CN105722235A - 基于遗传算法的高能效传感器节点调度方法 - Google Patents

Abstract

本发明涉及一种基于遗传算法的高能效传感器节点调度方法，用于协作频谱感知中的传感器节点调度，包括：对待感知频段随机选择一个传感器，每个传感器被选择的概率正比于该传感器对此频段的频谱感知的检测概率，选择完成后将选择传感器记录到调度方案中；对所有频段完成传感器分配后，将当前生成的调度方案复制到一个新的种群个体的染色体上；在种群中的个体数量是否达到要求后，利用遗传算法选择出种群中适应度值最大的调度方案个体，作为方法最终得到的传感器节点调度方案。本发明可以延长网络的工作时间，提高协作频谱感知的能效。

Description

基于遗传算法的高能效传感器节点调度方法

技术领域

本发明属于无线传感器网络(WSNWirelessSensorNetwork)的传感器节点调度领域，特别是针对传感器辅助认知无线电网络中的高能效传感器调度问题。

背景技术

无线传感器网络是一种资源受限的网络，由于传感器节点的电池供电的，网络的生存时间受到了电池电量的严重限制。因此，传感器网络需要高能效的节点调度算法延长网络的生存时间。节点调度是在完成监控任务的前提下，通过减少处于工作状态的节点数量，达到节省节点能量和延长网络生存期的一类调度方法。该类方法一般将节点的状态划分为活动和休息两种。节点在活动时，完成感知、通信和处理等任务；在休息时，会处于某种程度的休眠状态。随着无线通信技术的不断发展，人们对于无线频谱资源的需求也越来越迫切，认知无线电(CognitiveRadio,CR)，作为一种可以大幅提高频谱利用率的技术，受到广泛关注。频谱感知技术是认知无线电系统中最为重要的部分之一。协作频谱感知技术通过使用位于不同位置多个节点同时进行频谱感知，融合多个节点的感知结果，大幅提高了频谱感知的精度。区别于使用次级用户终端进行频谱感知，传感器辅助认知无线电网络使用专门负责频谱感知的传感器节点进行频谱感知。传感器节点根据认知基站的分配的频段进行频谱感知，完成频谱感知后将结果上报给认知基站。当传感器网络中的传感器数量很多时，可以将传感器分成若干个子集，每个周期内在可以达到感知精度要求的条件下，仅只使用一部分的传感器进行协作频谱感知，让剩余的传感器工作于休眠模式，这样的传感器节点调度算法可以大幅度延长网络的工作时间，提高协作频谱感知的能效。

发明内容

本发明的目的是提供一种可以延长网络的工作时间，提高协作频谱感知的能效的传感器节点调度方法。本发明的技术方案如下：

一种基于遗传算法的高能效传感器节点调度方法，用于协作频谱感知中的传感器节点调度，包括下列步骤：

1)从未分配传感器的待感知频段中选择一个频段。

2)为此频段随机选择一个传感器，每个传感器被选择的概率正比于该传感器对此频段的频谱感知的检测概率，选择完成后将选择传感器记录到调度方案中。

3)计算步骤2)中的频段使用已选择的传感器计算协作频谱感知后的检测概率，如果协作频谱感知后的检测概率大于等于要求的检测概率并且为该频段选择的传感器数量大于传感器数量的最小值，则表示完成此频段的传感器选择；

4)如果所有频段都已完成传感器分配，则将当前生成的调度方案复制到一个新的种群个体的染色体上，清空当前调度方案，否则返回步骤1)；

5)查看种群中的个体数量是否达到要求，如果未达到要求，则返回步骤1)；

6)根据适应度函数计算种群中所有个体的适应度。

7)每个个体根据适应度值的大小随机选择另外一个个体进行交叉操作。

8)每个个体根据变异概率进行变异操作。

9)计算变异后操作后所有个体的适应度。

10)将交叉前的种群和变异后的种群合并为一个大种群，按照适应度的值从中概率性的选择下一次迭代时的初始种群。

11)如果达到最大迭代次数，则停止迭代，否则执行步骤5)。

12)选择出种群中适应度值最大的调度方案个体，作为方法最终得到的传感器节点调度方案。

所述的基于遗传算法的高能效传感器节点调度方法，计算适应度值的适应度函数可以为：

$fit=\underset{m=1}{\overset{M}{\Σ}}\frac{T_{total}-T_s-T_r\underset{n=1}{\overset{N}{\Σ}}{\mathrm{\θ}}_{mn}}{T_{total}}{C}_0\underset{n=1}{\overset{N}{\Π}}(1-{\mathrm{\θ}}_{mn}{P}_f)$

