制条件的功率控制方法。针对数据传输节点缓存容量有限同时能量收集技术无法对电池稳定充电的场景，在保证电池能够稳定供能而不会因为能量耗尽而进入休眠状态的前提下，通过控制数据传输功率，使节点能够达到最优的数据传输，且能够保证缓存以极低的概率发生数据溢出。同时，在只考虑单一因素影响情况下，又引入了三种功率控制方法，与原策略进行比较，原策略在缓存及电池限制条件要求苛刻的情况下能够很好的实现数据的高效传输。

为达到上述目的，本发明采用如下技术方案来实现的：

能量收集无线网络中兼顾缓存及电池可持续性的数据传输功率控制方法，包括以下步骤：

1)构建支持能量收集的无线网络中节点数据传输模型，并在数学统计意义下描述节点数据传输模型中传输节点缓存容量无溢出的限制条件以及基于能量收集功能的可充电电池稳定供能的限制条件；

2)设计传输节点缓存容量无溢出限制条件下的缓存队列模型以及基于能量收集功能的可充电电池稳定供能限制条件下的电池队列模型，缓存队列模型结合电池队列模型命名为联合队列模型；

3)基于联合队列模型所描述的节点电池中断概率与缓存溢出概率的可持续传输要求，建立数据传输优化方案，实现数据传输功率控制。

本发明进一步的改进在于，所述步骤1)的具体步骤包括：

1-1)构建支持能量收集的无线网络中节点数据传输模型，具体如下：

设节点数据传输模型由发射机、接收机及衰落信道组成，具体表达如下

$y=\sqrt{L}h\sqrt{\mathrm{\μ}\left(\mathrm{\γ}\right)}x+z$

其中，x为发送信号，其带宽为B，平均功率为1；y为接受信号；L为定值，用来表示路径损耗；h服从平坦瑞利衰落信道模型，h在每一个长度为T的帧中都是定值，在不同的帧之间是随机变量；z为接收端的加性高斯白噪声，其功率谱密度函数为定值，用N₀表示；γ定义为参考信噪比，表示为γ＝L|h|²/BN₀，利用γ描述接收机通过分析信道状况而反馈给发射机的信息，发射机利用接受到的反馈信息，根据其中包含的参考信噪比信息来进行数据传输功率调控，μ表示数据传输功率；

1-2)在数学统计意义下描述节点数据传输模型中传输节点缓存容量无溢出的限制条件，具体如下：

传输节点缓存中现有的数据量β以小概率大于传输节点缓存容量B_th，具体描述如下：

Pr{β＞B_th}＜ζ

其中，ζ为设定的概率Pr{β>B_th}的门限值，定义为：要求缓存溢出概率；

在数学统计意义下描述基于能量收集功能的可充电电池稳定供能的限制条件，具体如下：

假设电池中的剩余能量为α，目标是控制α以无穷小的概率低于电池阀值C_th，具体的数学描述如下：

Pr{α＜C_th}＜ε

其中，ε为设定的概率Pr{α<C_th}的门限值，定义为：要求电池耗尽概率；假设电池容量为C_e，当电池能量被消耗殆尽，直至下限C_th时，认为电池进入休眠状态，此时电池无法向发射机稳定供电，导致发射机中的数据滞留。

本发明进一步的改进在于，步骤2)中，设计传输节点缓存容量无溢出限制条件下的缓存队列模型，具体如下：

缓存队列模型中每一帧传输的数据量RT表示为队列的离开过程，该离开过程随机且与队列到达过程不相关，数学统计意义下，缓存的数据输出速率大于数据输入速率，认为缓存队列稳定，定义在缓存容量无溢出限制条件下的缓存最大数据到达速率为：

其中：

${\mathrm{\&theta;}}_D=-\frac{1}{B_{th}}\log \mathrm{\&zeta;}$

将其定义为缓存服务质量指数，反映了缓存溢出概率；其中由该式看出，当θ_D趋近于0，缓存的溢出概率为1，对缓存不存在控制溢出的限制，此时有效容量退化为缓存平均数据输出速率；

