CN113055910B - 平均信息年龄最小化射频驱动网络优化方法、系统及装置 - Google Patents

平均信息年龄最小化射频驱动网络优化方法、系统及装置 Download PDF

Info

Publication number
CN113055910B
CN113055910B CN202110251427.9A CN202110251427A CN113055910B CN 113055910 B CN113055910 B CN 113055910B CN 202110251427 A CN202110251427 A CN 202110251427A CN 113055910 B CN113055910 B CN 113055910B
Authority
CN
China
Prior art keywords
alpha
information age
beta
penalty
average
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
CN202110251427.9A
Other languages
English (en)
Other versions
CN113055910A (zh
Inventor
张煜
熊轲
单葆国
吴鹏
谭显东
王成洁
唐伟
谭清坤
吴姗姗
张成龙
李江涛
段金辉
冀星沛
徐朝
张春成
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.)
Beijing Jiaotong University
State Grid Energy Research Institute Co Ltd
Original Assignee
Beijing Jiaotong University
State Grid Energy Research Institute Co Ltd
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 Beijing Jiaotong University, State Grid Energy Research Institute Co Ltd filed Critical Beijing Jiaotong University
Priority to CN202110251427.9A priority Critical patent/CN113055910B/zh
Publication of CN113055910A publication Critical patent/CN113055910A/zh
Application granted granted Critical
Publication of CN113055910B publication Critical patent/CN113055910B/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
    • 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)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种平均信息年龄最小化的射频能量传输驱动网络优化方法、系统及装置，其特征在于，包括如下步骤：建立通用非线性α‑βAoI惩罚函数，其中，通用非线性α‑βAoI惩罚函数用于表征不同形式非线性AoI惩罚；计算通用非线性α‑βAoI惩罚函数曲线与时间轴t所围成图形面积，建立平均α‑βAoI惩罚公式；根据平均α‑βAoI惩罚公式建立平均α‑βAoI惩罚最小化的网络优化模型；根据平均α‑βAoI惩罚最小化的网络优化模型计算得到传感器的最佳能量阈值B，通过最佳能量阈值B进行射频能量传输驱动网络的优化，本发明通过配置α和β不同值来描述任何指数形状和对数形状的AoI惩罚，从而减少了系统实现的复杂性。