其中M为需要感知的频段的个数，T_total为一个帧周期的总时间，T_s为一个帧周期内频谱感知的总时间，T_r为一个传感器上报感知结果消耗的时间，C₀为主用户空闲时一个频段的通信容量，θ_mn为节点调度方案矩阵中m行n列的元素，P_f为频谱感知的虚警率。

本发明提出的高能效传感器节点调度方法，随机性的产生许多调度方案个体，组成调度方案种群，通过种群内的遗传迭代寻找最优的传感器节点调度方案，能够高能效地为每个频段分配传感器，达到高能效协作频谱感知的目标。

附图说明

图1为本发明方法流程框图。

图2为传感器辅助认知无线电网络示意图。

图3为认知网络运行的帧周期图。

具体实施方式

为了进一步说明本发明，下面结合图2和图3给出一个具体实例。本实例仅限于说明本发明的一种实施方法，不代表对本发明覆盖范围的限制。

传感器辅助认知无线电网络的模型如图2所示。认知无线电网络和主用户网络部署在同一地区。主用户网络包含主用户基站(PrimaryBaseStation,PBS)和主用户(PrimerUser,PU)，认知无线电网络包含认知基站(CognitiveBaseStation,CBS)，次用户(Secondaryuser,SU)和负责频谱感知的传感器网络。传感器网络中包含大量的传感器节点(Sensornode)。在网络中，频段数量为M，传感器的数量为N。在真实应用场景，传感器部署在一个很大的区域内，信道条件很复杂。在网络模型中假设不同传感器对同一频段的信噪比(SNR)不同，并且同一个传感器对于不同频段也有不同的信噪比。

认知网络的工作在时间上以帧为最小单位。如图3所示，每个一帧包含三个部分：频谱感知时间段(Sensingperiod)，上报结果时间段(Reportingperiod)和数据传输时间段(Transmissionperiod)。频谱感知时间段的时间和每一帧的总时间都是固定的。在感知时间段中传感器依次感知认知基站分配的频段，之后进入休眠模式直至上报结果时间段开始。上报结果时间段内传感器上传感知的结果。之后传感器进入休眠模式，次用户网络开始通信直至下一帧开始。传感器以帧为周期进行协作频谱感知，直至传感器电池耗尽，无法达到要求的感知精度。

遗传算法中的适应度函数为：

$fit=\underset{m=1}{\overset{M}{\Σ}}\frac{T_{total}-T_s-T_r\underset{n=1}{\overset{N}{\Σ}}{\mathrm{\θ}}_{mn}}{T_{total}}{C}_0\underset{n=1}{\overset{N}{\Π}}(1-{\mathrm{\θ}}_{mn}{P}_f)$

其中M为需要感知的频段的个数，T_total为一个帧周期的总时间，T_s为一个帧周期内频谱感知的总时间，T_r为一个传感器上报感知结果消耗的时间，C₀为主用户空闲时一个频段的通信容量，θ_mn为节点调度方案矩阵中m行n列的元素，P_f为频谱感知的虚警率。

具体的高能效协作频谱感知过程描述如下：

步骤一：在频谱感知开始之前，N个传感器通过控制信道将所有M个频段的信噪比γ_m,n上传给认知基站。认知基站根据传感器上传的信噪比M×N，使用公式

${\mathrm{Pd}}_{m,n}=Q\left(\frac{Q^{-1}\left(p_f\right)-\sqrt{{\mathrm{\τ}}_{m,n}{f}_s}{\mathrm{\γ}}_{m,n}}{\sqrt{2{\mathrm{\γ}}_{m,n}+1}}\right)$

计算对应的频谱感知检测概率Pd_m,n。其中，τ_m,n是传感器n对于频段m的感知时间，γ_m,n是传感器n接收到的主用户在频段m上信号的信噪比，p_f是频谱感知的虚警率。