另外，根据香农信道容量定理，定义在缓存容量无溢出限制条件下的缓存最大数据离开速率：

R＝Blog(1+μγ)nats/s

设计基于能量收集功能的可充电电池稳定供能限制条件下的电池队列模型，具体如下：

设电池的能量收集过程为队列的离开过程，电池的能量消耗过程为电池的到达过程，则电池逆向队列为稳定的队列，数学统计意义下的电池稳定供能限制条件重新表示为：

$\mathrm{Pr}\{\widetilde{\mathrm{\&alpha;}}>C_e-C_{th}\}<\mathrm{\&epsiv;}$

其中：

${\mathrm{\&theta;}}_E^{*}=-\frac{1}{C_e-c_{th}}\log \mathrm{\&epsiv;}$

将其定义为能量指数，能量指数的大小反映了电池无法稳定供能的概率；当能量指数趋于无穷大时，系统要求电池不存在无法稳定供能的状态，当能量指数趋于无穷小时，系统对电池稳定供能不提出要求，此时电池以趋近于1的概率进入休眠状态。

本发明进一步的改进在于，要达到电池的稳定供能且以趋于无穷小的概率进入休眠状态，要求在数学统计意义下，电池从外界环境收集的能量大于数据传输节点消耗的能量，该限制条件表示为：

$\mathrm{\&Phi;}\left({\mathrm{\&theta;}}_E^{*}\right)\&GreaterEqual;\mathrm{\&Psi;}\left({\mathrm{\&theta;}}_E^{*}\right)$

其中，有效容量表示下的电池队列到达过程如下：

在电池逆向队列中，由有效容量定义，逆向队列到达过程表示为：

将其定义为电池能量的有效收集速率，其中，设电池每一帧收集到的能量记为其等于κ的概率为等于0的概率为1-κ；

有效带宽表示下的电池队列离开过程如下：

在电池逆向队列中，由有效带宽的定义，逆向队列的离开过程表示为：

将其定义为电池能量的有效消耗速率，其中，设电池每一帧消耗的功率记为表达为如下形式：

其中η为维持发射机正常工作的功率，为定值；μ为数据传输功率，是γ以及ε的函数。

本发明进一步的改进在于，对于稳定的缓存队列模型及电池队列模型，引入描述队列违反概率的统计模型，当队列的到达以及离开过程不相关且队列稳定，在设定的队列阀值的情况下，队列的违反概率表示为如下公式：

$\mathrm{Pr}\{Q>Q_{th}\}\&ap;e^{-{\mathrm{\&theta;Q}}_{th}}$

其中Q_th为设定队列阀值，θ值的确定如下：

Φ(θ)＝ψ(θ)

其中：

其中对一个确定的θ，ψ定义为有效带宽，代表队列到达过程已知的情况下最小的恒定服务速率，Φ定义为有效容量，代表在队列离开过程已知情况下队列最大的恒定到达速率，Q_in及Q_out分别定义为互不相关的队列到达过程及队列的离开过程；通过引入该队列违反概率的统计模型，缓存及电池的约束条件能够被有效的表达。

本发明进一步的改进在于，所述步骤3)的具体步骤包括：

3-1)建立基于功率控制的数据传输优化问题，同时满足缓存以10^-6-10^-1的概率发生数据溢出，电池以10^-6-10^-1的概率进入休眠状态；

考虑在缓存队列模型中，有效容量既能够反映数据的传输性能又能够满足特定的缓存溢出限制条件，设置有效容量作为优化目标函数，基于能量有效收集速率及有效消耗速率的电池稳定供能限制条件作为该优化问题的限制条件；

优化问题表示如下：

3-2)优化问题的求解

a、将该优化问题转化为适合利用非线性规划中的拉格朗日乘数法进行求解的凸优化问题，问题重新表述为如下形式：

b、得到拉格朗日函数如下：

其中，λ是与取值与缓存及电池联合约束有关的拉格朗日乘子，f(γ)是γ的概率密度函数；

c、对上式求导，令导数等于零，得到：

$\frac{d}{d\mathrm{\&mu;}}\&lsqb;e^{-{\mathrm{\&theta;}}_{D}BT\log (1+\mathrm{\&mu;}\mathrm{\&gamma;})}+{\mathrm{\&lambda;e}}^{{\mathrm{\&theta;}}_E^{*}\mathrm{\&mu;}T}\&rsqb;=0.$

