CN111417138B - 一种多跳认知无线网络的能量与信道分配方法及装置 - Google Patents

一种多跳认知无线网络的能量与信道分配方法及装置 Download PDF

Info

Publication number
CN111417138B
CN111417138B CN202010182279.5A CN202010182279A CN111417138B CN 111417138 B CN111417138 B CN 111417138B CN 202010182279 A CN202010182279 A CN 202010182279A CN 111417138 B CN111417138 B CN 111417138B
Authority
CN
China
Prior art keywords
internet
things
node
energy
time slot
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
Application number
CN202010182279.5A
Other languages
English (en)
Other versions
CN111417138A (zh
Inventor
张德宇
谭龙
任炬
张尧学
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central South University
Original Assignee
Central South University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Central South University filed Critical Central South University
Priority to CN202010182279.5A priority Critical patent/CN111417138B/zh
Publication of CN111417138A publication Critical patent/CN111417138A/zh
Application granted granted Critical
Publication of CN111417138B publication Critical patent/CN111417138B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种多跳认知无线网络的能量与信道分配方法及装置，方法包括：S1.获取物联网节点的能量队列、数据队列和预设的虚拟队列；所述虚拟队列用于控制所述物联网节点的数据延迟；S2.根据所述能量队列、数据队列和虚拟队列构建李雅普诺夫函数的偏移减效函数；S3.以最小化所述偏移减效函数的线性上界作为优化目标，对所述偏移减效函数的线性上界进行优化，得到物联网节点从环境中获取的能量、采集的数据、丢弃的数据量和链路信道分配；S4.将所述从环境中获取的能量、采集的数据、丢弃的数据量和链路信道分配分发给物联网节点。具有有效降低物联网节点的最大有限延时，可更好的优化网络效益等优点。

