CN111225356A - 一种多跳无线传感器网络资源分配方法 - Google Patents
一种多跳无线传感器网络资源分配方法 Download PDFInfo
- Publication number
- CN111225356A CN111225356A CN201911396884.6A CN201911396884A CN111225356A CN 111225356 A CN111225356 A CN 111225356A CN 201911396884 A CN201911396884 A CN 201911396884A CN 111225356 A CN111225356 A CN 111225356A
- Authority
- CN
- China
- Prior art keywords
- wireless sensor
- time slot
- energy
- data
- small
- 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.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0446—Resources in time domain, e.g. slots or frames
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明公开了一种多跳无线传感器网络资源分配方法,将多跳无线传感器网络的资源分配管理时隙划分为小时隙和大时隙,所述大时隙大于所述小时隙;以所述大时隙为管理单元进行能量分配,更新无线传感器的能量参数;以所述小时隙为管理单元进行数据资源收发分配,更新无线传感器的数据传输状态。具有稳定性好,持续性好等优点。
Description
技术领域
本发明涉及传感器网络技术领域,尤其涉及一种多跳无线传感器网络资源分配方法。
背景技术
近年来,无线传感器网络作为物联网最基础和最具有启发性的技术之一,受到学术界和 工业界的广泛关注。为了从短生命和网络间冲突中解放无线传感器网络,许多工作提出了节 能路由,集群和多信道接入方案。鉴于这些努力的有效性,根本问题仍然是开放的,即资源 供应有限,特别是能源和频谱。因此,无线传感器网络难以满足运营商在可持续性和连接稳 定性方面的期望。
在这种情况下,能量收集无线电传感器网络出现了。在这种传感器网络范例中,能量收 集和认知无线电模块都被整合到传感器中,以使无线传感器网络免于陷入资源不足的困境。 能量获取技术使传感器能够从兴趣区域中的各种能源中收集能量,从而不断为电池充电。然 而,由于获取的能量的不稳定性和随时间变化的分布,仅用收获的能量为传感器供电不能保 持永久运行。因此,期望利用互补的稳定能源供应(例如电网能量)为传感器供电,从而导 致混合能量供电的传感器网络。在频谱方面,与传统传感器网络目前使用的拥挤无牌频谱不 同,根据联邦通信委员会的报告,大部分许可频谱仍未得到充分利用,即从15%到85%不等。 配备认知无线电模块,允许传感器机会性地访问许可频谱,以避免其他未许可频谱之间的冲 突,从而显着提高频谱效率。
尽管能量和频谱更加有效,但混合能源驱动的认知无线电传感器网络仍然面临着一些新 的挑战,首先,许可频谱上的能量获取过程、电价和主用户活动随着时间的推移表现出动态 和不可预测性。此外,智能电网中的环境能源和电价的状态通常在几分钟内变化,而主用户 的频谱占用通常在几秒的范围内。因此,上述随机过程的时间变化可能具有非常不同的粒度, 这使得混合能源驱动的认知无线电传感器网络中的资源管理成为可能。能量和频谱的不均衡 分配导致电池耗尽或频谱利用不足,两者都导致性能下降。其次,对于大规模环境监测应用, 传感器收集的数据通过多跳中继在汇聚节点累积。为了提高数据收集的效率,可将频谱分配 给传感器之间的链路。即使完全了解上述随机过程,多跳网络中的频谱分配通常也属于NP 难问题的范畴,难以解决。
申请号为201310374140.0,名称为《一种无线传感器网络通信资源分配方法》的专利文 件,以及申请号为200810117231.5,名称为《一种ZigBee无线传感器网络通信模块》的专利 文件,是本申请的背景技术文献。
发明内容
本发明要解决的技术问题就在于:针对现有技术存在的技术问题,本发明提供一种稳定 性好,持续性好的多跳无线传感器网络资源分配方法。
为解决上述技术问题,本发明提出的技术方案为:一种多跳无线传感器网络资源分配方 法,将多跳无线传感器网络的资源分配管理时隙划分为小时隙和大时隙,所述大时隙大于所 述小时隙;
以所述大时隙为管理单元进行能量分配,更新无线传感器的能量参数;
以所述小时隙为管理单元进行数据资源收发分配,更新无线传感器的数据传输状态。
进一步地,所述以大时隙为管理单元进行能量分配,更新无线传感器的能量参数包括: 在大时隙内,在满足无线传感器的能量约束条件下,通过李雅普诺夫方法优化所述无线传感 器从环境中收集的能量和从电网中购买的能量。
进一步地,所述通过李雅普诺夫方法优化所述无线传感器从环境中收集的能量和从电网 中购买的能量如式(1)所示:
式(1)中,hn(t)为无线传感器n在大时隙t时刻点从环境中收集的能量,gn(t)为无线 传感器n在大时隙t时刻点从电网中购买的能量,En(t)为在大时隙t时刻点无线传感器n的能 量队列长度,Λn为无线传感器n的电池容量,V为预设的李雅普诺夫参数,α为预设的平衡 电价与无线传感器效用的参数,η(t)为电价,φn(t)为在大时隙t时刻点对无线传感器n的环 境能量供给量,t为大时隙时刻点,T为大时隙的时长,m为整个运行时间内包含大时隙的个 数。
进一步地,所述以所述小时隙为管理单元进行数据资源收发分配,更新无线传感器的数 据传输状态包括:在小时隙内,在满足无线传感器的数据约束条件下,通过李雅普诺夫方法 优化无线传感器收集的数据。
进一步地,所述通过李雅普诺夫方法优化无线传感器收集的数据如式(2)所示:
式(2)中,τ为小时隙,sn(τ)表示无线传感器n在小时隙τ内收集的数据,Qn(τ)表示无线传感器n在小时隙τ内的数据队列长度,En(τ)为在小时隙τ内无线传感器n的能量队列长度,Λn为无线传感器n的电池容量,V为预设的李雅普诺夫参数,ps为无线传感器收集单位数据消耗的能量,U(sn(τ))为无线传感器n收集数据获得的效用,smax为无线传感器在一个 小时隙内收集数据的上限值。
进一步地,在大时隙时刻点,无线传感器从环境中收集的能量如式(3)所示:
hn(t)=min[φn(t),Λn-En(t)]. (3)
式(3)中,hn(t)为无线传感器n在大时隙t时刻点从环境中收集的能量,φn(t)为在大时 隙t时刻点对无线传感器n的环境能量供给量,Λn为无线传感器n的电池容量,En(t)为在大 时隙t时刻点无线传感器n的能量队列长度,t为大时隙时刻点。
进一步地,在大时隙时刻点,无线传感器从电网中购买的能量如式(4)所示:
式(4)中,gn(t)为无线传感器n在大时隙t时刻点从电网中购买的能量,En(t)为在大 时隙t时刻点无线传感器n的能量队列长度,Λn为无线传感器n的电池容量,V为预设的李雅 普诺夫参数,α为预设的平衡电价与无线传感器效用的参数,η(t)为电价,hn(t)为无线传感 器n在大时隙t时刻点从环境中收集的能量,gmax为无线传感器从电网购买能量的上限值,t 为大时隙。
进一步地,在小时隙内,无线传感器收集的数据如式(5)所示:
式(5)中,τ为小时隙,sn(τ)表示无线传感器n在小时隙τ内收集的数据,Qn(τ)表 示无线传感器n在小时隙τ内的数据队列长度,En(τ)为在小时隙τ内无线传感器n的能量队 列长度,Λn为无线传感器n的电池容量,V为预设的李雅普诺夫参数,ps为无线传感器收集 单位数据消耗的能量,U′-1(·)为函数U(·)一阶导数的逆函数,smax为无线传感器在一个小时隙内收集数据的上限值。
进一步地,小时隙内对无线传感器的通信信道的分配,包括,以无线传感器的信道权重 最小化来计算确定无线传感器的通信信道,如式(6)所示:
式(6)中,e、f为通信链路,ε为通信链路集合,k为信道,为信道集合λ(τ)为 信道分配指示变量矩阵,λe,k(τ)为信道分配标志,信道k分配给了通信链路e,则λe,k(τ)=1, 否则,λe,k(τ)=0,We,k(τ)为信道k分配给了通信链路e的权重,Πk(τ)为信道k在时隙τ是否 可用于无线传感器n,Πk(τ)=1为无线传感器n可访问信道k且不与主用户产生冲突,否则 Πk(τ)=0,为无线传感器n作为传输节点的发送链路集合,为无线传感器n作为接收节点的接收链路集合,可知对于无线传感器n仅仅包含了一个元素,而可包含多个元素,为 无线传感器集合。
进一步地,将信道k分配给了通信链路e的权重如式(7)所示:
式(8)中,Se为使用通信链路e发送数据的无线传感器,De为使用通信链路e接收数据的无线传感器,为使用通信链路e发送数据的传感器的队列长度,为使用通信 链路e接收数据的传感器的队列长度,γ=smax+ρmax,γ为无线传感器接收数据和发送数据的 上限,用于对数据队列上限的分析,smax为无线传感器收集数据的上限值,ρmax为无线传感器 发送数据的上限值,[x]+=max(x,0)。
与现有技术相比,本发明的优点在于:
1、本发明通过设置小时隙和大时隙两个具有不同时长的管理单元,在不同的时间维度上 对无线传感器的数据传输和能量分别进行管理,可有效保持无线传感器的数据队列的稳定性, 同时还能有效保证无线传感器能量列队的可持续性。
2、本发明充分考虑了无线传感器的能量队列和数据列队的变化特点,分别以大时隙和小 时隙作为分配管理时间单元,有保证数据传输的稳定性的基础上,有效降低了无线传感器进 行资源分配的消耗,提高了资源分配的效率。
附图说明
图1为本发明具体实施例流程示意图。
图2为本发明具体实施例大时隙与小时隙关系示意图。
图3为本发明具体实施例的网络拓扑图。
图4为本发明具体实施例实验结果的网络绩效图。
图5为本发明具体实施例不同参数下数据队列长度随时间变化图。
图6为本发明具体实施例不同参数下能量队列长度随时间变化图及收集能量与购买能量 的能量输入随时间变化图。
图7为本发明具体实施例不同参数下购买能量上限值与网络效用关系图及收集能量上限 值与网络效用关系图。
图8为本发明具体实施例不同算法比较实验结果图。
具体实施方式
以下结合说明书附图和具体优选的实施例对本发明作进一步描述,但并不因此而限制本 发明的保护范围。