化简得：

其中，设为最优服务质量指数；

最终求解得到数据传输功率的最优解：

其中Ω(x)表示WrightOmega函数，它是等式Y+logY＝X的解；

d、根据优化问题的限制条件确定最优拉格朗日乘子的解

首先设定拉格朗日乘子的初值，将最优功率解代入限制条件不等式，利用次梯度法追踪满足限制条件的最优拉格朗日乘子，代入传输功率最优解；

3-3)优化结果的分析

数据传输功率最优解是能量指数，服务质量指数以及参考信噪比的函数，通过调整这三个参数的取值，观察最优数据传输功率与能量指数，服务质量指数以及参考信噪比的关系，实现能量收集无线网络中兼顾缓存及电池可持续性的数据传输功率控制。

相对于现有技术，本发明具有以下有益效果：

本发明所构建的系统综合考虑了能量收集无线数据传输网络电池稳定供能以及数据无溢出这两个方面的因素，通过控制节点的数据传输功率，在保证电池以极低的概率进入休眠状态的同时实现数据传输速率的提升，从而也保证了在缓存有限的情况下不会发生数据的丢失。同时，引入其他三种功率控制的基准策略，只考虑电池或缓存单一因素的影响或不考虑它们对于数据传输过程的影响，通过原功率控制方法同三种基准策略的比较，可以很好的看出基于电池以及缓存限制条件的功率控制方法能够在很好的满足限制条件的制约下实现数据的高效传输。

进一步，在分析电池可持续性问题时，创新性的引入逆向队列的概念；考虑到在传统队列下，将电池能量消耗过程作为队列输出，电池收集能量过程作为队列输入，当电池稳定供能时，电池队列的输入过程大于输出过程，进而导致队列不稳定而难以进行数学分析，由此，采用逆向队列，以电池能量消耗作为队列输入，电池收集能量过程作为队列输出，达到了便于进行数学分析的目的。

更进一步，创新性的引入联合队列的模型，实现了对中继节点电池队列及缓存队列之间关系的分析。

附图说明：

图1为本发明的系统模型图。

图2为本发明中电池逆向队列的设计模型图。

图3为本发明的最优数据传输功率解的分析图；其中，图3(a)为服务质量指数为0.1时最优数据传输功率瞬时值随能量指数及瞬时参考信噪比变化的三维图像，图3(b)为服务质量指数为0.01时最优数据传输功率瞬时值随能量指数及瞬时参考信噪比变化的三维图像。

图4为本发明基于电池及缓存限制的功率控制方法与三种基准策略仿真结果的性能分析；其中，图4(a)为四种不同方案最优有效容量随要求缓存溢出概率变化图像，图4(b)为四种不同方案最有有效容量随要求电池耗尽概率变化图像，图4(c)为四种不同方案最优有效容量随平均参考信噪比变化图像，图4(d)为四种不同方案缓存限制条件实际违反概率随数据队列阀值变化图像，图4(e)为四种不同方案电池限制条件实际违反概率随电池队列能量耗尽阀值变化图像，图4(f)为三种不同服务质量指数条件下缓存限制条件实际违反概率随数据队列阀值变化情况。

具体实施方式：

下面结合附图和具体实施实例对本发明做进一步的详细说明。

本发明考察需要同时考虑缓存容量，电池供能以及传输环境信道状况的情况，如图1所示。无线传输节点中设置一功率控制器，该控制器同时收集从接收端反馈回来的信道状况信息，电池中现存能量以及缓存中滞留数据量的信息进行功率控制，通过调整数据传输功率，使得缓存数据能够快速的传输，同时电池能够始终保持稳定的工作状态。该传输功率同时还受到信道状况的影响，在用户对节点的缓存及电池供能要求不同的情况下，功率控制器对信道情况会做出不同的回应。

针对以上系统模型，本发明的主要步骤包括：

1)构建支持能量收集的无线网络中节点数据传输模型，并在数学统计意义下描述节点数据传输模型中传输节点缓存容量无溢出的限制条件以及基于能量收集功能的可充电电池稳定供能的限制条件；

