CN115002838A - 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 - Google Patents

Abstract

本发明公开了一种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，考虑到WBAN在实际应用中的最大功率限制与接收信息的实时性要求，基于分类无线体域网双向能量与信息传输模型，采用排队系统与Lyapunovdrift‑plus‑penalty函数，联合系统时间分配参数、传感器功率分配参数与节点调度决策，优化系统的平均年龄惩罚函数，实现了系统传感器节点调度策略优化，有效地提高了接收信息的及时性与准确性，具有实际应用价值。

Description

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

技术领域

本发明涉及无线通信技术领域，更具体的说是涉及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。

背景技术

近年来，随着世界人口老龄化和各种慢性疾病患病率的增加，人们对医疗监护的诉求越来越多，对各种疾病的预防也更加重视，因此，建立完善的健康管理体系和远程医疗监测服务机制，为患者提供实时的生理信息(如心率、脉搏、血压)监测，是预防和治疗疾病的有效解决方案。

随着第五代移动通信技术的持续发展，以人体为中心，由植入人体内部或置于体表和体外的传感器节点组成的便携式无线体域网(WBAN，Wireless Body Area Network)在医疗服务领域体现了巨大的应用价值。通过这项远程通信技术，医生不仅可以对病人进行健康检测和疾病治疗，还能实现相对隔离状态，有效避免了病毒在人与人之间的传播。在无线体域网中，传感器节点的功能是采集人体的各项生理参数，例如心率、血压、体温以及血氧浓度等，并将这些信息传递给AP节点，AP接收到这些数据后经过整理发送给医生的电脑或者是病人的医疗软件。医生通过远程监测数据可以快速地了解病人的身体状况，在发生紧急情况或数据异常时，他们可以迅速地将异常数据发送给医院，让他们提前做好医疗准备，这样不仅可以节省患者的时间与金钱成本，还能很大程度上提高医院医疗资源的利用率。除此之外，无线体域网的应用还可以帮助患者进行手术后地康复训练指导和自我健康检查。在非医疗方面，无线体域网还能广泛地应用在军事、娱乐和体育等领域。

但是，单节点传感器网络具有一定的限制，一旦节点意外损坏，无线体域网可能会失去监测功能。同样地，环境因素对传感器的应用也会造成影响。例如，当医生需要对病人测温的时候，如果病人刚从一个低温环境出来，在额头或手腕处测温时传感器很可能会因温差过大而失去监测功能。因此，为了解决这类问题，基于分类无线体域网多节点信息更新模型的应用具有很大的意义，不仅可以有效避免因节点自身损坏和外部环境干扰带来的失误，还能大幅度提高接收信息的准确性和真实性。在多节点网络下，如何协调各类节点在传输时间上的分配和各组节点之间的传输顺序，以及制定最佳调度策略是未来研究的重点。

同时，为了使医生和病人尽可能快速、准确地了解到病人自身的最新健康状况，可以在紧急情况下及时发现和处理患者，避免耽误最佳治疗时间，系统更新监测信息的时效性也尤为重要。信息年龄(AoI，Age of Information)概念作为衡量信息实时性的指标，最早是由Sanjit Kaul提出的，内容为接收到的最新信息自生成以来经历的时间。由于实时性应用的发展，有关于AoI的分析和优化在许多不同的系统和场景中也进行了研究。

并且，能量约束问题一直以来也是是无线体域网的重要挑战之一，由于电池容量有限，且一些传感器节点位于人体内部，使得替换电池的工作难以操作，甚至在特殊情况下，系统监测功能不能被暂停。能量收集技术成为了解决这类问题的核心方案。能量收集技术主要将从外部环境收集到的能量，例如风能、水能和太阳能等自然资源转化为电能。然而，自然能量易受环境影响具有不稳定的特性，不能为体域网提供持续稳定的能量供应。而基于射频信号的能量收集不仅可以提供持续稳定的能量供应以延长无线体域网的服务寿命，还可以降低因节点能量不足导致的系统中断概率。更重要的是，射频信号不仅可以作为能量来源，还可以携带信息数据传输，实现能量与信息同传功能。目前国内外未见在分类无线体域网场景下，联合能量与信息同传(SWIPT，Simultaneous Wireless Information andPower Transfer)技术和Lyapunov优化理论的研究，