Description

一种多跳认知无线网络的能量与信道分配方法及装置
技术领域
本发明涉及物联网技术领域，尤其涉及一种多跳认知无线网络的能量与信道分配方法及装置。
背景技术
随着物联网(Internet of Things，IoT)技术的蓬勃发展，万物互联互通的时代正在到来。无线电技术作为物联网感知层的关键技之一，对于推动物联网的发展至关重要。然而，无线电应用技术的井喷式发展，使得频谱成为了一种稀缺的资源。为了充分利用频谱资源，学术界提出了一种认知无线电网络，它使得非授权用户可以以机会接入的方式使用空闲的频谱。此外，由于无线信道的广播特性，多个非授权用户接入同一空闲频谱时可能会互相干扰。
对于某些恶劣环境下IoT设备，其电池在能量耗尽后往往难以更换或人工更换成本极高，进而影响整个网络的寿命。能量获取技术的出现和发展为解决这一问题提供了新的思路。目前，具备能量获取功能的IoT设备已经开始规模应用。
配备能量获取模块(Energy Harvesting Module，EHM)和认知无线模块(Cognitive Radio Module，CRM)的IoT设备可以从环境能量源中收集能量补充电池能量，并利用空闲的授权频谱发送和接收数据，同时解决了IoT设备能量限制与频谱稀缺性约束。另一方面，边缘计算概念的提出与发展，为IoT设备的能量管理与信道分配提供了一种相对高效、低延迟的解决方案。IoT设备将自身状态参数发送给边缘节点，边缘节点根据网络全局状态及当前可用授权频谱进行集中式信道分配，IoT设备根据边缘节点信道分配结果执行数据发送和接收任务。
目前，关于认知无线电网络的信道分配方案已有一定的研究，但现有的研究仅仅只考虑了认知无线网络在物联网应用中的某个问题，难以实现认知无线网络在考虑链路冲突问题、多跳问题、能耗问题、信道联合分配问题、延时问题等的最优化。
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，本发明提供一种有效降低物联网节点的最大有限延时，可更好的优化网络效益的多跳认知无线网络的能量与信道分配方法及装置。
为解决上述技术问题，本发明提出的技术方案为一种多跳认知无线网络的能量与信道分配方法，包括如下步骤：
S1.获取物联网节点的能量队列、数据队列和预设的虚拟队列；所述虚拟队列用于控制所述物联网节点的数据延迟；
S2.根据所述能量队列、数据队列和虚拟队列构建李雅普诺夫函数的偏移减效函数；
S3.以最小化所述偏移减效函数的线性上界作为优化目标，对所述偏移减效函数的线性上界进行优化，得到物联网节点从环境中获取的能量、采集的数据、丢弃的数据量和链路信道分配；
S4.将所述从环境中获取的能量、采集的数据、丢弃的数据量和链路信道分配分发给物联网节点，所述从环境中获取的能量用于物联网节点更新能量队列，所述采集的数据用于物联网节点更新数据队列，所述丢弃的数据量用于物联网节点更新虚拟队列，所述链路信道分配用于物联网节点分配通信链路及信道。
进一步地，步骤S2中，所述偏移减效函数如式(1)所示：
Figure BDA0002412980430000021
式(1)中，ΔV(t)为偏移减效函数，Δ(t)为李雅普诺夫函数的偏移，V为预设的非负权值，n为物联网节点，N为物联网节点的集合，ψ(·)为预设的二阶可导的非减凹函数，zn(t)为物联网节点n在时隙t采集的数据量，σ为任意大于1的常数，θ为ψ(·)的最大一阶导数，dn(t)为物联网节点n在时隙t丢弃的数据量。
进一步地，步骤S3中，所述偏移减效函数的线性上界如式(2)所示：
Q＝C+Γ(t) (2)
式(2)中，Q为线性上界，C为预设的常数，Γ(t)为多项式函数；
Γ(t)如式(3)所示，
Figure BDA0002412980430000022
式(3)中，n为物联网节点，N为物联网节点的集合，dn(t)为物联网节点n在时隙t丢弃的数据量，Mn(t)为物联网节点n在时隙t的数据队列，Gn(t)为物联网节点n在时隙t的虚拟队列，V为预设的非负权值，σ为任意大于1的常数，θ为ψ(·)的最大一阶导数，sn(t)为物联网节点n在时隙t从环境中获取的能量，Π为物联网节点的电池容量，Wn(t)为物联网节点n在时隙t的能量队列，zn(t)为物联网节点n在时隙t采集的数据量，JH为物联网节点采集单位数据的能耗，ψ(·)为预设的二阶可导的非减凹函数，
Figure BDA0002412980430000023
为在时隙t信道k是否被分配给链路m的表达式，
Figure BDA0002412980430000024
为链路m在时隙t时使用信道k的信道容量，Dm为链路m的目标物联网节点，Fm为链路m的源物联网节点，jn(t)为描述物联网节点n在时隙t的数据队列状态的变量，
Figure BDA0002412980430000031
JT为物联网节点发送数据的功率，k为信道，K为信道集合，m为链路，L为链路集合。
进一步地，步骤S3中，最小化所述式(3)中的第一项，得到物联网节点丢弃的数据量，如式(4)所示：
Figure BDA0002412980430000032
式(4)中，dn(t)为物联网节点n在时隙t丢弃的数据量，V为预设的非负权值，σ为任意大于1的常数，θ为ψ(·)的最大一阶导数，Mn(t)为物联网节点n在时隙t的数据队列，Gn(t)为物联网节点n在时隙t的虚拟队列，dmax为物联网节点丢弃的数量最大值；
最小化所述式(3)中的第二项，得到物联网节点从环境中获取的能量，如式(5)所示：
sn(t)＝min[Π-Wn(t),bn(t)] (5)
式(5)中，sn(t)为物联网节点n在时隙t从环境中获取的能量，Π为物联网节点的电池容量，Wn(t)为物联网节点n在时隙t的能量队列，bn(t)为物联网节点n在时隙t的能量供应量；
最小化所述式(3)中的第三项，得到物联网节点采集的数据，如式(6)所示：
Figure BDA0002412980430000033
式(6)中，zn(t)为物联网节点n在时隙t采集的数据量，
Figure BDA0002412980430000034
为ψ′(·)的反函数，JH为物联网节点采集单位数据的能耗，Π为物联网节点的电池容量，Wn(t)为物联网节点n在时隙t的能量队列，V为预设的非负权值，bn(t)为物联网节点n在时隙t的能量供应量；
最小化所述式(3)中的第四项，得到优化后的链路信道分配决策(CRAD)，如式(7)所示：
Figure BDA0002412980430000035
其中，Xm(t)如式(8)所示：
Figure BDA0002412980430000036
式(7)和式(8)中，k为信道，K为信道集合，m为链路，L为链路集合，
Figure BDA0002412980430000037
为在时隙t信道k是否被分配给链路m的表达式，JT为物联网节点发送数据的功率，Fm为链路m的源物联网节点，Wn(t)为物联网节点n在时隙t的能量队列，Π为物联网节点的电池容量，
Figure BDA0002412980430000041
为链路m在时隙t时使用信道k的信道容量，ωm(t)为链路m的权重。
一种多跳认知无线网络的能量与信道分配装置，包括处理器和存储器，所述处理器用于执行所述存储器中存储的程序，所述存储器中存储有被执行时可实现如上任一项所述多跳认知无线网络的能量与信道分配方法的程序。
与现有技术相比，本发明的优点在于：本发明通过引入虚拟队列，将不满足延时需求的数据丢弃，可以为物联网节点间数据传输的提供可靠、有效的最大有限延时保证，同时，也可以使得物联网的网络效益更优，且网络效益的收敛更快，也使得物联网的运行更加稳定。
附图说明
图1为本发明具体实施例的流程示意图。
图2为本发明具体实施例的物联网节点分布示意图。
图3为本发明具体实施例的仿真实验的时间平均网络效益随权重变化图。
图4为本发明具体实施例的仿真实验的虚拟队列输入α与网络效益关系示意图。
图5为本发明具体实施例的仿真实验的虚拟队列输入α与数据队列长度关系示意图。
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。
如图1所示，本实施例的多跳认知无线网络的能量与信道分配方法，包括如下步骤：S1.获取物联网节点的能量队列、数据队列和预设的虚拟队列；所述虚拟队列用于控制所述物联网节点的数据延迟；S2.根据所述能量队列、数据队列和虚拟队列构建李雅普诺夫函数的偏移减效函数；S3.以最小化所述偏移减效函数的线性上界作为优化目标，对所述偏移减效函数的线性上界进行优化，得到物联网节点从环境中获取的能量、采集的数据、丢弃的数据量和链路信道分配；S4.将所述从环境中获取的能量、采集的数据、丢弃的数据量和链路信道分配分发给物联网节点，所述从环境中获取的能量用于物联网节点更新能量队列，所述采集的数据用于物联网节点更新数据队列，所述丢弃的数据量用于物联网节点更新虚拟队列，所述链路信道分配用于物联网节点分配通信链路及信道。
进一步地，步骤S2中，所述偏移减效函数如式(1)所示：
Figure BDA0002412980430000042
式(1)中，ΔV(t)为偏移减效函数，Δ(t)为李雅普诺夫函数的偏移，V为预设的非负权值，n为物联网节点，N为物联网节点的集合，ψ(·)为预设的二阶可导的非减凹函数，zn(t)为物联网节点n在时隙t采集的数据量，σ为任意大于等于1的常数，θ为ψ(·)的最大一阶导数，dn(t)为物联网节点n在时隙t丢弃的数据量。
进一步地，步骤S3中，所述偏移减效函数的线性上界如式(2)所示：
Q＝C+Γ(t) (2)
式(2)中，Q为线性上界，C为预设的常数，Γ(t)为多项式函数；
Γ(t)如式(3)所示，
Figure BDA0002412980430000051
式(3)中，n为物联网节点，N为物联网节点的集合，dn(t)为物联网节点n在时隙t丢弃的数据量，Mn(t)为物联网节点n在时隙t的数据队列，Gn(t)为物联网节点n在时隙t的虚拟队列，V为预设的非负权值，σ为任意大于1的常数，θ为ψ(·)的最大一阶导数，sn(t)为物联网节点n在时隙t从环境中获取的能量，Π为物联网节点的电池容量，Wn(t)为物联网节点n在时隙t的能量队列，zn(t)为物联网节点n在时隙t采集的数据量，JH为物联网节点采集单位数据的能耗，ψ(·)为预设的二阶可导的非减凹函数，
Figure BDA0002412980430000052
为在时隙t信道k是否被分配给链路m的表达式，
Figure BDA0002412980430000053
为链路m在时隙t时使用信道k的信道容量，Dm为链路m的目标物联网节点，Fm为链路m的源物联网节点，jn(t)为描述物联网节点n在时隙t的数据队列状态的变量，
Figure BDA0002412980430000054
JT为物联网节点发送数据的功率，k为信道，K为信道集合，m为链路，L为链路集合。
进一步地，步骤S3中，最小化所述式(3)中的第一项，得到物联网节点丢弃的数据量，如式(4)所示：
Figure BDA0002412980430000055
式(4)中，dn(t)为物联网节点n在时隙t丢弃的数据量，V为预设的非负权值，σ为任意大于1的常数，θ为ψ(·)的最大一阶导数，Mn(t)为物联网节点n在时隙t的数据队列，Gn(t)为物联网节点n在时隙t的虚拟队列，dmax为物联网节点丢弃的数量最大值；
最小化所述式(3)中的第二项，得到物联网节点从环境中获取的能量，如式(5)所示：
sn(t)＝min[Π-Wn(t),bn(t)] (5)
式(5)中，sn(t)为物联网节点n在时隙t从环境中获取的能量，Π为物联网节点的电池容量，Wn(t)为物联网节点n在时隙t的能量队列，bn(t)为物联网节点n在时隙t的能量供应量；
最小化所述式(3)中的第三项，得到物联网节点采集的数据，如式(6)所示：
Figure BDA0002412980430000061
式(6)中，zn(t)为物联网节点n在时隙t采集的数据量，
Figure BDA0002412980430000062
为ψ′(·)的反函数，JH为物联网节点采集单位数据的能耗，Π为物联网节点的电池容量，Wn(t)为物联网节点n在时隙t的能量队列，V为预设的非负权值，bn(t)为物联网节点n在时隙t的能量供应量；
最小化所述式(3)中的第四项，得到优化后的链路信道分配决策(CRAD)，如式(7)所示：
Figure BDA0002412980430000063
其中，Xm(t)如式(8)所示：
Figure BDA0002412980430000064
式(7)和式(8)中，k为信道，K为信道集合，m为链路，L为链路集合，
Figure BDA0002412980430000065
为在时隙t信道k是否被分配给链路m的表达式，JT为物联网节点发送数据的功率，Fm为链路m的源物联网节点，Wn(t)为物联网节点n在时隙t的能量队列，Π为物联网节点的电池容量，
Figure BDA0002412980430000066
为链路m在时隙t时使用信道k的信道容量，ωm(t)为链路m的权重。
本实施例的多跳认知无线网络的能量与信道分配装置，包括处理器和存储器，所述处理器用于执行所述存储器中存储的程序，所述存储器中存储有被执行时可实现如上任一项所述多跳认知无线网络的能量与信道分配方法的程序。
在本实施例中，通过理论分析与仿真实验对本发明的技术方案进行论证。为了便于进行论证，根据实际的物联网特性，物联网节点(IoT节点)具有认知无线电模块，能够检测和利用授权频谱接收和发送数据，设授权频谱被划分为K个带宽相同的正交信道，用K＝{1,2,…,k,…,K}表示。以n表示物联网节点，以N表示物联网节点的集合。物联网节点之间存在通讯链路，在每个时隙开始，所有物联网节点将自身的能量队列状态和数据队列状态发送至边缘节点，边缘节点根据当前网络环境中信道的可用状态将信道分配给链路，用Ik(t)＝0表示信道k在时隙t为占用状态，用Ik(t)＝0表示信道k在时隙t为空闲状态。用一个大小为L×L的二维矩阵R表示链路之间的冲突关系，Rm,l＝1表示链路m和链路l在同时使用同一信道时会互相干扰，用一个大小为L×K的二维矩阵H表示信道分配结果，
Figure BDA0002412980430000067
表示在时隙t信道k被分配给链路m，由于相互干扰的两条链路不能同时使用同一个信道，因此
Figure BDA0002412980430000071
满足
Figure BDA0002412980430000072
Rm,l＝1。设物联网节点只具有一个认知无线电收发器，且采用半工天线，即物联网节点不能同时接收和发送数据，以
Figure BDA0002412980430000073
表示以物联网节点n为目的节点的链路集合，以
Figure BDA0002412980430000074
表示以物联网节点n为源节点的链路集合，因此，对于每个节点，满足
Figure BDA0002412980430000075
物联网节点具备能量获取模块和容量为Π的可充电电池，可以从环境中获取能量，并将能量存储在可充电电池中，以能量队列来表示物联网节点的能量状态，以W(t)＝{W1(t),...,Wn(t),...,WN(t)}表示所有节点的能量队列集合，以bn(t)表示时隙t环境对物联网节点n的能量供应量，其上限为bmax，以sn(t)表示物联网节点n在时隙t从环境中获取的能量，s(t)＝{s1(t),...,sn(t),...,sN(t)}表示各物联网节点从环境中获取的能量的集合，由于物联网节点从环境中获取的能量不可能大于环境能够提供的能量，并且物联网节点从环境中获取能量并存储在可充电电池中也不可能大于可充电电池的容量，因此，满足0≤sn(t)≤bn(t)≤bmax和Wn(t)+sn(t)≤Π。设物联网节点在固定的功率JT发送数据，从兴趣区域采集单位数据的能耗为JH，用zn(t)表示物联网节点n在时隙t采集的数据量，则物联网节点n在时隙t的总能耗可表示为
Figure BDA0002412980430000076
且Jn(t)≤Wn(t)。则下一个时隙物联网节点的能量队列为Wn(t+1)＝max[Wn(t)-Jn(t),0]+sn(t)，即物联网节点可充电电池中原有能耗减去消耗的能量(可充电电池消耗能量后其剩余能量不能小于0)，再加上从环境中获取的能量。
同时，物联网节点还具有缓冲区，可以暂时存储采集的数据，将缓冲区建模为先入先出的数据队列，以Mn(t)表示物联网节点n在时隙t的数据队列，则全部物联网节点的数据队列的集合表示为M(t)＝{M1(t),...,Mn(t),...,MN(t)}。以An(t)表示物联网节点n的兴趣区域在时隙t所产生的数据，那么，物联网节点n在时隙t采集的数据量zn(t)与物联网节点n的兴趣区域在时隙t所产生的数据An(t)之间关系为0≤hn(t)≤An(t)≤Amax，即物联网节点所采集的数量不可能大于其兴趣区域所产生的数据，为所有物联网节点的兴趣区域中产生的数据的历史最大值。
在本实施例中，用
Figure BDA0002412980430000077
表示物联网节点n在时隙t发送的数据量，用
Figure BDA0002412980430000078
表示物联网节点n在时隙t发送的数据量，则有
Figure BDA0002412980430000079
式中各参数的定义与上文相同，根据香农公式可知其受限于环境的信噪比和频谱带宽，因而有
Figure BDA00024129804300000710
vmax为信道容量的最大值。
物联网节点受缓冲区大小和数据延迟要求，物联网节点会将不满时延要求的数据丢弃，用dn(t)表示物联网节点n在时隙t丢弃的数据量，则在下一个时隙的数据队列可以表示为
Figure BDA0002412980430000081
式中各参数的定义与上文相同。为了保证数据队列的上界为一有限值，应保证以下不等式成立：
Figure BDA0002412980430000082
式中，T为物联网节点的运行时间。
在本实施例中，以物联网节点的平均吞吐量来刻画网络效益，以
Figure BDA0002412980430000083
表示物联网节点n在时隙t采集的数据量的时间平均，以
Figure BDA0002412980430000084
表示物联网节点n在时隙t丢弃的数据量的时间平均，则网络效益可表示为
Figure BDA0002412980430000085
式中，U(t)为网络效益，ψ(·)为预设的二阶可导的非减凹函数，其最大一阶导数为θ＝ψ'(0)，其余参数的定义与上文相同。因此，网络效益最大化问题(NUM)可以建模为
Figure BDA0002412980430000086
式中各参数的定义与上文相同。由于，为ψ(·)凹函数，因此，对于任意σ>1，有ψ(zn(t))-σθdn(t)≤ψ(zn(t)-dn(t))，式中各参数的定义与上文相同。因此，NUM问题可以转化为式(9)所示：
Figure BDA0002412980430000087
式(9)中各参数的定义与上文相同。
显然，对于NUM问题的最优解，任意物联网节点n均有dn(t)＝0。因而，物联网节点中的数据不会被丢弃，即物联网节点中的数据具有无限的延迟。
为了保证物联网节点中数据的最大延迟为一有限值，本实施例中引入了虚拟队列，以Gn(t)表示物联网节点n在时隙t的虚拟队列，G(t)＝{G1(t),...,Gn(t),...,GN(t)}为全部物联网节点的虚拟队列的集合。那么，虚拟队列的变化可表示为式(10)所示：
Figure BDA0002412980430000088
式(10)中，jn(t)为描述物联网节点n在时隙t的数据队列状态的变量，
Figure BDA0002412980430000089
α为虚拟队列的恒定输入，其余各参数的定义与上文相同。
为了使得虚拟队列存在有限上界，应保证不等式
Figure BDA00024129804300000810
成立，
Figure BDA00024129804300000811
为物联网节点n在时隙t发送的数据量。
对于物联网节点n，若
Figure BDA00024129804300000812
为物联网节点n的数据队列的最大值，
Figure BDA0002412980430000091
为物联网节点n的虚拟队列的最大值，且
Figure BDA0002412980430000092
与
Figure BDA0002412980430000093
均为一有限值，那么物联网节点n中的数据的最大延迟
Figure BDA0002412980430000094
也为一有限值，即物联网节点n在时隙t采集的数据zn(t)最晚将于
Figure BDA0002412980430000095
全部离开节点，且有式(11)成立：
Figure BDA0002412980430000096
式(11)中，各参数的定义与上文相同。
在本实施例中，通过反证法对式(11)加以证明，设物联网节点n在时隙t采集的数据zn(t)不会在
Figure BDA0002412980430000097
之前全部离开节点，那么，Mn(τ)>0对于任意
Figure BDA0002412980430000098
恒成立，则根据式(10)可得出式(12)成立：
Figure BDA0002412980430000099
式(12)中，各参数的定义与上文相同。
将式(12)在
Figure BDA00024129804300000910
上累加可得式(13)：
Figure BDA00024129804300000911
由于物联网节点在时隙t采集的数据不会在时隙
Figure BDA00024129804300000912
前全部离开节点，因此有式(14)：
Figure BDA00024129804300000913
联立式(13)、(14)可得式(15)：
Figure BDA00024129804300000914
式(15)与假设矛盾，即可以证明式(11)成立。
在本实施例中，为了保证网络中的所有队列保持稳定的同时最大化网络效益，引入根据能量队列、数据队列、虚拟队列所构建的李雅普诺夫方程L(t)，如式(16)所示：
Figure BDA00024129804300000915
式(16)中，各参数的定义与上文相同。
李雅普诺夫方程L(t)相同表征了网络中所有物联网节点的数据队列、虚拟队列的长度以及电池剩余可充电空间的大小，当L(t)很小时，说明物联网节点的数据队列积压少，虚拟队列长度小，节点具备充足的能量。为了刻画系统在前后两个时隙的状态变化，定义李雅普诺夫偏移Δ(t)如式(17)所示：
Δ(t)＝IE[L(t+1)-L(t)|Λ(t)] (17)
式(17)中，IE[]为计算数学期望，Λ(t)＝(W(t),G(t),M(t))是系统在时隙t的队列状态向量，各参数的定义与上文相同。
在本实施例中，为了最大化网络效益，将式(9)所示的单时隙的网络效益加权合并至李雅普诺夫偏移Δ(t)中，得到如式(1)所示的偏移减效函数：
Figure BDA0002412980430000101
通过式(1)中的预设的非负权值V，V越大说明网络效益在式(1)中所占比例越大，系统对网络效益更加敏感，对系统队列的稳定变得相对不敏感，李雅普诺夫偏移Δ(t)越小，说明前后两个时隙系统中的所有队列的变化都很小，队列越稳定。而要使得
Figure BDA0002412980430000102
越小，要么V很大，要么
Figure BDA0002412980430000103
很大，或者两个都很大。因此，通过最小化式(1)能够保证系统中所有队列都保持稳定的同时，最大化网络效益。
而式(1)是一个关于多个变量的二次函数方程，难以进行直接优化，为了更简便的优化ΔV(t)中的所有变量，在本实施例中，通过最小化ΔV(t)的线性上界，如式(2)所示，以达到间接优化ΔV(t)的目的。
Q＝C+Γ(t) (2)
其中，
Figure BDA0002412980430000104
Γ(t)如式(3)所示，
Figure BDA0002412980430000105
式(2)和式(3)中，C为常数，zmax为物联网节点在单个时隙内采集数据量的最大值，smax为物联网节点单个时隙从环境中获取能量的最大值，其余参数的定义与上文相同。
在本实施例中，式(2)的推导过程如下(如无特殊说明，各参数的定义与上文相同)：
Figure BDA0002412980430000106
Figure BDA0002412980430000111
Figure BDA0002412980430000112
Figure BDA0002412980430000113
将式(19)、(20)、(21)代入式(3)中，可得：
Figure BDA0002412980430000114
在本实施例中，由于C为常数，最小化式(2)，只需要在每个时隙最小化Γ(t)，最小化Γ(t)中的第一项dn(t)[-Mn(t)-Gn(t)+Vσθ]可以得到物联网节点在时隙t丢弃的数据，即通过求解
Figure BDA0002412980430000115
可以得到式(4)：
Figure BDA0002412980430000116
最小化Γ(t)中的第二项sn(t)[Π-Wn(t)]可以得到物联网节点在时隙t从环境中获取的能量，即通过求解
Figure BDA0002412980430000117
可以得到式(5)：
sn(t)＝min[Π-Wn(t),bn(t)] (5)
最小化Γ(t)中的第三项，得到物联网节点采集的数据，即通过求解
Figure BDA0002412980430000121
可得到如式(6)所示，
Figure BDA0002412980430000122
其中，
Figure BDA0002412980430000123
表示0≤x≤bn(t)。
最小化Γ(t)中的第三项，得到优化后的链路信道分配，如式(7)所示：
Figure BDA0002412980430000124
其中，Xm(t)如式(8)所示：
Figure BDA0002412980430000125
其中，ωm(t)表示链路m的权重，根据式(7)可知，当且仅当物联网节点的能量Wn(t)满足
Figure BDA0002412980430000126
时，才会发送数据。
由于系统中链路使用不同信道时会产生干扰，因而某个信道在同一时隙，只能被分配给互相干扰的链路集合中的一条。
在本实施例中，将本发明的方法与最优算法(OPA)进行对比试验，设网络环境如图2所示，包含一个边缘节点及以边缘节点为中心随机分布的15个物联网节点，物联网结点之间及物联网节点与边缘节点之间存在14条链路，网络中最大可用主用户信道数量为4，主用户信道平均可接入的概率为0.6，物联网节点的固定发送功率为JT＝154.3mW，从兴趣区域中采集单位数据的能耗为JH＝200×10-9W/bit，节点最大能量获取速度为60mW。
通过仿真试验，OPA算法和本发明(图3中标注为CRAD)的方法所获得的系统时间平均网络效益随权重V的关系如图3所示，可以发现，一方面，系统时间平均网络效益随着V的增大而快速上升，而后又稳定下来；另一方面，随着V的增大，本发明的方法获得的系统时间平均网络效益与OPA之间的差距越来越小，最后稳定在约为OPA算法的50％。其原因是本发明的方法随着V的增大，系统对网络效益更加敏感，对队列的稳定性相对不敏感，在系统运行时长相同的情况下，权重V更大，网络效益将更快收敛。
在本实例中，分别在预设权重V和虚拟队列输入α分别取不同值时对本发明所描述的能量和频谱资源分配方法进行仿真实验，得到系统时间平均网络效益与权重V和虚拟队列输入α的关系图如图4所示，可以发现，一方面，系统时间平均网络效益随着权重V的增大而迅速上升，而后稳定下来；另一方面，系统时间平均网络效益随着α的增大而减小。
在预设权重V＝100，虚拟队列输入α分别取0.80，1.20，1.60时对本发明所描述的能量和频谱资源分配方法进行仿真实验，得到数据队列随与时间关系图如图5所示，可以发现，虚拟队列预设输入α越大，数据队列稳定后的长度越小。这是因为α越大，欲使虚拟队列保持稳定的虚拟队列输出
Figure BDA0002412980430000131
也越大，从而促使数据队列更多地发送数据或将不满足时延要求的数据丢弃，而后者会降低系统的网络效益。
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 (4)

1.一种多跳认知无线网络的能量与信道分配方法，其特征在于，包括如下步骤：
S1.获取物联网节点的能量队列、数据队列和预设的虚拟队列；所述虚拟队列用于控制所述物联网节点的数据延迟；
S2.根据所述能量队列、数据队列和虚拟队列构建李雅普诺夫函数的偏移减效函数；
S3.以最小化所述偏移减效函数的线性上界作为优化目标，对所述偏移减效函数的线性上界进行优化，得到物联网节点从环境中获取的能量、采集的数据、丢弃的数据量和链路信道分配；
S4.将所述从环境中获取的能量、采集的数据、丢弃的数据量和链路信道分配分发给物联网节点，所述从环境中获取的能量用于物联网节点更新能量队列，所述采集的数据用于物联网节点更新数据队列，所述丢弃的数据量用于物联网节点更新虚拟队列，所述链路信道分配用于物联网节点分配通信链路及信道；
步骤S2中，所述偏移减效函数如式(1)所示：
Figure FDA0003131761250000011
式(1)中，ΔV(t)为偏移减效函数，Δ(t)为李雅普诺夫函数的偏移，V为预设的非负权值，n为物联网节点，N为物联网节点的集合，ψ(·)为预设的二阶可导的非减凹函数，zn(t)为物联网节点n在时隙t采集的数据量，σ为任意大于1的常数，ϑ 为ψ(·)的最大一阶导数，dn(t)为物联网节点n在时隙t丢弃的数据量。
2.根据权利要求1所述的多跳认知无线网络的能量与信道分配方法，其特征在于：步骤S3中，所述偏移减效函数的线性上界如式(2)所示：
Q＝C+Γ(t) (2)
式(2)中，Q为线性上界，C为预设的常数，Γ(t)为多项式函数；
Γ(t)如式(3)所示，
Figure FDA0003131761250000012
式(3)中，n为物联网节点，N为物联网节点的集合，dn(t)为物联网节点n在时隙t丢弃的数据量，Mn(t)为物联网节点n在时隙t的数据队列，Gn(t)为物联网节点n在时隙t的虚拟队列，V为预设的非负权值，σ为任意大于1的常数，ϑ 为ψ(·)的最大一阶导数，sn(t)为物联网节点n在时隙t从环境中获取的能量，Π为物联网节点的电池容量，Wn(t)为物联网节点n在时隙t的能量队列，zn(t)为物联网节点n在时隙t采集的数据量，JH为物联网节点采集单位数据的能耗，ψ(·)为预设的二阶可导的非减凹函数，
Figure FDA0003131761250000021
为在时隙t信道k是否被分配给链路m的表达式，
Figure FDA0003131761250000022
为链路m在时隙t时使用信道k的信道容量，Dm为链路m的目标物联网节点，Fm为链路m的源物联网节点，jn(t)为描述物联网节点n在时隙t的数据队列状态的变量，
Figure FDA0003131761250000023
JT为物联网节点发送数据的功率，k为信道，K为信道集合，m为链路，L为链路集合。
3.根据权利要求2所述的多跳认知无线网络的能量与信道分配方法，其特征在于：步骤S3中，最小化所述式(3)中的第一项，得到物联网节点丢弃的数据量，如式(4)所示：
Figure FDA0003131761250000024
式(4)中，dn(t)为物联网节点n在时隙t丢弃的数据量，V为预设的非负权值，σ为任意大于1的常数，ϑ 为ψ(·)的最大一阶导数，Mn(t)为物联网节点n在时隙t的数据队列，Gn(t)为物联网节点n在时隙t的虚拟队列，dmax为物联网节点丢弃的数量最大值；
最小化所述式(3)中的第二项，得到物联网节点从环境中获取的能量，如式(5)所示：
sn(t)＝min[Π-Wn(t),bn(t)] (5)
式(5)中，sn(t)为物联网节点n在时隙t从环境中获取的能量，Π为物联网节点的电池容量，Wn(t)为物联网节点n在时隙t的能量队列，bn(t)为物联网节点n在时隙t的能量供应量；
最小化所述式(3)中的第三项，得到物联网节点采集的数据，如式(6)所示：
Figure FDA0003131761250000025
式(6)中，zn(t)为物联网节点n在时隙t采集的数据量，
Figure FDA0003131761250000026
为ψ′(·)的反函数，JH为物联网节点采集单位数据的能耗，Π为物联网节点的电池容量，Wn(t)为物联网节点n在时隙t的能量队列，V为预设的非负权值，bn(t)为物联网节点n在时隙t的能量供应量；
最小化所述式(3)中的第四项，得到优化后的链路信道分配决策，如式(7)所示：
Figure FDA0003131761250000027
其中，
Figure FDA0003131761250000028
如式(8)所示：
Figure FDA0003131761250000029
式(7)和式(8)中，k为信道，K为信道集合，m为链路，L为链路集合，
Figure FDA00031317612500000210
为在时隙t信道k是否被分配给链路m的表达式，JT为物联网节点发送数据的功率，Fm为链路m的源物联网节点，Wn(t)为物联网节点n在时隙t的能量队列，Π为物联网节点的电池容量，
Figure FDA0003131761250000031
为链路m在时隙t时使用信道k的信道容量，ωm(t)为链路m的权重。
4.一种多跳认知无线网络的能量与信道分配装置，包括处理器和存储器，所述处理器用于执行所述存储器中存储的程序，其特征在于：所述存储器中存储有被执行时可实现如权利要求1至3任一项所述多跳认知无线网络的能量与信道分配方法的程序。
CN202010182279.5A 2020-03-16 2020-03-16 一种多跳认知无线网络的能量与信道分配方法及装置 Active CN111417138B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010182279.5A CN111417138B (zh) 2020-03-16 2020-03-16 一种多跳认知无线网络的能量与信道分配方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010182279.5A CN111417138B (zh) 2020-03-16 2020-03-16 一种多跳认知无线网络的能量与信道分配方法及装置

Publications (2)

Publication Number Publication Date
CN111417138A CN111417138A (zh) 2020-07-14
CN111417138B true CN111417138B (zh) 2021-10-12

Family

ID=71494459

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010182279.5A Active CN111417138B (zh) 2020-03-16 2020-03-16 一种多跳认知无线网络的能量与信道分配方法及装置

Country Status (1)

Country Link
CN (1) CN111417138B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105634624B (zh) * 2014-10-27 2017-12-15 中国科学院沈阳自动化研究所 一种面向认知无线网络的频域协作频谱感知方法
US10244444B2 (en) * 2015-03-04 2019-03-26 Qualcomm Incorporated Dual link handover
WO2017156463A1 (en) * 2016-03-10 2017-09-14 Cable Television Laboratories, Inc. Systems and methods for latency reduction
CN108599881B (zh) * 2018-03-08 2021-03-26 同济大学 一种用于多用户多信道的无线电动态频谱接入方法
CN109618399A (zh) * 2018-12-26 2019-04-12 东华大学 多用户移动边缘计算系统中的分布式能量管理优化方法
CN109714807B (zh) * 2019-01-16 2021-03-23 南京航空航天大学 一种基于公共控制信道的认知无线网络接入方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Also Published As

Publication number Publication date
CN111417138A (zh) 2020-07-14

Similar Documents

Publication Publication Date Title
Shu et al. Multi-user offloading for edge computing networks: A dependency-aware and latency-optimal approach
Wang et al. User mobility aware task assignment for mobile edge computing
CN107087019B (zh) 一种基于端云协同计算架构的任务调度方法及装置
Deng et al. Wireless powered mobile edge computing: Dynamic resource allocation and throughput maximization
Qu et al. Service provisioning for UAV-enabled mobile edge computing
US20170164237A1 (en) System Apparatus And Methods For Cognitive Cloud Offloading In A Multi-Rat Enabled Wireless Device
CN110621031B (zh) 一种基于异构能量获取的多用户多任务移动边缘计算节能方法
CN113377447B (zh) 一种基于李雅普诺夫优化的多用户计算卸载方法
US9531522B2 (en) System and method for proactive resource allocation
Jian et al. Joint computation offloading and resource allocation in C-RAN with MEC based on spectrum efficiency
Xia et al. Mobile edge cloud-based industrial Internet of Things: Improving edge intelligence with hierarchical SDN controllers
Gong Delay-optimal distributed edge computing in wireless edge networks
Liu et al. A distributed framework for task offloading in edge computing networks of arbitrary topology
Wang et al. Long-term scheduling and power control for wirelessly powered cell-free IoT
Wu et al. Dynamically adjusting scale of a kubernetes cluster under qos guarantee
Zhou et al. Jointly optimizing offloading decision and bandwidth allocation with energy constraint in mobile edge computing environment
CN111417138B (zh) 一种多跳认知无线网络的能量与信道分配方法及装置
CN111193668A (zh) 流量分配方法、装置、计算机设备及存储介质
CN114698088A (zh) 确定传输时延的方法、装置、设备及存储介质
CN116302404B (zh) 面向资源解耦合数据中心的服务器无感知计算调度方法
Li et al. Energy-efficient online data sensing and processing in wireless powered edge computing systems
AU2021101292A4 (en) An novel method for empowering edge computing for source allocation based learning for industrial iot
US10200724B1 (en) System for optimizing distribution of audio data
US10149056B1 (en) System for configuring audio devices to distribute audio data
Guimaraes et al. A novel IoT protocol architecture: Efficiency through data and functionality sharing across layers

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