2)设计传输节点缓存容量无溢出限制条件下的缓存队列模型以及基于能量收集功能的可充电电池稳定供能限制条件下的电池队列模型，缓存队列模型结合电池队列模型命名为联合队列模型；

3)基于联合队列模型所描述的节点电池中断概率与缓存溢出概率的可持续传输要求，建立数据传输优化方案，实现数据传输功率控制。

构建支持能量收集的无线网络中节点数据传输模型，具体如下：

1-1)构建支持能量收集的无线网络中节点数据传输模型

设节点数据传输模型由发射机、接收机及衰落信道组成，具体表达如下

$y=\sqrt{L}h\sqrt{\mathrm{\&mu;}\left(\mathrm{\&gamma;}\right)}x+z$

其中，x为发送信号，其带宽为B，平均功率为1；y为接受信号；L为定值，用来表示路径损耗；h服从平坦瑞利衰落信道模型，h在每一个长度为T的帧中都是定值，在不同的帧之间是随机变量；z为接收端的加性高斯白噪声，其功率谱密度函数为定值，用N₀表示；γ定义为参考信噪比，表示为γ＝L|h|²/BN₀，利用γ，描述接收机通过分析信道状况而反馈给发射机的信息，发射机利用接受到的反馈信息，根据其中包含的参考信噪比信息来进行数据传输功率调控，μ表示数据传输功率；

在数学统计意义下描述节点数据传输模型中传输节点缓存容量无溢出的限制条件，具体如下：

传输节点缓存中现有的数据量β以小概率大于传输节点缓存容量B_th，具体描述如下：

Pr{β＞B_th}＜ζ

其中，ζ为设定的概率Pr{β>B_th}的门限值，定义为：要求缓存溢出概率；

在数学统计意义下描述基于能量收集功能的可充电电池稳定供能的限制条件

假设电池中的剩余能量为α，目标是控制α以极小的概率低于电池阀值C_th。具体的数学描述如下：

Pr{α＜C_th}＜ε

其中，ε为设定的概率Pr{α<C_th}的门限值，定义为：要求电池耗尽概率，取值为10^-6-10^-1；假设电池容量为C_e，当电池能量被消耗殆尽，直至下限C_th时，认为电池进入休眠状态，此时电池无法向发射机稳定供电，导致发射机中的数据滞留。

进一步的，步骤2)中，设计传输节点缓存容量无溢出限制条件下的缓存队列模型，具体如下：

2-1)有效容量表示下的缓存队列限制条件

缓存队列模型中每一帧传输的数据量RT表示为队列的离开过程，该离开过程随机且与队列到达过程不相关，统计意义下，缓存的数据输出速率大于数据输入速率，认为缓存队列稳定，定义在缓存无溢出限制条件下的缓存最大数据到达速率为：

其中：

${\mathrm{\&theta;}}_D=-\frac{1}{B_{th}}log\mathrm{\&zeta;}$

将其定义为缓存服务质量(QoS)指数，反映了缓存溢出概率；其中由该式可看出，当θ_D趋近于0，缓存的溢出概率为1，对缓存不存在控制溢出的限制，此时有效容量退化为缓存平均数据输出速率；

另外，根据香农信道容量定理，定义在缓存容量无溢出限制条件下的缓存最大数据离开速率：

R＝Blog(1+μγ)nats/s

设计基于能量收集功能的可充电电池稳定供能限制条件下的电池队列模型，具体如下：

为达到电池稳定供能，要求电池收集的能量大于电池消耗的能量，在传统电池队列中以能量收集作为队列到达过程，能量消耗作为队列离开过程，在稳定供能要求下队列到达过程大于离开过程，队列不稳定。为应用队列违反概率模型，得到稳定的电池队列模型，提出逆向队列的概念：

