CN111867030B - 基于粒子群优化的射频能量源布置与发射功率设置方法 - Google Patents

Abstract

一种基于粒子群优化的射频能量源布置与发射功率设置方法，针对给定捕获射频能量的节点位置、节点能量捕获功率需求值、射频能量源布置的个数以及能量源总功率阈值，利用粒子群算法来优化能量源的布置位置和能量源的发射功率设置，算法中粒子的适应度值定义为到达节点能量捕获功率需求值的节点比例，通过粒子不断搜索，最终得到能量源布置位置选取与能量源的发射功率设置。本发明的方法实现了射频能量源的布置位置与发射功率的合理设置，使较多节点的能量捕获功率需求得到满足。

Description

基于粒子群优化的射频能量源布置与发射功率设置方法

技术领域

本发明涉及无线传感器网络中基于粒子群优化的射频能量源布置与发射功率设置方法，该方法适用于传感器节点能够捕获射频能量的无线传感器网络。

背景技术

电磁波作为一种无处不在、绿色环保且可持续的能源，越来越受到学术界和工业界的重视。射频能量捕获无线传感网就是一种捕获环境中的射频能并转化成电能以支持节点持续性工作的新型网络。

但是现阶段射频能量捕获传感器节点捕获环境中的射频能的速率还是非常得低，这是该类新型网络广泛应用的瓶颈之一。为了克服这个弱点，部署专用射频能量源给节点供电同时调整能量源发射功率，是一种可行有效的方法。

由于射频能在传输过程中会损耗一定的能量，即能量源距离节点越远，节点捕获到的射频能越少，节点的能量捕获功率取决于能量源的布置位置。另外，节点往往有能量捕获功率需求值，比如说该值为节点的平均功耗，实际捕获功率超出需求值的多余部分，不会带来任何效益。因此，针对给定捕获射频能量的节点位置、节点能量捕获需求值、射频能量源总发送功率约束以及待布置的能量源个数该类场景，通过粒子群算法寻找合适的能量源布置位置和分配功率，联合优化使得达到能量捕获功率需求值的节点个数与总结点个数比值最大化，即节点覆盖率最大化，是射频能量捕获网络需要解决的重要问题之一。

目前已有的一些射频能量源布置与发射功率设置方法以最小化满足所有节点能量捕获功率需求所需布置的能量源个数、最大化节点总能量捕获功率等为目标，几乎没有以最大化覆盖率为目标的射频能量源布置与发射功率设置方法。

发明内容

针对待布置的射频能量源个数、节点的能量捕获功率需求值给定的情况，为了克服现有射频能量源布置与发射功率设置方法无法达到高节点覆盖率的不足，本发明提供一种有效的基于粒子群优化的射频能量源布置与发射功率设置方法，实现了射频能量源的布置位置与发射功率的合理设置，使较多节点的能量捕获功率需求得到满足。

本发明解决其技术问题所采用的技术方案是：

一种基于粒子群优化的射频能量源布置与发射功率设置方法，所述方法包括如下步骤：

(1.1)对于i＝1,2,…,M,做如下操作：初始化第i个粒子的初始位置其中K是有待布置的射频能量源的个数，对于任意j＝1,2,…,K,/>和/>是在能量源布置区域内随机挑选的一个位置点的横坐标值和纵坐标值，/>是在[0,p_max]范围内随机挑选的一个值，其中p_max是能量源的最大发送功率，初始化第i个粒子的初始速度矢量v_i＝0，初始化第i个粒子的最优位置b_i为它的初始位置，即b_i←x_i；其中M表示粒子的个数，其取值方式与传统粒子群算法中粒子个数取值方式一样；

(1.2)对于i＝1,2,…,M,做如下操作：检查第i个粒子中所有能量源的分配功率之和是否小于等于给定的能量源总发送功率阈值P_th，即/>要成立；如果大于P_th，则对该粒子中的/>进行以下除法下降：对于任意j＝1,2,…,K，将值更新为它除以/>与P的比值，即/>

(1.3)对于i＝1,2,…,M,做如下操作：为位置b_i计算出它所对应的节点覆盖率f(b_i)；在b₁,b₂,...,b_M中找出节点覆盖率最大的b_i并且将全局最优位置b_g设置为b_i，即b_g←b_i；所述的为位置b_i计算出它所对应的节点覆盖率f(b_i)包含如下操作步骤：

(1.3.1)对于j＝1,2,…,K,设置第j个能量源的横坐标为b_i里的值，设置第j个能量源的纵坐标为b_i里的/>值，设置第j个能量源的发送功率P_j为b_i里的/>值；

(1.3.2)为每个传感器节点n_k，k＝1,2,…,N,根据公式(1)计算节点n_k从K个射频能量发送源捕获的总功率x_k，

其中η是整流效率，G_s是源天线增益，G_r是接收天线增益，L_p是极化损耗，λ是波长，d_k,j是节点n_k与第j个射频能量发送源之间的距离；其中N是网络中传感器节点的个数；

(1.3.3)对于k＝1,2,…,N,检查节点n_k的能量捕获功率x_k是否大于它的能量捕获功率需求值即检查/>是否成立；然后根据式子(2)计算覆盖率f(b_i)

其中，Ψ是满足能量捕获功率需求的节点个数；

(1.4)执行基于粒子群优化的能量源位置与功率优化操作。

进一步，所述步骤(1.4)中，基于粒子群优化的能量源位置与功率优化包含如下操作步骤：

(1.4.1)对于i＝1,2,…,M,根据公式(3)更新第i个粒子的当前速度矢量v_i和位置向量x_i；

其中，r_p和r_g分别是(0,1)之间的一个随机数，和/>是常数值，用来控制速度矢量v_i的更新步伐，其取值方式与传统粒子群算法中的取值方式一样；

(1.4.2)对于i＝1,2,…,M,如果x_i中某个能量源布置位置点超出布置范围，则将位置点/>修改为离它最近的布置范围边界点的坐标；如果x_i中某个能量源的发送功率/>大于能量源发送功率上限p_max，则将发送功率/>设为p_max；如果x_i对应的能量源总发送功率/>大于P_th，则对x_i中的/>进行以下除法下降：对于任意j＝1,2,…,K，将/>值更新为它除以/>与P的比值，即/>

(1.4.3)对于i＝1,2,…,M，如果f(b_i)＜f(x_i)，则令b_i←x_i；如果f(b_g)＜f(x_i)，则令b_g←x_i；

(1.4.4)重复执行Iteration_times次步骤(1.4.1)、步骤(1.4.2)和步骤(1.4.3)，其中Iteration_times的取值取决于所能够接受的运行时长，所能够接受的运行时长越长，则可以将Iteration_times设置为越大的值。

本发明的有益效果表现在：据给定捕获射频能量的节点位置、节点能量捕获需求值以及待布置的能量源个数，确定射频能量源布置与发射功率设置，使较多的节点能量捕获功率到达其需求值。

具体实施方式

下面对本发明做进一步说明。

一种基于粒子群优化的射频能量源布置与发射功率设置方法，其特征在于，所述方法包括如下步骤：

(1.1)对于i＝1,2,…,M,做如下操作：初始化第i个粒子的初始位置其中K是有待布置的射频能量源的个数，对于任意j＝1,2,…,K,/>和/>是在能量源布置区域内随机挑选的一个位置点的横坐标值和纵坐标值，/>是在[0,p_max]范围内随机挑选的一个值，其中p_max是能量源的最大发送功率，初始化第i个粒子的初始速度矢量v_i＝0，初始化第i个粒子的最优位置b_i为它的初始位置，即b_i←x_i；其中M表示粒子的个数，其取值方式与传统粒子群算法中粒子个数取值方式一样；

(1.2)对于i＝1,2,…,M,做如下操作：检查第i个粒子中所有能量源的分配功率之和是否小于等于给定的能量源总发送功率阈值P_th，即/>要成立；如果大于P_th，则对该粒子中的/>进行以下除法下降：对于任意j＝1,2,…,K，将值更新为它除以/>与P的比值，即/>

(1.3)对于i＝1,2,…,M,做如下操作：为位置b_i计算出它所对应的节点覆盖率f(b_i)；在b₁,b₂,...,b_M中找出节点覆盖率最大的b_i并且将全局最优位置b_g设置为b_i，即b_g←b_i；所述的为位置b_i计算出它所对应的节点覆盖率f(b_i)包含如下操作步骤：

(1.3.1)对于j＝1,2,…,K,设置第j个能量源的横坐标为b_i里的值，设置第j个能量源的纵坐标为b_i里的/>值，设置第j个能量源的发送功率P_j为b_i里的/>值；

(1.3.2)为每个传感器节点n_k，k＝1,2,…,N,根据公式(1)计算节点n_k从K个射频能量发送源捕获的总功率x_k，

其中η是整流效率，G_s是源天线增益，G_r是接收天线增益，L_p是极化损耗，λ是波长，d_k,j是节点n_k与第j个射频能量发送源之间的距离；其中N是网络中传感器节点的个数；

(1.3.3)对于k＝1,2,…,N,检查节点n_k的能量捕获功率x_k是否大于它的能量捕获功率需求值即检查/>是否成立；然后根据式子(2)计算覆盖率f(b_i)

其中，Ψ是满足能量捕获功率需求的节点个数；

(1.4)执行基于粒子群优化的能量源位置与功率优化操作。

进一步，所述步骤(1.4)中，基于粒子群优化的能量源位置与功率优化包含如下操作步骤：

(1.4.1)对于i＝1,2,…,M,根据公式(3)更新第i个粒子的当前速度矢量v_i和位置向量x_i；

其中，r_p和r_g分别是(0,1)之间的一个随机数，和/>是常数值，用来控制速度矢量v_i的更新步伐，其取值方式与传统粒子群算法中的取值方式一样；

(1.4.2)对于i＝1,2,…,M,如果x_i中某个能量源布置位置点超出布置范围，则将位置点/>修改为离它最近的布置范围边界点的坐标；如果x_i中某个能量源的发送功率/>大于能量源发送功率上限p_max，则将发送功率/>设为p_max；如果x_i对应的能量源总发送功率/>大于P_th，则对x_i中的/>进行以下除法下降：对于任意j＝1,2,…,K，将/>值更新为它除以/>与P的比值，即/>

(1.4.3)对于i＝1,2,…,M，如果f(b_i)＜f(x_i)，则令b_i←x_i；如果f(b_g)＜f(x_i)，则令b_g←x_i；

(1.4.4)重复执行Iteration_times次步骤(1.4.1)、步骤(1.4.2)和步骤(1.4.3)，其中Iteration_times的取值取决于所能够接受的运行时长，所能够接受的运行时长越长，则可以将Iteration_times设置为越大的值。

针对给定每个传感器节点物理位置的射频能量捕获无线传感器网络来说明本发明的具体实施方案。

本实施例使用粒子群算法来寻找较优的射频能量源布置与发射功率设置，每个粒子由K个能量源的布置位置坐标和发送功率构成，是3K维向量。粒子更新的过程中，能量源的布置位置可能跳出部署区域，则立即将该能量源的布置位置更新为离该位置最近的布置范围边界点的坐标；粒子更新的过程中，能量源的发送功率可能超出最大发送功率p_max，则立即将该能量源的发送功率修改为p_max。具体操作过程如下：

首先进行初始化，对于i＝1,2,…,M,做如下操作：初始化第i个粒子的初始位置其中K是有待布置的射频能量源的个数，对于任意j＝1,2,…,K,/>和/>是在能量源布置区域内随机挑选的一个位置点的横坐标值和纵坐标值，/>是在[0,p_max]范围内随机挑选的一个值，其中p_max是能量源的最大发送功率，初始化第i个粒子的初始速度矢量v_i＝0，初始化第i个粒子的最优位置b_i为它的初始位置，即b_i←x_i；其中M表示粒子的个数,其取值方式与传统粒子群算法中粒子个数取值方式一样。

接着对初始化的M个粒子进行修正操作。对于i＝1,2,…,M,做如下操作：检查第i个粒子中所有能量源的分配功率之和是否小于等于给定的能量源总发送功率阈值P_th，即/>要成立；如果/>大于P_th，则对该粒子中的/>进行以下除法下降：对于任意j＝1,2,…,K，将/>值更新为它除以/>与P的比值，即

然后对初始化的M个粒子进行以下操作。对于i＝1,2,…,M,做如下操作：为位置b_i计算出它所对应的节点覆盖率f(b_i)；在b₁,b₂,...,b_M中找出节点覆盖率最大的b_i并且将全局最优位置b_g设置为b_i，即b_g←b_i。

接着执行基于粒子群优化的能量源位置和发送功率优化操作，该操作通过控制每个粒子的速度矢量和位置矢量，不断对能量源的布置位置和发送功率进行迭代优化，直至达到固定的迭代次数而结束迭代优化操作。

迭代结束后，根据粒子群的全局最优解，得到K个能量源的布置坐标点和相应的发送功率。

Claims (1)

1.一种基于粒子群优化的射频能量源布置与发射功率设置方法，其特征在于，所述方法包括如下步骤：

(1.1)对于i＝1,2,…,M,做如下操作：初始化第i个粒子的初始位置其中K是有待布置的射频能量源的个数，对于任意j＝1,2,…,K,/>和/>是在能量源布置区域内随机挑选的一个位置点的横坐标值和纵坐标值，/>是在[0,p_max]范围内随机挑选的一个值，其中p_max是能量源的最大发送功率，初始化第i个粒子的初始速度矢量v_i＝0，初始化第i个粒子的最优位置b_i为它的初始位置，即b_i←x_i；其中M表示粒子的个数；

(1.2)对于i＝1,2,…,M,做如下操作：检查第i个粒子中所有能量源的分配功率之和是否小于等于给定的能量源总发送功率阈值P_th，即/>要成立；如果/>大于P_th，则对该粒子中的/>进行以下除法下降：对于任意j＝1,2,…,K，将/>值更新为它除以/>与P的比值，即/>

(1.3)对于i＝1,2,…,M,做如下操作：为位置b_i计算出它所对应的节点覆盖率f(b_i)；在b₁,b₂,...,b_M中找出节点覆盖率最大的b_i并且将全局最优位置b_g设置为b_i，即b_g←b_i；所述的为位置b_i计算出它所对应的节点覆盖率f(b_i)包含如下操作步骤：

(1.3.1)对于j＝1,2,…,K,设置第j个能量源的横坐标为b_i里的值，设置第j个能量源的纵坐标为b_i里的/>值，设置第j个能量源的发送功率P_j为b_i里的/>值；

(1.3.2)为每个传感器节点n_k，k＝1,2,…,N,根据公式(1)计算节点n_k从K个射频能量发送源捕获的总功率x_k，

其中η是整流效率，G_s是源天线增益，G_r是接收天线增益，L_p是极化损耗，λ是波长，d_k,j是节点n_k与第j个射频能量发送源之间的距离；其中N是网络中传感器节点的个数；

(1.3.3)对于k＝1,2,…,N,检查节点n_k的能量捕获功率x_k是否大于它的能量捕获功率需求值即检查/>是否成立；然后根据式子(2)计算覆盖率f(b_i)

其中，Ψ是满足能量捕获功率需求的节点个数；

(1.4)执行基于粒子群优化的能量源位置与功率优化操作；

所述步骤(1.4)中，基于粒子群优化的能量源位置与功率优化包含如下操作步骤：

(1.4.1)对于i＝1,2,…,M,根据公式(3)更新第i个粒子的当前速度矢量v_i和位置向量x_i；

其中，r_p和r_g分别是(0,1)之间的一个随机数，和/>是常数值，用来控制速度矢量v_i的更新步伐，其取值方式与传统粒子群算法中的取值方式一样；

(1.4.2)对于i＝1,2,…,M,如果x_i中某个能量源布置位置点超出布置范围，则将位置点/>修改为离它最近的布置范围边界点的坐标；如果x_i中某个能量源的发送功率/>大于能量源发送功率上限p_max，则将发送功率/>设为p_max；如果x_i对应的能量源总发送功率/>大于P_th，则对x_i中的/>进行以下除法下降：对于任意j＝1,2,…,K，将/>值更新为它除以/>与P的比值，即/>

(1.4.3)对于i＝1,2,…,M，如果f(b_i)＜f(x_i)，则令b_i←x_i；如果f(b_g)＜f(x_i)，则令b_g←x_i；

(1.4.4)重复执行Iteration_times次步骤(1.4.1)、步骤(1.4.2)和步骤(1.4.3)，其中Iteration_times的取值取决于所能够接受的运行时长，所能够接受的运行时长越长，则可以将Iteration_times设置为越大的值。