因此，如何提高无线体域网信息更新的及时性和准确性，减少能量约束是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种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，考虑到WBAN在实际应用中的最大功率限制与接收信息的实时性要求，基于分类无线体域网双向能量与信息传输模型，采用排队系统与Lyapunov drift-plus-penalty函数，联合系统时间分配参数、传感器功率分配参数与节点调度决策，优化系统的平均年龄惩罚函数，有效地提高了接收信息的及时性与准确性，具有实际应用价值。

为了实现上述目的，本发明采用如下技术方案：

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，包括以下步骤：

步骤1：构建分类无线体域网系统的多节点双向传输模型；

分类无线体域网系统由一个AP节点和M个传感器节点组成；M个传感器节点按照采集生理信息的种类随机分成N组，AP节点和传感器节点受到尺寸和成本的限制仅配有单个天线，且均采用半双工的模式工作；

AP节点通过SWIPT技术将携带调度信息的射频信号广播给传感器节点。传感器节点分布在人体各个部位，随机采集各种生理参数信息并封装成固定大小的数据包存储在队列中，每组中被调度决策选中的传感器节点按照“先到达先服务”的规则将数据包发送给AP节点，而未被选中的节点则保持休眠状态；

无线体域网各节点构成分布式结构，且各传输信道相互独立。每个传输时帧被分成N+1个传输时隙，记为t₀,t₁,…t_N，在t₀时隙，AP节点向传感器节点广播射频信号，t₁到t_N时隙被依次分给N组传感器节点，每个组中被调度决策选中的传感器节点均采用时分多址技术向AP节点传输数据包信息。由于AP节点仅配有单个天线，因此，在一个传输时隙内，每组传感器最多只调用一个节点向AP发送信息；

在分类无线体域网系统中，传输过程分为上行链路和下行链路，在下行链路，AP节点向各传感器节点广播射频信号；在上行链路，传感器节点随机采样生理信息并封装成数据包存储在队列中，各组中被调度策略选中的传感器节点按照“先到达先服务”的规则将队列中存储的数据包通过时分多址技术发送给AP节点，未被选中的节点则保持休眠状态；

步骤11：分类无线体域网系统包括下行链路与上行链路，多节点双向传输模型的下行链路传输模型中，AP节点通过SWIPT技术向传感器节点广播归一化射频信号，传感器节点收集的能量表示为：

P_AP为发射功率；η为能量收集效率，且满足0＜η＜1；

为第k时帧下行链路的信道系数；α为系统的时间分配参数，满足0＜α＜1；t₀为系统分配的下行链路传输时隙；时长为αT，假设T为一个传输时帧的长度；

为传感器节点节点S_nm收集的能量；

步骤12：多节点双向传输模型的上行链路传输模型中，传感器节点向AP节点发送采集的生理信息，根据传感器节点收集的能量计算传感器节点发射功率，表示为：

t_n为分配给第n组传感器节点的传输时隙，且

为上行链路信道系数；β_nm为传感器节点S_nm的功率分配比，满足0＜β_nm＜1；

步骤13：根据传感器节点发射功率计算传感器节点采集的生理信息被AP节点成功接收的传输概率；

步骤131：假设AP节点处存在均值为0、方差为σ²的高斯白噪声，在第k时帧，传感器节点S_nm在信息传输阶段的信噪比表示为：

步骤132：将信噪比代入传输速率公式可以得到：

W为信道带宽；N为传感器组的数量；

为上行链路信道系数；

步骤133：根据传输速率计算信息被AP节点成功接收的传输概率，表达式为：

R₀为信道传输速率阈值；p[]表示概率；

表示传感器节点S_nm在第k时帧的传输概率，等于判别

发生的概率；

步骤2：将多节点双向传输模型中AP节点接收到来自传感器节点的最新数据包与上一时刻接收数据包之间经历的时间作为信息年龄，构建年龄惩罚函数，并根据年龄惩罚函数计算分类无线体域网系统的时间平均年龄惩罚；

步骤21：定义信息年龄(AoI)；信息年龄为AP节点接收到来自传感器节点的最新数据包自上次接收以来经历的时间，可用公式表示为：

Δ_nm(k)＝k-X_nm(k)

即当前时帧k与最新成功接收数据包的时帧X_nm(k)的差值，当AP节点在第k时帧成功接收到来自传感器节点S_nm的数据包时，在第(k+1)时帧的开端传感器节点S_nm的信息年龄降为1，否则线性增加；即两个连续时帧的信息年龄变化可以写为：