设电池的能量收集过程为队列的离开过程，电池的能量消耗过程为电池的到达过程，则电池逆向队列为稳定的队列，数学统计意义下的电池稳定供能限制条件重新表示为：

$\mathrm{Pr}\{\widetilde{\mathrm{\&alpha;}}>C_e-C_{th}\}<\mathrm{\&epsiv;}$

其中：

${\mathrm{\&theta;}}_E^{*}=-\frac{1}{C_e-C_{th}}\log \mathrm{\&epsiv;}$

将其定义为能量指数，能量指数的大小反映了电池无法稳定供能的概率；当能量指数很大时，系统对电池稳定供能性能提出了很高的要求，当能量指数很小时，系统对电池稳定供能不提出要求，此时电池以趋近于1的概率进入休眠状态；

其中，对于稳定的缓存队列模型及电池队列模型，引入描述队列违反概率的统计模型，当队列的到达以及离开过程不相关且队列稳定，在设定的队列阀值的情况下，队列的违反概率可表示为如下公式：

$\mathrm{Pr}\{Q>Q_{th}\}\&ap;e^{-{\mathrm{\&theta;Q}}_{th}}$

其中Q_th为设定队列阀值，θ值的确定如下：

Φ(θ)＝ψ(θ)

其中：

其中对一个确定的θ，ψ定义为有效带宽，代表队列到达过程已知的情况下最小的恒定服务速率，Φ定义为有效容量，代表在队列离开过程已知情况下队列最大的恒定到达速率，Q_in及Q_out分别定义为互不相关的队列到达过程及队列的离开过程。通过引入该队列违反概率的统计模型，缓存及电池的约束条件可以被有效的表达。

进一步的，要达到电池的稳定供能且以极低的概率进入休眠状态，要求在数学统计意义下，电池从外界环境收集的能量大于数据传输节点消耗的能量，该限制条件表示为：

$\mathrm{\&Phi;}\left({\mathrm{\&theta;}}_E^{*}\right)\&GreaterEqual;\mathrm{\&Psi;}\left({\mathrm{\&theta;}}_E^{*}\right)$

其中，有效容量表示下的电池队列到达过程如下：

在电池逆向队列中，由有效容量定义，逆向队列到达过程可表示为：

将其定义为电池能量的有效收集速率。其中，设电池每一帧收集到的能量记为其等于κ的概率为等于0的概率为1-κ。

有效带宽表示下的电池队列离开过程如下：

在电池逆向队列中，由有效带宽的定义，逆向队列的离开过程可表示为：

将其定义为电池能量的有效消耗速率。其中，设电池每一帧消耗的功率记为可以表达为如下形式：

其中η为维持发射机正常工作的功率，为定值。μ为数据传输功率，是γ以及ε的函数。

进一步的，所述步骤3)的具体步骤包括：

3-1)建立基于功率控制的数据传输优化问题，同时满足缓存以极低的概率发生数据溢出，电池以极低的概率进入休眠状态。

考虑在数据队列模型中，有效容量既能够反映数据的传输性能又能够满足特定的缓存溢出限制条件，因此在优化方案中，设置有效容量作为优化目标函数，将4中提出的基于能量有效收集速率及有效消耗速率的电池稳定供能限制条件作为该优化问题的限制条件。

优化问题表示如下：

3-2)优化问题的求解

a、将该优化问题转化为适合利用非线性规划中的拉格朗日乘数法进行求解的凸优化问题，问题重新表述为如下形式：

b、得到拉格朗日函数如下：

其中，λ是与取值与缓存及电池联合约束有关的拉格朗日乘子，f(γ)是γ的概率密度函数。

c、对上式求导，令导数等于零，得到：

$\frac{d}{d\mathrm{\&mu;}}\&lsqb;e^{-{\mathrm{\&theta;}}_{D}BT\log (1+\mathrm{\&mu;}\mathrm{\&gamma;})}+{\mathrm{\&lambda;e}}^{{\mathrm{\&theta;}}_E^{*}\mathrm{\&mu;}T}\&rsqb;=0.$

化简得：

其中，设为最优服务质量指数。

最终求解得到数据传输功率的最优解：

其中Ω(x)表示WrightOmega函数，它是等式Y+logY＝X的解。

d、根据优化问题的限制条件确定最优拉格朗日乘子的解。

首先设定拉格朗日乘子的初值，将最优功率解代入限制条件不等式，利用次梯度法追踪满足限制条件的最优拉格朗日乘子，代入传输功率最优解。

3-3)优化结果的分析

数据传输功率最优解是能量指数，服务质量指数以及参考信噪比的函数，通过调整这三个参数的取值，观察最优数据传输功率与能量指数，服务质量指数以及参考信噪比的关系，实现能量收集无线网络中兼顾缓存及电池可持续性的数据传输功率控制。

