CN108419255A - 一种无线传感器网络移动充电和数据收集方法 - Google Patents

Abstract

一种无线传感器网络移动充电和数据收集方法，包括以下步骤：步骤1，用离散化方法将多功能小车移动中的整个周期分为若干个时隙，同时计算每个时刻节点的瞬时充电功率和瞬时吞吐率；步骤2，计算每个时隙每个节点能够充电时捕获的能量和能够发送数据时的吞吐量；步骤3，计算总吞吐量最大化下时隙分配方案，即每个时隙是用于小车给节点充电还是节点发送数据。本发明能够有效解决总吞吐量最大化约束下的传输射频能量和数据收集问题，提高数据收集的效率。

Description

一种无线传感器网络移动充电和数据收集方法

技术领域

本发明属于可充电无线传感器网络技术领域，尤其涉及传感器能量的捕获和数据的收集问题。

背景技术

近年来，无线传感器网络由于其低成本、低功耗、多功能等特点被广泛应用于环境监测、军事、智能家居和远程医疗系统等许多重要的领域。在传统的传感器网络中，电池是节点的主要能量来源。然而，电池往往容量有限，而且在一些应用中，节点在部署之后很难回收，无法跟换电池。所以如何长期维持网络的生存是无线传感器网络(Wireless SensorNetworks,WSNs)广泛应用的最大问题。虽然WSNs的能效研究一直是近年来研究的重点和热点问题，但是提高能量利用效率仍然只能延长有限的网络生存时间，不能从根本解决这个问题。

为了解决维持网络长时间的生存问题，人们提出了能量捕获的方法。能量捕获技术有很多，根据能量的来源来分类，有太阳能、风能、热能等能量捕获技术。由于社会生活中广泛存在射频能量，且能量源相对稳定，射频能量捕获技术成为这方面研究的热点。在射频能量捕获网络中，传感器节点由射频能量发射机供能，而发射机功率有限，其能够辐射的范围也有限，往往一两个发射机不能覆盖整个网络，而将多个发射机部署在各个固定地点往往成本昂贵。因此，很多学者致力于移动的无线射频能量捕获的研究。

除了捕获环境能量来维持网络生存外，如何采集感测数据也是传感器网络最为重要的问题之一。节点的发送功率因其通信距离的增大而急剧增加，为了减少节点能量消耗，采用多跳方式由其他节点中继是一种解决方案，但是这样会加剧中继节点的负担造成能量公平性问题。采用一个移动的Sink节点移动至节点周围并采用单跳的方式收集数据能很好的解决这个问题。

发明内容

为了克服无线传感器网络移动充电与数据收集方法的效率较低的不足，本发明提供一种无线传感器网络移动充电与数据收集方法，能够有效解决总吞吐量最大化约束下的传输射频能量和数据收集问题，提高数据收集的效率。

为了解决上述技术问题，本发明提供如下的技术方案：

一种无线传感器网络移动充电与数据收集方法，包括以下步骤：

步骤1：用离散化方法将多功能小车移动的整个周期分为若干个时隙；

步骤2：计算每个时隙每个节点能够充电时捕获的能量和能够发送数据时的吞吐量；

步骤3：计算总吞吐量最大化下时隙分配方案，即每个时隙是用于小车给节点充电还是节点发送数据。

进一步，所述步骤1包括以下分步骤：

步骤11：根据小车移动性，计算每个时刻节点的瞬时充电功率和瞬时吞吐率；

步骤12：在一个时隙中，分别以一个二值变量表示该时隙小车是否充电以及节点是否发送数据。

再进一步，所述步骤2包括以下分步骤：

步骤21：根据小车运动特性计算每个节点与小车之间距离随时间变化关系；

步骤22：根据定积分计算每个时隙每个节点能够充电时捕获的能量和能够发送数据时的吞吐量。

更进一步地，所述步骤3包括以下分步骤：

步骤31：将问题形式化为0-1规划问题；

步骤32：根据一个放松-固定算法求得问题的可行解和上下界；

步骤33：已知问题可行解，根据分支定界法(如图2所示)求得问题最优解。

本发明的有益效果主要表现在：能够有效解决总吞吐量最大化约束下的传输射频能量和数据收集问题，提高数据收集的效率。

附图说明

图1是无线传感器网络的系统模型。

图2是分支定界法流程图。

具体实施方式

下面结合附图对本发明做进一步说明。

参照图1和图2，一种无线传感器网络移动充电与数据收集方法，适用于如图1所示的场景。其中有一辆多功能移动小车和若干个传感器节点。小车匀速沿着某一直线(图中虚线AB)穿过传感器网络，小车以射频的方式给传感器节点充电，然后收集节点感知到的数据；所述方法包括以下步骤：