其中，U_nm(k)＝s_nm(k)b_nm(k)用来表示信息接收情况，b_nm(k)表示调度策略，s_nm(k)表示信息的传输结果；

步骤22：根据年龄惩罚函数计算系统的时间平均年龄惩罚，表达式为：

g(Δ(k))表示年龄惩罚函数，表示对数据过时或未及时更新信息的不满意度，g(Δ(t))要求非负，可测量，非递减，g(Δ(k))＝e^0.2Δ(k)-1；g(Δ_nm(k))表示传感器节点S_nm的年龄惩罚函数；

步骤3：基于多节点双向传输模型，根据时间平均年龄惩罚、分类无线体域网系统的时间分配参数α、传感器功率分配参数β_nm以及调度策略b_nm(k)建立总体优化模型；

在传感器节点的最大平均信息年龄约束C1以及系统最大总功率约束C7限制下，通过对传感器节点的信息年龄限制和对所有工作传感器节点的功率限制，将系统时间平均年龄惩罚函数最小化，且所述总体优化模型为：

C4：0≤α≤1，0≤β_nm≤1

C5：b_nm(k)＝{0，1}，s_nm(k)＝{0，1}

其中，目标函数中，w_n为第n组传感器节点的权重且w_n＞0，g(Δ_nm-(k))为节点S_nm的惩罚函数，，K表示传输时帧的总数，M表示分类无线体域网系统内传感器节点总数，N表示M个传感器节点被分成N个组，每个组内分别有Mn个传感器节点；约束条件中，E[Δ_nm(k)]为节点S_nm的平均信息年龄，

为最大信息年龄约束，R_nm(k)为节点S_nm在第k时帧的信息传输速率，t_n为分配给第n组所在传感器节点的传输时隙，L为规定的数据包长度，s_nm(k)为信息传输情况，由传输概率决定，M_n为第n组传感器节点的数量，P_nm为节点S_nm的传输功率，P_max为系统最大传输功率约束。

C1是对各传感器节点平均信息年龄的约束，C2保证每个数据包在一个时隙内成功传输到AP节点，C3表明节点是单天线配置，C4、C5是对系统时间分配参数α、传感器功率分配参数β_nm、节点调度策略b_nm(k)以及信息传输情况s_nm(k)取值的约束，C6是对分类无线体域网系统传感器节点总数目的限制，C7是对系统总传输功率的约束，避免过多辐射对人体造成伤害；

步骤4：构建Lyapunov drift-plus-penalty函数，简化所述总体优化模型；

步骤41：用数据队列Q_nm表示数据包堆积和传输过程，用虚拟队列H_nm表示节点S_nm信息年龄积压，并应用Lyapunov优化理论，联合总体优化模型的目标函数，构建Lyapunovdrift-plus-penalty函数；

应用Lyapunov优化理论，将目标函数优化问题转化为队列稳定性问题。

步骤411：

采用Lyapunov drift函数

为系统状态信息的二次函数，用来度量网络拥基情况，表达式为：

为第k时帧的系统状态信息；wn为第n组传感器节点的权重；

表示第n组传感器节点数据队列总和，Q_nm为数据队列，别表示数据包在队列中的动态变化；

，表示第n组的虚拟队列总和，H_nm为虚拟队列，表示传感器节点的信息年龄积压；H_nm和Q_nm构成队列状态信息；

用Lyapunov drift函数

表示第k时帧到第k+1时帧系统的Lyapunov函数平均增量；

表示第k时帧S_nm与AP之间队列中数据的积压，且随着时帧的变化如下：

Q_nm(k+1)＝max[Q_nm(k)-U_nm(k)，0]+A_nm(k)

A_nm(k)为传感器节点S_nm的随机采样过程，服从参数为λ_nm的泊松分布；U_nm(k)表示来自传感器节点S_nm的数据包在AP节点处的接收情况；已经采集但并未传输给AP节点的数据包将在每个传感器节点的缓冲区内排队等待；

虚拟队列H_nm(k)是根据时间平均不等式约束条件构造出来的，并不代表实际的数据积压，虚拟队列的稳定性意味着平均信息年龄约束的可行性，其随时帧的变化如下：

对于任意Q≥0，b≥0，A≥0，有：

(max[Q-b，0]+A)²≤Q²+A²+b²+2Q(A-b)；

步骤412：

通过最小化Lyapunov drift函数

将系统网络推向一个较低的拥塞状态，能够保持稳定，并联合队列状态信息和目标函数构建Lyapunov drift-plus-penalty函数为：

V表示控制参数，V＞0，用来调整队列积压和目标函数之间的权衡；通过最小化Lyapunov drift-plus-penalty函数，来最小化惩罚函数和队列状态信息，通过最小化惩罚函数实现队列优化，通过最小化队列积压保证队列的强稳定性；

步骤42：使用放缩不等式得到Lyapunov drift-plus-penalty函数的上界(通过不等式放缩将联合优化问题转化为最小化Lyapunov drift-plus-penalty函数上界的问题)，并通过最小化Lyapunov drift-plus-penalty函数的上界，得到关于总体优化模型的动态求解算法，简化总体优化模型；设置系统状态参数的初始值，系统状态参数包括数据队列Q_nm、虚拟队列H_nm以及信息年龄Δ_nm，并将其随时帧的变化公式代入到动态求解算法中，设定总传输时帧数为K；

将队列状态信息及年龄惩罚函数带入，可以得到Lyapunov drift-plus-penalty函数的上界为：

通过最小化Lyapunov drift-plus-penalty函数上界，可以创建动态求解算法，即在每时帧的开始时刻，通过AP节点观测的系统状态信息与信道状态信息，并基于约束条件最小化P2，可以得到最优调度策略；系统状态信息包括虚拟队列H_nm、数据队列Q_nm和信息年龄Δ_nm；信道状态信息包括第k时帧下行链路的信道系数

上行链路信道系数

和p_r；

步骤5：根据简化后的总体优化模型求解时间分配参数最优值和传感器功率分配参数最优值；将动态求解算法的优化过程分为传输过程优化和调度过程优化两部分；在传输过程优化中，通过在约束条件下最大化传输概率，可以得到系统时间分配参数α、传感器功率分配参数β_nm的最优解α^*和

在传输过程中，通过最大化传输概率求解系统时间分配参数α和节点功率分配系数β_nm的最优解α^*和

步骤51：传输优化过程中，优化问题表述如下：

s.t.C2-C7

其中，

表示信息被AP节点成功接收的传输概率；

步骤52：将优化问题P3分为N×M个独立的子优化问题，并用交替求解法分别求解α和β_nm的最优值；

步骤53：将α固定为常值，在约束条件下求解β_nm的最优解

为：

步骤54：将β_nm固定为常值，在约束条件下求解α的最优解α^*为：

步骤6：根据简化后的总体优化模型、时间分配参数最优值和传感器功率分配参数最优值求解最优调度策略。在调度过程优化中，将α^*和

代入动态求解算法中可得到一个优化函数，并将AP节点在该时帧观测到的系统状态参数以及最优配置下得到的最大传输概率代入到优化函数中，通过求解优化函数的最小值，可以得到最优调度策略

在调度过程中，通过最小化Lyapunov drift-plus-penalty函数，可以得到最优调度决策

步骤61：调度优化过程中，优化问题表述如下：

步骤62：将AP节点在第k时帧观测到的状态信息Q_nm(k)、H_nm(k)、Δ_nm(k)以及信息传输优化过程中求解的最大传输概率

带入到优化问题P4中，将优化问题简化为P5：

步骤63：通过最小化P5，得到调度策略的最优值

为：

步骤64：进入下一个传输时帧并返回所述步骤62。

经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种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，针对无线体域网能量供应受限、接收信息不及时、传感器节点监测功能易受自身或外部环境干扰以及双远近效应严重等问题，提出了一个分类无线体域网多节点双向能量与信息传输模型，有效地提高了接收信息的准确性与有效性；还提出了混合时间分配和功率分配协议，抑制了双重远近效应，提高了系统的能量利用率；为了提高接收信息的及时性，本发明利用信息年龄的概念，提出了年龄惩罚函数来表达对信息过时或未及时更新的不满意度，对系统信息新鲜度的衡量更加准确。本发明不仅可以应用在医疗监护领域，在娱乐、体育和军事等方面也有很大的实用价值。

