CN109982422B - 一种自适应无线传感器网络发射功率控制方法 - Google Patents
一种自适应无线传感器网络发射功率控制方法 Download PDFInfo
- Publication number
- CN109982422B CN109982422B CN201910279239.XA CN201910279239A CN109982422B CN 109982422 B CN109982422 B CN 109982422B CN 201910279239 A CN201910279239 A CN 201910279239A CN 109982422 B CN109982422 B CN 109982422B
- Authority
- CN
- China
- Prior art keywords
- moment
- time
- delta
- control input
- increment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/06—TPC algorithms
- H04W52/14—Separate analysis of uplink or downlink
- H04W52/146—Uplink power control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
- H04W52/245—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account received signal strength
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种自适应无线传感器网络发射功率控制方法,该方法首先构建系统状态空间方程;然后,采集接收信号节点的接收信号强度Pr(k);其次,通过自适应控制器求解最优化问题得最优系统控制输入增量向量△U*(k)和系统控制输入增量△u(k);最后,根据系统控制输入增量△u(k)求出系统控制输入量u(k)以及发射功率Pt(k)并调节发射信号节点发射功率并进入下一周期。通过基于ZigBee硬件平台实验验证本发明所提发射功率控制方法具有根据系统扰动的变化,自适应地调整参考输入序列等能力,从而获得自适应的ZigBee节点发射功率,保证无线通信的可靠性。
Description
技术领域
本发明涉及无线传感器网络发射功率控制系统自动控制技术领域,是一种基于模型预测控制的自适应控制方法;
背景技术
无线传感器网络是一种分布式传感网络,广泛应用于军事、航空、防爆、救灾、环境、医疗、保健、家居、工业、商业等领域;无线传感器网络节点体积较小,通常以电池为其提供能量,因而其电能非常有限;无线传感器网络的这种能量受限的特点使研究者必须考虑如何高效运用节点所携带的有限电能,尽可能的提高用电效率是延长节点生命周期的重要途径;由于节点并不是孤立的,许多个节点组成一个完整的网络,延长单个节点的工作时间将提高整个网络的生命周期;无线传感器网络节点的能耗主要包括传感器模块能耗、处理器模块能耗、无线通信模块能耗等,其中传感器节点的通信模块能耗占总能耗比重很大,而无线发射功率同时与无线传感器网络传输可靠性相关联,即:如果发射功率较大,虽然可以提高传输可靠性,但其能量损耗也较大;如果发射功率过小,其传输可靠性可能不能保证,数据丢包导致多次重传也增加能量损耗;因而,通过功率控制调节网络中每个节点的无线发射功率,在满足网络质量前提下可以减小网络通信干扰、降低网络能量消耗,从而有效地延长网络生命周期,促进无线传感器网络的应用。
无线传感器网络功率控制技术是指无线传感器网络节点在通信过程中根据网络状态参数确定自己的最佳发射功率,从而在保证通信质量的前提下节省节点能量的技术;无线传感器网络功率控制问题的研究,已成为目前无线传感器网络领域的研究热点之一,这既有学术论文对此做了深入的理论分析,也有实际应用的工程方法,如发明专利申请《一种无线传感器网络功率控制方法》(CN107949049A);中国发明专利申请公开说明书CN107949049A于2018年4月20日公开的《一种无线传感器网络功率控制方法》,是先建立各节点的发射功率迭代方程、实际信噪比和期望信噪比的模型;然后引入状态向量,利用Lyapunov稳定性定理,将控制器的设计问题转化成一类线性不等式的可解性问题;最后通过求解一类矩阵不等式,给出实际信噪比收敛于期望信噪比的充分条件,进而得到无线传感器网络功率控制的迭代算法。但是,此方法存在着以下不足:
1)文中提出无线传感器节点采用功率、速率联合控制方案,自适应的调整节点的传输速率,这势必影响无线传感网络节点之间相互通信的效率从而影响信息获取者的决策;
2)文中提出的无线传感器节点功率控制方法对无线传感器网络节点的处理性能要求较高且不能快速适应环境干扰的变化;
3)文中设计的控制器为状态反馈鲁棒控制器,而在实际的工程应用中,系统的状态往往是难以测量采集的,这便限制了该方法在工程中的应用。
发明内容
本发明的主要目的是针对上述无线传感器网络功率控制方法的技术方案的缺点,提供了一种更为合理的发射功率控制方法。
为实现上述目的,本发明采用了以下技术方案;
一种自适应无线传感器网络发射功率控制方法,该方法包括如下步骤:
步骤1,设当前时刻为k时刻,根据对数路径损耗模型式(1),构建系统状态空间方程式(2):
其中,Pr(k)为k时刻接收信号节点接收信号强度,Pt(k)为k时刻发射信号节点发射功率,PL(d0)为参考距离为d0时的参考路径损耗值,n(k)为k时刻路径损耗指数,d为发射信号节点与接收信号节点之间的距离,Xδ(k)为k时刻多径效应对接收信号的影响值;
其中,x(k+1)为k+1时刻系统状态变量,x(k)为k时刻系统状态变量,u(k)为k时刻系统控制输入量,w(k)为k时刻系统扰动量,yc(k)为k时刻系统输出量,A为k时刻状态变量x(k)的系数且值为1,Bu为k时刻系统控制输入量u(k)的系数且值为1,Bw为k时刻系统扰动量w(k)的系数且值为-1,Cc为k时刻系统输出量yc(k)的系数且值为1;
步骤2,接收信号节点采集k时刻接收信号节点接收信号强度Pr(k)作为k时刻系统状态变量x(k);
步骤3,设定k时刻p步系统预测输出向量Yp(k+1|k)和m步系统控制输入增量向量ΔU(k)分别如式(3)式(4):
其中,yc(k+1|k)为k时刻对k+1时刻的系统预测输出量,yc(k+2|k)为k时刻对k+2时刻的系统预测输出量,yc(k+p|k)为k时刻对k+p时刻的系统预测输出量,Δu(k)为k时刻系统控制输入增量,Δu(k+1)为k+1时刻系统控制输入增量,Δu(k+m-1)为k+m-1时刻系统控制输入增量;
步骤4,对系统未来p步预测输出向量由式(5)计算:
Yp(k+1|k)=SxΔx(k)+Iyc(k)+SwΔw(k)+SuΔU(k) (5)
其中,Δx(k)为k时刻系统状态变量增量,Δw(k)为k时刻系统扰动量增量,Sx为k时刻系统状态变量增量Δx(k)的系数,I为k时刻预测输出向量计算式中yc(k)的系数,Sw为k时刻系统扰动量增量Δw(k)的系数,Su为k时刻系统控制输入增量向量ΔU(k)的系数,
步骤5,系统最优解问题如式(6)所示:
其中,为当x(k),m,p已知时求取ΔU(k)使函数J(x(k),ΔU(k),m,p)最小,Δu(k+i-1)为k+i-1时刻系统控制输入增量,yc(k+i|k)为k时刻对k+i时刻的系统预测输出量,r(k+i)为k+i时刻系统参考输入量;
将式(6)改写成矩阵向量形式如式(7):
其中,R(k+1)为k+1时刻系统参考输入序列,其值为自适应调整的;
步骤6,通过线性矩阵不等式的求解对式(6)最优问题进行求解,求出最优系统控制输入增量向量ΔU*(k)如式(8)所示:
最优系统控制输入增量向量的第一个元素即为k时刻系统控制输入增量Δu(k),其表达式如式(9);
步骤7,通过式(10)求出下一时刻,即k+1时刻系统控制输入量u(k+1),然后通过式(11)求出k+1时刻发射信号节点发射功率Pt(k+1),并作为下次传输时发射信号节点所采用的发射功率;
u(k+1)=u(k)+Δu(k) (10)
Pt(k+1)=Pt(k)+u(k) (11)
步骤8,返回步骤2,进入下一时刻接收信号节点接收信号强度的采集和发射信号节点发射功率的控制。
优选地,步骤3所述p,m均为正整数且m≤p≤5。
优选地,步骤5所述R(k+1)是自适应调整的,其调整规则如式(12):
其中,r(k+1)为k+1时刻系统参考输入,r(k+2)为k+2时刻系统参考输入,r(k+p)为k+p时刻系统参考输入,Prlq为期望的接收信号强度,σ1为yc(k+1|k),yc(k),…,yc(k-6)的标准方差;σ2为yc(k+2|k),yc(k+1|k),yc(k),…,yc(k-5)的标准方差;σp为yc(k+p|k),yc(k+p-1|k),…yc(k),…,yc(k-(8-p-1))的标准方差。