此外，设计功率控制的基准策略，与原策略进行比较，得出原数据传输功率控制方法的优越性；

基准策略一：

设计只考虑电池稳定供能限制条件以及信道状况的功率控制算法，对香农信道容量进行优化。优化问题可以表示为：

基准策略二：

设计只考虑数据无溢出要求以及信道状况的功率控制方案，限制条件设定为数据传输功率的数学期望小于其平均值，优化目标为有效容量，限制条件设置为

其中平均功率的设定使其满足等式：

基准策略三：

设计传统的注水法功率控制方案，只考虑信道状况进行功率控制，优化目标为香农信道容量，限制条件同4-2)

比较原优化方案与三种对比算法，得到原优化方案在缓存与电池限制条件要求苛刻的情况下的优越性。

图2给出了本发明中电池逆向队列的设计模型。在传统的电池队列中，通过能量收集技术收集的能量作为电池队列的到达过程，维持数据传输节点正常运作以及数据传输所消耗的能量作为电池队列的离开过程，为了达到电池可持续供电的目的，要求在数学统计意义下，电池队列中能量收集速率要大于能量消耗速率，到达过程大于离开过程，而这会导致电池队列的不稳定性。为了得到稳定的电池队列，创造性的提出逆向队列模型，在该模型中，电池能量收集过程作为电池队列的离开过程，电池能量消耗过程作为电池队列的到达过程，队列长度为电池消耗的能量。图2(a)给出了传统队列转化为逆向队列的过程，图2(b)给出了基于队列违反概率模型的电池违反概率概率密度函数曲线。

图3为优化问题求得的数据传输功率最优解的分析图像。考虑到数据传输功率有三个决定因素，分别为参考信噪比，服务质量指数以及能量指数。通过控制变量法分别讨论三个因素对于最优传输功率的影响。图3(a)为在较大的服务质量指数情况下，最优传输功率的瞬时值与能量指数以及瞬时参考信噪比的关系。图3(b)为在较小的服务质量指数的情况下最优传输功率瞬时值与能量指数以及瞬时参考信噪比之间的关系。

仿真条件：在该能量收集无线数据传输网络功率控制方法的仿真分析中，参数设计如下：

帧长度T设置为1ms；信号带宽B设置为0.1MHz；噪声功率BN₀设置为-111dB；传输损耗为-111dB；信道为瑞利信道衰落模型，参考信噪比服从指数分布；能量收集速率为20mJ/s；电池容量为电池进入休眠状态的能量阀值为维持节点正常工作的功率为10mW；缓存队列的阀值为8byte/ms。

图4为基于缓存以及电池限制条件的最优功率控制方法及三种基准策略方准结果图。仿真结果图可以看出，相比于三种基准策略，本发明提出的基于电池稳定功能以及数据无溢出限制条件的传输功率控制方法在能够很好的满足这两个限制条件的同时，能够实现更高效的数据传输。同时，通过仿真结果可以看出，当要求的缓存以及电池限制条件违反概率变小是，限制条件变得更加苛刻，数据传输速率也会有所下降。

Claims (6)

1.能量收集无线网络中兼顾缓存及电池可持续性的数据传输功率控制方法，其特征在于，包括以下步骤：

1)构建支持能量收集的无线网络中节点数据传输模型，并在数学统计意义下描述节点数据传输模型中传输节点缓存容量无溢出的限制条件以及基于能量收集功能的可充电电池稳定供能的限制条件；

2)设计传输节点缓存容量无溢出限制条件下的缓存队列模型以及基于能量收集功能的可充电电池稳定供能限制条件下的电池队列模型，缓存队列模型结合电池队列模型命名为联合队列模型；