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的前提下，还可以根据提供的附图获得其他的附图。

图1附图为本发明提供的分类无线体域网多节点信息更新调度流程示意图；

图2附图为本发明提供的分类无线体域网多节点双向能量与信息传输模型示意图；

图3附图为本发明提供的分类无线体域网多节点双向能量与信息传输协议示意图。

具体实施方式

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，所描述的实施例仅仅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。

本发明实施例公开了一种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，包括以下具体内容：

S1：建立传输模型；

构建基于分类无线体域网的多节点双向能量与信息传输模型，该传输模型由一个AP节点和M个传感器节点组成，M个传感器节点按照采集生理信息的种类随机分成N组，AP节点和传感器节点受到尺寸和成本的限制仅配有单个天线，且均采用半双工的模式工作；

参考基于路径损耗、阴影效应与多径反射的信道模型，信道衰落包括大尺度衰落和小尺度衰落；

大尺度衰落：无线信号在传输过程中，由于人体组织器官的影响造成了信号强度大幅度衰落，传感器节点的分布位置造成了路径损耗，以及人体姿态变化造成了阴影效应，因此，建立无线体域网的路径损耗模型为：

其中，φ表示路径损耗参数，d为收发节点之间的距离，d₀为参考距离，PL_dB(d₀)为在参考距离下对应得路径损耗参数值，则信道增益平方的绝对值表达式如下：

由于双向传输信道的对称性，规定上行链路与下行链路信道增益相等；

小尺度衰落：由于人体组织与器官对于电磁波的吸收、反射和衍射造成传输信号强度的衰落，本发明规定信道衰落特性服从均值为0，方差为Ω的复高斯分布，则小尺度衰落下信道增益的绝对值服从参数为Ω的指数分布；

构建所述多节点双向传输模型的传输信道模型，传输信道模型表达式为：

其中，PL′为传输过程中路径损耗与阴影效应引起的大尺度衰落；d表示AP节点与传感器节点间的传输距离；

表示路径损耗指数；X为人体组织和器官对于电磁波的吸收、反射和衍射造成的小尺度衰落；

S2：提出传输协议；

传输过程主要分为上行链路和下行链路两个部分；每个传输时帧被分成N+1个传输时隙，记为t₀，t₁，…t_N，为了抑制双重远近效应，本发明提出了混合时间分配和功率分配协议，并采用“先收集再传输”的帧结构，t₀时隙，AP节点在下行链路向传感器节点广播射频信号，t₁到t_N时隙被依次分给N组传感器节点，每个组中被调度策略选中的传感器节点均采用时分多址技术向AP节点传输数据包信息。

在下行链路，AP节点应用SWIPT技术向所有传感器节点广播传输能量与调度信息，节点收到的射频信号为：

其中，P_AP是AP节点的发射功率，

是第k时帧从AP到节点S_nm的信道系数，X_AP为归一化射频信号，n_AP为节点S_nm处的噪声信号；

传感器节点S_nm采集的能量为：

α为系统的时间分配参数，满足0＜α＜1；t₀时隙分配给AP广播射频信号；时隙长度为αT，T为一个传输时帧的长度；η(0＜η＜1)是能量收集效率；

在上行链路，传感器节点向AP节点发送采集的生理信息，AP节点收到的来自传感器节点S_nm的信息为：

其中，t_n为第n组传感器节点的信息传输时间，且

为上行链路信道系数，β_nm为传感器节点S_nm的功率分配比，且满足0＜β_nm＜1；P_nm为传感器节点S_nm的信号发射功率，可表示为：

传感器节点S_nm在第k时帧的信息传输速率表示为：

规定信道传输速率阈值为R₀，则信息成功传输到AP节点的概率为：

其中，

K₁(·)第二类的一阶修正贝塞尔函数；

S3：Lyapunov优化理论；

定义信息年龄为接收到的最新信息自上次接收以来经历的时间，用公式表示为：

Δ_nm(k)＝k-X_nm(k)

引入年龄惩罚函数g(Δ(k))来表示对数据过时或未及时更新新鲜信息的不满意度，本发明设定g(Δ(k))＝e^0.2Δ(k)-1，因此，系统的时间平均年龄惩罚可表示为：