与现有技术相比,本发明的有益效果为:
1.自适应无线传感器网络发射功率控制更加精准的调节无线传感器网络节点发射功率,这既保证了无线传感器网络通信可靠性的要求,又降低了无线传感器网络的耗能,从而延长无线传感器网络的生存时间;
2.与现有无线传感器网络功率控制技术相比,本发明对无线传感器网络节点的数据处理性能要求低,能够快速地对环境干扰做出响应。
附图说明
图1为本发明自适应无线传感器网络发射功率控制方法的流程图;
图2为本发明自适应无线传感器网络发射功率控制方法结构示意图;
图3为采用本发明控制方法的基于ZigBee硬件平台的实际控制效果图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整的描述;显然所描述的实施例仅是本发明实施例的一部分,基于本发明的实施例,本领域的技术人员在没有做出创造性劳动的前提下获得的其它实施例,都属于本专利的保护范围。
本发明的实施例提供了一种自适应无线传感器网络发射功率控制方。
按照图1所示的控制方法的流程图以及参考图2所示控制方法结构示意图,本发明所述实施例步骤如下:
步骤1,设当前时刻为k时刻,根据对数路径损耗模型式(1),构建系统状态空间方程式(2):
其中,Pr(k)为k时刻接收信号节点接收信号强度,Pt(k)为k时刻发射信号节点发射功率,PL(d0)为参考距离为d0时的参考路径损耗值,n(k)为k时刻路径损耗指数,d为发射信号节点与接收信号节点之间的距离,Xδ(k)为k时刻多径效应对接收信号的影响值。
其中,x(k+1)为k+1时刻系统状态变量,x(k)为k时刻系统状态变量,u(k)为k时刻系统控制输入量,w(k)为k时刻系统扰动量,yc(k)为k时刻系统输出量,A为k时刻状态变量x(k)的系数且值为1,Bu为k时刻系统控制输入量u(k)的系数且值为1,Bw为k时刻系统扰动量w(k)的系数且值为-1,Cc为k时刻系统输出量yc(k)的系数且值为1。
步骤2,接收信号节点采集k时刻接收信号节点接收信号强度Pr(k)作为k时刻系统状态变量x(k)。本实施例中,Pr(k)=-78dBm。
步骤3,设定k时刻p步系统预测输出向量Yp(k+1|k)和m步系统控制输入增量向量ΔU(k)分别如式(3)式(4):
其中,yc(k+1|k)为k时刻对k+1时刻的系统预测输出量,yc(k+2|k)为k时刻对k+2时刻的系统预测输出量,yc(k+p|k)为k时刻对k+p时刻的系统预测输出量,Δu(k)为k时刻系统控制输入增量,Δu(k+1)为k+1时刻系统控制输入增量,Δu(k+m-1)为k+m-1时刻系统控制输入增量。p,m为正整数且m≤p≤5,本实施例中,p=3,m=3。
步骤4,对系统未来p步预测输出向量由式(5)计算:
Yp(k+1|k)=SxΔx(k)+Iyc(k)+SwΔw(k)+SuΔU(k) (5)
其中,Δx(k)为k时刻系统状态变量增量,Δw(k)为k时刻系统扰动量增量,Sx为k时刻系统状态变量增量Δx(k)的系数,I为k时刻预测输出向量计算式中yc(k)的系数,Sw为k时刻系统扰动量增量Δw(k)的系数,Su为k时刻系统控制输入增量向量ΔU(k)的系数,
其中,Ai为k时刻状态变量x(k)的系数A的i次幂,Ai-1为k时刻状态变量x(k)的系数A的i-1次幂,i为整数且1≤i≤p;为nc维单位矩阵,nc为k时刻系统输出量yc(k)的维数,其值为1。本实施例中,i为整数且1≤i≤3,Ai=1,Ai-1=1,
步骤5,系统最优解问题如式(6)所示:
其中,为当x(k),m,p已知时求取ΔU(k)使函数J(x(k),ΔU(k),m,p)最小,Δu(k+i-1)为k+i-1时刻系统控制输入增量,yc(k+i|k)为k时刻对k+i时刻的系统预测输出量,r(k+i)为k+i时刻系统参考输入量。
将式(6)改写成矩阵向量形式如式(7):
其中,R(k+1)为k+1时刻系统参考输入序列,其值为自适应调整的,其调整规则如式(12):
其中,r(k+1)为k+1时刻系统参考输入,r(k+2)为k+2时刻系统参考输入,r(k+p)为k+p时刻系统参考输入,Prlq为期望的接收信号强度,σ1为yc(k+1|k),yc(k),…,yc(k-6)的标准方差,σ2为yc(k+2|k),yc(k+1|k),yc(k),…,yc(k-5)的标准方差,σp为yc(k+p|k),yc(k+p-1|k),…yc(k),