本实施例的多跳无线传感器网络资源分配方法,将多跳无线传感器网络的资源分配管理 时隙划分为小时隙和大时隙,所述大时隙大于所述小时隙;以所述大时隙为管理单元进行能 量分配,更新无线传感器的能量参数;以所述小时隙为管理单元进行数据资源收发分配,更 新无线传感器的数据传输状态。在无线传感器网络中,时隙是无线传感器进行数据传送的最 小时间单位,在本实施例中,将该最小时间单位记为基础时隙。本实施例的小时隙包含至少 1个基础时隙,优选为小时隙只包含1个基础时隙(时隙),即小时隙即为基础时隙;大时隙 包含2个或2个以上的基础时隙,且大时隙的长度大于小时隙的长度;优选大时隙包含2个 或2个以上的小时隙,进一步优选,大时隙包含5至10个小时隙。如图2所示,小时隙为时 间轴上的小间隔,每个小间隔代表1个小时隙,每个小时隙包含1个基础时隙,大时隙包含 5个小时隙。如以T为大时隙的时长,对于系统整个运行周期,大时隙可表示为mT,其中, m为整个运行周期包含的大时隙的个数。如设置小时隙τ为1秒,那么可定义 为运行周期。
在本实施例中,以大时隙为管理单元进行能量分配,更新无线传感器的能量参数;以所 述小时隙为管理单元进行数据资源收发分配,更新无线传感器的数据传输状态。如图2所示, 在0时刻,即初始状态时刻,确定无线传感器的初始状态,包括能量队列的状态、数据队列 的状态等等。无线传感器开始工作后,在同一个大时隙内,每经过一个小时隙,则重新对无 线传感器进行数据资源收发分配,确定无线传感器的数据传输状态(如数据队列的状态等), 直到大时隙结束时,才重新对无线传感器进行能量分配。如图2中,在τ=1,2,3,4时刻,进行 数据资源收发分配,能量分配保持初始状态不变,在T=5时刻,在进行数据资源收发分配的 同时还进行能量分配。在τ=6,7,8,9时刻,进行数据资源收发分配,能量分配保持其在T=5时 刻的能量分配结果,在T=10时刻,在进行数据资源收发分配的同时还进行能量分配。
在本实施例中,所述以大时隙为管理单元进行能量分配,更新无线传感器的能量参数包 括:在大时隙内,在满足无线传感器的能量约束条件下,通过李雅普诺夫方法优化所述无线 传感器从环境中收集的能量和从电网中购买的能量。所述通过李雅普诺夫方法优化所述无线 传感器从环境中收集的能量和从电网中购买的能量如式(1)所示:
式(1)中,hn(t)为无线传感器n在大时隙t时刻点从环境中收集的能量,gn(t)为无线 传感器n在大时隙t时刻点从电网中购买的能量,En(t)为在大时隙t时刻点无线传感器n的能 量队列长度,Λn为无线传感器n的电池容量,V为预设的李雅普诺夫参数,α为预设的平衡 电价与无线传感器效用的参数,η(t)为电价,φn(t)为在大时隙t时刻点对无线传感器n的环 境能量供给量,t为大时隙时刻点,T为大时隙的时长,m为整个运行周期内包含大时隙的个 数,t=mT。
在本实施例中,所述以所述小时隙为管理单元进行数据资源收发分配,更新无线传感器 的数据传输状态包括:在小时隙内,在满足无线传感器的数据约束条件下,通过李雅普诺夫 方法优化无线传感器收集的数据。
在大时隙时刻点,无线传感器从环境中收集的能量如式(3)所示:
hn(t)=min[φn(t),Λn-En(t)]. (3)
式(3)中,hn(t)为无线传感器n在大时隙t时刻点从环境中收集的能量,φn(t)为在大时 隙t时刻点对无线传感器n的环境能量供给量,Λn为无线传感器n的电池容量,En(t)为在大 时隙t时刻点无线传感器n的能量队列长度,t为大时隙。
在大时隙时刻点,无线传感器从电网中购买的能量如式(4)所示:
式(4)中,gn(t)为无线传感器n在大时隙t时刻点从电网中购买的能量,En(t)为在大 时隙t时刻点无线传感器n的能量队列长度,Λn为无线传感器n的电池容量,V为预设的李雅 普诺夫参数,α为预设的平衡电价与无线传感器效用的参数,η(t)为电价,hn(t)为无线传感 器n在大时隙t时刻点从环境中收集的能量,gmax为无线传感器从电网购买能量的上限值,t为 大时隙。
在本实施例中,所述通过李雅普诺夫方法优化无线传感器收集的数据如式(2)所示:
式(2)中,τ为小时隙,sn(τ)表示无线传感器n在小时隙τ内收集的数据,Qn(τ)表示无线传感器n在小时隙τ内的数据队列长度,En(τ)为在小时隙τ内无线传感器n的能量队列长度,Λn为无线传感器n的电池容量,V为预设的李雅普诺夫参数,ps为无线传感器收集单位数据消耗的能量,U(sn(τ))为无线传感器n收集数据获得的效用,假设其是一个非递增的, 凹的,对sn(τ)两次可微的函数,且一阶导数为εu,smax为无线传感器在一个小时隙内收集数 据的上限值。
在小时隙内,无线传感器收集的数据如式(5)所示:
式(5)中,τ为小时隙,sn(τ)表示无线传感器n在小时隙τ内收集的数据,Qn(τ)表 示无线传感器n在小时隙τ内的数据队列长度,En(t)为在大时隙t内无线传感器n的能量队列长度,Λn为无线传感器n的电池容量,V为预设的李雅普诺夫参数,ps为无线传感器收集单位数据消耗的能量,U′-1(·)为函数U(·)一阶导数的逆函数,smax为 无线传感器在一个小时隙内收集数据的上限值。