步骤二：认知基站查看遗传算法种群中的个体数量是否达到预先设置的数量，这里设置为100，如果达到要求则执行步骤六，否则执行步骤三。

步骤三：检查当前正在构造的多频段传感器节点调度方案，调度方案用M×N的矩阵表示，如果所有频段都已完成了传感器分配，则将调度方案复制到一个新的种群个体的染色体上，清空当前调度方案执行步骤二，否则执行步骤四。

步骤四：从未分配传感器的待感知频段中选择一个频段。

步骤五：为此频段随机选择一个传感器，每个传感器被选择的概率正比于该传感器对此频段的频谱感知的检测概率，选择完成后将选择传感器记录到调度方案中，记录规则为：如果传感器n被频段m选择，调度方案矩阵中m行n列的元素置1，否则为0。

步骤六：计算步骤五中的频段使用已选择的传感器进行协作频谱感知后的检测概率，如果协作频谱感知后的检测概率大于等于要求的检测概率并且为该频段选择的传感器数量大于传感器数量的最小值，则表示完成此频段的传感器选择，执行步骤三，否则重复步骤五。

步骤七：根据适应度函数计算种群中每个节点调度方案个体的适应度值。

步骤八：种群的每个方案个体随机选择另一个个体进行交叉操作。个体被选择的概率正比于个体的适应度。交叉采用单点交叉，随机生成交叉的行数，以矩阵中的行为小单位进行交叉。

步骤九：种群的每个方案个体根据变异概率进行变异操作。变异操作具体为从个体的方案矩阵中随机选出一行，为该行对应的频段重新生成一个分配方案，替代该行。

步骤十：根据适应度函数计算变异后操作后所有个体的适应度值。

步骤十一：将变异后的种群与交叉之前的种群合并为一个总的种群，根据适应度为所有个体排序，其中适应度最大的四分之一直接记录到下一次迭代的初始种群中，从剩下的四分之三中根据适应度值随机选出四分之一记录到下一次迭代的初始种群中。

步骤十二：如果未达到迭代次数则执行步骤六，否者从最终的种群中选择出适应度值最大的传感器节点调度方案个体，作为方法最终得出的传感器节点调度方案。

Claims (2)

1.一种基于遗传算法的高能效传感器节点调度方法，用于协作频谱感知中的传感器节点调度，包括下列步骤：

1)从未分配传感器的待感知频段中选择一个频段；

2)为此频段随机选择一个传感器，每个传感器被选择的概率正比于该传感器对此频段的频谱感知的检测概率，选择完成后将选择传感器记录到调度方案中；

3)计算步骤2)中的频段使用已选择的传感器计算协作频谱感知后的检测概率，如果协作频谱感知后的检测概率大于等于要求的检测概率并且为该频段选择的传感器数量大于传感器数量的最小值，则表示完成此频段的传感器选择；

4)如果所有频段都已完成传感器分配，则将当前生成的调度方案复制到一个新的种群个体的染色体上，清空当前调度方案，否则返回步骤1)；

5)查看种群中的个体数量是否达到要求，如果未达到要求，则返回步骤1)；

6)根据适应度函数计算种群中所有个体的适应度；

7)每个个体根据适应度值的大小随机选择另外一个个体进行交叉操作；

8)每个个体根据变异概率进行变异操作；

9)计算变异后操作后所有个体的适应度；

10)将交叉前的种群和变异后的种群合并为一个大种群，按照适应度的值从中概率性的选择下一次迭代时的初始种群；

11)如果达到最大迭代次数，则停止迭代，否则执行步骤5)；

12)选择出种群中适应度值最大的调度方案个体，作为方法最终得到的传感器节点调度方案。

2.根据权利要求1所述的基于遗传算法的高能效传感器节点调度方法，其特征在于，计算适应度值的适应度函数为：

$fit=\underset{m=1}{\overset{M}{\Σ}}\frac{T_{total}-T_s-T_r\underset{n=1}{\overset{N}{\Σ}}{\mathrm{\θ}}_{mn}}{T_{total}}{C}_0\underset{n=1}{\overset{N}{\Π}}(1-{\mathrm{\θ}}_{mn}{P}_f)$

其中M为需要感知的频段的个数，T_total为一个帧周期的总时间，T_s为一个帧周期内频谱感知的总时间，T_r为一个传感器上报感知结果消耗的时间，C₀为主用户空闲时一个频段的通信容量，θ_mn为节点调度方案矩阵中m行n列的元素，P_f为频谱感知的虚警率。