Description

平均信息年龄最小化射频驱动网络优化方法、系统及装置
技术领域
本发明涉及网络优化设计领域，尤其是涉及一种平均信息年龄最小化的射频驱动网络优化方法、系统及装置。
背景技术
随着5G技术的出现，人们的生活中出现了越来越多的物联网(IoTs，Internet ofthings)新应用，例如智能农业和健康监控。在此类新应用中，物联网设备被广泛部署用于感知周围的物理环境并生成小型数据包，这些数据包携带对时间敏感的状态更新，从而向我们提供大量实时信息。在状态更新应用程序中，例如，仓库中的温度和湿度检测以及控制系统中的远程监视和决策，信息的新鲜度(freshness of information)至关重要，因为不完整的数据可能会导致错误的决策和经济损失。例如，在车联网络中，不完整的数据可能会导致错误的控制，甚至导致车祸。
为了表征信息的新鲜度，提出了信息年龄(AoI，age of information)这个性能指标，其定义为：自生成在目的节点观察到的最新状态更新以来所经过的时间。与传统的网络性能指标(例如延迟和吞吐量)不同，AoI在描述信息的“及时性”方面具有强大的功能。到目前为止，基于AoI的无线系统设计已迅速引起人们的关注，AoI已被用作各种网络系统设计的新性能指标。例如，平均AoI被广泛用于表征系统的长期性能。
另一方面，在大多数支持状态更新应用程序的物联网网络中，小型物联网设备由容量有限的电池供电。手动更换和充电电池可能会导致巨大的人工成本，尤其是在大规模部署情况下或者在有毒和恶劣的环境中。为了解决这个问题，能量收集(EH，energyharvesting)被广泛认为是有前途的解决方案。与传统的自然可收集能源(例如太阳能，风能和振动能)相比，射频(RF，radio-frequency)信号是可控的，并且能够在各种物理条件和环境下为低功率IoT设备提供稳定的电源。因此，基于RF的EH已在学术界的各种IoT场景中得到了广泛的研究。实际上，除了理论研究之外，无线供电通信网络(WPCN)的硬件原型已经成功建立，展示了基于RF的EH系统的实用性。
由于基于RF的EH潜力巨大，可应用于各种能源受限的IoT，并且数据新鲜度是实时状态更新IoT系统的重要性能指标，因此在未来的实时状态更新IoT系统中，设计基于AoI的WPCN有望同时解决能源供应和信息新鲜度需求问题。
发明内容
本发明的目的在于提供一种平均信息年龄最小化的射频驱动网络优化方法、系统及装置，旨在解决信息新鲜度问题。
本发明提供一种平均信息年龄最小化的射频驱动网络优化，包括如下步骤：
步骤一，建立通用非线性α-β信息年龄惩罚函数，其中，所述通用非线性α-β信息年龄惩罚函数用于表征不同形式的非线性信息年龄惩罚；
步骤二，对所述通用非线性α-β信息年龄惩罚函数曲线与时间轴t所围成图形面积进行计算，建立平均α-β信息年龄惩罚公式；
步骤三，根据所述平均α-β信息年龄惩罚公式建立平均α-β信息年龄惩罚最小化的网络优化模型；
步骤四，根据所述平均α-β信息年龄惩罚最小化的网络优化模型计算得到使平均信息年龄最小化的传感器最佳能量阈值B，通过所述最佳能量阈值B进行射频能量传输驱动网络的优化。
优选的，所述步骤一具体包括，建立如公式1的通用非线性α-β信息年龄惩罚函数：
Figure GDA0003573032690000031
其中，公式中的tA＝t-U(t)，表示t时刻网络系统的信息年龄；U(t)表示目的节点最新接收到的数据的生成时间。公式1统一表示指数形惩罚函数和对数形惩罚函数，α和β为参数，t为时间，当α和β都大于零时，为指数形惩罚函数；当α和β都小于零时，为对数形惩罚函数。
优选的，所述步骤二具体包括：
通过所述通用非线性α-β信息年龄惩罚函数曲线与时间轴t所围成图形面积进行计算，当α(1+θ)<-ln(1-p)时，建立如公式2的平均α-β信息年龄惩罚公式：
Figure GDA0003573032690000032
其中，
Figure GDA0003573032690000033
其中，p是传感器成功传输状态更新信息的概率；W是传感器传输状态更新信息的频率带宽；
Figure GDA0003573032690000034
n0表示噪声频谱密度；T为时间块长度；C表示每个状态更新的数据包长度，单位比特；h1表示无线能量站与传感器之间无线链路的信道系数；h2表示传感器与数据接收器之间无线链路的信道系数；|h1|2服从参数为λ1的指数分布，|h2|2服从参数为λ2的指数分布；d1表示无线能量站与传感器之间距离；d2表示传感器与数据接收器之间距离；κ为信号传输损耗因子；B表示传感器启动传输状态更新的能量阈值，单位焦耳；Pw表示无线能量站的传输功率；η为能量传输效率。
优选的，所述步骤三具体包括：
根据所述平均α-β信息年龄惩罚公式，建立如公式3的平均α-β信息年龄惩罚最小化的网络优化模型：
Figure GDA0003573032690000041
Figure GDA0003573032690000042
优选的，所述步骤四具体包括：通过使用一维搜索法，求解公式3，得到传感器最佳能量阈值B，使得网络平均α-β信息年龄最小。
本发明还提供一种平均信息年龄最小化的射频能量传输驱动网络优化系统，包括，
惩罚函数模块：建立通用非线性α-β信息年龄惩罚函数，其中，所述通用非线性α-β信息年龄惩罚函数用于表征不同形式的非线性信息年龄惩罚；
平均α-β信息年龄惩罚模块：用于对所述通用非线性α-β信息年龄惩罚函数曲线与时间轴t所围成图形面积进行计算，建立平均α-β信息年龄惩罚公式；
平均α-β信息年龄惩罚最小化的优化模型模块：用于根据所述平均α-β信息年龄惩罚公式建立平均α-β信息年龄惩罚最小化的网络优化模型；
计算模块：根据所述平均α-β信息年龄惩罚最小化的网络优化模型计算得到使平均信息年龄最小化的传感器最佳能量阈值B，通过所述最佳能量阈值B进行射频能量传输驱动网络的优化。
优选的，惩罚函数模块具体用于，建立如公式1的通用非线性α-β信息年龄惩罚函数，
Figure GDA0003573032690000043
其中，公式中的tA＝t-U(t)，表示t时刻网络系统的信息年龄；U(t)表示目的节点最新接收到的数据的生成时间。公式1统一表示指数形惩罚函数和对数形惩罚函数，当α和β都大于零时，为指数形惩罚函数；当α和β都小于零时，为对数形惩罚函数，所述通用非线性α-β信息年龄惩罚函数用于表征不同形式的非线性信息年龄惩罚。
优选的，平均α-β信息年龄惩罚模块具体用于，对所述通用非线性α-β信息年龄惩罚函数曲线与时间轴t所围成图形面积进行计算，当α(1+θ)<-ln(1-p)时，建立如公式2的平均α-β信息年龄惩罚公式；
Figure GDA0003573032690000051
其中，
Figure GDA0003573032690000052
其中，p是传感器成功传输状态更新信息的概率；W是传感器传输状态更新信息的频率带宽；
Figure GDA0003573032690000053
n0表示噪声频谱密度；T为时间块长度；C表示每个状态更新的数据包长度，单位比特；h1表示无线能量站与传感器之间无线链路的信道系数；h2表示传感器与数据接收器之间无线链路的信道系数；|h1|2服从参数为λ1的指数分布，|h2|2服从参数为λ2的指数分布；d1表示无线能量站与传感器之间距离；d2表示传感器与数据接收器之间距离；κ为信号传输损耗因子；B表示传感器启动传输状态更新的能量阈值，单位焦耳；Pw表示无线能量站的传输功率；η为能量传输效率。
平均α-β信息年龄惩罚最小化的优化模型模块具体用于，根据所述平均α-β信息年龄惩罚公式建立如公式3平均α-β信息年龄惩罚最小化的网络优化模型；
Figure GDA0003573032690000061
计算模块具体用于，通过使用一维搜索法，求解公式3，得到传感器最佳能量阈值B，使得网络平均α-β信息年龄最小。
一种平均信息年龄最小化的射频能量传输驱动网络优化装置，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现所述的一种平均信息年龄最小化的射频能量传输驱动网络优化方法的步骤。
一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现所述的一种平均信息年龄最小化的射频能量传输驱动网络优化方法的步骤。
采用本发明实施例，通过构建通用非线性信息年龄α-β惩罚函数，然后构建并求解最小化平均α-βAoI惩罚优化问题，得到网络平均AoI性能最佳的传感器能量阈值B，通过最佳能量阈值B进行射频能量传输驱动网络的优化，可以通过配置α和β的不同值来描述任何指数形状和对数形状的AoI惩罚，并且只需要部署一个统一的算法即可，从而减少了系统实现的复杂性。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例的平均信息年龄最小化的射频能量传输驱动网络优化方法流程图；
图2是本发明实施例的平均信息年龄最小化的射频能量传输驱动网络优化装置模块示意图；
图3是本发明实施例的平均信息年龄最小化的射频能量传输驱动网络优化方法的智能农业系统示意图；
图4是本发明实施例的平均信息年龄最小化的射频能量传输驱动网络优化方法、系统及装置的当通用非线性惩罚函数中β＝5的函数示意图；
图5是本发明实施例的平均信息年龄最小化的射频能量传输驱动网络优化方法、系统及装置的当通用非线性惩罚函数中α＝-5的函数示意图；
图6是本发明实施例的平均信息年龄最小化的射频能量传输驱动网络优化方法、系统及装置的当通用非线性惩罚函数中α＝0.5的函数示意图；
图7是本发明实施例的平均信息年龄最小化的射频能量传输驱动网络优化方法、系统及装置的当通用非线性惩罚函数中α＝-0.5的函数示意图；
图8是本发明实施例的平均信息年龄最小化的射频能量传输驱动网络优化方法的电子设备示意图。
附图标记说明：
210：惩罚函数模块；220：平均信息年龄惩罚模块；230：平均α-β信息年龄惩罚最小化的优化模型模块；240：计算模块；810：处理器；820：存储器。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。此外，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
方法实施例
根据本发明实施例，提供了一种平均信息年龄最小化的射频能量传输驱动网络优化方法，图1是本发明实施例的平均信息年龄最小化的射频能量传输驱动网络优化方法流程图，如图1所示，包括如下步骤：
步骤一，建立通用非线性α-β信息年龄惩罚函数，其中，通用非线性α-β信息年龄惩罚函数用于表征不同形式的非线性信息年龄惩罚；
步骤一具体包括，建立如公式1的通用非线性α-β信息年龄惩罚函数：
Figure GDA0003573032690000091
其中，公式中的tA＝t-U(t)，表示t时刻网络系统的AoI；U(t)表示目的节点最新接收到的数据的生成时间。公式1统一表示指数形惩罚函数和对数形惩罚函数，α和β为参数，t为时间，当α和β都大于零时，为指数形惩罚函数；当α和β都小于零时，为对数形惩罚函数。
步骤二，对通用非线性α-β信息年龄惩罚函数曲线与时间轴t所围成图形面积进行计算，建立平均α-β信息年龄惩罚公式；
步骤二具体包括：
通过通用非线性α-β信息年龄惩罚函数曲线与时间轴t所围成图形面积计算，当α(1+θ)<-ln(1-p)时，建立如公式2的平均α-β信息年龄惩罚公式：
Figure GDA0003573032690000092
其中，
Figure GDA0003573032690000093
其中，p是传感器成功传输状态更新信息的概率；W是传感器传输状态更新信息的频率带宽；
Figure GDA0003573032690000094
n0表示噪声频谱密度；T为时间块长度；C表示每个状态更新的数据包长度，单位比特；h1表示无线能量站与传感器之间无线链路的信道系数；h2表示传感器与数据接收器之间无线链路的信道系数；|h1|2服从参数为λ1的指数分布，|h2|2服从参数为λ2的指数分布；d1表示无线能量站与传感器之间距离；d2表示传感器与数据接收器之间距离；κ为信号传输损耗因子；B表示传感器启动传输状态更新的能量阈值，单位焦耳；Pw表示无线能量站的传输功率；η为能量传输效率。
步骤三，根据平均α-β信息年龄惩罚公式建立平均α-β信息年龄惩罚最小化的网络优化模型；
步骤三具体包括：
根据平均α-β信息年龄惩罚公式，建立如公式3的平均α-β信息年龄惩罚最小化的网络优化模型：
Figure GDA0003573032690000101
Figure GDA0003573032690000102
步骤四，根据平均α-β信息年龄惩罚最小化的网络优化模型计算得到使平均信息年龄最小化的传感器最佳能量阈值B，通过最佳能量阈值B进行射频能量传输驱动网络的优化。
步骤四具体包括：通过使用一维搜索法，求解公式3，得到传感器最佳能量阈值B，使得网络平均α-β信息年龄最小，通过最佳能量阈值B进行射频能量传输驱动网络的优化。
以下结合实例对本发明实施例的上述技术方案进行详细说明。
图3是本发明实施例的智能农业系统的示意图，如图3所示，其中包括一个无线能量站(WPS，wireless power station)、多个传感器、一个数据收集器。传感器必须从WPS的发射信号中收集能量。传感器监视不同物理过程的状态，例如温度，湿度和位置。传感器需要将监视的状态更新发送到数据收集器。每个传感器都配备了一块容量为B的电池。只有当传感器收集到足够的能量时，它才会生成一个数据包，然后将其发送到数据收集器。为了避免无线电力传输(WPT)和无线信息传输(WIT)之间以及传感器之间的信息传输发生干扰，WPS和传感器都在正交频带上传输其信号。因此，传感器能够在传输当前状态更新的同时为下一个状态更新收集并积累能量。本系统模型可以视为复杂网络的基本组成部分。d1表示无线能量站与传感器之间距离；d2表示传感器与数据接收器之间距离，ET为能量传输，IT为信息传输。
系统工作过程：时间分为多个块，每个时间块的长度为T。在不失一般性的前提下，假设系统在时间t＝0时开始运行，并且每个状态更新传输占用一个时间块。当传感器累积B焦耳能量时，它将被触发以生成并发送状态更新。由于信道较弱，传感器生成并发送一次状态更新后，传感器可能需要花费几个时间块来积聚能量以传输下一次状态更新。换句话说，如果在T期间收集的能量不足以传输状态更新，则传感器必须等待几个时间块才能收集能量。下述方法为找到一个最优的B，使得状态更新的时间最小。
步骤一，建立通用非线性α-β信息年龄惩罚函数，其中，通用非线性α-β信息年龄惩罚函数用于表征不同形式的非线性信息年龄惩罚；
步骤一具体包括，建立如公式1的通用非线性α-β信息年龄惩罚函数：
Figure GDA0003573032690000111
其中，公式中的tA＝t-U(t)，表示t时刻网络系统的AoI；U(t)表示目的节点最新接收到的数据的生成时间。公式1统一表示指数形惩罚函数和对数形惩罚函数，α和β为参数，当α和β都大于零时，为指数形惩罚函数；当α和β都小于零时，为对数形惩罚函数。
对于多服务系统，需要部署多个不同的AoI惩罚函数(指数形惩罚函数公式为
Figure GDA0003573032690000112
对数形惩罚函数公式为f(tA)＝log(αtA+1))和相应的算法，这会导致很高的部署复杂性。本专利构建了通用非线性AoI惩罚函数(称为α-βAoI惩罚函数)来表征不同形式的非线性AoI惩罚。使用这种通用函数，可以通过配置α和β的不同值来描述任何指数形状和对数形状的AoI惩罚，并且只需要部署一个统一的算法即可，从而减少了系统实现的复杂性。
可以看到通用非线性AoI惩罚函数
Figure GDA0003573032690000121
是指数复合函数，其一阶导数是
Figure GDA0003573032690000122
二阶导数是
Figure GDA0003573032690000123
当α和β都大于零时，其一阶、二阶导数都大于0，即表示该函数是单调递增的，并且是凸函数。在这种情况下，f(tA)是指数形状的函数。当α和β均小于零时，则f′(tA)>0和f″(tA)<0，表示该函数是单调递增的并且是凹函数。也就是说，在这种情况下，f(tA)是对数形状的函数。
具体来说，α和β的符号确定函数的形状，而α和β的值确定函数的值。
如图4为当β为5时的函数图；如图5为当β为-5时的函数图；
如图6为当α为0.5时的函数图；如图7为当α为0.5时的函数图；显示了非线性AoI惩罚函数f(tA)在不同参数α和β下的变化趋势的更多细节。
步骤二，对通用非线性α-β信息年龄惩罚函数曲线与时间轴t所围成图形面积进行计算，建立平均α-β信息年龄惩罚公式；
步骤二具体包括：
通过通用非线性α-β信息年龄惩罚函数曲线与时间轴t所围成图形面积进行计算，当α(1+θ)<-ln(1-p)时，建立如公式2的平均α-β信息年龄惩罚公式：
Figure GDA0003573032690000124
其中，
Figure GDA0003573032690000125
其中，p是传感器成功传输状态更新信息的概率；W是传感器传输状态更新信息的频率带宽；
Figure GDA0003573032690000131
n0表示噪声频谱密度；T为时间块长度；C表示每个状态更新的数据包长度，单位比特；h1表示无线能量站与传感器之间无线链路的信道系数；h2表示传感器与数据接收器之间无线链路的信道系数；|h1|2服从参数为λ1的指数分布，|h2|2服从参数为λ2的指数分布；d1表示无线能量站与传感器之间距离；d2表示传感器与数据接收器之间距离；κ为信号传输损耗因子；B表示传感器启动传输状态更新的能量阈值，单位焦耳；Pw表示无线能量站的传输功率；η为能量传输效率。
步骤三，根据平均α-β信息年龄惩罚公式建立平均α-β信息年龄惩罚最小化的网络优化模型；
步骤三具体包括：
根据平均α-β信息年龄惩罚公式，建立如公式3的建立平均α-β信息年龄惩罚最小化的网络优化模型：
Figure GDA0003573032690000132
Figure GDA0003573032690000133
步骤四，根据平均α-β信息年龄惩罚最小化的网络优化模型计算得到使平均信息年龄最小化的传感器最佳能量阈值B，通过最佳能量阈值B进行射频能量传输驱动网络的优化。
步骤四具体包括：通过使用一维搜索法，求解公式3，得到传感器最佳能量阈值B，使得网络平均α-β信息年龄最小，通过最佳能量阈值B进行射频能量传输驱动网络的优化。
构建通用非线性信息年龄α-β惩罚函数，通过构建并求解最小化平均α-β AoI惩罚优化问题，得到网络AoI性能最佳的传感器能量阈值B，通过最佳能量阈值B进行射频能量传输驱动网络的优化。
通过构建通用非线性信息年龄α-β惩罚函数，然后构建并求解最小化平均α-β AoI惩罚优化问题，得到网络AoI性能最佳传感器能量阈值B，通过最佳能量阈值B进行射频能量传输驱动网络的优化，可以通过配置α和β的不同值来描述任何指数形状和对数形状的AoI惩罚，并且只需要部署一个统一的算法即可，从而减少了系统实现的复杂性。
系统实施例
根据本发明实施例，提供了一种平均信息年龄最小化的射频能量传输驱动网络优化系统，图2是本发明实施例的平均信息年龄最小化的射频能量传输驱动网络优化系统模块的示意图，如图2所示，具体包括：
惩罚函数模块210：建立通用非线性α-β信息年龄惩罚函数，其中，通用非线性α-β信息年龄惩罚函数用于表征不同形式的非线性信息年龄惩罚；
惩罚函数模块具体用于，建立如公式1的通用非线性α-β信息年龄惩罚函数，
Figure GDA0003573032690000141
其中，公式中的tA＝t-U(t)，表示t时刻网络系统的AoI；U(t)表示目的节点最新接收到的数据的生成时间。公式1包括指数形惩罚函数和对数形惩罚函数，当α和β都大于零时，为指数形惩罚函数；当α和β都小于零时，为对数形惩罚函数，通用非线性α-β信息年龄惩罚函数用于表征不同形式的非线性信息年龄惩罚。
平均α-β信息年龄惩罚模块220：用于对通用非线性α-β信息年龄惩罚函数曲线与时间轴t所围成图形面积进行计算，建立平均α-β信息年龄惩罚公式；
平均α-β信息年龄惩罚模块220具体用于，对通用非线性α-β信息年龄惩罚函数曲线与时间轴t所围成图形面积进行计算，当α(1+θ)<-ln(1-p)时，建立平均α-β信息年龄惩罚公式；
Figure GDA0003573032690000151
其中，
Figure GDA0003573032690000152
其中，p是传感器成功传输状态更新信息的概率；W是传感器传输状态更新信息的频率带宽；
Figure GDA0003573032690000153
n0表示噪声频谱密度；T为时间块长度；C表示每个状态更新的数据包长度，单位比特；h1表示无线能量站与传感器之间无线链路的信道系数；h2表示传感器与数据接收器之间无线链路的信道系数；|h1|2服从参数为λ1的指数分布，|h2|2服从参数为λ2的指数分布；d1表示无线能量站与传感器之间距离；d2表示传感器与数据接收器之间距离；κ为信号传输损耗因子；B表示传感器启动传输状态更新的能量阈值，单位焦耳；Pw表示无线能量站的传输功率；η为能量传输效率。
平均α-β信息年龄惩罚最小化的优化模型模块230：用于根据平均α-β信息年龄惩罚公式建立平均α-β信息年龄惩罚最小化的网络优化模型；
平均α-β信息年龄惩罚最小化的优化模型模块230用于，根据平均α-β信息年龄惩罚公式建立如公式3平均α-β信息年龄惩罚最小化的网络优化模型；
Figure GDA0003573032690000154
计算模块240：根据平均α-β信息年龄惩罚最小化的优化模型计算得到使网络平均信息年龄最小化的最佳能量阈值B，通过最佳能量阈值B进行射频能量传输驱动网络的优化。
计算模块240具体用于，通过使用一维搜索法，求解公式3，得到最佳传感器能量阈值B，使得网络平均α-β信息年龄最小。
本发明实施例是与上述方法实施例对应的系统实施例，各个模块的具体操作可以参照方法实施例的描述进行理解，在此不再赘述。
装置实施例二
本发明实施例提供一种平均信息年龄最小化的射频能量传输驱动网络优化装置，如图8所示，包括：存储器810、处理器820及存储在存储器810上并可在处理器820上运行的计算机程序，计算机程序被处理器执行时实现上述方法实施例中平均信息年龄最小化的射频能量传输驱动网络优化方法的步骤。
装置实施例三
本发明实施例提供一种计算机可读存储介质，计算机可读存储介质上存储有信息传输的实现程序，程序被处理器820执行时实现上述方法实施例中平均信息年龄最小化的射频能量传输驱动网络优化方法的步骤。
本实施例所述计算机可读存储介质包括但不限于为：ROM、RAM、磁盘或光盘等。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替本发明各实施例技术方换，并不使相应技术方案的本质脱离案的范围。

Claims (4)

1.一种平均信息年龄最小化的射频能量传输驱动网络优化方法，其特征在于，包括如下步骤：
步骤一，建立通用非线性α-β信息年龄惩罚函数，其中，所述通用非线性α-β信息年龄惩罚函数用于表征不同形式的非线性信息年龄惩罚；
所述步骤一具体包括，建立如公式1的通用非线性α-β信息年龄惩罚函数：
Figure FDA0003573032680000011
其中，公式中的tA＝t-U(t)，表示t时刻网络系统的信息年龄；U(t)表示目的节点最新接收到的数据的生成时间；公式1统一表示了指数形惩罚函数和对数形惩罚函数，α和β为参数，t为时间，当α和β都大于零时，为指数形惩罚函数；当α和β都小于零时，为对数形惩罚函数；
步骤二，对所述通用非线性α-β信息年龄惩罚函数曲线与时间轴t所围成图形面积进行计算，建立平均α-β信息年龄惩罚公式；
所述步骤二具体包括：
通过计算所述通用非线性α-β信息年龄惩罚函数曲线与时间轴t所围成图形面积，当α(1+θ)<-ln(1-p)时，建立如公式2的平均α-β信息年龄惩罚公式：
Figure FDA0003573032680000012
其中，
Figure FDA0003573032680000013
p是传感器成功传输状态更新信息的概率；W是传感器传输状态更新信息的频率带宽；
Figure FDA0003573032680000021
n0表示噪声频谱密度；T为时间块长度；C表示每个状态更新的数据包长度，单位比特；h1表示无线能量站与传感器之间无线链路的信道系数；h2表示传感器与数据接收器之间无线链路的信道系数；|h1|2服从参数为λ1的指数分布，|h2|2服从参数为λ2的指数分布；d1表示无线能量站与传感器之间距离；d2表示传感器与数据接收器之间距离；κ为信号传输损耗因子；B表示传感器启动传输状态更新的能量阈值，单位焦耳；Pw表示无线能量站的传输功率；η为能量传输效率；
步骤三，根据所述平均α-β信息年龄惩罚公式建立平均α-β信息年龄惩罚最小化的网络优化模型；
所述步骤三具体包括：
根据所述平均α-β信息年龄惩罚公式，建立如公式3的平均α-β信息年龄惩罚最小化的网络优化模型：
Figure FDA0003573032680000022
Figure FDA0003573032680000023
步骤四，根据所述平均α-β信息年龄惩罚最小化的网络优化模型计算得到使网络平均信息年龄最小化的传感器最佳能量阈值B，通过所述最佳能量阈值B进行射频能量传输驱动网络的优化；
所述步骤四具体包括：通过使用一维搜索法，求解公式3，得到传感器最佳能量阈值B，使得网络平均α-β信息年龄最小，通过所述最佳能量阈值B进行射频能量传输驱动网络的优化。
2.一种平均信息年龄最小化的射频能量传输驱动网络优化系统，其特征在于，包括，
惩罚函数模块：建立通用非线性α-β信息年龄惩罚函数，其中，所述通用非线性α-β信息年龄惩罚函数用于表征不同形式的非线性信息年龄惩罚；
惩罚函数模块具体用于，建立如公式1的通用非线性α-β信息年龄惩罚函数，
Figure FDA0003573032680000031
其中，公式中的tA＝t-U(t)，表示t时刻网络系统的信息年龄；U(t)表示目的节点最新接收到的数据的生成时间；公式1统一表示指数形惩罚函数和对数形惩罚函数，当α和β都大于零时，为指数形惩罚函数；当α和β都小于零时，为对数形惩罚函数，所述通用非线性α-β信息年龄惩罚函数用于表征不同形式的非线性信息年龄惩罚；
平均α-β信息年龄惩罚模块：用于对所述通用非线性α-β信息年龄惩罚函数曲线与时间轴t所围成图形面积进行计算，建立平均α-β信息年龄惩罚公式；
平均α-β信息年龄惩罚模块具体用于，对所述通用非线性α-β信息年龄惩罚函数曲线与时间轴t所围成图形面积进行计算，当α(1+θ)<-ln(1-p)时，建立如公式2的平均α-β信息年龄惩罚公式；
Figure FDA0003573032680000032
其中，
Figure FDA0003573032680000033
其中，p是传感器成功传输状态更新信息的概率；W是传感器传输状态更新信息的频率带宽；
Figure FDA0003573032680000041
n0表示噪声频谱密度；T为时间块长度；C表示每个状态更新的数据包长度，单位比特；h1表示无线能量站与传感器之间无线链路的信道系数；h2表示传感器与数据接收器之间无线链路的信道系数；|h1|2服从参数为λ1的指数分布，|h2|2服从参数为λ2的指数分布；d1表示无线能量站与传感器之间距离；d2表示传感器与数据接收器之间距离；κ为信号传输损耗因子；B表示传感器启动传输状态更新的能量阈值，单位焦耳；Pw表示无线能量站的传输功率；η为能量传输效率；
平均α-β信息年龄惩罚最小化的优化模型模块:用于根据所述平均α-β信息年龄惩罚公式建立平均信息年龄惩罚最小化的网络优化模型；
平均α-β信息年龄惩罚最小化的优化模型模块具体用于，根据所述平均α-β信息年龄惩罚公式建立如公式3的平均α-β信息年龄惩罚最小化的网络优化模型；
Figure FDA0003573032680000043
Figure FDA0003573032680000042
计算模块具体用于，通过使用一维搜索法，求解公式3，得到传感器最佳能量阈值B，使得网络平均α-β信息年龄最小；
计算模块:根据所述平均α-β信息年龄惩罚最小化网络优化模型计算得到使网络平均信息年龄最小化的传感器最佳能量阈值B，通过所述最佳能量阈值B进行射频能量传输驱动网络的优化。
3.一种平均信息年龄最小化的射频能量传输驱动网络优化装置，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1中所述的一种平均信息年龄最小化的射频能量传输驱动网络优化方法的步骤。
4.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现如权利要求1中所述的一种平均信息年龄最小化的射频能量传输驱动网络优化方法的步骤。
CN202110251427.9A 2021-03-08 2021-03-08 平均信息年龄最小化射频驱动网络优化方法、系统及装置 Active CN113055910B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110251427.9A CN113055910B (zh) 2021-03-08 2021-03-08 平均信息年龄最小化射频驱动网络优化方法、系统及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110251427.9A CN113055910B (zh) 2021-03-08 2021-03-08 平均信息年龄最小化射频驱动网络优化方法、系统及装置

Publications (2)

Publication Number Publication Date
CN113055910A CN113055910A (zh) 2021-06-29
CN113055910B true CN113055910B (zh) 2022-05-17

Family

ID=76510733

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110251427.9A Active CN113055910B (zh) 2021-03-08 2021-03-08 平均信息年龄最小化射频驱动网络优化方法、系统及装置

Country Status (1)

Country Link
CN (1) CN113055910B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113438315B (zh) * 2021-07-02 2023-04-21 中山大学 基于双网络深度强化学习的物联网信息新鲜度优化方法
CN113316215B (zh) * 2021-07-13 2022-10-11 山东协和学院 基于无线能量的数据传输方法及系统
CN115002838B (zh) * 2022-06-20 2024-07-12 吉林大学 基于年龄惩罚的分类无线体域网多节点信息更新调度方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109640370A (zh) * 2019-02-02 2019-04-16 北京邮电大学 一种基于信息新鲜度的车联网传输方法及装置
CN110958675A (zh) * 2019-10-29 2020-04-03 南京邮电大学 基于5g雾计算节点的终端接入方法
CN111601269A (zh) * 2020-05-15 2020-08-28 中国民航大学 一种基于信息新鲜度判断事件触发卡尔曼一致性滤波方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109640370A (zh) * 2019-02-02 2019-04-16 北京邮电大学 一种基于信息新鲜度的车联网传输方法及装置
CN110958675A (zh) * 2019-10-29 2020-04-03 南京邮电大学 基于5g雾计算节点的终端接入方法
CN111601269A (zh) * 2020-05-15 2020-08-28 中国民航大学 一种基于信息新鲜度判断事件触发卡尔曼一致性滤波方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Cooperative Transmission for AoI-Penalty Aware State Estimation in Marine IoT Systems;Ling Lyu等;《2020 IEEE 18th International Conference on Industrial Informatics (INDIN)》;20200723;第865-869页 *

Also Published As

Publication number Publication date
CN113055910A (zh) 2021-06-29

Similar Documents

Publication Publication Date Title
CN113055910B (zh) 平均信息年龄最小化射频驱动网络优化方法、系统及装置
Chavva et al. An energy-efficient multi-hop routing protocol for health monitoring in wireless body area networks
WO2021128608A1 (zh) 一种基于无线供电反向散射通信网络的多载波资源分配方法
CN113810953B (zh) 一种基于数字孪生的无线传感网络资源调度方法及系统
CN110062345B (zh) 一种无人机-物联网数据采集方法和系统
US12108320B2 (en) Clustering and routing method and system for wireless sensor networks
US9936451B2 (en) Communication system for sensor networks
WO2020119322A1 (zh) 一种异步无线唤醒方法及设备
CN102868598A (zh) 控制装置及控制方法
CN110881173B (zh) 一种基于物联网的环境监测系统
CN107969008B (zh) 一种软件定义传感网集中式路由计算方法
CN114222348B (zh) 一种基于反向规划的高能效无线传感器网络路由控制方法
Kim et al. Performance analysis of the energy adaptive MAC protocol for wireless sensor networks with RF energy transfer
CN110087204B (zh) 一种基于参数调节的无人机-物联网数据采集方法和系统
Sah et al. An efficient routing awareness based scheduling approach in energy harvesting wireless sensor networks
Liu et al. Learning-based multi-UAV assisted data acquisition and computation for information freshness in WPT enabled space-air-ground PIoT
CN109151946B (zh) 基于能量收集的协作中继传输方法、系统及多天线发送端
Mishra et al. Multi-Access Edge Computing assisted ultra-low energy scheduling and harvesting in multi-hop Wireless Sensor and Actuator Network for energy neutral self-sustainable Next-gen Cyber-Physical System
US20240089863A1 (en) Systems and methods for deep reinforcement learning for optimal power control in wireless networks
Oren et al. Adaptive Distributed Hierarchical Sensing algorithm for reduction of wireless sensor network cluster-heads energy consumption
Kim et al. Energy adaptive MAC for wireless sensor networks with RF energy transfer: Algorithm, analysis, and implementation
CN111245941B (zh) 一种面向大规模可充电物联网的监测系统及分布式协议
Rani et al. Enhancing QoS in Wireless Sensor Networks Using Dynamic Energy-Efficient Multimode Transmission with the Network Adaptive Multimode Transmission LEACH Protocol
Singh et al. Context-aware rf-energy harvesting for iot networks
CN114389725B (zh) 基于新鲜度感知的无线供能通信网络能量调度方法及系统

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