在本实施例中,还包括在小时隙内对无线传感器的通信信道的分配,包括,以无线传感 器的信道权重最小化来计算确定无线传感器的通信信道,如式(6)所示:
式(6)中,e、f为通信链路,ε为通信链路集合,k为信道,为信道集合λ(τ)为 信道分配指示变量矩阵,λe,k(τ)为信道分配标志,信道k分配给了通信链路e,则λe,k(τ)=1, 否则,λe,k(τ)=0,We,k(τ)为将信道k分配给了通信链路e的权重,Πk(τ)为信道k在时隙τ是 否可用于无线传感器n,Πk(τ)=1为无线传感器n可访问信道k且不与主用户产生冲突,否则Πk(τ)=0,为无线传感器n作为传输节点的发送链路集合,为无线传感器n作为接收节 点的接收链路集合,可知对于无线传感器n仅仅包含了一个元素,而可包含多个元素,为 无线传感器集合。
进一步地,将信道k分配给了通信链路e的权重如式(7)所示:
式(8)中,Se为使用通信链路e发送数据的无线传感器,De为使用通信链路e接收数据的无线传感器,为使用通信链路e发送数据的无线传感器的队列长度,为使用 通信链路e接收数据的无线传感器的队列长度,γ=smax+ρmax,γ为无线传感器接收数据和发 送数据的上限,用于对数据队列上限的分析,smax为无线传感器收集数据的上限值,ρmax为无 线传感器发送数据的上限值,[x]+=max(x,0)。
在本实施例中,通过具体的多跳无线传感器模型为例进行说明,如图3所示,包括无线 传感器和汇聚节点,无线传感器可以收集来自上一跳无线传感器所发送的数据,并将数据发 送给下一跳无线传感器或者汇聚节点,无线传感器之间的数据传输通道为通信链路。本实施 例中的多跳无线传感器模型以单路径路由的树形拓扑为例,设通信链路b存在干扰其它通信 链路的情形,记受通信链路b干扰的通信链路的集合为Ib,即通信链路b的干扰集为 Ib={a,c,g}。无线传感器具有数据队列,可以缓存其所接收到的数据;并具备电池模块和能 量获取模块,能量获取模块可以从环境中收集能量,如风能、太阳能等,也可以从电网中购 买能量,所获取的能量存储在电池模块中。在本实施例的多跳无线传感器模型中,信道的可 用性可直接获得。
在本实施例的多跳无线传感器模型中,无线传感器采用半双工模式,无线传感器在同一 时隙内只能发送或者接收数据,在为无线传感器分配信道时,满足待分配的信道不与已分配 的信道产生干扰,并且,同一干扰集内的链路不能使用同一信道发送数据。即多跳无线传感 器满足式(9)、(10)、(11)所示:
式(9)、(10)、(11)中,λe,k(τ)为信道分配标志,信道k分配给了通信链路e,则λe,k(τ)=1, 否则,λe,k(τ)=0,Πk(τ)为信道k在时隙τ是否可用于无线传感器n,Πk(τ)=1为无线传感器n 可访问信道k且不与主用户产生冲突,否则Πk(τ)=0,为无线传感器n作为传输节点的发 送链路集合,为无线传感器n作为接收节点的接收链路集合,可知对于无线传感器n仅仅 包含了一个元素,而可包含多个元素,为无线传感器集合。
在本实施例中,无线传感器具有数据队列,在一个小时隙内,无线传感器所收集到的数 据来不及完全发送给下一跳无线传感器,则将数据存储在数据队列内,如式(12)所示:
式(12)中,Qn(τ)、Qn(τ+1)表示无线传感器n在小时隙τ、τ+1内的数据队列长度,sn(τ) 表示无线传感器n在小时隙τ内收集的数据,λe,k(τ)为信道分配标志,ρe,k(τ)为分配给通信链 路e的信道k的容量,其余参数的定义与上文相同。
在本实施例中,为了保证数据队列的稳定,对时间平均的数据队列的长度进行限制,使 得在无线传感器的运行周期内,数据队列的时间平均的输入小于时间平均的输出,如式(13) 所示:
在本实施例中,无线传感器可从环境中收集能量,也可以从电网中购买能量,并存储在 电池模块中,以能量队列来描述电池模块内存储的能量,如式(14)所示:
式(14)中,En(τ)、En(τ+1)分别为在小时隙τ、τ+1内无线传感器n的能量队列长度,gn(τ)为无线传感器n在小时隙τ内从电网中购买的能量,hn(τ)为无线传感器n在小时隙τ内从环境中收集的能量,为无线传感器在小时隙τ内收发数据消耗的总能量。需要说明 的是,对于能量获取和能量购买在每T个时刻点进行变化,也就是t=mT时刻点进行变化, 而在每T个时间段内保持不变,也就是τ∈mT保持不变,因此能量获取和能量购买在每个小 时隙上都是有值的。而能量消耗因为收集数据和发送数据在小时隙上变化,因此能量队列在 每个小时隙上是变化的,其余参数的定义与上文相同。
式(14)中,无线传感器n在小时隙τ内从环境中收集的能量hn(τ)不能超过能量的供给 量,如式(15)所示:
式(15)中参数的定义与上文相同。
无线传感器n在大时隙t内从电网中购买的能量如式(4)所示,无线传感器从环境或电 网获取的电能相对于无线传感器的数据收发,具有变化缓慢的特征,因此,本实施例中,以 大时隙为管理单元进行分配,既能够满足对能量分配的需求,又提高了能量分配的效率。
式(16)中,ps为无线传感器收集单位数据消耗的能量,pt为无线传感器发送数据消耗 的能量,其余参数的定义与上文相同。
在本实施例中,无线传感器在运行中,消耗的能量不能超过无线传感器的能量队列,无 线传感器所收集到的能量(从环境收集或从电网购买)不能超过无线传感器的电池的容量, 即如式(17)、(18)所示:
式(17)、(18)中,各参数的定义与上文相同。
在本实施例中,无线传感器收集数据在一个小时隙内会造成一定的效用,记为U(sn(τ)), 且U(sn(τ))对于sn(τ)是非减、凹性、两次可微的函数。进一步地,多跳无线传感器网络通过 为每个无线传感器进行资源分配从而最大化网络时间平均效用,时间平均效用如式(19)所 示:
进一步地,可以确定无线传感器网络的随机优化问题如式(20)所示:
式(20)中,Θ(τ)={s(τ),g(τ),h(τ),λ(τ)}为在每个时隙中需要优化的所有变量,其余 参数与上文相同。
在本实施例中,针对在有效优化长期网络效用时存在两个主要问题,第一,在不同时间 维度上变化的决策变量的耦合与缺乏随机过程先验知识之间的矛盾,例如缓慢变化的收获能 量和电力价格,以及快速变化的主用户活动和信道条件。在这种情况下,传感器只能在两个 时间维度上做出近似决策,这可能会对长期系统性能产生负面影响。第二,整数变量(即信 道分配)和连续变量(即收集数据,购买电力和收集能量)之间的耦合,所述的耦合使得网 络随机优化问题成为混合的整数规划问题。本实施实例利用李雅普诺夫优化技术,将长期随 机网络优化问题分解为不同时间维度上的子问题,从而确保传感器在每个时隙上都能正确运 行。
在本实施例中,定义李雅普诺夫函数测量每个时隙的能量队列和数据队列的长度,所述 李雅普诺夫函数如式(21)所示:
式(21)中,L(τ)为李雅普诺夫函数,En(τ)为在小时隙τ内无线传感器n的能量队列长度,Qn(τ)为无线传感器n在小时隙τ内的数据队列长度,其余参数定义与上文相同。
则在每个时长为T的时隙,李雅普诺夫偏移函数为式(22)所示:
在本实施例中,通过在每个时长为T的时隙内最小化ΔT(τ),即可平衡能量队列和数据 队列。则优化目标是最大化网络效用,因此将网络效用公式添加到李雅普诺夫偏移函数中, 形成偏移减效用函数,如式(23)所示:
式(23)中各参数定义与上文相同。预设的李雅普诺夫参数V为可调参数,表示对网络 效用最大化的重视程度。
通过最小化Δv(τ),既可达到平衡队列的目标,也可达到最大化网络效用的目的。考虑到 优化变量二次函数的困难,本实施例中通过推导出式(23)的上界,即变量的线性函数,如 式(24)所示:
式(24)中,为常量,φmax为 无线传感器每时隙收集环境能量的上限值,gmax为无线传感器每时隙购买能量的上限值,Pmax为无线传感器每时隙消耗能量的上限值,smax为无线传感器每时隙收集能量的上限值,ρmax为 无线传感器每时隙传输数据的上限值,其余各参数定义与上文相同。式(24)是一个变量的 线性函数,通过优化该线性函数即可达到优化原始网络随机优化问题的目标。
通过式(24),可以得到最终在不同时间维度上传感器能获得的最优的分配的资源,即 在大时隙内完成能量分配,在小时隙内完成数据资源收发分配,在小时隙内完成停产分配, 能量分配问题如(1)所示,数据资源收发分配如式(2)所示,信道分配如式(6)所示。
Qmax=Vεu+smax. (25)
式(25)中,εu是U(sn(τ))的一阶导数,其余各参数与上文相同。
对于电池容量Λn,通过分析在边界条件下的电池容量得到电池容量的上限,也就是说, 如果在时隙τ内,能量队列长度不超过传感器的最大能耗,即En(τ)≤Pmax,那么传感器就无 法收集数据过被分配信道来发送或接收数据,此时,电池容量的上限值如式(26)所示:
式(26)中,各参数与上文相同。
在本实施例中,通过仿真实验进行验证,仿真实验的参数包括:传感器个数为N=12, 且均匀分布在半径为45米的圆内。传感器通过E=12条边连接,并通过K=4条许可信道发 送数据。传感器收集数据和发送数据消耗的功率分别为:ps=0.64mJ/Kb和 pt=0.92mJ/Kb。传感器收集能量和购买能量的上限值分别是:hmax=0.4mW和 gmax=0.5mW。购买能量的价格均匀分布于[0.5,1]之间。α=0.5,传感器效用函数为: U(sn(τ))=log(1+sn(τ)),且εu=1。信道容量为为发送节点Se和接收节点De之间的距离,N0=10-5为噪音。大时隙的间隔为T=10。仿真实 验的时间长度为5000秒。实验如果如图4至图8所示。
通过图4所示的网络的绩效图可以看出,网络效用随着V的值从0增加到104而增加, 因为V表示了本方法强调效用最大化的程度。结合数据队列和能量队列的上限随着V的值增 加的事实,可以看出V使得能够在队列长度和效用最大化之间进行平衡。需要说明的是,当V 的值不再带来更高的效用时,在这种情况下,实现更高的效用需要更多的资源,例如能源和 信道资源。
进一步地,图5表示了在不同V值下随时间变化的数据队列的长度。对于较小的V值, 例如V=100,传感器在启动节点从兴趣区域收集数据。但是对于V=200和V=300,传感器 最初不会收集任何数据。通过式(5)给出的最优收集数据率来解释,如式(5)所示,收集数据的量随着En(τ)-Λn的值而增加。由于电池容量随V增加,因此在系统开始运行时对于较大的V,En(τ)-Λn的值较小,因此对于V=200和V=300,收集数据的量首先趋向于0。在 启动阶段之后,数据队列增加直到达到特定值并开始波动。这是因为对于较长的数据队列, 在信道资源分配问题中的权重减小,使得一旦数据队列达到某个值,传感器就获得传输数据的信道。然后数据队列长度减少,权重增加。这个过程重复,导致了图5的波动。