3)基于联合队列模型所描述的节点电池中断概率与缓存溢出概率的可持续传输要求，建立数据传输优化方案，实现数据传输功率控制。

2.根据权利要求1所述的能量收集无线网络中兼顾缓存及电池可持续性的数据传输功率控制方法，其特征在于，所述步骤1)的具体步骤包括：

1-1)构建支持能量收集的无线网络中节点数据传输模型，具体如下：

设节点数据传输模型由发射机、接收机及衰落信道组成，具体表达如下

$y=\sqrt{L}h\sqrt{\mathrm{\&mu;}\left(\mathrm{\&gamma;}\right)}x+z$

其中，x为发送信号，其带宽为B，平均功率为1；y为接受信号；L为定值，用来表示路径损耗；h服从平坦瑞利衰落信道模型，h在每一个长度为T的帧中都是定值，在不同的帧之间是随机变量；z为接收端的加性高斯白噪声，其功率谱密度函数为定值，用N₀表示；γ定义为参考信噪比，表示为γ＝L|h|²/BN₀，利用γ描述接收机通过分析信道状况而反馈给发射机的信息，发射机利用接受到的反馈信息，根据其中包含的参考信噪比信息来进行数据传输功率调控，μ表示数据传输功率；

1-2)在数学统计意义下描述节点数据传输模型中传输节点缓存容量无溢出的限制条件，具体如下：

传输节点缓存中现有的数据量β以小概率大于传输节点缓存容量B_th，具体描述如下：

Pr{β＞B_th}＜ζ

其中，ζ为设定的概率Pr{β>B_th}的门限值，定义为：要求缓存溢出概率；

在数学统计意义下描述基于能量收集功能的可充电电池稳定供能的限制条件，具体如下：

假设电池中的剩余能量为α，目标是控制α以无穷小的概率低于电池阀值C_th，具体的数学描述如下：

Pr{α＞C_th}＜ε

其中，ε为设定的概率Pr{α<C_th}的门限值，定义为：要求电池耗尽概率；假设电池容量为C_e，当电池能量被消耗殆尽，直至下限C_th时，认为电池进入休眠状态，此时电池无法向发射机稳定供电，导致发射机中的数据滞留。

3.根据权利要求2所述的能量收集无线网络中兼顾缓存及电池可持续性的数据传输功率控制方法，其特征在于，步骤2)中，设计传输节点缓存容量无溢出限制条件下的缓存队列模型，具体如下：

缓存队列模型中每一帧传输的数据量RT表示为队列的离开过程，该离开过程随机且与队列到达过程不相关，数学统计意义下，缓存的数据输出速率大于数据输入速率，认为缓存队列稳定，定义在缓存容量无溢出限制条件下的缓存最大数据到达速率为：

其中：

将其定义为缓存服务质量指数，反映了缓存溢出概率；其中由该式看出，当θ_D趋近于0，缓存的溢出概率为1，对缓存不存在控制溢出的限制，此时有效容量退化为缓存平均数据输出速率；

另外，根据香农信道容量定理，定义在缓存容量无溢出限制条件下的缓存最大数据离开速率：

设计基于能量收集功能的可充电电池稳定供能限制条件下的电池队列模型，具体如下：

设电池的能量收集过程为队列的离开过程，电池的能量消耗过程为电池的到达过程，则电池逆向队列为稳定的队列，数学统计意义下的电池稳定供能限制条件重新表示为：

$\mathrm{Pr}\{\widetilde{\mathrm{\&alpha;}}>C_e-C_{th}\}<\mathrm{\&epsiv;}$

其中：

${\mathrm{\&theta;}}_E^{*}=-\frac{1}{C_e-C_{th}}log\mathrm{\&epsiv;}$

将其定义为能量指数，能量指数的大小反映了电池无法稳定供能的概率；当能量指数趋于无穷大时，系统要求电池不存在无法稳定供能的状态，当能量指数趋于无穷小时，系统对电池稳定供能不提出要求，此时电池以趋近于1的概率进入休眠状态。

4.根据权利要求3所述的能量收集无线网络中兼顾缓存及电池可持续性的数据传输功率控制方法，其特征在于，要达到电池的稳定供能且以趋于无穷小的概率进入休眠状态，要求在数学统计意义下，电池从外界环境收集的能量大于数据传输节点消耗的能量，该限制条件表示为：