步骤1：用离散化方法将多功能小车移动中的整个周期分为若干个时隙；

所述步骤1包括以下分步骤：

步骤11：根据小车运动特性计算每个节点与小车之间距离随时间变化关系。小车给节点充电时，节点捕获能量的功率主要与小车的发送功率和节点与小车的距离相关。由于小车一直处于移动中，节点与小车的距离一直在变化，导致每个时刻节点能够捕获能量的功率在变化，于是t时刻节点i捕获能量的瞬时功率为：

P_i(t)＝ζ_ih_i(t)P_A (1)

其中ζ_i为节点i的能量捕获效率，P_A为小车的发送功率，表示下行链路(DL)信道t时刻瞬时功率增益，是一个具有单位均值的指数分布随机变量，α_d为下行链路路径损耗系数，d_i(t)表示t时刻节点i与小车的欧氏距离。

设定每个节点i以恒定的功率P_i给小车发送数据，小车的移动引起每个节点与其距离的变化，导致每个时刻每个节点最大的吞吐率的变化，则根据香农公式，t时刻节点i的最大瞬时吞吐率为：

其中B为带宽，Γ表示使用一个实用的调制和编码方案(MCS)的加性高斯白噪声(AWGN)环境下信道容量的信噪比(SNR)间隙，σ²为高斯白噪声方差，表示上行链路(UL)信道功率增益，α_u表示上行链路路径损耗系数。

步骤12：小车以速度v匀速沿着某一直线(图中虚线AB)穿过传感器网络，以射频的方式给传感器节点充电，称为下行链路(DL)，然后收集节点感知到的数据，称为上行链路(UL)。小车只有一根天线，为了减小干扰，设定有节点向小车发送数据时，小车不能给节点充电，且同一时刻最多只有一个节点能向小车发送数据。把小车从A点出发移动到B点认为是一个周期，时长为T，路程长为l。将整个周期平均分为m个时隙，每个时隙的时长为τ，即mτ＝T。

以一个二值变量x_i,j来表示节点i在第j个时隙是否发送数据，其中x_i,j∈{0,1},i∈{1,2,…,n},j∈{1,2,…,m}，当x_i,j＝1时，表示节点i在第j个时隙发送数据，否则不发送。同样，以二值变量x_0,j∈{0,1},j∈{1,2,…,m}表示小车在第j个时隙是否给节点充电，当x_0,j＝1时，表示小车在第j个时隙给节点充电，否则不充电。由于同一个时刻只能由小车给节点充电或最多一个节点给小车发数据，于是显然：

x_i，j∈{0，1}，i∈{1，2，…，n},j∈{1，2，…，m} (4)

步骤2：计算每个时隙每个节点能够充电时捕获的能量和能够发送数据时的吞吐量；

所述步骤2包括以下分步骤：

步骤21：以A点为原点，AB方向为x轴正方向建立直角坐标系，记节点i的坐标为(x_i,y_i)，则整个周期内节点i与小车之间的距离随时间t(0≤t≤T，t＝0表示整个周期的起点)的变化可以表示为：

进一步，在第j个时隙时，小车移动的水平距离为前j-1个时隙移动的距离加上第j个时隙前γ(0≤γ≤τ，γ＝0表示第j个时隙的起点)时间移动的距离，令α_d＝α_u＝α，则第j个时隙内小车与节点i之间的DL与UL信道功率增益可以表示为：

步骤22：由式(6)和式(1)可求得节点i在第j个时隙能够充电时捕获的能量为：

由式(6)和式(2)可求得节点i在第j个时隙能够发送数据时的吞吐量为：

另外，节点i在第j个时隙发送数据时消耗的能量为：

e_i，j＝P_iτ (9)

步骤3：计算总吞吐量最大化下时隙分配方案；

所述步骤3包括以下分步骤：

步骤31：以q_i，j表示节点i在第j个时隙结束时的剩余能量，其中以q_i，0表示整个周期刚开始时节点i的剩余能量。因为节点i在第j个时隙捕获的能量为x_0，jE_i，j，消耗的能量为x_i，je_i，j，且我们假设节点的电池容量足够大不会产生能量溢出的情况，于是：

q_i，j＝q_i，j-₁+x_0，jE_i，j-x_i，je_i，j (10)

设定当节点i的剩余能量不足以维持该节点在整个时隙j向小车发送数据，即e_i，j＞q_i，j-1时，该节点便不能发送数据，也就是说，节点i若是能在j时隙能发送数据，其剩余能量必须大于等于e_i，j，即：

x_i，je_i，j≤q_i，j-1，i∈{1，2，...，n}，j∈{1，2，...，m} (11)

于是，吞吐率最大化问题表示为：

x_i，j∈{0，1}，i∈{0，1，...，n}，j∈{1，2，...，m} (4)

x_i，je_i，j≤q_i，j-1，t∈{1，2，…，n}，j∈{1，2，…，m) (11)

