CN107277887A - 一种可充电传感网络多中继节点选择方法 - Google Patents

Abstract

一种可充电传感网络多中继节点选择方法，所述方法包括如下步骤：1)根据中继节点电池的阈值，来选择每个时隙中协助源节点传输信息的中继节点，在每个时隙中，满足电池阈值要求的中继节点会被选择；2)利用马尔科夫链对中继节点电池的充放电过程来进行建模，得出该无线网络达到稳定状态时的中断概率以及吞吐量表达式；3)利用遗传算法得出了使网络吞吐量最大和网络中断概率最小时的电池阈值的取值情况，得到电池阈值的设置标准。本发明提供一种可充电传感网络多中继节点选择方法，能够得到最小化网络中断概率、吞吐量达到最大。

Description

一种可充电传感网络多中继节点选择方法

技术领域

本发明涉及无线通信网络领域，特别是涉及一种可充电无线传感 网多中继节点选择方法。

背景技术

在能量受限的无线网络中，由电池供电的设备通常具有有限的持 续操作时间，这会显着地影响到网络的性能。对于这种网络，可以通 过频繁的电池再充电/再分配来延长其寿命，然而，这对于具有大量 设备(例如，无线传感器网络)的应用场景通常是不方便的。对于设 备位于含有有害物质的环境中是危险的，甚至在许多其他应用(例如， 植入的医疗装置)中是不可行的。

可以克服上述限制的一种替代的能量收集技术是射频能量传输 技术。射频能量传输是无线能量传输的过程，通过利用电磁波的远场 辐射特性可以将能量从能量发射器无线地传送到无线终端设备中。 RF能量转移的特征在于低功率和长距离，因此适合为具有低能耗、 分布在相对较宽的区域的大量终端供电。

近些年来，多输入多输出(Multiple Input Multiple Output,MIMO) 技术为改善通信网络的系统性能、提高用户的网络吞吐量和可靠传输 提供了一种行之有效的解决途径。协作通信技术则充分利用了无线 电波的全向传播特性使无线网络中的节点互相协作形成了虚拟的天 线阵列，相比于传统的MIMO技术可以得到的更大的空间分集增益。

关于协作通信的基本思想可以追溯到一种三节点网络(一个源节 点，一个目的节点，一个中继节点)，假设所有节点在相同的频带工 作，在这样的设置下，系统便可以分解为一个广播信道(从源节点看) 和一个多址信道(从目的节点看)。然而，在协作通信的较多方面我 们考虑的与中继信道都是与之不同的。目前的大多研究都在于怎样产 生克服衰落的分集，而在中继信道中，中继的目的是为了协助主要信 道，然而在协作通信中，整个系统的资源是固定的，其中的用户既可 以是信息源又可以是中继者。

在最近几年，随着分集技术的不断发展，协作通信成为了当前无 线通信网络研究中的热点。研究协作通信的一个主要目的就是为了对 抗无线信道的多径衰落效应。因为无线信道的衰落是服从随机分布的 (考虑小尺度衰落，在微小的时间和空间差别下信号的强度发生大的 变化)，若直连信道正处于深度衰落，则不利于通信；而对于距离源 节点旁边的伙伴节点，其协助信道却有可能处于很好的信道状态。在 这种情况下，源节点就可以寻求邻居节点的帮助，先把数据发给邻居 节点，再由邻居节点把数据发给目的节点。作为一种新型的MIMO 通信模式，中继节点选择技术是其关键技术之一，决定了协作是否能 够带来性能增益。

发明内容

为了克服已有可充电传感网络多中继节点选择方法的中断概率 较大、吞吐量较小的不足，本发明提供一种可充电传感网络多中继节 点选择方法，能够得到最小化网络中断概率、吞吐量达到最大。

本发明解决其技术问题所采用的技术方案是：

一种可充电传感网络多中继节点选择方法，所述方法包括如下步 骤：

1)根据中继节点电池的阈值，来选择每个时隙中协助源节点传 输信息的中继节点，在每个时隙中，满足电池阈值要求的中继节点会 被选择；

2)利用马尔科夫链对中继节点电池的充放电过程来进行建模， 得出该无线网络达到稳定状态时的中断概率以及吞吐量表达式；

3)利用遗传算法得出了使网络吞吐量最大和网络中断概率最小 时的电池阈值的取值情况，得到电池阈值的设置标准。

进一步，所述步骤1)中，为每个中继节点设定各自的能量阈值， 只有大于该阈值时，该节点才能够在当前周期被选择。

再进一步，所述步骤2)中，把电池所处的能量级离散化，将电 池的充放电过程转化为马尔科夫链中的状态变化。

更进一步，所述步骤3)中，所述遗传算法依照电池阈值的定义 域来初始化种群个体，以网络中断概率作为适应度函数来进行最优电 池阈值的求解。

本发明的有益效果主要表现在：能够找到一种电池阈值的设置标 准，根据这个标准来选择每个周期中参与协助的中继节点，使得网络 中断概率最小，吞吐量达到最大。

附图说明

图1是一种无线供能协作网络模型示意图；

图2是中继节点的两种传输模式的示意图；

图3是中继节点电池的能量状态转移示意图。

具体实施方式

下面结合附图对本发明作进一步描述。

参照图1～图3，一种可充电传感网络多中继节点选择方法，所 述方法包括如下步骤：

1)根据中继节点电池的阈值，来选择每个时隙中协助源节点传 输信息的中继节点，在每个时隙中，满足电池阈值要求的中继节点会 被选择；

2)利用马尔科夫链对中继节点电池的充放电过程来进行建模， 得出该无线网络达到稳定状态时的中断概率以及吞吐量表达式；

3)利用遗传算法得出了使网络吞吐量最大和网络中断概率最小 时的电池阈值的取值情况，得到电池阈值的设置标准。

进一步，所述步骤1)中，为每个中继节点设定各自的能量阈值， 只有大于该阈值时，该节点才能够在当前周期被选择。

再进一步，所述步骤2)中，把电池所处的能量级离散化，将电 池的充放电过程转化为马尔科夫链中的状态变化。

更进一步，所述步骤3)中，所述遗传算法依照电池阈值的定义 域来初始化种群个体，以网络中断概率作为适应度函数来进行最优电 池阈值的求解。

本发明所述的一种可充电传感网络多中继节点选择方法，其主要 的应用场景可抽象表示为图1中的无线供能协作网络模型，由一对源 -目的地节点，以及多个协助源节点传输信息的中继节点组成。因距 离过远会导致很大的路径损耗或者两地间的障碍物等其他因素，假设 源节点与目的地节点之间不能直接通信。并且，所有的节点都配有单 发射天线，以半双工模式来工作。源节点与目的地节点有固定的能量 供应，中继节点没有固定的能量供应但配有能量收集电路和蓄电池以 存贮能量。中继节点收集的能量完全依赖于源节点的射频广播信号， 在每个数据块开始传输块之前，中继节点可以决定其下一阶段的传输 模式。中继节点配有的蓄电池可以使其储存通过射频信号所收集的能 量。

针对这一场景，在传输过程中主要使用的传输协议为图2中所述 的双模式转换协议，假定每个单独传输块的持续时间为T，对于每个 传输块，又可进一步分成2个时隙，各占T/2。在上一个时隙中，源 节点将广播信号广播到所有中继节点。中继节点会根据自己当前所在 的模式来决定其操作。在能量收集模式时将接收到的广播信号转化为 能量储存到蓄电池中，在信息接收模式时接收该信息。在下一个时隙 中，处于能量储存模式的中继节点保持静默状态，处于信息接收模式 的中继节点将其前一时隙所接收的信息转发至目的节点。

用S和D分别代表源节点及目的地节点，用R_u代表第u个中继 节点，u属于集合{1,2,…,N}。对于S-R与R-D信道间的随机信道增 益变化情况，采用Nakagami-m的衰落分布来表示。此外，假设所考 虑模型中的所有信道在每个传输时间块内的瞬时信道增益保持不变， 且在不同时间块内各自相互独立。

设源节点以恒定功率P_s发送广播信号，用x代表其发射的信号。

那么在第一个时隙中继节点收到的信号为

其中h_u表示S节点与R_u之间的信道增益，n表示高斯白噪声。

当R_u处于能量捕获模式时，在第一个时隙中所收集的能量为

其中0<η<1，表示能量转化效率。

设表示被选择的中继节点的集合，在第二个时隙内，集合中的中继 节点共同帮助源节点发送信息，对于集合中的单独一个中继节点R_u， 其发送的信号为

其中ω_u是中继节点R_u在集合的一个权值，可以通过公式来计算得到。

目的地节点所接收到的信号

在目的地节点所接收到的信号的信噪比为

本发明提出的中继节点选择方法基于中继节点电池的阈值来对其 进行选择。每个时隙中，满足电池阈值要求的中继节点会被选择，关 于该阈值的设定方法为：

考虑要为每个中继节点设计其能量阈值。这个阈值可以随着中 继节点的不同而进行变化。这是因为电池中可用的累积能量的平均 值会随着中继节点与源节点间距离的减小而增大。这种变化时由于 信号的传播会有路径损耗，距离越近的中继节点受到的路径损耗越小。 从这个角度来讲，这些接近源节点的中继节点应该在第二跳的协助传 输中贡献更多的能量。对于这一点可以通过为它们设置更高的能量阈 值来实现。同时，这些中继节点的所得到的较高发射功率也可以用于 补偿第二跳中的严重信道损耗，因为它们相对远离第二跳的目的节点。 而对于目的地附近的中继节点，应设置较低的能量阈值因为它们在第 二跳中累积的能量更少和但其具有更好的信道增益。设β_u表示第u 个中继节点的电池能量阈值：

其中z是用来调整所有中继节点的平均发送功率的一个标量， 用于表示X,Y节点间信道的平均功率增益，α∈[2,5]是 路径损耗系数。设P_u表示第u个中继节点的发射功率：

P_u＝β_u/(T/2)＝2β_u/T (7)

令C表示所有中继节点电池的容量，L表示把电池容量离散化为L份。 则中继节点电池的第i个能级可以表示为ε_i＝iC/L,i∈{0,1,2,…,L}。

其中表示向上取整，实际的阈值取的是离散化后的电池容量的某一 个能级。

使用本方法来选择节点后整个网络所能达到的稳定状态：

令θ_u[m]∈{θ_E,θ_I},m＝1,2,3…,表示第u个中继节点在第m个时 间块所选择的操作模式，其中θ_E和θ_I分别代表能量捕获模式和信息转 发模式。

用r_u[m]表示中继u在第m个时块开始时其电池的剩余能量。

对于每个中继节点，用S_i表示当前电池能量为ε_i，表示第u个中继 节点从S_i状态变为S_j状态的转移概率。

Pr{E_u＝0}相当于要求当中继节点在一 个周期内收集的能量过少，即少于∈₁时，便可以近似的认为在该周期 内，中继节点没有收集到能量。|h_u|²所服从的分布函数为

其中是伽马函数，

从而就可以求得

所以有，同理，可以得到

用来表示对于中继节点R_u的 (L+1)×(L+1)状态转移矩阵，对于每一个中继节点R_u，存在一个 稳定的状态分布矩阵π_u满足下列等式

π_u＝(π_u,0,π_u,1,…,π_u,L)^T＝(Z_u)^Tπ_u (19)

其中(·)^T表示矩阵转置，π_u,i,i∈{0,1,…,L}表示状态分布矩阵π_u中对 应于中继节点R_u的第i个能量状态的概率，从而可以得到达到稳定状 态时，中继节点R_u电池能量的稳定分布为

π_u＝((Z_u)^T-I+B)^-1b (20)

其中b＝(1,1,…,1)^T。

达到稳定状态时整个网络的中断概率：

其中O代表中断事件，Λ＝{R₁,R₂,…,R_N}表示所有中继节点的一个 集合，代表当前时隙所选择的中继节点的一个集合，它是集合Λ的 一个子集。用表示集合Λ中含有k个中继节点的第n个子集，那 么