$\mathrm{\&Phi;}\left({\mathrm{\&theta;}}_E^{*}\right)\&GreaterEqual;\mathrm{\&Psi;}\left({\mathrm{\&theta;}}_E^{*}\right)$

其中，有效容量表示下的电池队列到达过程如下：

在电池逆向队列中，由有效容量定义，逆向队列到达过程表示为：

将其定义为电池能量的有效收集速率，其中，设电池每一帧收集到的能量记为其等于κ的概率为等于0的概率为1-κ；

有效带宽表示下的电池队列离开过程如下：

在电池逆向队列中，由有效带宽的定义，逆向队列的离开过程表示为：

将其定义为电池能量的有效消耗速率，其中，设电池每一帧消耗的功率记为表达为如下形式：

其中η为维持发射机正常工作的功率，为定值；μ为数据传输功率，是γ以及ε的函数。

5.根据权利要求3所述的能量收集无线网络中兼顾缓存及电池可持续性的数据传输功率控制方法，其特征在于，对于稳定的缓存队列模型及电池队列模型，引入描述队列违反概率的统计模型，当队列的到达以及离开过程不相关且队列稳定，在设定的队列阀值的情况下，队列的违反概率表示为如下公式：

$\mathrm{Pr}\{Q>Q_{th}\}\&ap;e^{-{\mathrm{\&theta;Q}}_{th}}$

其中Q_th为设定队列阀值，θ值的确定如下：

Φ(θ)＝Ψ(θ)

其中：

其中对一个确定的θ，Ψ定义为有效带宽，代表队列到达过程已知的情况下最小的恒定服务速率，Φ定义为有效容量，代表在队列离开过程已知情况下队列最大的恒定到达速率，Q_in及Q_out分别定义为互不相关的队列到达过程及队列的离开过程；通过引入该队列违反概率的统计模型，缓存及电池的约束条件能够被有效的表达。

6.根据权利要求4所述的能量收集无线网络中兼顾缓存及电池可持续性的数据传输功率控制方法，其特征在于，所述步骤3)的具体步骤包括：

3-1)建立基于功率控制的数据传输优化问题，同时满足缓存以10^-6-10^-1的概率发生数据溢出，电池以10^-6-10^-1的概率进入休眠状态；

考虑在缓存队列模型中，有效容量既能够反映数据的传输性能又能够满足特定的缓存溢出限制条件，设置有效容量作为优化目标函数，基于能量有效收集速率及有效消耗速率的电池稳定供能限制条件作为该优化问题的限制条件；

优化问题表示如下：

3-2)优化问题的求解

a、将该优化问题转化为适合利用非线性规划中的拉格朗日乘数法进行求解的凸优化问题，问题重新表述为如下形式：

b、得到拉格朗日函数如下：

其中，λ是与取值与缓存及电池联合约束有关的拉格朗日乘子，f(γ)是γ的概率密度函数；

c、对上式求导，令导数等于零，得到：

$\frac{d}{d\mathrm{\&mu;}}\&lsqb;e^{-{\mathrm{\&theta;}}_{D}BT\log (1+\mathrm{\&mu;}\mathrm{\&gamma;})}+{\mathrm{\&lambda;e}}^{{\mathrm{\&theta;}}_E^{*}\mathrm{\&mu;}T}\&rsqb;=0.$

化简得：

其中，设为最优服务质量指数；

最终求解得到数据传输功率的最优解：

其中Ω(x)表示WrightOmega函数，它是等式Y+logY＝X的解；

d、根据优化问题的限制条件确定最优拉格朗日乘子的解

首先设定拉格朗日乘子的初值，将最优功率解代入限制条件不等式，利用次梯度法追踪满足限制条件的最优拉格朗日乘子，代入传输功率最优解；

3-3)优化结果的分析

数据传输功率最优解是能量指数，服务质量指数以及参考信噪比的函数，通过调整这三个参数的取值，观察最优数据传输功率与能量指数，服务质量指数以及参考信噪比的关系，实现能量收集无线网络中兼顾缓存及电池可持续性的数据传输功率控制。