其中X＝{x_0,1,…,x_n,1,x_0,2,…,x_n,2,…,x_0,m,…,x_n,m}表示该问题的解，它是一个有(n+1)m个元素的集合。

在上述问题中，x_i,j,i∈{0,1,…,n},j∈{1,2,…,m}为我们的优化变量，q_i,0,i∈{1,2,…,n}、E_i,j,i∈{1,2,…,n},j∈{1,2,…,m}、R_i,j,i∈{0,1,…,n},j∈{1,2,…,m}、P_i,i∈{1,2,…,n}、τ在传感器网络布置好之后均可以认为是常量，即该问题其实是一个0-1规划问题，

步骤32：在上述问题中，先将条件x_i,j∈{0,1}放松为x_i,j∈[0,1]，原问题就转化为一个新的一般的线性规划(LP)问题。通过CPLEX可以得到这个新问题的解这个解对应的吞吐率是原问题的一个上界。进一步，在得到新问题的解之后，找到中最小且不为1的x_i,j，固定其值为0，其余的x_i,j取值范围仍为[0,1]，得到更新后的问题，再通过CPLEX可以得到新的一组解。然后对于新的解，在还未固定的x_i,j中找到值最小的并固定其值为0，依次迭代更新解决这个问题，直到最小的x_i,j为1就得到了原问题的可行解X，这个可行解对应的吞吐率Z是原问题的一个下界。

步骤33：求出了问题上下界的对应的解后，通过分支定界法剪枝进一步降低算法的复杂度。其实，要求解上述问题，只需确定每个时隙中是小车发送能量(x_0,j＝1,j∈{1,2,…,m})还是节点发送数据(x_0,j＝0,j∈{1,2,…,m})；以及如果节点发送数据那么是哪个节点发送数据(x_i,j∈{0,1},i∈{0,1,…,n},j∈{1,2,…,m})。所以每个时隙把问题分成n+1个分枝进行搜索，第一个分支表示发送能量，即x_0,j＝1，其他n个分枝分别表示第i个节点发送数据，即x_i,j＝1,i≠0。由于步骤32求出了问题上下界对应的解，所以可以通过剪枝降低搜索的复杂度，并在搜索过程中不断更新上下界。

具体过程如下：第一个时隙按x_0,1为1其余x_i,1为0、x_1,1为1其余x_i,1为0、…、x_n,1为1其余x_i,1为0，分为n+1个枝，通过CPLEX得到将(4)放松后的LP问题的解X和其对应的吞吐率Z，记其中吞吐率最大的解为X_max，其吞吐率为Z_max，更新判断这n+1组解中是否有符合约束(4)的解，将所有符合约束的解中吞吐率最大的解和其吞吐率值分别记为X′_max、Z′_max，若Z′_max>Z，则更新Z和X，令Z＝Z′_max，X＝X′_max。此时，若则得到最优解X^*＝X和其对应的吞吐率Z，算法结束；否则剪去无解或吞吐率Z小于Z的枝，然后进入第二个时隙的迭代。第二个时隙对于剩下来的枝，采用与第一个时隙相同的步骤，以此类推，直到得到最优解或迭代完所有的时隙。具体流程如图2所示。

Claims (4)

1.一种无线传感器网络移动充电和数据收集方法，其特征在于，包括如下步骤：

步骤1：用离散化方法将多功能小车移动中的整个周期分为若干个时隙；

步骤2：计算每个时隙每个节点能够充电时捕获的能量和能够发送数据时的吞吐量；

步骤3：计算总吞吐量最大化下时隙分配方案，即每个时隙是用于小车给节点充电还是节点发送数据。

2.根据权利要求1所述的无线传感器网络移动充电和数据收集方法，其特征在于，所述步骤1包括以下分步骤：

步骤11：根据小车移动性，计算每个时刻节点的瞬时充电功率和瞬时吞吐率；

步骤12：在一个时隙中，分别以一个二值变量表示该时隙小车是否充电以及节点是否发送数据。

3.根据权利要求1或2所述的无线传感器网络移动充电和数据收集方法，其特征在于，所述步骤2包括以下分步骤：

步骤21：根据小车运动特性计算每个节点与小车之间距离随时间变化关系；

步骤22：根据定积分计算每个时隙每个节点能够充电时捕获的能量和能够发送数据时的吞吐量。

4.根据权利要求1所述的无线传感器网络移动充电和数据收集方法，其特征在于，所述步骤3包括以下分步骤：

步骤31：将问题形式化为0-1规划问题；

步骤32：根据一个放松-固定算法求得问题的可行解；

步骤33：已知问题可行解，根据分支定界法求得问题最优解。