图6中(a)和图6中(b)分别描绘了能量队列的动态变化,以及前800个时隙中的收集能量 和购买能量的变化。从图6中(a)可以看出,传感器从环境能源中获取能量,并从电网中购买 能量,以便在启动阶段为电池充电。一旦能量队列的长度达到某个值,它就会围绕该值波动, 类似于数据队列的动态。图6中(b)表明,收获的能量和购买的能量在很大的时间范围内变化, 即T=10个时隙。此外,传感器倾向于在启动阶段始终从智能电网购买能量以加速充电过程。 在启动阶段之后,传感器偶尔会停止购买能源以节省成本。与购买能量不同,收获的能量可 以被认为是免费的,但由于环境能源的影响,供应不稳定。因此收获的能量在整个运行周期 内保持波动。
图7中(b)和图7中(b)中,评估了最大收集能量hmax和最大购买能量gmax对网络效用的影 响。提高hmax和gmax的值表明提供更多的能源。从图中可以看出,hmax和gmax值较小,增加能 量供应会导致网络效用显着提高。然而,随着hmax和gmax的增加,网络效用的增加变得微不 足道。在这种情况下,其他资源(如信道和收集的数据)成为获得更高网络效用的瓶颈。
在图8中,将本方法的性能与两个基准进行比较,即随机算法和最优算法,前者随机地 将信道分配给传感器,而后者遍历整个搜索空间以找到最佳解决方案,两者都遵循干扰约束。 考虑到搜索空间的大小随着信道和传感器的数量呈指数增长,在这个比较的实验中,将本方 法简化为具有3个信道的单跳网络。从图中可以看出,本方法算法的结果与最优算法的结果 接近,并且优于随机算法。本方法算法的近似最佳性能受益于概率质量函数的迭代更新。在 每次更新中,生成具有更好性能的解决方法的概率会扩大。
上述只是本发明的较佳实施例,并非对本发明作任何形式上的限制。虽然本发明已以较 佳实施例揭露如上,然而并非用以限定本发明。因此,凡是未脱离本发明技术方案的内容, 依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均应落在本发明 技术方案保护的范围内。
Claims (10)
1.一种多跳无线传感器网络资源分配方法,其特征在于:将多跳无线传感器网络的资源分配管理时隙划分为小时隙和大时隙,所述大时隙大于所述小时隙;
以所述大时隙为管理单元进行能量分配,更新无线传感器的能量参数;
以所述小时隙为管理单元进行数据资源收发分配,更新无线传感器的数据传输状态。
2.根据权利要求1所述的多跳无线传感器网络资源分配方法,其特征在于:所述以大时隙为管理单元进行能量分配,更新无线传感器的能量参数包括:在大时隙内,在满足无线传感器的能量约束条件下,通过李雅普诺夫方法优化所述无线传感器从环境中收集的能量和从电网中购买的能量。
3.根据权利要求2所述的多跳无线传感器网络资源分配方法,其特征在于:所述通过李雅普诺夫方法优化所述无线传感器从环境中收集的能量和从电网中购买的能量如式(1)所示:
式(1)中,hn(t)为无线传感器n在大时隙t时刻点从环境中收集的能量,gn(t)为无线传感器n在大时隙t时刻点从电网中购买的能量,En(t)为在大时隙t时刻点无线传感器n的能量队列长度,Λn为无线传感器n的电池容量,V为预设的李雅普诺夫参数,α为预设的平衡电价与无线传感器效用的参数,η(t)为电价,φn(t)为在大时隙t时刻点对无线传感器n的环境能量供给量,t为大时隙的时刻点,T为大时隙的时长,m为整个运行时间内包含大时隙的个数,因此t=mT。
4.根据权利要求3所述的多跳无线传感器网络资源分配方法,其特征在于:所述以所述小时隙为管理单元进行数据资源收发分配,更新无线传感器的数据传输状态包括:在小时隙内,在满足无线传感器的数据约束条件下,通过李雅普诺夫方法优化无线传感器收集的数据。
6.根据权利要求5所述的多跳无线传感器网络资源分配方法,其特征在于:在大时隙时刻点,无线传感器从环境中收集的能量如式(3)所示:
hn(t)=min[φn(t),Λn-En(t)]. (3)
式(3)中,hn(t)为无线传感器n在大时隙t时刻点从环境中收集的能量,φn(t)为在大时隙t时刻点对无线传感器n的环境能量供给量,Λn为无线传感器n的电池容量,En(t)为在大时隙t时刻点无线传感器n的能量队列长度,t为大时隙时刻点。
9.根据权利要求1至8任一项所述的多跳无线传感器网络资源分配方法,其特征在于:小时隙内对无线传感器的通信信道的分配,包括,以无线传感器的信道权重最小化来计算确定无线传感器的通信信道,如式(6)所示:
10.根据权利要求9所述的多跳无线传感器网络资源分配方法,其特征在于:将信道k分配给了通信链路e的权重如式(7)所示:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911396884.6A CN111225356A (zh) | 2019-12-30 | 2019-12-30 | 一种多跳无线传感器网络资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911396884.6A CN111225356A (zh) | 2019-12-30 | 2019-12-30 | 一种多跳无线传感器网络资源分配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111225356A true CN111225356A (zh) | 2020-06-02 |