其中表示当前时隙中，没有中继点满足能量阈值要求，即所有 中继节点都处于能量捕获模式，所选的中继节点集合为空集。

同理，可以计算出

对于中的需要先得到关于选择中继节点集合的信噪 比其累积分布函数为

为了简化表达式，令其中是衡量 R_u和D之间信道衰落的一个参数。同时也可以得到的概率密度 函数

然后利用的分布函数，可以得到

其中v＝2^2R-1表示该网络中断概率的信噪比阈值，R为网络的数据 传输率。

将前面得到的概率分别代入下面的式子，可以得到整个网络的中断概 率P_out

网络的吞吐量

其中为在功率P_s下源节点可以达到的数据发送速率

若R_u的能量阈值β_u过低，会导致选择的集合中出现很多中继节点， 但它们的发送功率低。而当R_u的能量阈值β_u很大时，会使解码集中 的中继节点较少，但它们的发送功率较高。而在中，标 量z与中继节点的能量阈值β_u成正比，因此可以推断出应该存在使网 络吞吐量最大化的z的最优解。因为网络的吞吐量跟中断概率P_out有 关，要求最大化的网络的吞吐量等价于去求最小化的P_out，而P_out又 跟标量z相关，对于在定义域(∈₀λ,∈_Lλ]上z的取值，可以使用遗传算 法来得到最优的z值，使得中断概率P_out最小。

遗传算法的工作原理：

1.算法开始时创建一个随机初始群体(种群个体在定义域(∈₀λ,∈_Lλ]上 取值)。

2.然后创建一个新的群体序列。在下面的每个步骤中，算法使用当前 世代中的个体来创建下一个群体。为了创建新的群体，算法执行以 下步骤：

a.为当前总体的每个成员，通过适应度函数(P_out(Z))来计算 其适应度得分。

b.缩放其适应度得分得分，将其转换为更有用的值范围。

c.基于群体中的适应度得分，选择称为父母的成员。

d.当前群体中具有较低适应度的一些个体被选为精英。这些精英个 体被传递给下一个群体。

e.从父母生产孩子。通过对单个亲本突变进行随机改变或通过组合 一对亲本交叉的向量条目来产生子代。

f.用孩子代替当前群体以形成下一代种群。

3.当满足停止标准之一时，算法停止。

而考虑到能量阈值β_u是离散化的变量，那么最优的z就应该在集 合{∈₁λ,∈₂λ,…,Cλ}中取值。由于马氏链模型的复杂性，导出用于求出 最优z的算术表达式是非常困难的。但是，对于一定的网络模型，可 以利用之前导出的中断概率表达式通过从执行一维穷举搜索来找到 最佳的z值。

Claims (4)

1.一种可充电传感网络多中继节点选择方法，其特征在于：所述方法包括如下步骤：

1)根据中继节点电池的阈值，来选择每个时隙中协助源节点传输信息的中继节点，在每个时隙中，满足电池阈值要求的中继节点会被选择；

2)利用马尔科夫链对中继节点电池的充放电过程来进行建模，得出该无线网络达到稳定状态时的中断概率以及吞吐量表达式；

3)利用遗传算法得出了使网络吞吐量最大和网络中断概率最小时的电池阈值的取值情况，得到电池阈值的设置标准。

2.根据权利要求1所述的可充电传感网络多中继节点选择方法，其特征在于：所述步骤1)中，为每个中继节点设定各自的能量阈值，只有大于该阈值时，该节点才能够在当前周期被选择。

3.根据权利要求1或2所述的可充电传感网络多中继节点选择方法，其特征在于：所述步骤2)中，把电池所处的能量级离散化，将电池的充放电过程转化为马尔科夫链中的状态变化。

4.根据权利要求1或2所述的可充电传感网络多中继节点选择方法，其特征在于：所述步骤3)中，所述遗传算法依照电池阈值的定义域来初始化种群个体，以网络中断概率作为适应度函数来进行最优电池阈值的求解。