S4：总体优化问题构建；

已知系统的时间平均年龄惩罚以及约束条件，针对优化变量系统时间分配参数α、传感器节点功率分配参数β_nm以及节点调度策略b_nm(k)，构建总体优化问题如下：

S5：Lyapunov drift-plus-penalty函数应用；

为了解决优化问题，本实施例引入队列的概念。由于传感器节点随机采样生理参数信息，将未传输给AP节点的数据信息封装成固定大小的数据包存储在队列中，因此，用Q_nm(k)表示第k时帧S_nm与AP节点间队列中数据的积压；为了满足最大平均信息年龄(AoI)约束条件，用虚拟队列H_nm(k)表示节点AoI的积压；通过Lyapunov优化理论，将优化问题转化为队列稳定性问题，并引用Lyapunov drift-plus-penalty函数，在最小化惩罚函数的同时保证队列的强稳定性，并根据非负控制参数V调整队列积压和目标函数之间的权衡；

将惩罚函数及队列变化公式代入Lyapunov drift-plus-penalty函数，由放缩变换(max[Q-b，0]+A)²≤Q²+A²+b²+2Q(A-b)可以得到Lyapunov drift-plus-penalty函数的上界为：

通过最小化Lyapunov drift-plus-penalty函数的上界，可以创建动态求解算法：每时帧的开始时刻，通过AP节点观测的系统状态信息求出最优配置，优化函数(P5)：

S6：变量求解；

将求解过程分为传输优化过程和调度优化过程；

传输优化过程：

在传输过程中，通过最大化传输概率求解系统时间分配参数α和节点功率分配系数β_nm的最优解α^*和

优化问题表述如下：

具体求解过程为：

首先，将优化问题分为N×M个独立的子优化问题，并用交替求解法分别求解α和β_nm的最优值；

其次，将α固定为常值，在约束条件下求解β_nm的最优值

为：

最后，将β_nm固定为常值，在约束条件下求解α的最优值α^*为：

本发明在传输过程交替求解得到的系统时间分配参数α、传感器功率分配参数β_nm的最优解α^*和

对于总体优化问题来说也许不是最优解，但是为了保证无线体域网的传输性能，提高信息传输的高效性与准确性，这种相对最优解与直接求解总体优化函数得到的最优解之间的误差可以忽略；

调度优化过程：

最优调度算法是基于多节点双向传输模型、混合时间分配与功率分配协议，分析各传感器节点信息传输性能与信息年龄演化过程的基础上得到的；

根据创建的动态算法，将AP节点在第k时帧开始时刻观测到的状态信息以及在信息传输优化过程得到的最大传输概率

代入函数(P5)，并通过在约束条件下优化(P5)可以得到最优调度策略

最后，更新公共参数，重复上述过程，可得到每个传输时帧的最优调度决策。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种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，其特征在于，包括以下步骤：

步骤1：构建分类无线体域网系统的多节点双向传输模型；分类无线体域网系统由一个AP节点和M个传感器节点组成，AP节点将携带调度信息的射频信号广播给传感器节点，传感器节点采集各种生理参数信息并封装成数据包存储在队列中，每组中被调度策略选中的传感器节点按照先到达先服务的规则将数据包发送给AP节点；

步骤2：将多节点双向传输模型中AP节点接收到来自传感器节点的最新数据包与上一时刻接收数据包之间经历的时间作为信息年龄，构建年龄惩罚函数，并根据年龄惩罚函数计算分类无线体域网系统的时间平均年龄惩罚；

步骤3：基于多节点双向传输模型，根据时间平均年龄惩罚、分类无线体域网系统的时间分配参数、传感器功率分配参数以及调度策略建立总体优化模型；

步骤4：构建Lyapunov drift-plus-penalty函数，简化所述总体优化模型；

步骤5：求解简化后总体优化模型的传输过程，通过最大化传输概率求解分类无线体域网系统的时间分配参数最优值和传感器功率分配参数最优值；

步骤6：求解简化后总体优化模型的调度，根据过程时间分配参数最优值和传感器功率分配参数最优值，求解最优调度策略。

2.根据权利要求1所述的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，其特征在于，分类无线体域网系统包括下行链路与上行链路，构建多节点双向传输模型的传输概率，具体过程包括：

步骤11：多节点双向传输模型的下行链路传输模型中，AP节点通过SWIPT技术向传感器节点广播归一化射频信号，传感器节点收集的能量表示为：

P_AP为发射功率；η为能量收集效率，且满足0<η<1；

为第k时帧下行链路的信道系数；α为系统的时间分配参数，满足0<α<1；t₀为系统分配的下行链路传输时隙；时长为αT，T为一个传输时帧的长度；

为传感器节点节点S_nm收集的能量；

步骤12：多节点双向传输模型的上行链路传输模型中，传感器节点向AP节点发送采集的生理信息，根据传感器节点收集的能量计算传感器节点发射功率，表示为：

t_n为分配给第n组传感器节点的传输时隙，且

β_nm为传感器节点S_nm的功率分配参数，满足0<β_nm<1；

步骤13：根据传感器节点发射功率计算传感器节点采集的生理信息被AP节点成功接收的传输概率。

3.根据权利要求2所述的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，其特征在于，所述步骤13的具体实现过程为：

步骤131：当AP节点处存在均值为0、方差为σ²的高斯白噪声，在第k时帧，传感器节点S_nm在信息传输阶段的信噪比表示为：

步骤132：将信噪比代入传输速率公式得到：

W为信道带宽；N为传感器组的数量；

为上行链路信道系数；

步骤133：根据传输速率计算信息被AP节点成功接收的传输概率，表达式为：

表示传感器节点S_nm在第k时帧的传输概率；R₀为信道传输速率阈值。

4.根据权利要求1所述的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，其特征在于，所述步骤2的具体实现过程为：

步骤21：信息年龄为AP节点接收到来自传感器节点的最新数据包自上次接收以来经历的时间，用公式表示为：

Δ_nm(k)＝k-X_nm(k)

即当前时帧k与最新成功接收数据包的时帧X_nm(k)的差值，当AP节点在第k时帧成功接收到来自传感器节点S_nm的数据包时，在第(k+1)时帧的开端传感器节点S_nm的信息年龄降为1，否则线性增加；则两个连续时帧的信息年龄变化表示为：

其中，U_nm(k)＝s_nm(k)b_nm(k)用来表示信息接收情况，b_nm(k)表示调度策略，s_nm(k)表示信息的传输结果；

步骤22：根据年龄惩罚函数计算系统的时间平均年龄惩罚，表达式为：

g(Δ(k))表示年龄惩罚函数，表示对数据过时或未及时更新信息的不满意度，g(Δ(k))＝e^0.2Δ(k)-1；g(Δ_{_nm}(k))表示传感器节点Snm的年龄惩罚函数。

5.根据权利要求4所述的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，其特征在于，在传感器节点的最大平均信息年龄约束C1以及分类无线体域网系统最大总功率约束C7限制下，将时间平均年龄惩罚最小化，则所述总体优化模型为：

s.t.C1:

C2:

C3:

C4:0≤α≤1,0≤β_nm≤1

C5:b_nm(k)＝{0,1},s_nm(k)＝{0,1}

C6:

C7:

其中，目标函数中，w_n为第n组传感器节点的权重且w_n>0，g(Δ_{nm_}(k))为传感器节点S_nm的年龄惩罚函数，K表示传输时帧的总数，M表示分类无线体域网系统内传感器节点总数，N表示M个传感器节点被分成N个组，每个组内分别有Mn个传感器节点；约束条件中，E[Δ_nm(k)]为节点S_nm的平均信息年龄，

为最大信息年龄约束，R_nm(k)为传感器节点S_nm在第k时帧的信息传输速率，t_n为分配给第n组所在传感器节点的传输时隙，L为设定的数据包长度，s_nm(k)为信息传输情况，由传输概率决定，M_n为第n组传感器节点的数量，P_nm为传感器节点S_nm的传输功率，P_max为系统最大传输功率约束；

C1是对各传感器节点平均信息年龄的约束，C2保证每个数据包在一个时隙内成功传输到AP节点，C3表明节点是单天线配置，C4是对系统时间分配参数α和传感器功率分配参数β_nm取值的约束，C5是对系统节点调度策略b_nm(k)和信息传输情况s_nm(k)取值的约束，C6是对分类无线体域网系统传感器节点总数目的限制，C7是对分类无线体域网系统总传输功率的约束。

6.根据权利要求5所述的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，其特征在于，所述步骤4的具体实现过程为：

步骤41：用数据队列Q_nm表示数据包堆积和传输过程，用虚拟队列H_nm表示传感器节点S_nm信息年龄积压，并采用Lyapunov优化理论，联合总体优化模型的目标函数，构建Lyapunovdrift-plus-penalty函数；

步骤42：使用放缩不等式得到Lyapunov drift-plus-penalty函数的上界，并通过最小化Lyapunov drift-plus-penalty函数的上界，得到总体优化模型的动态求解算法，简化总体优化模型；设置系统状态参数的初始值，系统状态信息包括数据队列Q_nm、虚拟队列H_nm以及信息年龄Δ_nm，并将其随时帧的变化公式代入到动态求解算法中，设定总传输时帧为K。

7.根据权利要求6所述的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，其特征在于，步骤41的具体实现过程为：

步骤411：采用Lyapunov drift函数

表示系统状态信息的二次函数，表达式为：

为第k时帧的系统状态信息；wn为第n组传感器节点的权重；

表示第n组传感器节点数据队列总和，Q_nm为数据队列，表示数据包在队列中的动态变化；

表示第n组的虚拟队列总和，H_nm为虚拟队列，表示传感器节点的信息年龄积压；用Lyapunov drift函数

表示第k时帧到第k+1时帧系统的Lyapunov函数平均增量；H_nm和Q_nm构成队列状态信息；

第k时帧传感器节点S_nm与AP节点之间队列中数据的积压，随着时帧的变化如下：

Q_nm(k+1)＝max[Q_nm(k)-U_nm(k)，0]+A_nm(k)

A_nm(k)为传感器节点S_nm的随机采样过程，服从参数为λ_nm的泊松分布；U_nm(k)表示来自传感器节点S_nm的数据包在AP节点处的接收情况；已经采集但并未传输给AP节点的数据包将在每个传感器节点的缓冲区内排队等待；

虚拟队列H_nm(k)是根据时间平均不等式约束条件构造出来的，并不代表实际的数据积压，其随时帧的变化如下：

对于任意Q≥0，b≥0，A≥0，有：

(max[Q-b，0]+A)²≤Q²+A²+b²+2Q(A-b)；

步骤412：通过最小化Lyapunov drift函数

并联合队列状态信息和总体优化模型的目标函数构建Lyapunov drift-plus-penalty函数，表示为：

V表示控制参数，V＞0，用来调整队列积压和目标函数之间的权衡；通过最小化Lyapunov drift-plus-penalty函数，来最小化惩罚函数和队列状态信息。

8.根据权利要求7所述的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，其特征在于，步骤42的具体实现过程为：

将队列状态信息及年龄惩罚函数带入，得到Lyapunov drift-plus-penalty函数的上界为：

通过最小化Lyapunov drift-plus-penalty函数上界，创建动态求解算法，即在每时帧的开始时刻，通过AP节点观测的系统状态信息与信道状态信息，并基于约束条件最小化动态求解算法P2，得到最优调度策略；系统状态信息包括虚拟队列H_nm、数据队列Q_nm和信息年龄Δ_nm；信道状态信息包括第k时帧下行链路的信道系数

上行链路信道系数

和p_r；

s.t.C2-C7。

9.根据权利要求8所述的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，其特征在于，在传输过程中，通过最大化传输概率分别求解系统时间分配参数α和节点功率分配系数β_nm对应的的时间分配参数最优值α^*和传感器功率分配参数最优值

步骤51：传输优化过程中，优化问题表述如下：

s.t.C2-C7

其中，

表示信息被AP节点成功接收的传输概率；

步骤52：将优化问题P3分为N×M个独立的子优化问题，并用交替求解法分别求解时间分配参数α和节点功率分配系数β_nm的最优值；

步骤53：将时间分配参数α固定为常值，在约束条件下求解节点功率分配系数β_nm的最优解

为：

s.t.C2-C7

步骤54：将节点功率分配系数β_nm固定为常值，在约束条件下求解时间分配参数α的最优解α^*为：

s.t.C2-C7。

10.根据权利要求8所述的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，其特征在于，在调度过程中，通过最小化Lyapunov drift-plus-penalty函数，得到最优调度策略

步骤61：调度优化过程中，优化问题表述如下：

s.t.C2-C7

步骤62：将AP节点在第k时帧观测到的状态信息Q_nm(k)、H_nm(k)、Δ_nm(k)以及信息传输优化过程中求解的最大传输概率

带入到优化问题P4中，将优化问题简化为P5：

P5：

步骤63：通过最小化P5，得到最优调度策略

为：

s.t.C2-C7

步骤64：进入下一个传输时帧并返回所述步骤62。

Images