…,yc(k-(8-p-1))的标准方差。本实施例中,Prlq=-75dBm。
步骤6,通过线性矩阵不等式的求解对式(6)最优问题进行求解,求出最优系统控制输入增量向量ΔU*(k)如式(8)所示:
最优系统控制输入增量向量的第一个元素即为k时刻系统控制输入增量Δu(k),其表达式如式(9);
步骤7,通过式(10)求出下一时刻,即k+1时刻系统控制输入量u(k+1),然后通过式(11)求出k+1时刻发射信号节点发射功率Pt(k+1),并作为下次传输时发射信号节点所采用的发射功率;
u(k+1)=u(k)+Δu(k) (10)
Pt(k+1)=Pt(k)+u(k) (11)
其中,u(k)为k时刻系统控制输入量。本实施例中,u(k)=0,Δu(k)=2,u(k+1)=2,Pt(k)=3,Pt(k+1)=5。
步骤8,返回步骤2,进入下一时刻接收信号节点接收信号强度的采集和发射信号节点发射功率的控制。
图3为采用本发明控制方法的基于ZigBee硬件平台的实际控制效果图;如图3所示,通过基于ZigBee硬件平台实验效果图表明本发明的发射功率控制方法具有根据系统扰动的变化,自适应地调整参考输入序列的能力,从而获得自适应的ZigBee节点最优发射功率,保证无线通信的可靠性。
Claims (3)
1.一种自适应无线传感器网络发射功率控制方法,其特征在于,包括如下步骤:
步骤1,设当前时刻为k时刻,根据对数路径损耗模型式(1),构建系统状态空间方程式(2):
其中,Pr(k)为k时刻接收信号节点接收信号强度,Pt(k)为k时刻发射信号节点发射功率,PL(d0)为参考距离为d0时的参考路径损耗值,n(k)为k时刻路径损耗指数,d为发射信号节点与接收信号节点之间的距离,Xδ(k)为k时刻多径效应对接收信号的影响值;
其中,x(k+1)为k+1时刻系统状态变量,x(k)为k时刻系统状态变量,u(k)为k时刻系统控制输入量,w(k)为k时刻系统扰动量,yc(k)为k时刻系统输出量,A为k时刻状态变量x(k)的系数且值为1,Bu为k时刻系统控制输入量u(k)的系数且值为1,Bw为k时刻系统扰动量w(k)的系数且值为-1,Cc为k时刻系统输出量yc(k)的系数且值为1;
步骤2,接收信号节点采集k时刻接收信号节点接收信号强度Pr(k)作为k时刻系统状态变量x(k);
步骤3,设定k时刻p步系统预测输出向量Yp(k+1|k)和m步系统控制输入增量向量ΔU(k)分别如式(3)式(4):
其中,yc(k+1|k)为k时刻对k+1时刻的系统预测输出量,yc(k+2|k)为k时刻对k+2时刻的系统预测输出量,yc(k+p|k)为k时刻对k+p时刻的系统预测输出量,Δu(k)为k时刻系统控制输入增量,Δu(k+1)为k+1时刻系统控制输入增量,Δu(k+m-1)为k+m-1时刻系统控制输入增量;
步骤4,对系统未来p步预测输出向量由式(5)计算:
Yp(k+1|k)=SxΔx(k)+Iyc(k)+SwΔw(k)+SuΔU(k) (5)
其中,Δx(k)为k时刻系统状态变量增量,Δw(k)为k时刻系统扰动量增量,Sx为k时刻系统状态变量增量Δx(k)的系数,I为k时刻预测输出向量计算式中yc(k)的系数,Sw为k时刻系统扰动量增量Δw(k)的系数,Su为k时刻系统控制输入增量向量ΔU(k)的系数,
步骤5,系统最优解问题如式(6)所示:
其中,为当x(k),m,p已知时求取ΔU(k)使函数J(x(k),ΔU(k),m,p)最小,Δu(k+i-1)为k+i-1时刻系统控制输入增量,yc(k+i|k)为k时刻对k+i时刻的系统预测输出量,r(k+i)为k+i时刻系统参考输入量;
将式(6)改写成矩阵向量形式如式(7):
其中,R(k+1)为k+1时刻系统参考输入序列,其值为自适应调整的;
步骤6,通过线性矩阵不等式的求解对式(6)最优问题进行求解,求出最优系统控制输入增量向量ΔU*(k)如式(8)所示:
最优系统控制输入增量向量的第一个元素即为k时刻系统控制输入增量Δu(k),其表达式如式(9);
步骤7,通过式(10)求出下一时刻,即k+1时刻系统控制输入量u(k+1),然后通过式(11)求出k+1时刻发射信号节点发射功率Pt(k+1),并作为下次传输时发射信号节点所采用的发射功率;
u(k+1)=u(k)+Δu(k) (10)
Pt(k+1)=Pt(k)+u(k) (11)
步骤8,返回步骤2,进入下一时刻接收信号节点接收信号强度的采集和发射信号节点发射功率的控制。