Family
ID=70829209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911396884.6A Pending CN111225356A (zh) | 2019-12-30 | 2019-12-30 | 一种多跳无线传感器网络资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111225356A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090316679A1 (en) * | 2008-06-23 | 2009-12-24 | Frits Van Der Wateren | Broadcast-only distributed wireless network |
US20100115130A1 (en) * | 2008-11-06 | 2010-05-06 | Samsung Electronics Co., Ltd. | Time slot allocation method for reducing consumption of energy in wireless sensor network |
CN104735800A (zh) * | 2015-03-07 | 2015-06-24 | 浙江理工大学 | 一种异构无线传感网络中最差时延感知跨层优化方法 |
CN106535341A (zh) * | 2016-11-24 | 2017-03-22 | 北京必创科技股份有限公司 | 一种无线传感器网络的大数据传输方法 |
-
2019
- 2019-12-30 CN CN201911396884.6A patent/CN111225356A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090316679A1 (en) * | 2008-06-23 | 2009-12-24 | Frits Van Der Wateren | Broadcast-only distributed wireless network |
US20100115130A1 (en) * | 2008-11-06 | 2010-05-06 | Samsung Electronics Co., Ltd. | Time slot allocation method for reducing consumption of energy in wireless sensor network |
CN104735800A (zh) * | 2015-03-07 | 2015-06-24 | 浙江理工大学 | 一种异构无线传感网络中最差时延感知跨层优化方法 |
CN106535341A (zh) * | 2016-11-24 | 2017-03-22 | 北京必创科技股份有限公司 | 一种无线传感器网络的大数据传输方法 |
Non-Patent Citations (1)
Title |
---|
DEYU ZHANG 等: "Two Time-Scale Resource Management for Green Internet of Things Networks", 《IEEE INTERNET OF THINGS JOURNAL》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Two time-scale resource management for green Internet of Things networks | |
Gunduz et al. | Designing intelligent energy harvesting communication systems | |
Fan et al. | Steady and fair rate allocation for rechargeable sensors in perpetual sensor networks | |
Zhang et al. | Distributed sampling rate control for rechargeable sensor nodes with limited battery capacity | |
Xu et al. | Pricing-based multiresource allocation in OFDMA cognitive radio networks: An energy efficiency perspective | |
