CN113543061A - 一种能量收集型物联网的传感器能量分配方法和装置 - Google Patents

一种能量收集型物联网的传感器能量分配方法和装置 Download PDF

Info

Publication number
CN113543061A
CN113543061A CN202110797661.1A CN202110797661A CN113543061A CN 113543061 A CN113543061 A CN 113543061A CN 202110797661 A CN202110797661 A CN 202110797661A CN 113543061 A CN113543061 A CN 113543061A
Authority
CN
China
Prior art keywords
energy
matrix
things
node
objective function
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.)
Granted
Application number
CN202110797661.1A
Other languages
English (en)
Other versions
CN113543061B (zh
Inventor
张军
谢广飞
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.)
Guangdong Provincial Laboratory Of Artificial Intelligence And Digital Economy Guangzhou
Guangdong University of Technology
Original Assignee
Guangdong Provincial Laboratory Of Artificial Intelligence And Digital Economy Guangzhou
Guangdong University of Technology
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 Guangdong Provincial Laboratory Of Artificial Intelligence And Digital Economy Guangzhou, Guangdong University of Technology filed Critical Guangdong Provincial Laboratory Of Artificial Intelligence And Digital Economy Guangzhou
Priority to CN202110797661.1A priority Critical patent/CN113543061B/zh
Publication of CN113543061A publication Critical patent/CN113543061A/zh
Application granted granted Critical
Publication of CN113543061B publication Critical patent/CN113543061B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
    • 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
    • H04W52/30—TPC using constraints in the total amount of available transmission power
    • H04W52/34—TPC management, i.e. sharing limited amount of power among users or channels or data types, e.g. cell loading
    • 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)
  • Arrangements For Transmission Of Measured Signals (AREA)

Abstract

本发明公开了一种能量收集型物联网的传感器能量分配方法和装置，通过获取当前物联网所包含的传感器节点的节点数量以及节点能量，基于当前物联网所处状态调用不同的能量分配算法，结合获取到的时隙数量、节点数量、节点能量和物联网所对应的信道矩阵，确定能量分配矩阵，最后根据物联网所处的状态下发能量分配矩阵到各个传感器节点组成的传感器网络，从而将各个传感器节点在各个时隙内的能量消耗量作为独立变量进行能量收集型物联网的能量分配，优化各个节点在各个时隙内的能量消耗量，降低物联网数据获取所需的时延。