2.根据权利要求1所述的一种自适应无线传感器网络发射功率控制方法,其特征在于,权利要求1中步骤3所述p和m均为正整数且m≤p≤5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910279239.XA CN109982422B (zh) | 2019-04-09 | 2019-04-09 | 一种自适应无线传感器网络发射功率控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910279239.XA CN109982422B (zh) | 2019-04-09 | 2019-04-09 | 一种自适应无线传感器网络发射功率控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109982422A CN109982422A (zh) | 2019-07-05 |
CN109982422B true CN109982422B (zh) | 2021-11-02 |
Family
ID=67083563
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910279239.XA Active CN109982422B (zh) | 2019-04-09 | 2019-04-09 | 一种自适应无线传感器网络发射功率控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109982422B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112512110B (zh) * | 2020-11-19 | 2022-03-15 | 合肥工业大学 | 智能变电站可靠性需求约束的无线发射功率预测控制方法 |
CN112445173B (zh) * | 2021-01-18 | 2021-04-20 | 深圳市水务工程检测有限公司 | 一种基于物联网的水质监控监测通信系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102711142B (zh) * | 2012-05-18 | 2014-10-22 | 南京拓诺传感网络科技有限公司 | 一种无线传感器网络节点通信控制系统及其控制方法 |
CN102781080B (zh) * | 2012-07-05 | 2015-05-06 | 上海大学 | 一种无线传感器网络节点入网及运行功率自适应方法 |
US9867143B1 (en) * | 2013-03-15 | 2018-01-09 | Icontrol Networks, Inc. | Adaptive Power Modulation |
CN103327592B (zh) * | 2013-05-23 | 2015-09-02 | 南京邮电大学 | 一种基于节点度数的无线传感器网络功率控制方法 |
CN103716808B (zh) * | 2013-12-20 | 2016-09-28 | 合肥工业大学 | 一种无线传感器网络链路质量预测方法 |
CN106714262B (zh) * | 2017-01-09 | 2020-04-07 | 长春工业大学 | 一种基于自适应模糊控制的无线传感器网络拓扑控制方法 |
CN107949049B (zh) * | 2017-11-15 | 2020-09-01 | 浙江省产品质量安全检测研究院 | 一种无线传感器网络功率控制方法 |
-
2019
- 2019-04-09 CN CN201910279239.XA patent/CN109982422B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109982422A (zh) | 2019-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101790251B (zh) | 基于改进粒子群优化算法的无线传感器节点联盟生成方法 | |
Osamy et al. | CSOCA: Chicken swarm optimization based clustering algorithm for wireless sensor networks | |
CN109982422B (zh) | 一种自适应无线传感器网络发射功率控制方法 | |