Yang et al. | On demand response management performance optimization for microgrids under imperfect communication constraints | |
Ren et al. | Delay-tolerant data gathering in energy harvesting sensor networks with a mobile sink | |
Tutuncuoglu et al. | Communicating using an energy harvesting transmitter: Optimum policies under energy storage losses | |
Cheng et al. | Task assignment algorithms in data shared mobile edge computing systems | |
Zhong et al. | Joint optimal energy-efficient cooperative spectrum sensing and transmission in cognitive radio | |
Tian et al. | IEEE 802.11 ah restricted access window surrogate model for real-time station grouping | |
Jiao et al. | A combining strategy of energy replenishment and data collection in wireless sensor networks | |
Besbes et al. | Analytic conditions for energy neutrality in uniformly-formed wireless sensor networks | |
Sarang et al. | Machine learning prediction based adaptive duty cycle MAC protocol for solar energy harvesting wireless sensor networks | |
Nguyen et al. | Context aware data acquisition framework for dynamic data driven applications systems (DDDAS) | |
Huang et al. | Quality-aware video streaming for green cellular networks with hybrid energy sources | |
Saleem et al. | Transmission power management for throughput maximization in harvesting enabled D2D network | |
Al-Abiad et al. | Task offloading optimization in NOMA-enabled dual-hop mobile edge computing system using conflict graph | |
Li et al. | Energy-efficient online data sensing and processing in wireless powered edge computing systems | |
Wang et al. | Stochastic online control for energy-harvesting wireless networks with battery imperfections | |
Fu et al. | A Q-learning-based approach for enhancing energy efficiency of bluetooth low energy | |
CN111225356A (zh) | 一种多跳无线传感器网络资源分配方法 | |
Chen et al. | Two-phase deep reinforcement learning of dynamic resource allocation and client selection for hierarchical federated learning | |
Zhang et al. | Channel allocation and power control scheme over interference channels with QoS constraints | |
Yu et al. | Joint task allocation approaches for hierarchical 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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200602 |