Description

一种能量收集型物联网的传感器能量分配方法和装置
技术领域
本发明涉及能量分配技术领域，尤其涉及一种能量收集型物联网的传感器能量分配方法和装置。
背景技术
物联网的连接数量正在以一个不可思议的速度发展，万物互联的时代正在到来。目前，物联网常用的节点是电池供电的小型传感器，其寿命受到电池可用能量的限制，而电池更换代价昂贵且很不方便，如果传感器处于极端环境，例如有毒环境或在人体内，甚至不可能更换电池，因此传感器寿命成为限制物联网发展的关键问题之一。
近年来，能量收集技术已经成为延长传感器节点寿命最有前景的解决方案。在采用能量收集技术的能量收集型物联网中，传感器节点所携带的能量收集模块通过从太阳能，风能，热能，电磁或其它来源收集能量，能得到几乎永久的能量供给。然而，由于不同的收集条件，例如阳光的照射角度和风速的不同，各能量收集型传感器节点通常具有不同的能量收集率，且只能间歇地获得微弱、不可靠的可用能量。另一方面，由于频谱资源的限制，在大规模无线物联网连接场景中，如何以尽可能低的延迟精确获取信号仍然是一个极具挑战的任务。海量连接的物联网系统中各节点采集了大量数据，在有限的通信资源下其传输过程往往难以满足低时延的要求。
近年来，利用信号的稀疏性，压缩感知(Compressed sensing,CS)作为一种有效的工具被用来解决该问题。在多址接入信道(MAC)通信模型中，各节点在不同时隙的传输能量与实际的信道影响一起,等效构成了标准CS问题中的测量矩阵。根据CS理论，该等效测量矩阵的性能直接决定了保证数据精确重构所需的测量数。因此，为了在精确获取信号的同时降低系统的时延，理想的等效测量矩阵应该具有尽可能优异的感知性能；然而由于各传感器节点的能量收集存在波动且仅能收集微弱的能量，以及受信道衰落的影响，使得等效测量矩阵的性能不佳，无法在较低时延的情况下精确获取信号。
发明内容
本发明提供了一种能量收集型物联网的传感器能量分配方法和装置，解决了现有技术由于各传感器节点的能量收集存在波动且仅能收集微弱的能量，以及受信道衰落的影响，使得等效测量矩阵的性能不佳，无法在较低时延的情况下精确获取信号的技术问题。
本发明提供的一种能量收集型物联网的传感器能量分配方法，包括：
获取当前物联网的传感器节点的节点数量和节点能量；
若所述当前物联网所处状态为离线状态，则调用预设的第一能量分配算法，结合所述时隙数量、所述节点数量、所述节点能量和所述当前物联网的信道矩阵，确定第一能量分配矩阵；
若所述当前物联网所处状态为在线状态，则获取第p时隙内全部所述传感器节点采集到的总节点能量；
调用预设的第二能量分配算法，结合所述时隙数量、所述节点数量、所述总节点能量和所述信道矩阵，确定第二能量分配矩阵；
下发所述第一能量分配矩阵或所述第二能量分配矩阵到由全部所述传感器节点组成的传感器网络。
可选地，所述第一能量分配算法包括：
根据所述节点能量与马尔科夫估计法，确定在m个所述时隙的预测能量收集矩阵；
初始化第一最小约束和第一最大约束，构建第一初始目标函数；
采用Majorization-Minimization优化框架对所述第一初始目标函数进行转换，得到第一目标函数；
基于所述预测能量收集矩阵和所述当前物联网的信道矩阵，构建第一等效测量矩阵；
求解所述第一目标函数，得到新的预测能量收集矩阵；
基于预设的第一收缩因子与所述第一最小约束的乘积，得到新的第一最小约束；
基于预设的第二收缩因子与所述第一最大约束的乘积，得到新的第一最大约束；
跳转执行所述基于所述预测能量收集矩阵和所述当前物联网的信道矩阵，构建第一等效测量矩阵的步骤，直至迭代次数等于预设第一迭代阈值，将当前时刻的预测能量收集矩阵确定为第一能量分配矩阵。
可选地，所述第一目标函数为：
Figure BDA0003163319650000031
Figure BDA0003163319650000032
Figure BDA0003163319650000033
Figure BDA0003163319650000034
φi，j≥0，p≤i≤m，1≤j≤n
Figure BDA0003163319650000035
Figure BDA0003163319650000036
可选地，所述第二能量分配算法包括：
将能量参数初始化为所述总节点能量的最小值；
基于第p-1时隙每个传感器节点对应的剩余能量和所述能量参数，确定第p时隙每个传感器节点对应的实际能量收集矩阵；
初始化第二最小约束和第二最大约束，构建第二初始目标函数；
采用Majorization-Minimization优化框架对所述第二初始目标函数进行转换，得到第二目标函数；
基于所述实际能量收集矩阵和所述当前物联网的信道矩阵，构建第二等效测量矩阵；
求解所述第二目标函数，得到新的实际能量收集矩阵；
基于预设的第三收缩因子与所述第二最小约束的乘积，得到新的第二最小约束；
基于预设的第四收缩因子与所述第二最大约束的乘积，得到新的第二最大约束；
跳转执行所述基于所述实际能量收集矩阵和所述当前物联网的信道矩阵，构建第二等效测量矩阵的步骤，直至迭代次数等于预设第二迭代阈值，将当前时刻的实际能量收集矩阵确定为第二能量分配矩阵。
可选地，所述第二目标函数为：
Figure BDA0003163319650000041
Figure BDA0003163319650000042
Figure BDA0003163319650000043
Figure BDA0003163319650000044
φi，j≥0，p≤i≤m，1≤j≤n
Figure BDA0003163319650000045
Figure BDA0003163319650000046
本发明还提供了一种能量收集型物联网的传感器能量分配装置，包括：
节点信息获取模块，用于获取当前物联网的传感器节点的节点数量和节点能量；
第一能量分配矩阵生成模块，用于若所述当前物联网所处状态为离线状态，则调用预设的第一能量分配算法，结合所述时隙数量、所述节点数量、所述节点能量和所述当前物联网的信道矩阵，确定第一能量分配矩阵；
总节点能量获取模块，用于若所述当前物联网所处状态为在线状态，则获取第p时隙内全部所述传感器节点采集到的总节点能量；
第二能量分配矩阵生成模块，用于调用预设的第二能量分配算法，结合所述时隙数量、所述节点数量、所述总节点能量和所述信道矩阵，确定第二能量分配矩阵；
能量分配矩阵下发模块，用于下发所述第一能量分配矩阵或所述第二能量分配矩阵到由全部所述传感器节点组成的传感器网络。
可选地，所述第一能量分配算法包括：
根据所述节点能量与马尔科夫估计法，确定在m个所述时隙的预测能量收集矩阵；
初始化第一最小约束和第一最大约束，构建第一初始目标函数；
采用Majorization-Minimization优化框架对所述第一初始目标函数进行转换，得到第一目标函数；
基于所述预测能量收集矩阵和所述当前物联网的信道矩阵，构建第一等效测量矩阵；
求解所述第一目标函数，得到新的预测能量收集矩阵；
基于预设的第一收缩因子与所述第一最小约束的乘积，得到新的第一最小约束；
基于预设的第二收缩因子与所述第一最大约束的乘积，得到新的第一最大约束；
跳转执行所述基于所述预测能量收集矩阵和所述当前物联网的信道矩阵，构建第一等效测量矩阵的步骤，直至迭代次数等于预设第一迭代阈值，将当前时刻的预测能量收集矩阵确定为第一能量分配矩阵。
可选地，所述第一目标函数为：
Figure BDA0003163319650000051
Figure BDA0003163319650000052
Figure BDA0003163319650000053
Figure BDA0003163319650000054
φi，j≥0，p≤i≤m，1≤j≤n
Figure BDA0003163319650000055
Figure BDA0003163319650000061
可选地，所述第二能量分配算法包括：
将能量参数初始化为所述总节点能量的最小值；
基于第p-1时隙每个传感器节点对应的剩余能量和所述能量参数，确定第p时隙每个传感器节点对应的实际能量收集矩阵；
初始化第二最小约束和第二最大约束，构建第二初始目标函数；
采用Majorization-Minimization优化框架对所述第二初始目标函数进行转换，得到第二目标函数；
基于所述实际能量收集矩阵和所述当前物联网的信道矩阵，构建第二等效测量矩阵；
求解所述第二目标函数，得到新的实际能量收集矩阵；
基于预设的第三收缩因子与所述第二最小约束的乘积，得到新的第二最小约束；
基于预设的第四收缩因子与所述第二最大约束的乘积，得到新的第二最大约束；
跳转执行所述基于所述实际能量收集矩阵和所述当前物联网的信道矩阵，构建第二等效测量矩阵的步骤，直至迭代次数等于预设第二迭代阈值，将当前时刻的实际能量收集矩阵确定为第二能量分配矩阵。
可选地，所述第二目标函数为：
Figure BDA0003163319650000062
Figure BDA0003163319650000063
Figure BDA0003163319650000064
Figure BDA0003163319650000065
φi，j≥0，p≤i≤m，1≤j≤n
Figure BDA0003163319650000071
Figure BDA0003163319650000072
从以上技术方案可以看出，本发明具有以下优点：
本发明通过获取当前物联网所包含的传感器节点的节点数量以及节点能量，基于当前物联网所处状态调用不同的能量分配算法，结合获取到的时隙数量、节点数量、节点能量和物联网所对应的信道矩阵，确定能量分配矩阵，最后根据物联网所处的状态下发能量分配矩阵到各个传感器节点组成的传感器网络，从而将各个传感器节点在各个时隙内的能量消耗量作为独立变量进行能量收集型物联网的能量分配，优化各个节点在各个时隙内的能量消耗量，降低物联网数据获取所需的时延。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种能量收集型物联网的传感器能量分配方法的步骤流程图；
图2为本发明实施例提供的一种第一能量分配算法的步骤流程图；
图3为本发明实施例提供的一种第二能量分配算法的步骤流程图；
图4为本发明实施例提供的一种能量收集型物联网的传感器能量分配装置的结构框图。
具体实施方式
在本发明实施例中，物联网的类型为能量收集型物联网，其中包括由多个传感器节点互联组成的传感器网络，由于各个传感器节点的能量收集存在波动且仅能收集微弱的能量，无法在较低时延下精确获取信号。
为此，通过优化设计的测量矩阵往往会有更好的性能，而考虑到各节点在各时隙的能量分配与等效测量矩阵性能之间的强相关性，这促使能够在可利用能量与信道特性的约束下，去优化每一个时隙各传感器的能量分配Φ，从而得到优化的等效测量矩阵Z，以减少系统精确获取信号所需的时延。
因此，本发明实施例提供了一种能量收集型物联网的传感器能量分配方法和装置，用于解决现有技术由于各传感器节点的能量收集存在波动且仅能收集微弱的能量，以及受信道衰落的影响，使得等效测量矩阵的性能不佳，无法在较低时延的情况下精确获取信号的技术问题。
压缩感知(Compressed sensing,CS)是一种新兴的信息获取和处理理论。CS可以理解为在采样的同时压缩信号，而不是先采样大量的数据然后在压缩它。具体地，对于一个N维的K稀疏信号x(x∈RN)，将高维信号通过测量矩阵投影到M维空间上，M＜＜N，即y＝Φx，其中Φ∈RM×N为测量矩阵。这个过程将高维信号(N维)压缩成低维信号(M维)；而在一定条件下，高维信号x可以利用CS重构算法从低维的y中精确地重构；这使得我们仅仅需要传输y就足够了。在CS中，测量矩阵是关键部件之一，测量矩阵的性能直接决定了精确重构信号所需的采样数，即M。常用的测量矩阵大致可以分为两类：随机性测量矩阵和确定性测量矩阵。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。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它实施例，都属于本发明保护的范围。
请参阅图1，图1为本发明实施例提供的一种能量收集型物联网的传感器能量分配方法的步骤流程图。
本发明提供的一种能量收集型物联网的传感器能量分配方法，包括以下步骤：
步骤101，获取当前物联网的传感器节点的节点数量和节点能量；
在本发明实施例中，当前物联网包括由多个传感器节点组成的传感器网络，为获取后续节点能量分配的数据基础，可以通过获取传感器节点的节点数量以及在第i时隙第j个传感器节点采集到的节点能量作为样本数据，为后续传感器能量分配问题的求解提供基础数据。
步骤102，若当前物联网所处状态为离线状态，则调用预设的第一能量分配算法，结合时隙数量、节点数量、节点能量和当前物联网的信道矩阵，确定第一能量分配矩阵；
在本发明实施例中，若当前物联网所处状态为离线状态，表明此时无法得知各个传感器节点在以往时间段内的能量收集情况和能量消耗情况，此时可以调用第一能量分配算法，通过马尔科夫估计法确定预测能量收集矩阵，再结合时隙数量、节点数量、节点能量和当前物联网的信道矩阵构建第一目标函数，通过迭代求解第一目标函数的最优解，以确定第一能量分配矩阵。
可选地，步骤102中的第一能量分配算法可以包括以下子步骤S11-S1：
S11、根据节点能量与马尔科夫估计法，确定在m个时隙的预测能量收集矩阵；
在本发明实施例中，各个传感器节点分别分布在感兴趣区域的各个点位，通过收集如太阳能、风能等能量维持运转，通过马尔科夫估计法，基于获取到的节点能量，预测在m个时隙的能量收集情况，以得到预测能量收集矩阵。
S12、初始化第一最小约束和第一最大约束，构建第一初始目标函数；
在本发明实施例中，可以先对第一最小约束γ和第一最大约束ζ进行初始化，具体初始化过程可以如下：
Figure BDA0003163319650000091
和
Figure BDA0003163319650000092
由于第一测量矩阵Z的互相干性为μ＝μ(Z)，定义
Figure BDA0003163319650000093
Figure BDA0003163319650000094
由于能量收集型物联网系统通过收集环境的能量来实现持续的运行，而稀缺的能量供应对传输功率有严格的限制，设El,j代表第j个传感器节点在时隙l收集的能量，E为整个能量收集矩阵。φl,j代表第j个传感器节点在时隙l消耗的能量，因此，在第i时隙有以下能量消耗约束：
Figure BDA0003163319650000095
通过约束dmax和dmin来指导优化各传感器节点各时隙能量分配。进而能量分配矩阵Φ能够通过求解以下第一初始目标函数生成：
Figure BDA0003163319650000096
Figure BDA0003163319650000101
φl,j≥0,1≤l≤m,1≤j≤n
Figure BDA0003163319650000102
Figure BDA0003163319650000103
其中，γ和ζ代表dmax和dmin的约束。
通过对每个传感器节点施加一个完整的能量消耗约束，优化问题能够被重写为以下形式：
Figure BDA0003163319650000104
Figure BDA0003163319650000105
Figure BDA0003163319650000106
φl,j≥0,1≤l≤m,1≤j≤n
Figure BDA0003163319650000107
Figure BDA0003163319650000108
但是由于目标函数和不等式
Figure BDA0003163319650000109
的非凸性，上述表达式是一个非凸问题，解出最优解十分困难，为此可以采用Majorization-Minimization优化框架对第一初始目标函数进行转换，得到第一目标函数。
S13、采用Majorization-Minimization优化框架对第一初始目标函数进行转换，得到第一目标函数；
在具体实现中，具体的转换过程可以如下：
利用Majorization-Minimization优化框架，将求解非凸问题转换为迭代的求解一系列的凸问题，由互相干的定义和测量矩阵Z可知：
Figure BDA00031633196500001010
定义
Figure BDA00031633196500001011
这是一个双线性优化变量。注意到
Figure BDA00031633196500001012
是常量，将
Figure BDA00031633196500001013
分解为以下两个凸函数：
Figure BDA00031633196500001014
Figure BDA00031633196500001015
在第k次迭代，可以通过线性化第一个凸函数中的凹项，得到
Figure BDA00031633196500001016
的解，也即
Figure BDA0003163319650000111
Figure BDA0003163319650000112
使用一阶泰勒展开去近似第j列Zj的2范数的平方：
Figure BDA0003163319650000113
结合上述表达式，可以将求解非凸问题转换为迭代的求解一系列的凸问题，其中第k次迭代求解的优化问题，即转换得到的第一目标函数可以如下所示：
Figure BDA0003163319650000114
Figure BDA0003163319650000115
Figure BDA0003163319650000116
Figure BDA0003163319650000117
φi,j≥0,p≤i≤m,1≤j≤n
Figure BDA0003163319650000118
Figure BDA0003163319650000119
S14、基于预测能量收集矩阵和当前物联网的信道矩阵，构建第一等效测量矩阵；
互相干性是测量矩阵感知性能的重要指标，其定义为矩阵中不同列之间的最大绝对归一化内积，即
Figure BDA00031633196500001110
其中zi代表矩阵Z的第i列。
在本实施例中，第一等效测量矩阵为Z＝H⊙Φ，通过优化各传感器节点各时隙的能量分配即Φ，最优能量分配问题能够转换为最优测量矩阵的构建问题。
而由于上述预测能量收集矩阵为初始化的值，因此初始的第一能量分配矩阵可以为Φ(1)＝E，初始的第一等效测量矩阵为Z(1)＝H⊙Φ(1)。
S15、求解第一目标函数，得到新的预测能量收集矩阵；
在得到第一目标函数后，可以通过求解上述第一目标函数得到新的预测能量收集矩阵Φ(k+1)。
S16、基于预设的第一收缩因子与第一最小约束的乘积，得到新的第一最小约束；
S17、基于预设的第二收缩因子与第一最大约束的乘积，得到新的第一最大约束；
S18、跳转执行基于预测能量收集矩阵和当前物联网的信道矩阵，构建第一等效测量矩阵的步骤，直至迭代次数等于预设第一迭代阈值，将当前时刻的预测能量收集矩阵确定为第一能量分配矩阵。
在具体实现中，在得到新的预测能量收集矩阵Φ(k+1)后，可以令k＝k+1，同时更新第一最小约束、第一最大约束，以及第一等效测量矩阵，具体可以如下：
Z(k)＝H⊙Φ(k)γ＝αγ，ζ＝βζ
其中，第一收缩因子
α＝1.1,第二收缩因子β＝0.9
，k＝1。
若是迭代次数k等于预设第一迭代阈值Niter，停止迭代，输出当前时刻的Φ(k)作为第一能量分配矩阵。
步骤103，若当前物联网所处状态为在线状态，则获取第p时隙内全部传感器节点采集到的总节点能量；
在本发明实施例中，若是当前物联网所处状态为在线状态，则表明能够得知当前时隙个传感器节点的能量收集情况，此时可以获取第p时隙内全部传感器节点所采集到的总节点能量，记为Ep。
而第p-1时隙分配后剩余的能量为：
Figure BDA0003163319650000131
Figure BDA0003163319650000132
则第p时隙可分配的能量为：
Figure BDA0003163319650000133
定义ι＝min(Ep)作为Ei,j，p+1≤i≤m，1≤j≤n，其中Ei,j∈U[0,2ι]，U代表均匀分布。
步骤104，调用预设的第二能量分配算法，结合时隙数量、节点数量、总节点能量和信道矩阵，确定第二能量分配矩阵；
可选地，步骤104中的第二能量分配算法包括以下子步骤S21-S29：
S21、将能量参数初始化为总节点能量的最小值；
S22、基于第p-1时隙每个传感器节点对应的剩余能量和能量参数，确定第p时隙每个传感器节点对应的实际能量收集矩阵；
在本发明实施例中，具体的初始化过程可以如下：
Figure BDA0003163319650000134
其中，ι为能量参数，Ei,j∈[0,2ι],for p+1≤i≤m,1≤j≤n
S23、初始化第二最小约束和第二最大约束，构建第二初始目标函数；
S24、采用Majorization-Minimization优化框架对第二初始目标函数进行转换，得到第二目标函数；
在具体实现中，第二最小约束和第二最大约束的初始化，以及第二目标函数的转过程可以参照步骤S12-S13，在此不再赘述。
进一步地，第二目标函数可以表示为以下形式：
Figure BDA0003163319650000135
Figure BDA0003163319650000136
Figure BDA0003163319650000137
Figure BDA0003163319650000138
φi,j≥0,p≤i≤m,1≤j≤n
Figure BDA0003163319650000139
Figure BDA0003163319650000141
S25、基于实际能量收集矩阵和当前物联网的信道矩阵，构建第二等效测量矩阵；
在本发明实施例中，第二等效测量矩阵为：Z(1)＝H⊙[Φ；E[p:m]]T。
S26、求解第二目标函数，得到新的实际能量收集矩阵；
S27、基于预设的第三收缩因子与第二最小约束的乘积，得到新的第二最小约束；
S28、基于预设的第四收缩因子与第二最大约束的乘积，得到新的第二最大约束；
S29、跳转执行基于实际能量收集矩阵和当前物联网的信道矩阵，构建第二等效测量矩阵的步骤，直至迭代次数等于预设第二迭代阈值，将当前时刻的实际能量收集矩阵确定为第二能量分配矩阵。
在具体实现中，在得到新的预测能量收集矩阵
Figure BDA0003163319650000142
后，可以令k＝k+1，同时更新第一最小约束、第一最大约束，以及第一等效测量矩阵，具体可以如下：
Figure BDA0003163319650000143
和ζ＝βζ
其中，第三收缩因子α＝1.1,第四收缩因子β＝0.9，k＝1。
若是迭代次数k等于预设第二迭代阈值Niter，停止迭代，输出当前时刻的
Figure BDA0003163319650000144
作为第二能量分配矩阵。
步骤105，下发第一能量分配矩阵或第二能量分配矩阵到由全部传感器节点组成的传感器网络。
在具体实现中，在得到第一能量分配矩阵或第二能量分配矩阵后，可以根据当前物联网的传感器网络实际所处的状态，下发第一能量分配矩阵或第二能量分配矩阵到全部传感器节点，以实现各个传感器节点在各个时隙内的能量分配。
在本发明实施例中，通过获取当前物联网所包含的传感器节点的节点数量以及节点能量，基于当前物联网所处状态调用不同的能量分配算法，结合获取到的时隙数量、节点数量、节点能量和物联网所对应的信道矩阵，确定能量分配矩阵，最后根据物联网所处的状态下发能量分配矩阵到各个传感器节点组成的传感器网络，从而将各个传感器节点在各个时隙内的能量消耗量作为独立变量进行能量收集型物联网的能量分配，优化各个节点在各个时隙内的能量消耗量，降低物联网数据获取所需的时延。
请参阅图4，图4示出了本发明的一种能量收集型物联网的传感器能量分配装置的结构框图。
本发明实施例提供一种能量收集型物联网的传感器能量分配装置，包括：
节点信息获取模块401，用于获取当前物联网的传感器节点的节点数量和节点能量；
第一能量分配矩阵生成模块402，用于若当前物联网所处状态为离线状态，则调用预设的第一能量分配算法，结合时隙数量、节点数量、节点能量和当前物联网的信道矩阵，确定第一能量分配矩阵；
总节点能量获取模块403，用于若当前物联网所处状态为在线状态，则获取第p时隙内全部传感器节点采集到的总节点能量；
第二能量分配矩阵生成模块404，用于调用预设的第二能量分配算法，结合时隙数量、节点数量、总节点能量和信道矩阵，确定第二能量分配矩阵；
能量分配矩阵下发模块405，用于下发第一能量分配矩阵或第二能量分配矩阵到由全部传感器节点组成的传感器网络。
可选地，第一能量分配算法包括：
根据节点能量与马尔科夫估计法，确定在m个时隙的预测能量收集矩阵；
初始化第一最小约束和第一最大约束，构建第一初始目标函数；
采用Majorization-Minimization优化框架对第一初始目标函数进行转换，得到第一目标函数；
基于预测能量收集矩阵和当前物联网的信道矩阵，构建第一等效测量矩阵；
求解第一目标函数，得到新的预测能量收集矩阵；
基于预设的第一收缩因子与第一最小约束的乘积，得到新的第一最小约束；
基于预设的第二收缩因子与第一最大约束的乘积，得到新的第一最大约束；
跳转执行基于预测能量收集矩阵和当前物联网的信道矩阵，构建第一等效测量矩阵的步骤，直至迭代次数等于预设第一迭代阈值，将当前时刻的预测能量收集矩阵确定为第一能量分配矩阵。
可选地，第一目标函数为：
Figure BDA0003163319650000161
Figure BDA0003163319650000162
Figure BDA0003163319650000163
Figure BDA0003163319650000164
φi,j≥0,p≤i≤m,1≤j≤n
Figure BDA0003163319650000165
Figure BDA0003163319650000166
可选地，第二能量分配算法包括：
将能量参数初始化为总节点能量的最小值；
基于第p-1时隙每个传感器节点对应的剩余能量和能量参数，确定第p时隙每个传感器节点对应的实际能量收集矩阵；
初始化第二最小约束和第二最大约束，构建第二初始目标函数；
采用Majorization-Minimization优化框架对第二初始目标函数进行转换，得到第二目标函数；
基于实际能量收集矩阵和当前物联网的信道矩阵，构建第二等效测量矩阵；
求解第二目标函数，得到新的实际能量收集矩阵；
基于预设的第三收缩因子与第二最小约束的乘积，得到新的第二最小约束；
基于预设的第四收缩因子与第二最大约束的乘积，得到新的第二最大约束；
跳转执行基于实际能量收集矩阵和当前物联网的信道矩阵，构建第二等效测量矩阵的步骤，直至迭代次数等于预设第二迭代阈值，将当前时刻的实际能量收集矩阵确定为第二能量分配矩阵。
可选地，第二目标函数为：
Figure BDA0003163319650000171
Figure BDA0003163319650000172
Figure BDA0003163319650000173
Figure BDA0003163319650000174
φi,j≥0,p≤i≤m,1≤j≤n
Figure BDA0003163319650000175
Figure BDA0003163319650000176
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述，以上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，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种能量收集型物联网的传感器能量分配方法，其特征在于，包括：
获取当前物联网的传感器节点的节点数量和节点能量；
若所述当前物联网所处状态为离线状态，则调用预设的第一能量分配算法，结合所述时隙数量、所述节点数量、所述节点能量和所述当前物联网的信道矩阵，确定第一能量分配矩阵；
若所述当前物联网所处状态为在线状态，则获取第p时隙内全部所述传感器节点采集到的总节点能量；
调用预设的第二能量分配算法，结合所述时隙数量、所述节点数量、所述总节点能量和所述信道矩阵，确定第二能量分配矩阵；
下发所述第一能量分配矩阵或所述第二能量分配矩阵到由全部所述传感器节点组成的传感器网络。
2.根据权利要求1所述的方法，其特征在于，所述第一能量分配算法包括：
根据所述节点能量与马尔科夫估计法，确定在m个所述时隙的预测能量收集矩阵；
初始化第一最小约束和第一最大约束，构建第一初始目标函数；
采用Majorization-Minimization优化框架对所述第一初始目标函数进行转换，得到第一目标函数；
基于所述预测能量收集矩阵和所述当前物联网的信道矩阵，构建第一等效测量矩阵；
求解所述第一目标函数，得到新的预测能量收集矩阵；
基于预设的第一收缩因子与所述第一最小约束的乘积，得到新的第一最小约束；
基于预设的第二收缩因子与所述第一最大约束的乘积，得到新的第一最大约束；
跳转执行所述基于所述预测能量收集矩阵和所述当前物联网的信道矩阵，构建第一等效测量矩阵的步骤，直至迭代次数等于预设第一迭代阈值，将当前时刻的预测能量收集矩阵确定为第一能量分配矩阵。
3.根据权利要求2所述的方法，其特征在于，所述第一目标函数为：
Figure FDA0003163319640000021
Figure FDA0003163319640000022
Figure FDA0003163319640000023
Figure FDA0003163319640000024
φi,j≥0,p≤i≤m,1≤j≤n
Figure FDA0003163319640000025
Figure FDA0003163319640000026
4.根据权利要求1所述的方法，其特征在于，所述第二能量分配算法包括：
将能量参数初始化为所述总节点能量的最小值；
基于第p-1时隙每个传感器节点对应的剩余能量和所述能量参数，确定第p时隙每个传感器节点对应的实际能量收集矩阵；
初始化第二最小约束和第二最大约束，构建第二初始目标函数；
采用Majorization-Minimization优化框架对所述第二初始目标函数进行转换，得到第二目标函数；
基于所述实际能量收集矩阵和所述当前物联网的信道矩阵，构建第二等效测量矩阵；
求解所述第二目标函数，得到新的实际能量收集矩阵；
基于预设的第三收缩因子与所述第二最小约束的乘积，得到新的第二最小约束；
基于预设的第四收缩因子与所述第二最大约束的乘积，得到新的第二最大约束；
跳转执行所述基于所述实际能量收集矩阵和所述当前物联网的信道矩阵，构建第二等效测量矩阵的步骤，直至迭代次数等于预设第二迭代阈值，将当前时刻的实际能量收集矩阵确定为第二能量分配矩阵。
5.根据权利要求4所述的方法，其特征在于，所述第二目标函数为：
Figure FDA0003163319640000031
Figure FDA0003163319640000032
Figure FDA0003163319640000033
Figure FDA0003163319640000034
φi,j≥0,p≤i≤m,1≤j≤n
Figure FDA0003163319640000035
Figure FDA0003163319640000036
6.一种能量收集型物联网的传感器能量分配装置，其特征在于，包括：
节点信息获取模块，用于获取当前物联网的传感器节点的节点数量和节点能量；
第一能量分配矩阵生成模块，用于若所述当前物联网所处状态为离线状态，则调用预设的第一能量分配算法，结合所述时隙数量、所述节点数量、所述节点能量和所述当前物联网的信道矩阵，确定第一能量分配矩阵；
总节点能量获取模块，用于若所述当前物联网所处状态为在线状态，则获取第p时隙内全部所述传感器节点采集到的总节点能量；
第二能量分配矩阵生成模块，用于调用预设的第二能量分配算法，结合所述时隙数量、所述节点数量、所述总节点能量和所述信道矩阵，确定第二能量分配矩阵；
能量分配矩阵下发模块，用于下发所述第一能量分配矩阵或所述第二能量分配矩阵到由全部所述传感器节点组成的传感器网络。
7.根据权利要求6所述的装置，其特征在于，所述第一能量分配算法包括：
根据所述节点能量与马尔科夫估计法，确定在m个所述时隙的预测能量收集矩阵；
初始化第一最小约束和第一最大约束，构建第一初始目标函数；
采用Majorization-Minimization优化框架对所述第一初始目标函数进行转换，得到第一目标函数；
基于所述预测能量收集矩阵和所述当前物联网的信道矩阵，构建第一等效测量矩阵；
求解所述第一目标函数，得到新的预测能量收集矩阵；
基于预设的第一收缩因子与所述第一最小约束的乘积，得到新的第一最小约束；
基于预设的第二收缩因子与所述第一最大约束的乘积，得到新的第一最大约束；
跳转执行所述基于所述预测能量收集矩阵和所述当前物联网的信道矩阵，构建第一等效测量矩阵的步骤，直至迭代次数等于预设第一迭代阈值，将当前时刻的预测能量收集矩阵确定为第一能量分配矩阵。
8.根据权利要求7所述的装置，其特征在于，所述第一目标函数为：
Figure FDA0003163319640000041
Figure FDA0003163319640000042
Figure FDA0003163319640000043
Figure FDA0003163319640000044
φi,j≥0,p≤i≤m,1≤j≤n
Figure FDA0003163319640000045
Figure FDA0003163319640000046
9.根据权利要求6所述的装置，其特征在于，所述第二能量分配算法包括：
将能量参数初始化为所述总节点能量的最小值；
基于第p-1时隙每个传感器节点对应的剩余能量和所述能量参数，确定第p时隙每个传感器节点对应的实际能量收集矩阵；
初始化第二最小约束和第二最大约束，构建第二初始目标函数；
采用Majorization-Minimization优化框架对所述第二初始目标函数进行转换，得到第二目标函数；
基于所述实际能量收集矩阵和所述当前物联网的信道矩阵，构建第二等效测量矩阵；
求解所述第二目标函数，得到新的实际能量收集矩阵；
基于预设的第三收缩因子与所述第二最小约束的乘积，得到新的第二最小约束；
基于预设的第四收缩因子与所述第二最大约束的乘积，得到新的第二最大约束；
跳转执行所述基于所述实际能量收集矩阵和所述当前物联网的信道矩阵，构建第二等效测量矩阵的步骤，直至迭代次数等于预设第二迭代阈值，将当前时刻的实际能量收集矩阵确定为第二能量分配矩阵。
10.根据权利要求9所述的装置，其特征在于，所述第二目标函数为：
Figure FDA0003163319640000051
Figure FDA0003163319640000052
Figure FDA0003163319640000053
Figure FDA0003163319640000054
φi,j≥0,p≤i≤m,1≤j≤n
Figure FDA0003163319640000055
Figure FDA0003163319640000061
CN202110797661.1A 2021-07-14 2021-07-14 一种能量收集型物联网的传感器能量分配方法和装置 Active CN113543061B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110797661.1A CN113543061B (zh) 2021-07-14 2021-07-14 一种能量收集型物联网的传感器能量分配方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110797661.1A CN113543061B (zh) 2021-07-14 2021-07-14 一种能量收集型物联网的传感器能量分配方法和装置

Publications (2)

Publication Number Publication Date
CN113543061A true CN113543061A (zh) 2021-10-22
CN113543061B CN113543061B (zh) 2023-06-27

Family

ID=78099194

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110797661.1A Active CN113543061B (zh) 2021-07-14 2021-07-14 一种能量收集型物联网的传感器能量分配方法和装置

Country Status (1)

Country Link
CN (1) CN113543061B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114449532A (zh) * 2021-12-28 2022-05-06 人工智能与数字经济广东省实验室(广州) 一种基于离散时间能量采集的安全感知频谱共享方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103298154A (zh) * 2013-05-31 2013-09-11 天津大学 一种基于温差电池的无线传感器网络动态能量分配方法
US20140036877A1 (en) * 2012-08-01 2014-02-06 Texas Instruments Incorporated Scheduling Energy Harvesting Nodes in a Wireless Sensor Networks
US20160212245A1 (en) * 2015-01-21 2016-07-21 Microsoft Technology Licensing, Llc Sparsity estimation for data transmission
CN109194424A (zh) * 2018-08-15 2019-01-11 重庆邮电大学 一种eh-hcrsn中基于时延最小化的信道分配方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140036877A1 (en) * 2012-08-01 2014-02-06 Texas Instruments Incorporated Scheduling Energy Harvesting Nodes in a Wireless Sensor Networks
CN103298154A (zh) * 2013-05-31 2013-09-11 天津大学 一种基于温差电池的无线传感器网络动态能量分配方法
US20160212245A1 (en) * 2015-01-21 2016-07-21 Microsoft Technology Licensing, Llc Sparsity estimation for data transmission
CN109194424A (zh) * 2018-08-15 2019-01-11 重庆邮电大学 一种eh-hcrsn中基于时延最小化的信道分配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
姚晗: ""太阳能无线传感器网络节点传输功率策略优化"" *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114449532A (zh) * 2021-12-28 2022-05-06 人工智能与数字经济广东省实验室(广州) 一种基于离散时间能量采集的安全感知频谱共享方法

Also Published As

Publication number Publication date
CN113543061B (zh) 2023-06-27

Similar Documents

Publication Publication Date Title
US11243262B2 (en) Degradation estimation apparatus, computer program, and degradation estimation method
EP3523702B1 (en) Method and system for estimating energy generation based on solar irradiance forecasting
Wahba et al. Prediction of harvestable energy for self-powered wearable healthcare devices: Filling a gap
Ramakrishna et al. A model for joint probabilistic forecast of solar photovoltaic power and outdoor temperature
CN111861023B (zh) 基于统计学的混合风电功率预测方法、装置
CN116011686A (zh) 基于多数据融合的充电棚光伏发电储量预测方法
CN114722873A (zh) 一种基于残差卷积和注意力机制的非侵入式负荷分解方法
CN113543061A (zh) 一种能量收集型物联网的传感器能量分配方法和装置
CN116316617B (zh) 多场站智能融合的新能源发电功率区域预测方法和系统
CN111626000B (zh) 一种桥梁状态的评估方法、装置、设备和存储介质
El Bakali et al. Data-Based Solar Radiation Forecasting with Pre-Processing Using Variational Mode Decomposition
CN102843757B (zh) 无线传感器网络环境监测中基于压缩传感的数据收集方法
CN117610884A (zh) 一种基于数据管理平台的电力调度系统及方法
Al-Omary et al. A composite moving average algorithm for predicting energy in solar powered wireless sensor nodes
Li et al. Developing a miniature energy-harvesting-powered edge device with multi-exit neural network
CN114154684A (zh) 基于数据挖掘和多核支持向量机的短期光伏功率预测方法
KR20230089652A (ko) 전자기기의 비침식 부하 모니터링 시스템 및 그 방법
CN117688362A (zh) 基于多元数据特征增强的光伏功率区间预测方法及装置
CN111932007B (zh) 一种光伏电站的功率预测方法、装置及存储介质
Siva et al. Hybrid LSTM‐PCA‐Powered Renewable Energy‐Based Battery Life Prediction and Management for IoT Applications
Liu et al. Efficient Time-Series Data Delivery in IoT with Xender
Zhang et al. Sparsity-aware intelligent spatiotemporal data sensing for energy harvesting IoT system
CN114971007A (zh) 基于多尺度图卷积神经网络的光伏发电预测方法及系统
El-Hageen et al. Agile Lossless Compression Algorithm for Big Data of Solar Energy Harvesting Wireless Sensor Network.
Abter et al. Intelligent forecasting temperature measurements of solar PV cells using modified recurrent neural network

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