Zhou et al. | Novel energy-efficient data gathering scheme exploiting spatial-temporal correlation for wireless sensor networks | |
Liu et al. | Distributed cooperative communication nodes control and optimization reliability for resource-constrained WSNs | |
Zhang et al. | Optimal communication scheduling in the smart grid | |
CN115411728A (zh) | 一种融合q学习与势博弈的多微电网系统协调控制方法 | |
CN113472573B (zh) | 用于无线传感器网络资源调度的高维多目标协同优化方法 | |
Kanchan et al. | A quantum inspired PSO algorithm for energy efficient clustering in wireless sensor networks | |
XianYi et al. | Design of Tropical crops pests monitoring system based on wireless sensor network | |
Ghadban et al. | Strategies for principal component analysis in wireless sensor networks | |
CN113163429B (zh) | 一种移动无线自组网覆盖连通方法 | |
CN110011929B (zh) | 一种改善网络拥塞现象的分布式预测控制方法 | |
Raafat et al. | Robust energy efficient control for wireless sensor networks via unity sliding mode | |
Sun et al. | Confidence interval based model predictive control of transmit power with reliability constraint | |
de Castro et al. | Smart energy-aware sensors for event-based control | |
Wang et al. | Resource allocation algorithm for MEC based on Deep Reinforcement Learning | |
CN103533625B (zh) | 基于最小开销路径的降低无线传感器网络电能消耗的方法 | |
Jiao et al. | Optimal energy-delay scheduling for energy harvesting wsns via negatively correlated search | |
Chai et al. | Distributed state estimation based on quantized observations in a bandwidth constrained sensor network | |
CN107509231B (zh) | 一种能量获取型无线传感网络最大化监测频率方法 | |
CN105828405A (zh) | 基于自适应功率传输的中继选择方法 | |
Li et al. | Energy-Efficient Federated Learning for Wireless Computing Power Networks | |
Kim et al. | RL-based transmission completion time minimization with energy harvesting for time-varying channels | |
Tang et al. | Distributed optimal power and rate control in wireless sensor networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |