CN109890048A - 一种面向无线供电物联网系统的资源分配方法及装置 - Google Patents

Abstract

本发明提供一种面向无线供电物联网系统的资源分配方法及装置，能够实现传感器节点和混合接入点的最优功率控制。所述方法包括：确定无线供电物联网系统中混合接入点和传感器节点的能量函数；确定混合接入点和传感器节点和目标函数，其中，混合接入点的目标函数的目标为最小化混合接入点的效用，传感器节点的目标函数的目标为在能量传递和信息传输期间最小化传输成本；根据确定的能量函数和目标函数，将能量变化作为系统状态，通过动态规划理论和大数定理确定基于传感器节点和混合接入点的平均场控制的最优解，得到信息传输和能量传递的最优功率策略。本发明涉及物联网领域。

Description

一种面向无线供电物联网系统的资源分配方法及装置

技术领域

本发明涉及物联网领域，特别是指一种面向无线供电物联网系统的资源分配方法及装置。

背景技术

物联网(IoT)作为人与物之间联系的主要模式，已被用于物流后端、构建工业物联网环境以及学术研究。通过物联网技术，人们可以轻松访问和控制传感器生成的信息，构建物联网系统。在物联网系统中，由于传感器的工作时间总是电池受限设备，因此，传感器面临的主要问题之一是能效和消耗问题。

现有技术中，还无法有效实现无线供电物联网系统中最优功率控制。

发明内容

本发明要解决的技术问题是提供一种面向无线供电物联网系统的资源分配方法及装置，以解决现有技术所存在的无法实现无线供电物联网系统中最优功率控制的问题。

为解决上述技术问题，本发明实施例提供一种面向无线供电物联网系统的资源分配方法，包括：

确定无线供电物联网系统中混合接入点和传感器节点的能量函数；

确定混合接入点和传感器节点和目标函数，其中，混合接入点的目标函数的目标为最小化混合接入点的效用，传感器节点的目标函数的目标为在能量传递和信息传输期间最小化传输成本；

根据确定的能量函数和目标函数，将能量变化作为系统状态，通过动态规划理论和大数定理确定基于传感器节点和混合接入点的平均场控制的最优解，得到信息传输和能量传递的最优功率策略。

进一步地，每个无线传感器配有可充电电池；

每个传感器节点从混合接入点获取能量存储在可充电电池中，并利用从混合接入点获取到的能量将信息上传到混合接入点。

进一步地，混合接入点的能量函数表示为：

dx₀(t)＝[α₀x₀(t)+β₀p₀(t)]dt

其中，α₀x₀(t)表示系统消耗带走的能量；α₀表示对于混合接入点，由系统消耗引起的随机能量衰减系数；x₀(t)表示混合接入点的能量水平；β₀表示能量传递的随机效率系数；p₀表示能量传递功率；t表示时刻。

进一步地，系统消耗带走的能量表示为：

α₀x₀(t)＝(P_HC+P_RF+P_RP)δ₀

其中，P_HC表示硬件电路的消耗，P_RF表示射频模块的消耗，P_RP表示混合接入点与控制器交换的数据包的功耗，δ₀表示能量传递的持续时间。

进一步地，传感器节点的能量函数表示为：

dx_i(t)＝[α_ix_i(t)+β_ip_i(t)+ρ_ih_ip₀(t)]dt

其中，x_i(t)表示传感器节点i的能量状态；α_i表示对于传感器节点i，由系统消耗引起的随机能量衰减系数；β_i表示信息传输的随机效率系数；p_i表示传感器节点i信息传输的功率，ρ_i表示能量传递的转换效率系数，h_i表示从混合接入点到传感器节点的信道功率增益。

进一步地，所述确定混合接入点的目标函数包括：

确定混合接入点的效用函数；

最小化混合接入点的效用函数，得到混合接入点的目标函数。

进一步地，混合接入点的效用函数表示为：

其中，表示在能量传递和信息传输期间[0,T]，混合接入点的效用；μ₀、ν₀都表示正加权因子；x^N(t)表示t时刻，N个传感器节点能量的平均场项；x_i(t)表示传感器节点i的能量状态；p^N表示所有传感器节点的平均功率策略；H₀表示对于混合接入点来说，平均场项x^N(t)的加权因子；

混合接入点的目标函数表示为：

其中，表示能量传递的最优功率策略。

进一步地，所述确定传感器节点的目标函数包括：

确定传感器节点的传输成本函数；

最小化传感器节点的传输成本函数，得到传感器节点的目标函数。

进一步地，传感器节点的传输成本函数表示为：

其中，表示传感器节点i的传输成本；μ_i、ν_i和η_i都表示正加权因子；H_i表示对于传感器节点i来说，平均场项x^N(t)的加权因子；p_-i表示非传感器节点i的功率策略；

传感器节点的目标函数表示为：

其中，表示信息传输的最优功率策略。

本发明实施例还提供一种面向无线供电物联网系统的资源分配装置，包括：

第一确定模块，用于确定无线供电物联网系统中混合接入点和传感器节点的能量函数；

第二确定模块，用于确定混合接入点和传感器节点和目标函数，其中，混合接入点的目标函数的目标为最小化混合接入点的效用，传感器节点的目标函数的目标为在能量传递和信息传输期间最小化传输成本；

第三确定模块，用于根据确定的能量函数和目标函数，将能量变化作为系统状态，通过动态规划理论和大数定理确定基于传感器节点和混合接入点的平均场控制的最优解，得到信息传输和能量传递的最优功率策略。

本发明的上述技术方案的有益效果如下：

上述方案中，确定无线供电物联网系统中混合接入点和传感器节点的能量函数；确定混合接入点和传感器节点和目标函数，其中，混合接入点的目标函数的目标为最小化混合接入点的效用，传感器节点的目标函数的目标为在能量传递和信息传输期间最小化传输成本；根据确定的能量函数和目标函数，将能量变化作为系统状态，通过动态规划理论和大数定理确定基于传感器节点和混合接入点的平均场控制的最优解，从而最大限度地降低传感器节点的信息传输成本以及混合接入点的能量效用，实现传感器节点和混合接入点的最优功率控制。

附图说明

图1为本发明实施例提供的面向无线供电物联网系统的资源分配方法的流程示意图；

图2为本发明实施例提供的无线供电物联网系统的结构示意图；

图3为本发明实施例提供的Stackelberg模型框架示意图；

图4为本发明实施例提供的面向无线供电物联网系统的资源分配装置的结构示意图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

本发明针对现有的无法实现无线供电物联网系统中最优功率控制的问题，提供一种面向无线供电物联网系统的资源分配方法及装置。

实施例一

如图1所示，本发明实施例提供的面向无线供电物联网系统的资源分配方法，包括：

S101，确定无线供电物联网系统中混合接入点和传感器节点的能量函数；

S102，确定混合接入点和传感器节点和目标函数，其中，混合接入点的目标函数的目标为最小化混合接入点的效用，传感器节点的目标函数的目标为在能量传递和信息传输期间最小化传输成本；

S103，根据确定的能量函数和目标函数，将能量变化作为系统状态，通过动态规划理论和大数定理确定基于传感器节点和混合接入点的平均场控制的最优解，得到信息传输和能量传递的最优功率策略。

本发明实施例所述的面向无线供电物联网系统的资源分配方法，确定无线供电物联网系统中混合接入点和传感器节点的能量函数；确定混合接入点和传感器节点和目标函数，其中，混合接入点的目标函数的目标为最小化混合接入点的效用，传感器节点的目标函数的目标为在能量传递和信息传输期间最小化传输成本；根据确定的能量函数和目标函数，将能量变化作为系统状态，通过动态规划理论和大数定理确定基于传感器节点和混合接入点的平均场控制的最优解，从而最大限度地降低传感器节点的信息传输成本以及混合接入点的能量效用，实现传感器节点和混合接入点的最优功率控制。

如图2所示，所述无线供电物联网系统可以包括：一个混合接入点(Hybrid AccessPoint，HAP)和多个(例如，N个)传感器节点(SN)。HAP位于适当的位置，被视为从传感器节点搜集信息的信息收集中心，也是传感器节点的能量源。在上行链路中，每个传感器节点将信息通过无线上传到HAP，每个传感器节点控制其用于信息传输的功率水平；在下行链路中，每个传感器节点使用配备的能量搜集电路从HAP获取能量，HAP控制其自身能量传递的功率水平。每个无线传感器配有可充电电池，每个传感器节点从混合接入点获取能量存储在可充电电池中，并利用从混合接入点获取到的能量将信息上传到混合接入点。每个传感器节点的能量受可充电电池容量限制。假设能量传递和信息传输可以同时进行。对于传感器节点，假设能量和信息传输以相同的频率运行。

本实施例中，由于每个传感器节点使用来自HAP的能量进行信息传输，因此能量传递的功率水平可以显着影响传感器节点的性能。因此，HAP和传感器节点之间的关系可以被认为是斯塔克尔伯格(Stackelberg)博弈模型，更具体地说，可以被认为是一个领导者与多个追随者的模型；其中，HAP是领导者，传感器节点是追随者；Stackelberg模型由领导级和追随者级两部分组成，如图3所示。

为了更好地理解本发明实施例所述的一种面向无线供电物联网系统的资源分配方法，对其进行详细说明，所述方法具体可以包括以下步骤：

S101，确定无线供电物联网系统中混合接入点和传感器节点的能量函数，具体可以包括以下步骤：

S1011，确定HAP的能量函数

本实施例中，HAP的能量主要由能量传递的功率水平决定。假设HAP以唯一的频率传输能量。对于HAP，能量水平可以通过以下微分方程来描述：

dx₀(t)＝[α₀x₀(t)+β₀p₀(t)]dt (1)

其中，α₀x₀(t)表示系统消耗带走的能量；α₀表示对于混合接入点，由系统消耗引起的随机能量衰减系数；x₀(t)表示混合接入点的能量水平，初始能量状态是x₀(0)，HAP的初始能量状态与具有均值的SN无关；β₀表示能量转移的随机效率系数，取决于能量传递电路；p₀表示能量转移功率；t表示时刻。

本实施例中，α₀x₀(t)可以表示为：α₀x₀(t)＝(P_HC+P_RF+P_RP)δ₀；其中，P_HC表示硬件电路的消耗，P_RF表示射频模块的消耗，P_RP表示HAP与控制器交换的数据包的功耗，δ₀表示能量传递的持续时间/时段。

S1012，确定传感器节点的能量函数

本实施例中，每个传感器节点的能量由来自HAP的能量和用于信息传输的功率支配。假设用于信息传输的功率表示为{p_i(t),1≤i≤N}，结合电池能量变化的动态特性，对于任一传感器节点i的能量x_i(t)可以表示为：

dx_i(t)＝[α_ix_i(t)+β_ip_i(t)+ρ_ih_ip₀(t)]dt (2)

其中，x_i(t)表示传感器节点i的能量状态；α_i表示对于传感器节点i，由系统消耗引起的随机能量衰减系数，包括硬件电路和RF模块的功耗；β_i表示信息传输的随机效率系数，取决于信息传输电路；p_i表示传感器节点i信息传输的功率，ρ_i表示能量转移的转换效率系数，h_i表示从混合接入点到传感器节点的信道功率增益。

本实施例中，每个传感器节点具有初始能量状态，表示为{x_i(0),1≤i≤N}，它们是相互独立的。

S102，确定混合接入点和传感器节点和目标函数，具体可以包括以下步骤：

S1021，确定混合接入点的效用函数，并最小化混合接入点的效用函数，得到混合接入点的目标函数。

本实施例中，HAP的目标是控制能量传递的功率水平，以最小化其效用。对于HAP，其效用函数可以表示为：

其中，表示混合接入点的效用；p^N表示所有传感器节点的平均功率策略；H₀表示对于混合接入点来说，平均场项x^N(t)的加权因子；μ₀≥0和ν₀>0是表示对应部分相对重要性的正加权因子；HAP的效用函数是两个部分的线性组合。第一个部分是μ₀(x₀(t)-H₀x^N(t))²，表示的是可用于传递的能量，其中，x^N(t)表示t时刻，N个传感器节点能量的平均场项；x_i(t)表示传感器节点i的能量状态。第二部分是从传感器节点s获得的转移能量，表示为ν₀(p₀(t))²。

接着，最小化HAP的效用函数，得到混合接入点的目标函数：

其中，表示能量传递的最优功率策略。

S1022，确定传感器节点的传输成本函数，并最小化传感器节点的传输成本函数，得到传感器节点的目标函数。

本实施例中，传感器节点的目标是在能量传递和信息传输期间最小化传输成本。对于任一传感器节点，其传输成本函数可以表示为：

其中，表示传感器节点i的传输成本；μ_i≥0，ν_i>0和η_i>0都表示正加权因子；H_i表示对于传感器节点i来说，平均场项x^N(t)的加权因子；p_-i表示非传感器节点i的功率策略。任一传感器节点的传输成本函数由三部分组成。第一部分是μ_i(x_i(t)-H_ix^N(t))²，这意味着与传感器节点的行为相比，是信息传输的可用能量。第二部分是ν_i(p_i(t))²，表示信息传输的能源成本要素。第三部分是η_ip₀(t)p_i(t)，取决于收获的能量和信息传输的能力。

接着，最小化传感器节点的传输成本函数，得到传感器节点的目标函数：

其中，表示信息传输的最优功率策略。

本实施例中，每个无线接入点通过得到的传感器节点的目标函数来控制其负载，达到网络整体的负载均衡。

S103，根据确定的能量函数和目标函数，将能量变化作为系统状态，通过动态规划理论和大数定理确定基于传感器节点和混合接入点的平均场控制的最优解，得到信息传输和能量传递的最优功率策略，具体可以包括以下步骤：

S1031，求解开环状态下，传感器节点i的最优功率策略。

定义1(ε-Nash均衡)：对于传感器节点i，如果存在ε≥0，使得1≤i≤N，则构成了ε-Nash均衡；其中，inf表示下确界；分别表示传感器节点i和非传感器节点i的最优功率策略；U_i(p₀)表示的是混合接入点的功率策略是p₀情况下，传感器节点i的功率策略集；ε就是给的定义，存在一个ε≥0，表示的是一个近似符合纳什均衡条件的功率策略组合，称之为ε-Nash均衡。

命题1：对于传感器节点i，一组控件构成方程(2)和(6)中功率控制问题的开环平衡，最优控制解可由式(7)给出：

最优控制解符合以下条件：

其中，λ_i(t)是λ_i(T)＝0的一个共态(costate)函数，可以通过以下微分方程给出：

大数定理1：最优控制问题有一个独特的解决方案。证明过程如下：

方程(7)中传感器节点的相应最优解由基于动态规划理论的哈密尔顿-雅可比-贝尔曼(Hamilton Jocabi Bellman，HJB)方程基于等式L_i(p_i,x_i)＝μ_i(x_i(t)-H_ix^N(t))²+ν_i(p_i(t))²+η_ip₀(t)p_i(t)+λ_i(t)[α_ix_i(t)+β_ip_i(t)+ρ_ih_ip₀(t)]给出；

最优控制问题独特的解决方案，由式(11)给出：

命题2：对于每个传感器节点，状态反馈控制平衡由式(12)给出：

其中，V(t)是值函数，V(t)适用于任一传感器节点，对于传感器节点i来说，可以用V_i(t)表示；方程(7)或(12)是传感器节点i用于信息传输的最优功率策略。在(12)中，最优功率策略是能量状态和值函数V_i(t)的函数，其中，值函数V_i(t)应满足以下关系：

其中，φ_i(T)＝0，V_i(T)＝0，基于命题2，可以得到方程(7)中最优控制策略的状态反馈平衡。方程(8)和(9)中相应的能量变化可以重写如下：

S1032，求解所有传感器节点的平均场估计。

dλ(t)＝[-μ_i(z(t)-H_iz(t))-α_iλ(t)]dt (18)

其中，λ(t)适用于任一传感器节点，对于传感器节点i来说，可以用λ_i(t)表示；

使用等式(15)-(18)中给出的函数也可以写成：

其中，φ(T)＝0。当传感器节点N的数量任意大时，可以基于等式(19)和(20)找到平均场估计。此外，可以发现平均场估计取决于HAP的功率控制策略，平均场用于解决大量传感器节点的资源分配问题。

命题3：对于HAP，有：

其中，E表示数学期望，Ο(·)表示复杂度；

传感器节点i(1≤i≤N)的最优功率策略，在命题1中，

在等式(8)和(9)中确定，等式(22)中给出的最优控制策略是由HAP的功率控制策略控制的传感器节点i的开环解决方案。

大数定理2：对于能量传递的HAP的任何功率策略，每个传感器节点i的信息传输策略构成纳什均衡，也就是说，对于任意的i，1≤i≤N，都有

其中，

S1033，求解HAP最优功率策略。

定义2：对于HAP，如果以下不等式适用于所有可行控制则功率控制策略是最优的：

命题4：HAP的最优控制问题是最小化以下等式：

dx₀(t)＝[α₀x₀(t)+β₀p₀(t)]dt (26)

dλ(t)＝[-μ_i(z(t)-H_iz(t))-α_iλ(t)]dt (28)

由于HAP是所提出的模型的领导者，应该将Stackelberg博弈分析应用于所提出的模型，与传感器节点的控制相比，HAP的控制存在更多的约束，由等式给出(27)和(28)。式(27)和(28)给出的约束可以替换式(19)和(20)得到的平均场估计，为：

命题5：对于HAP，存在最优功率策略

dλ(t)＝[-μ_i(z(t)-H_iz(t))-α_iλ(t)]dt (37)

其中，Λ₁、Λ₂、λ₀都是为了计算最终结果引入的一些过程参数，其目的是为了简化表达式。

综上，在无线供电物联网系统中，使用能量变化作为系统状态，结合Stackelberg博弈模型和平均场模型，并通过动态规划理论和大数定理解决无线供电物联网系统中存在大量传感器节点时的资源分配问题，实现了基于传感器节点和混合接入点的平均场控制的最优解，得到信息传输和能量传递的功率控制策略，并且可以得到ε-Nash均衡。

实施例二

本发明还提供一种面向无线供电物联网系统的资源分配装置的具体实施方式，由于本发明提供的面向无线供电物联网系统的资源分配装置与前述面向无线供电物联网系统的资源分配方法的具体实施方式相对应，该面向无线供电物联网系统的资源分配装置可以通过执行上述方法具体实施方式中的流程步骤来实现本发明的目的，因此上述面向无线供电物联网系统的资源分配方法具体实施方式中的解释说明，也适用于本发明提供的面向无线供电物联网系统的资源分配装置的具体实施方式，在本发明以下的具体实施方式中将不再赘述。

如图4所示，本发明实施例还提供一种面向无线供电物联网系统的资源分配装置，包括：

第一确定模块11，用于确定无线供电物联网系统中混合接入点和传感器节点的能量函数；

第二确定模块12，用于确定混合接入点和传感器节点和目标函数，其中，混合接入点的目标函数的目标为最小化混合接入点的效用，传感器节点的目标函数的目标为在能量传递和信息传输期间最小化传输成本；

第三确定模块13，用于根据确定的能量函数和目标函数，将能量变化作为系统状态，通过动态规划理论和大数定理确定基于传感器节点和混合接入点的平均场控制的最优解，得到信息传输和能量传递的最优功率策略。

本发明实施例所述的面向无线供电物联网系统的资源分配装置，确定无线供电物联网系统中混合接入点和传感器节点的能量函数；确定混合接入点和传感器节点和目标函数，其中，混合接入点的目标函数的目标为最小化混合接入点的效用，传感器节点的目标函数的目标为在能量传递和信息传输期间最小化传输成本；根据确定的能量函数和目标函数，将能量变化作为系统状态，通过动态规划理论和大数定理确定基于传感器节点和混合接入点的平均场控制的最优解，从而最大限度地降低传感器节点的信息传输成本以及混合接入点的能量效用，实现传感器节点和混合接入点的最优功率控制。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种面向无线供电物联网系统的资源分配方法，其特征在于，包括：

确定无线供电物联网系统中混合接入点和传感器节点的能量函数；

确定混合接入点和传感器节点和目标函数，其中，混合接入点的目标函数的目标为最小化混合接入点的效用，传感器节点的目标函数的目标为在能量传递和信息传输期间最小化传输成本；

根据确定的能量函数和目标函数，将能量变化作为系统状态，通过动态规划理论和大数定理确定基于传感器节点和混合接入点的平均场控制的最优解，得到信息传输和能量传递的最优功率策略。

2.根据权利要求1所述的面向无线供电物联网系统的资源分配方法，其特征在于，每个无线传感器配有可充电电池；

每个传感器节点从混合接入点获取能量存储在可充电电池中，并利用从混合接入点获取到的能量将信息上传到混合接入点。

3.根据权利要求1所述的面向无线供电物联网系统的资源分配方法，其特征在于，混合接入点的能量函数表示为：

dx₀(t)＝[α₀x₀(t)+β₀p₀(t)]dt

其中，α₀x₀(t)表示系统消耗带走的能量；α₀表示对于混合接入点，由系统消耗引起的随机能量衰减系数；x₀(t)表示混合接入点的能量水平；β₀表示能量传递的随机效率系数；p₀表示能量传递功率；t表示时刻。

4.根据权利要求3所述的面向无线供电物联网系统的资源分配方法，其特征在于，系统消耗带走的能量表示为：

α₀x₀(t)＝(P_HC+P_RF+P_RP)δ₀

其中，P_HC表示硬件电路的消耗，P_RF表示射频模块的消耗，P_RP表示混合接入点与控制器交换的数据包的功耗，δ₀表示能量传递的持续时间。

5.根据权利要求4所述的面向无线供电物联网系统的资源分配方法，其特征在于，传感器节点的能量函数表示为：

dx_i(t)＝[α_ix_i(t)+β_ip_i(t)+ρ_ih_ip₀(t)]dt

其中，x_i(t)表示传感器节点i的能量状态；α_i表示对于传感器节点i，由系统消耗引起的随机能量衰减系数；β_i表示信息传输的随机效率系数；p_i表示传感器节点i信息传输的功率，ρ_i表示能量传递的转换效率系数，h_i表示从混合接入点到传感器节点的信道功率增益。

6.根据权利要求5所述的面向无线供电物联网系统的资源分配方法，其特征在于，所述确定混合接入点的目标函数包括：

确定混合接入点的效用函数；

最小化混合接入点的效用函数，得到混合接入点的目标函数。

7.根据权利要求6所述的面向无线供电物联网系统的资源分配方法，其特征在于，混合接入点的效用函数表示为：

其中，表示在能量传递和信息传输期间[0,T]，混合接入点的效用；μ₀、ν₀都表示正加权因子；x^N(t)表示t时刻，N个传感器节点能量的平均场项；x_i(t)表示传感器节点i的能量状态；p^N表示所有传感器节点的平均功率策略；H₀表示对于混合接入点来说，平均场项x^N(t)的加权因子；

混合接入点的目标函数表示为：

其中，表示能量传递的最优功率策略。

8.根据权利要求7所述的面向无线供电物联网系统的资源分配方法，其特征在于，所述确定传感器节点的目标函数包括：

确定传感器节点的传输成本函数；

最小化传感器节点的传输成本函数，得到传感器节点的目标函数。

9.根据权利要求8所述的面向无线供电物联网系统的资源分配方法，其特征在于，传感器节点的传输成本函数表示为：

其中，表示传感器节点i的传输成本；μ_i、ν_i和η_i都表示正加权因子；H_i表示对于传感器节点i来说，平均场项x^N(t)的加权因子；p_-i表示非传感器节点i的功率策略；

传感器节点的目标函数表示为：

其中，表示信息传输的最优功率策略。

10.一种面向无线供电物联网系统的资源分配装置，其特征在于，包括：

第一确定模块，用于确定无线供电物联网系统中混合接入点和传感器节点的能量函数；

第二确定模块，用于确定混合接入点和传感器节点和目标函数，其中，混合接入点的目标函数的目标为最小化混合接入点的效用，传感器节点的目标函数的目标为在能量传递和信息传输期间最小化传输成本；

第三确定模块，用于根据确定的能量函数和目标函数，将能量变化作为系统状态，通过动态规划理论和大数定理确定基于传感器节点和混合接入点的平均场控制的最优解，得到信息传输和能量传递的最优功率策略。