CN116321197B - 一种应用于偏远环境密集监测网络的能量自维持调度方法 - Google Patents
一种应用于偏远环境密集监测网络的能量自维持调度方法 Download PDFInfo
- Publication number
- CN116321197B CN116321197B CN202310559123.8A CN202310559123A CN116321197B CN 116321197 B CN116321197 B CN 116321197B CN 202310559123 A CN202310559123 A CN 202310559123A CN 116321197 B CN116321197 B CN 116321197B
- Authority
- CN
- China
- Prior art keywords
- energy
- cluster head
- representing
- network
- cluster
- 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
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 42
- 238000012544 monitoring process Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 33
- 241000854291 Dianthus carthusianorum Species 0.000 claims abstract description 172
- 230000005540 biological transmission Effects 0.000 claims abstract description 48
- 238000005265 energy consumption Methods 0.000 claims abstract description 28
- 206010042135 Stomatitis necrotising Diseases 0.000 claims abstract description 24
- 201000008585 noma Diseases 0.000 claims abstract description 24
- 238000009826 distribution Methods 0.000 claims abstract description 11
- 230000007246 mechanism Effects 0.000 claims description 15
- 238000005457 optimization Methods 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 claims description 7
- 230000007935 neutral effect Effects 0.000 claims description 5
- 230000001364 causal effect Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000005286 illumination Methods 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 12
- 230000006870 function Effects 0.000 description 28
- 238000001228 spectrum Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 5
- 230000008447 perception Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000001502 supplementing effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 238000003306 harvesting Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 241000283153 Cetacea Species 0.000 description 1
- 241000254158 Lampyridae Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 210000000352 storage cell Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
- H04W40/08—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on transmission power
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
- H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
- H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0446—Resources in time domain, e.g. slots or frames
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor 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)
- Selective Calling Equipment (AREA)
Abstract
本发明涉及一种应用于偏远环境密集监测网络的能量自维持调度方法,其包括(1)初始化网络环境;(2)构建无线传感网光伏捕能簇头的部署总成本最小化函数;(3)建立能量感知NOMA分簇函数;(4)建立网络光伏捕能簇头总能耗函数;(5)建立网络数据传输总吞吐量函数;(6)构建网络能量自维持下的能效最大化调度函数;(7)完成光伏能量自维持密集无线传感网络的建立。本发明利用携能共传技术优化调度部署于网络簇头上的光伏能量,从而提高光伏能量的利用率,摆脱网络对移动充电装置的依赖;同时联合优化NOMA分簇、簇头能量广播功率及对应时隙分配实现网络在单一太阳能供能下的能量自维持和网络能效最大化。
Description
技术领域
本发明涉及无线传感器网络技术领域,特别涉及一种应用于偏远环境密集监测的网络能量自维持调度方法。
背景技术
随着智能电网、智慧农业等物联网应用的规模化发展,孤岛微电网和精准农业等各种新兴业务对网络数据感知的深度和广度提出了更高的要求,使得网络需部署大量感知节点支撑精益感知、分级处理、区域自治等新型调控模式需求。作为感知层的无线传感网凭借易部署、可扩展、自组网等特点,可全方位灵活控制物联网应用各环节信息感知的深度和广度,实时监测和掌握网络各环节设备的运行参数,提升远程监控网络精准控制和智能调度水平。然而,一方面,受传感器自身体积小、功耗低等特征影响,能量限制问题成为影响其可扩展性的关键,特别是在地理位置偏远的地方,电网接入困难,补能设备难以抵达,能耗较高。另一方面,伴随着配电网大规模感知设备的接入,传统OMA模式已难以适应大规模终端互联场景,特别是在正交资源有限的6G以下频段,频谱资源愈发紧张,难以支撑大量设备的高速数据传输。同时,多设备接入在共享通信资源时产生的干扰需要网络采用更高的发送功率发送信息,造成能量需求再次增大。物联网系统需要采用新技术满足终端有效接入的同时保证其服务质量和能耗约束,提高频谱效率。因此,如何解决传物联网传感器的能量限制和频谱限制,实现物联网能量自维持前提下的大规模终端接入是物联网发展中的一个关键问题。
不同于正交多址接入(OMA),非正交多址接入(NOMA)技术允许多个传感器节点复用同一资源块,使得同一射频链路能够同时支持多个传感器节点,打破射频链路对传感器节点接入量的限制,提升网络频谱效率,同时NOMA可通过平等共享频谱保证传感器节点之间的公平性,实现大规模连接,满足物联网海量传感器节点接入需求。NOMA技术在扩大物联网连接容量的同时,也给接收端串行干扰消除带来了严重的计算复杂度。现有上行链路NOMA接入研究主要集中于改善系统的频谱效率,解决最大化系统和速率(吞吐量)下的资源分配问题,对于提高系统能量效率研究较少。尤其是针对新能源接入下的上行NOMA研究更少。
传统的能效研究主要集中在通过降低节点能耗来延长网络生命周期,如低成本通信、占空比、自适应控制、MAC(多路访问控制)/路由协议。然而,这种单一的节流控制在一定程度上牺牲网络性能,如增大网络时延,降低网络可靠性。而且,定期更换电池或充电面临着成本昂贵,便利性差,危险系数高等问题。能量收集和储存技术的成功在突破WSN(无线传感网)能量受限瓶颈,延长网络寿命,为物联网提供实时和高质量的监测和跟踪服务提供了极大帮助。能量捕获技术(环境能量捕获和无线充电技术)充分利用环境微能量,如太阳能,风能,热能,振动能等去延长网络生命周期,平衡网络能量供应。相较于其他能量源,太阳能拥有更高的功率密度,更好的地理灵活性,易于安装,周期可用,为偏远网络提供了一种可持续的能量供应。然而,因太阳能时空变换带来的随机性和波动性使得其难以直接给网络提供稳定服务。相反,无线充电技术,如无线电发射,从指定发射装置给无线充电节点发射射频能量,其是可控和确定的。但WPT(无线电能传输)的长距离衰减效应不可忽视,现有解决方法主要集中在利用移动充电车对节点进行点对点充电。但MC(移动充电车)不仅具有较高的操作和维护成本,而且在复杂环境下难以通过,如遇到树木,山川,河流等。MC需要花费更多的时间绕道抵达待充电节点。如果考虑能耗和有限的电池储能,MC可能会在行进过程中面临能量耗尽,其严重影响着大规模WSN的应用。近期,利用射频能量的能量信息二重性的SWIPT(无线携能通信)被广泛应用来提高网络能效,然而,无论MC,还是SWIPT都需要定期从电网补能来维持网络需求,过度依赖于网络地理位置和电网(移动充电装置)补能,特别不适合偏远环境监测的WSN。
发明内容
本发明要解决的技术问题是针对上述不足,提供一种应用于偏远环境监测的光伏捕能混合多址接入能量自维持调度方法。
本发明是通过以下技术方案实现的:
一种应用于偏远环境密集监测网络的能量自维持调度方法,其包括如下步骤:
(1)初始化网络环境,大量无源传感节点静态随机分布在感知区域进行环境监测并标记自身坐标信息,基于能量全覆盖需求和节点混合多址接入模式,分布式均衡部署光伏捕能及存储装置;
(2)根据光伏捕能特性和网络能量自维持需求,构建无线传感网光伏捕能簇头的部署总成本最小化函数;
(3)根据光伏捕能特性和大规模终端NOMA接入正确解码约束,建立能量感知NOMA分簇函数;
(4)根据光伏捕能簇头“采集-存储-利用”协议协同全双工携能共传机制,建立网络光伏捕能簇头总能耗函数;
(5)根据光伏供能混合TDMA-NOMA多址接入机制,建立网络数据传输总吞吐量函数;
(6)根据网络光伏捕能簇头部署、适配NOMA协议的节点分簇、光伏能量捕获-存储-利用的因果限制和网络服务质量约束要求,构建网络能量自维持下的能效最大化调度函数;
(7)基于Dinkelbach多层迭代解耦优化算法联合优化所述NOMA感知分簇函数、所述光伏捕能簇头总能耗函数和所述网络数据传输总吞吐量函数,选取网络能效最大化的能量调度方案,完成光伏能量自维持密集无线传感网络的建立。
进一步的,所述的一种应用于偏远环境密集监测网络的能量自维持调度方法,所述部署总成本包括光伏装置部署成本、各簇簇内和簇间距离成本。
进一步的,所述的一种应用于偏远环境密集监测网络的能量自维持调度方法,所述部署总成本最小化函数为:
,
,
,
,
,
,
其中,表示捕获单位能量的光伏装置部署成本,C表示单个光伏捕能设备成本,/>表示簇头/>的平均光伏能量捕获量;表示网络传输单位数据的平均路由成本,/>表示簇头集,/>表示簇内节点集,/>为各簇头到sink节点的平均距离,/>和/>分别表示第/>个和第/>个光伏捕能簇头,/>表示簇头/>和簇头/>之间的欧氏距离,/>为簇头/>与其簇内节点/>之间的欧氏距离,/> 、/>均表示无源传感节点,/>;/>均为0-1指示变量,当/>表示节点/>被选为簇头,当/>表示节点/>为普通传感节点,当/>表示节点/>隶属于簇头/>,当/>表示节点/>不属于簇头/>的NOMA簇集合;
约束C1表示一个光伏捕能周期内,簇头能量需满足能量中立操作;其中,表示节点/>的能耗,/>表示簇头/>的光伏捕能量,/>表示将光伏捕能周期分成个时帧,t表示时帧;
约束C2和C3表示所有节点均被分配,且每个节点仅隶属于一个簇头;
约束C4表示均为0-1指示变量,当/>表示节点/>被选为簇头,当表示节点/>隶属于簇头/>。
进一步的,所述的一种应用于偏远环境密集监测网络的能量自维持调度方法,所述节点的能耗为:
,
其中,表示传感器节点信号发射固定能耗,/>表示节点/>数据上传速率,/>表示节点/>所在簇/>分配的数据上传时间。
进一步的,所述的一种应用于偏远环境密集监测网络的能量自维持调度方法,所述簇头在一个时帧t捕获的能量为:
,
其中,表示太阳能转换效率;/>表示光照辐度满足均值为/>,方差为/>的高斯分布;W表示簇头部署的太阳能板面积,T表示一个数据传输周期。
进一步的,所述的一种应用于偏远环境密集监测网络的能量自维持调度方法,所述步骤(1)中,网络采用混合TDMA-NOMA方式进行数据采集传输,各簇头之间通过TDMA在自身分配时隙进行数据传输,簇内节点采用NOMA模式向其簇头上传数据,其余时隙簇头向簇内节点广播能量,光伏捕能簇头能量广播总能耗受簇头电池当前可用能约束;在NOMA集群中,各传感节点基于NOMA协议将信息同时上传至簇头,接收端采用SIC机制解码各传感器节点信息,簇内各节点需满足NOMA正确解码约束。
进一步的,所述的一种应用于偏远环境密集监测网络的能量自维持调度方法,所述能量感知NOMA 分簇函数为:
,
,
,
,
其中,是一个指示变量, />表示节点/>隶属于簇头/>,表示节点/>不属于簇头/>;/>表示光伏捕能簇头的初始可用能;/>表示节点/>到簇头/>的信道增益;/>表示节点/>到簇头/>的信干噪比;/>表示干扰阈值;/>表示簇头集;
各传感节点基于NOMA协议将信息同时上传至簇头,接收端采用SIC机制解码各传感器节点信息,簇头处的接收信号满足:
,
其中,表示节点/>向簇头/>上传数据时的发射功率,/>表示节点/>的发射信号,/>表示接收端噪声。
进一步的,所述的一种应用于偏远环境密集监测网络的能量自维持调度方法,所述网络光伏捕能簇头总能耗函数为:
,
其中,表示簇头集,/>;/>表示时帧t簇头/>向簇内节点进行能量广播的发射功率,受装置最大发射功率约束,/>表示簇头/>分配的数据上传时间,表示簇头/>能量广播时间。
进一步的,所述的一种应用于偏远环境密集监测网络的能量自维持调度方法,所述步骤(4)中,光伏捕能簇头采用“采集-存储-利用”协议协同全双工携能共传机制进行能量广播,簇头/>的能量队列可表示为:
,
其中,和/>分别表示簇头/>在时帧t的初始可用能和末端可用能,表示簇头/>的光伏捕能量;/>表示时帧t簇头/>向簇内节点进行能量广播的发射功率,受装置最大发射功率约束,/>表示簇头/>分配的数据上传时间,表示簇头/>能量广播时间;/>在时隙t的广播能量受限于簇头能量缓存队列当前可用能,满足约束/>。
进一步的,所述的一种应用于偏远环境密集监测网络的能量自维持调度方法,所述网络数据传输总吞吐量为所有簇内节点经NOMA协议上传数据吞吐量之和。
进一步的,所述的一种应用于偏远环境密集监测网络的能量自维持调度方法,所述网络数据传输总吞吐量函数为:
,
其中,表示节点的分簇决策;/>表示各簇时隙分配决策;/>表示簇头能量广播发射功率分配决策;
表示簇头集,/>表示簇头/>分配的数据上传时间,/>表示簇内节点集,是指示变量, />表示节点/>隶属于簇头/>,/> 表示节点/>不属于簇头/>;/>表示节点/>到簇头/>的信道增益,/>表示节点/>向簇头/>上传数据时的发射功率;/>表示接收端噪声功率;/>表示第/>个簇的簇内节点在单位带宽下的吞吐量。
进一步的,所述的一种应用于偏远环境密集监测网络的能量自维持调度方法,所述能效最大化调度函数为:
,
,
,
,
,
,
,
,
,
其中,表示节点的分簇决策;/>表示各簇时隙分配决策;/>表示簇头能量广播发射功率分配决策;/>表示网络光伏捕能簇头总能耗,/>表示簇头集;
约束C1表示光伏捕能簇头能量广播发射功率不能超过最大发射功率;
约束C2-C3表示簇头在一个数据传输周期内的广播能量值不能超过初始可用能/>,且储能量/>不超过电池容量/>;
约束C4表示一个数据传输周期T的时隙分配约束;表示簇头/>分配的数据上传时间;
约束C5表示网络服务质量约束,是网络应用需求下的最小吞吐量;
约束C6是保证网络所有节点成功解码的关键;表示节点/>到簇头/>的信干噪比,/>表示干扰阈值;
约束C7是一个指示变量,表示节点/>隶属于簇头/>, />表示节点/>不属于簇头/>;
约束C8表示每个节点仅隶属于一个簇头。
本发明的优点与效果是:
1. 本发明提出了一种应用于偏远环境密集监测网络的能量自维持调度方法,其采用分布式光伏发电代替电网供能,考虑簇头能量中立操作和簇内簇间距离成本,提高了光伏捕能簇头部署的网络均衡性和能量全覆盖,实现了网络能量自维持前提下的总成本最小化。同时利用携能共传技术优化调度部署于网络簇头上的光伏能量,从而提高光伏能量的利用率,摆脱网络对移动充电装置的依赖,实现网络在单一太阳能供能下的能量自维持和网络能效最大化。
2. 本发明提出了一种应用于偏远环境密集监测网络的能量自维持调度方法,其在能量侧采用分布式光伏发电代替电网供能,利用携能共传技术优化调度部署于网络簇头上的光伏能量,从而提高光伏能量的利用率,摆脱网络对移动充电装置的依赖;在数据传输侧,采用基于分簇聚类的混合NOMA-TDMA多址接入协议进行数据上传、融合和转发,在提升网络可扩展性的同时降低接收端复杂度,在分布式光伏捕能簇头能量全覆盖部署下,联合优化NOMA分簇、簇头能量广播功率及对应时隙分配实现网络在单一太阳能供能下的能量自维持和网络能效最大化。
3. 本发明提出了一种应用于偏远环境密集监测网络的能量自维持调度方法,其考虑了面向光伏供能物联网的高能效低复杂度混合多址接入模式;在下行能量供应链路中,光伏捕能簇头全天候捕获并存储太阳能为网络提供持续的能量供应,各传感节点基于SWIPT技术周期性补能并进行信息感知;在上行数据传输链路中,网络采用基于分簇聚类的混合NOMA-TDMA多址接入协议进行数据上传、融合和转发,在提升网络可扩展性的同时降低接收端复杂度。
4. 本发明提出了一种应用于偏远环境密集监测网络的能量自维持调度方法,其通过引入全双工模式下的SWIPT,摆脱了传统补能对移动辅助补能装置(移动充电车)的依赖。通过构建混合TDMA-NOMA多址接入模式,在分布式光伏捕能簇头能量全覆盖部署下,联合优化NOMA分簇、簇头能量广播功率及对应时隙分配实现了可持续光伏捕能网络能效最大化。
附图说明
图1示出本发明实施例的光伏捕能混合多址接入场景图;
图2示出本发明实施例的光伏捕能混合多址接入流程图;
图3示出本发明实施例在能效优化方面与现有技术的优势对比图;
图4示出本发明实施例在吞吐量优化方面与现有技术的优势对比图。
具体实施方式
为使本发明实施的目的、技术方案和优点更加清楚,下面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更加详细的描述。所描述的实施例是本发明的一部分实施例,而不是全部的实施例。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。基于本发明中的实施例,本领域技术人员在没有作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。下面结合附图对本发明的实施例进行详细说明:
本发明克服了现有偏远环境密集监测网络中传感终端大规模接入带来的终端能耗大且供能不便、网络频谱资源紧缺问题,特别是在偏远地区电网接入困难,移动辅助补能装置受运行路线、地理环境等影响较大,运行成本高,提出一种新的适用于偏远环境密集监测WSN的光伏供能混合多址接入能量自维持调度方法,其中,在能量供应端采用光伏供能协同全双工SWIPT技术根据光伏捕能特性和网络服务质量需求构建低成本单一光伏供能网络的能量自维持簇头部署方案,基于自维持网络部署,构建SWIPT协同下的混合TDMA-NOMA多址接入网络能效最大化函数,通过联合优化NOMA分簇,簇头能量广播功率及对应时隙分配实现可持续光伏捕能网络能效最大化。具体的,如图1所示,本发明根据光伏捕能特征和网络服务质量需求部署光伏捕能簇头实现部署总成本最小化;然后,基于最优的光伏捕能簇头部署,在满足簇头接收端NOMA正确解码约束下优化网络分簇;对单个簇的光伏捕能簇头的能量和信息进行供应测和需求侧的具体调度;针对该调度方案从时间维度上分为簇头对簇内节点的持续能量供应和簇内节点在对应分配时隙进行数据上传。最后,在实现网络能效最大化目标下联合优化NOMA分簇、光伏能量广播功率分配和时间调度。
具体实施方式中,该能量自维持调度方法包括如下步骤:
(1)初始化网络环境,大量无源传感节点静态随机分布在感知区域进行环境监测并标记自身坐标信息,基于能量全覆盖需求和节点混合多址接入模式,分布式均衡部署光伏捕能及存储装置于优选的无源传感节点中。优选的无源传感节点是指采用部署总成本最小化函数从随机部署的传感节点中优选出部署光伏捕能装置的节点。具体的,[10,20,30,40,50,100,150,200]个环境传感器静态随机分布在50米×50米的感知区域并标记自身坐标信息;sink(汇聚点)部署在网络中部。由于太阳能受时空环境影响较大,光伏捕能簇头采用能量全覆盖的方式均衡部署于感知区域并配备光伏捕能存储装置,传感节点静态随机分布在感知区域进行环境监测并标记自身坐标信息。考虑光伏捕能簇头采用“采集-存储-利用”协议协同SWIPT技术为簇内节点广播能量,簇内节点利用捕获的能量基于NOMA协议上传数据至簇头,各簇头间采用TDMA协议完成数据汇集的场景。基于最优光伏捕能簇头部署,通过联合优化NOMA分簇、簇头能量广播功率和时间分配,实现偏远地区密集监测网络能量自维持约束下的系统能效最大化。
网络采用混合TDMA-NOMA方式进行数据采集传输,各簇头之间通过TDMA在自身分配时隙进行数据传输,簇内节点采用NOMA模式向其簇头上传数据,其余时隙簇头向簇内节点广播能量,光伏捕能簇头能量广播总能耗受簇头电池当前可用能约束;在NOMA集群中,各传感节点基于NOMA协议将信息同时上传至簇头,接收端采用SIC机制解码各传感器节点信息,簇内各节点需满足NOMA正确解码约束。
(2)根据光伏捕能特性和网络服务质量需求,构建网络能量中立操作约束下的无线传感网光伏捕能簇头的部署总成本最小化函数,实现低成本单一光伏供能网络的能量自维持。
部署总成本包括捕能成本、各簇簇内和簇间距离成本。
部署总成本最小化函数为:
,
,
,
,
,
,
其中,表示捕获单位能量的光伏装置部署成本,C表示单个光伏捕能设备成本,/>表示簇头/>的平均光伏能量捕获量;表示网络传输单位数据的平均路由成本,/>表示簇头集,/>表示簇内节点集,/>为各簇头到sink节点的平均距离,/>表示簇头/>和簇头/>之间的欧氏距离,/>为簇头/>与其簇内节点/>之间的欧氏距离,/> 、/>均表示无源传感节点,/>;/>和/>分别表示第/>个和第/>个光伏捕能簇头,/>均为0-1指示变量,当/>表示节点/>被选为簇头,当/>表示节点/>为普通传感节点,当/>表示节点/>隶属于簇头/>,当/>表示节点/>不属于簇头/>的NOMA簇集合;
约束C1表示一个光伏捕能周期内,簇头能量需满足能量中立操作;其中,表示节点/>的能耗,/>表示簇头/>的光伏捕能量,/>表示将光伏捕能周期分成个时帧,每个时帧的持续时间为T,t表示时帧,隶属于一个大的周期T。
约束C2和C3表示所有节点均被分配,且每个节点仅隶属于一个簇头。
约束C4表示均为0-1指示变量,当/>表示节点/>被选为簇头,当/>表示节点/>隶属于簇头/>。
节点的能耗为:
,
其中,表示传感器节点信号发射固定能耗,/>表示节点/>数据上传速率,这里令/>,/>表示节点/>所在簇/>分配的数据上传时间。
簇头在一个时帧t捕获的能量为:
,
其中,表示太阳能转换效率,其值受节点位置阴影影响较大。表示光照辐度满足均值为/>,方差为/>的高斯分布,该取值遵循M阶马尔可夫链模型,反映了不同天气状态下的光伏能量到达特征;W表示簇头部署的太阳能板,T表示一个数据传输周期。
(3)根据光伏捕能特性和大规模终端NOMA接入正确解码约束,建立能量感知NOMA分簇函数。
网络能量感知NOMA 分簇函数为:
,
,
,
,
其中,是一个指示变量,/>表示节点/>隶属于簇头/>, 表示节点/>不属于簇头/>;/>表示光伏捕能簇头的初始可用能;/>表示节点/>到簇头/>的信道增益。
约束C6是保证网络所有节点成功解码的关键,表示节点/>到簇头/>的信干噪比;/>表示干扰阈值;/>表示簇头集。
由于NOMA集群中,各传感节点基于NOMA协议将信息同时上传至簇头,接收端采用SIC机制解码各传感器节点信息,簇头处的接收信号满足:
,
其中,表示节点/>向簇头/>上传数据时的发射功率,/>表示节点/>的发射信号,/>表示接收端噪声,满足高斯分布。为降低问题求解难度,优化适配NOMA传输的新能源供能物联网聚类拓扑子问题SP2可转化为关于簇内节点隶属指示变量/>的能量感知信道增益最大化问题SP(2-1),即各传感节点在满足干扰阈值约束下更偏好于归属能量和信道增益值较大的簇头。
(4)根据光伏捕能簇头“采集-存储-利用”协议协同全双工携能共传机制,建立网络光伏捕能簇头总能耗函数。
其中,表示簇头集,/>;/>表示时帧t簇头/>向簇内节点进行能量广播的发射功率,受装置最大发射功率约束,/>表示簇头/>分配的数据上传时间,表示簇头/>能量广播时间。
网络光伏捕能簇头总能耗函数为:
,
其中,表示簇头集,/>;/>表示时帧t簇头/>向簇内节点进行能量广播的发射功率,受装置最大发射功率约束,需满足/>。/>表示簇头/>分配的数据上传时间,/>表示簇头/>能量广播时间。因为簇头节点之间通过TDMA协议进行数据上传,需要进行时间分配,簇头/>所分配的时间为/>;簇内节点采用NOMA协议进行数据上传,属于同时刻多节点一起上传,占用时间为/>,簇头/>除数据上传时隙/>外,其余时间都在进行能量广播。
光伏捕能簇头采用“采集-存储-利用”协议协同全双工携能共传机制进行能量广播,簇头/>的能量队列可表示为:
,/>
其中,和/>分别表示簇头/>在时帧t的初始可用能和末端可用能,表示簇头/>的光伏捕能量。受因果能量限制,/>在时隙t的广播能量受限于簇头能量缓存队列当前可用能,满足约束/>。为避免/>电池能量外溢,其末端可用能需满足/>。
(5)根据光伏供能混合TDMA-NOMA多址接入机制,建立网络数据传输总吞吐量函数。
网络数据传输总吞吐量函数为:
,
其中,表示节点的分簇决策;表示各簇时隙分配决策;/>表示簇头能量广播发射功率分配决策。
表示簇头集,/>表示簇头/>分配的数据上传时间,/>表示簇内节点集,是指示变量, />表示节点/>隶属于簇头/>, />表示节点不属于簇头/>;/>表示节点/>到簇头/>的信道增益,/>表示节点/>向簇头/>上传数据时的发射功率;/>表示接收端噪声功率;/>表示第/>个簇的簇内节点在单位带宽下的吞吐量,可由节点/>的吞吐量为可达速率之和表示:
,
由于在上行NOMA传输中,簇头接收端采用SIC的方式按照信道增益降序排列解码第/>个簇/>个传感器节点的信息,假定簇内节点/>到簇头/>的信道增益满足/>,则解码节点1的信息时会受到传感器节点的信号干扰;在解码传感器节点2的信息时会受到传感器节点的信号干扰,类推第/>个簇内节点/>的可达速率为:/>
,
其中,表示表示簇头/>分配的数据上传时间,/> 、/>均表示无源传感节点,。
节点在单位带宽下的可达速率为:
。
(6)根据网络光伏捕能簇头部署、适配NOMA分簇、捕获-存储-利用的因果限制和网络服务质量约束要求,构建网络能量自维持下的能效最大化调度函数;
能效最大化调度函数为:
,
,
,
,
,
,
,
,
,/>
其中,表示节点的分簇决策;/>表示各簇时隙分配决策;/>表示簇头能量广播发射功率分配决策;/>表示网络光伏捕能簇头总能耗,/>表示簇头集。
约束C1表示光伏捕能簇头能量广播发射功率不能超过最大发射功率/>。
约束C2-C3表示簇头在一个数据传输周期内的广播能量值不能超过初始可用能/>,且储能量/>不超过电池容量/>。
约束C4表示一个数据传输周期T的时隙分配约束;表示簇头/>分配的数据上传时间。
约束C5表示网络服务质量约束,是网络应用需求下的最小吞吐量。
约束C6是保证网络所有节点成功解码的关键;表示节点/>到簇头/>的信干噪比,/>表示干扰阈值。
约束C7是一个指示变量,表示节点/>隶属于簇头/>, />表示节点/>不属于簇头/>。
约束C8表示每个节点仅隶属于一个簇头。
具体的, ,
其中,表示节点,用于数据传输的能量占节点总能量的比值。
(7)基于Dinkelbach多层迭代解耦优化算法联合优化所述NOMA感知分簇函数、所述光伏捕能簇头总能耗函数和所述网络数据传输总吞吐量函数,选取网络能效最大化的能量调度方案,完成光伏能量自维持无线传感网络的建立。
具体的是,针对光伏簇头部署子问题提出混和离散萤火虫算法求解最优光伏捕能簇头部署;针对网络能效最大化问题的强耦合非凸分数规划特性,基于Dinkelbach分数规划理论,提出新型多层迭代解耦优化方法将网络能效最大化调度方案分解为能量感知NOMA分簇和簇头能量广播供应两个子问题,针对能量感知NOMA分簇子问题提出基于改进鲸鱼优化算法求解当前最优分簇方案,针对簇头能量广播供应子问题提出混合拉格朗日对偶和双边搜索算法求解当前最优能量广播功率与时隙分配方案。如图2所示,网络节点随机部署,根据光伏出力特征和网络服务质量需求,以光伏捕能簇头部署总成本最小化为目标函数部署光伏捕能簇头;光伏捕能簇头根据捕获的能量和采样需求,结合子问题1和2求解最优的NOMA分簇、能量广播功率控制和时间分配。根据求解所得最优方案完成偏远环境密集监测网络部署与规划。
为了检验本发明提出的光伏供能混合多址接入可持续能量调度方案(JSNRA)的性能,将其与JSFRA方案,JRFRA方案,ST方案和SN方案在相同的网络环境下进行仿真并比较。其中JSFRA方案表示光伏供能联合固定分簇下的资源优化方案,JRFRA方案表示无线供能联合固定分簇下的资源优化方案;ST方案表示光伏供能网络采用单一的TDMA协议进行终端接入;SN方案表示光伏供能网络采用单一的NOMA协议进行终端接入。
采用MATLAB作为仿真工具,系统仿真环境参数设置如下:
1)[10,20,30,40,50,100,150,200]个环境监测传感器静态随机分布在50米×50米的区域内,横坐标范围(0,50),纵坐标范围(0,50),各节点位置坐标已知且可监测节点所在位置的光照强度温度等环境指标。
2)被选为簇头的节点安装1米×1米的太阳能电池板并配备10kJ的储能电池,捕能效率为20%。
3)根据隐性马尔可夫模型计算太阳能的到达率,根据天气条件将其分为四个状态:特别好,好,一般,很差,分别对应四种均值方差分布
[94.6,0.31],[76.0,1.55],[45.6,1.48],[17.9,0.71]。
4)光伏捕能簇头的最大发射功率为5W。
5)所有节点无线充电的能效为0.51,数据上传周期的时间间隔为1h。
6)假设所有链路对等且信道增益满足瑞利衰落模型,其中路径衰落指数为3Hz。
7)系统带宽为180kHz,噪声功率谱密度设置为-174dBm/Hz,系统的最小吞吐量需求为300kbits。
以上参数并不恒定,对于不同的仿真内容可以根据需要改变某些参数。
如图3、图4所示,相同环境下系统运行100次对应的不同方案下网络平均能效的仿真结果。可以看出,本发明提出光伏供能混合多址接入可持续能量调度方案的网络平均能效和网络吞吐量明显高于其他几种对比方案。
仿真结果表明,本发明中的光伏供能混合多址接入可持续能量调度方案优化了网络能量覆盖率和均衡性,在保证网络正常采样的同时提高了网络的能效,实现了单一光伏供能网络的自维持运行。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本公开的范围(包括权利要求)被限于这些例子;在本发明专利的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,并存在如上所述的本发明专利的不同方面的许多其它变化,为了简明它们没有在细节中提供。因此,凡在本发明专利的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本发明专利的保护范围之内。
以上实施例仅用以说明本发明的技术方案,并非用来限定本发明的实施范围。但凡在本发明的保护范围内所做的等效变化及修饰,皆应认为落入了本发明的保护范围内。
Claims (6)
1.一种应用于偏远环境密集监测网络的能量自维持调度方法,其特征在于,其包括如下步骤:
(1)初始化网络环境,大量无源传感节点静态随机分布在感知区域进行环境监测并标记自身坐标信息,基于能量全覆盖需求和节点混合多址接入模式,分布式均衡部署光伏捕能及存储装置;
(2)根据光伏捕能特性和网络能量自维持需求,构建无线传感网光伏捕能簇头的部署总成本最小化函数;
所述部署总成本最小化函数为:
C3:Xik≤Yi,
C4:Xik,Yi∈{0,1},
其中,表示捕获单位能量的光伏装置部署成本,C表示单个光伏捕能设备成本,表示簇头SCi的平均光伏能量捕获量;/>表示网络传输单位数据的平均路由成本,/>表示簇头集,/>表示簇内节点集,d0为各簇头到sink节点的平均距离,SCi和SCi′分别表示第i个和第i′个光伏捕能簇头,d(SCi,SCi′)表示簇头SCi和簇头SCi′之间的欧氏距离,d(k,SCi)为簇头SCi与其簇内节点k之间的欧氏距离,k、l均表示无源传感节点,k≠l;Xik,Yi均为0-1指示变量,当Yi=1表示节点i被选为簇头,当Yi=0表示节点i为普通传感节点,当Xik=1表示节点k隶属于簇头SCi,当Xik=0表示节点k不属于簇头SCi的NOMA簇集合;
约束C1表示一个光伏捕能周期内,簇头能量需满足能量中立操作;其中,表示节点k的能耗,/>表示簇头SCi的光伏捕能量,/>表示将光伏捕能周期分成/>个时帧,t表示时帧;
约束C2和C3表示所有节点均被分配,且每个节点仅隶属于一个簇头;
约束C4表示Xik,Yi均为0-1指示变量,当Yi=1表示节点i被选为簇头,当Xik=1表示节点k隶属于簇头SCi;
(3)根据光伏捕能特性和大规模终端NOMA接入正确解码约束,建立能量感知NOMA分簇函数;
所述能量感知NOMA分簇函数为:
s.t.C5:SINRik≥Sth
其中,是一个指示变量,/>表示节点k隶属于簇头SCi,/>表示节点k不属于簇头SCi;/>表示光伏捕能簇头的初始可用能;/>表示节点k到簇头SCi的信道增益;SINRik表示节点k到簇头SCi的信干噪比;Sth表示干扰阈值;/>表示簇头集;
各传感节点基于NOMA协议将信息同时上传至簇头,接收端采用SIC机制解码各传感器节点信息,簇头SCi处的接收信号满足:
其中,表示节点k向簇头i上传数据时的发射功率,/>表示节点k的发射信号,Z表示接收端噪声;
(4)根据光伏捕能簇头″采集-存储-利用”协议协同全双工携能共传机制,建立网络光伏捕能簇头总能耗函数;
所述网络光伏捕能簇头总能耗函数为:
其中,表示簇头集,/>表示时帧t簇头SCi向簇内节点进行能量广播的发射功率,受装置最大发射功率约束,τi表示簇头i分配的数据上传时间,T-τi表示簇头i能量广播时间;
光伏捕能簇头SCi采用“采集-存储-利用”协议协同全双工携能共传机制进行能量广播,簇头SCi的能量队列可表示为:
其中,和/>分别表示簇头SCi在时帧t的初始可用能和末端可用能,/>表示簇头SCi的光伏捕能量;/>表示时帧t簇头SCi向簇内节点进行能量广播的发射功率,受装置最大发射功率约束,τi表示簇头i分配的数据上传时间,T-τi表示簇头i能量广播时间;SCi在时帧t的广播能量受限于簇头能量缓存队列初始可用能,满足约束
(5)根据光伏供能混合TDMA-NOMA多址接入机制,建立网络数据传输总吞吐量函数;
所述网络数据传输总吞吐量函数为:
其中,表示节点的分簇决策;表示各簇时隙分配决策;/>表示簇头能量广播发射功率分配决策;Nc表示簇头集,τi表示簇头i分配的数据上传时间,Nu表示簇内节点集,是指示变量,/>表示节点k隶属于簇头SCi,/>表示节点k不属于簇头SCi;/>表示节点k到簇头SCi的信道增益,/>表示节点k向簇头i上传数据时的发射功率;σ2表示接收端噪声功率;/>表示第i个簇的簇内节点在单位带宽下的吞吐量;
(6)根据网络光伏捕能簇头部署、适配NOMA协议的节点分簇、光伏能量采集-存储-利用的因果限制和网络服务质量约束要求,构建网络能量自维持下的能效最大化调度函数;
所述能效最大化调度函数为:
C13:SINRik≥Sth
C14:cik∈{0,1}
其中,/>表示节点的分簇决策;/>表示各簇时隙分配决策;/>表示簇头能量广播发射功率分配决策;Ebro(P,Γ)表示网络光伏捕能簇头总能耗,/>表示簇头集;
约束C8表示光伏捕能簇头能量广播发射功率不能超过最大发射功率Pmax;
约束C9-C10表示簇头在一个数据传输周期内的广播能量值不能超过初始可用能/>且储能量/>不超过电池容量/>
约束C11表示一个数据传输周期T的时隙分配约束;τi表示簇头i分配的数据上传时间;
约束C12表示网络服务质量约束,表示时帧t的网络数据传输总吞吐量,Rmin是网络应用需求下的最小吞吐量;
约束C13是保证网络所有节点成功解码的关键;SINRik表示节点k到簇头SCi的信干噪比,Sth表示干扰阈值;
约束C14是一个指示变量,cik=1表示节点k隶属于簇头SCi,cik=0表示节点k不属于簇头SCi;
约束C15表示每个节点仅隶属于一个簇头;
(7)基于Dinkelbach多层迭代解耦优化算法联合优化所述NOMA分簇函数、所述光伏捕能簇头总能耗函数和所述网络数据传输总吞吐量函数,选取网络能效最大化的能量调度方案,完成光伏能量自维持密集无线传感网络的建立。
2.根据权利要求1所述的一种应用于偏远环境密集监测网络的能量自维持调度方法,其特征在于,所述部署总成本包括光伏装置部署成本、各簇簇内和簇间距离成本。
3.根据权利要求1所述的一种应用于偏远环境密集监测网络的能量自维持调度方法,其特征在于,所述节点k的能耗为:
其中,PC表示传感器节点信号发射固定能耗,Rik表示节点k数据上传速率,τi表示簇头i分配的数据上传时间。
4.根据权利要求1所述的一种应用于偏远环境密集监测网络的能量自维持调度方法,其特征在于,所述簇头SCi在一个时帧t捕获的能量为:
其中,表示太阳能转换效率;/>表示光照幅度满足均值为μm,方差为ρm的高斯分布;W表示簇头部署的太阳能板面积,T表示一个数据传输周期。
5.根据权利要求1所述的一种应用于偏远环境密集监测网络的能量自维持调度方法,其特征在于,所述步骤(1)中,网络采用混合TDMA-NOMA方式进行数据采集传输,各簇头之间通过TDMA在自身分配时隙进行数据传输,簇内节点采用NOMA模式向其簇头上传数据,其余时隙簇头向簇内节点广播能量,光伏捕能簇头能量广播总能耗受簇头电池当前可用能约束;在NOMA集群中,各传感节点基于NOMA协议将信息同时上传至簇头,接收端采用SIC机制解码各传感器节点信息,簇内各节点需满足NOMA正确解码约束。
6.根据权利要求1所述的一种应用于偏远环境密集监测网络的能量自维持调度方法,其特征在于,所述网络数据传输总吞吐量为所有簇内节点经NOMA协议上传数据吞吐量之和。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310559123.8A CN116321197B (zh) | 2023-05-18 | 2023-05-18 | 一种应用于偏远环境密集监测网络的能量自维持调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310559123.8A CN116321197B (zh) | 2023-05-18 | 2023-05-18 | 一种应用于偏远环境密集监测网络的能量自维持调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116321197A CN116321197A (zh) | 2023-06-23 |
CN116321197B true CN116321197B (zh) | 2023-08-15 |
Family
ID=86785291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310559123.8A Active CN116321197B (zh) | 2023-05-18 | 2023-05-18 | 一种应用于偏远环境密集监测网络的能量自维持调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116321197B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116684327B (zh) * | 2023-08-03 | 2023-10-27 | 中维建技术有限公司 | 一种基于云计算的山林地区通信网络故障监测评估方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120048371A (ko) * | 2010-11-05 | 2012-05-15 | 목포대학교산학협력단 | 무선 센서망에서 거리와 에너지를 고려한 클러스터 헤드 선출 방법 |
CN109038831A (zh) * | 2018-09-04 | 2018-12-18 | 广州小楠科技有限公司 | 光伏电源智能监控系统 |
CN109510673A (zh) * | 2018-12-27 | 2019-03-22 | 河海大学常州校区 | 一种能量有效的次用户信息传输方法及系统 |
CN112672302A (zh) * | 2020-12-21 | 2021-04-16 | 国网甘肃省电力公司电力科学研究院 | 一种应用于光伏电站无线传感器的分簇与数据感知方法 |
CN113207156A (zh) * | 2021-04-30 | 2021-08-03 | 华北电力大学 | 一种无线传感器网络的分簇路由方法及系统 |
-
2023
- 2023-05-18 CN CN202310559123.8A patent/CN116321197B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120048371A (ko) * | 2010-11-05 | 2012-05-15 | 목포대학교산학협력단 | 무선 센서망에서 거리와 에너지를 고려한 클러스터 헤드 선출 방법 |
CN109038831A (zh) * | 2018-09-04 | 2018-12-18 | 广州小楠科技有限公司 | 光伏电源智能监控系统 |
CN109510673A (zh) * | 2018-12-27 | 2019-03-22 | 河海大学常州校区 | 一种能量有效的次用户信息传输方法及系统 |
CN112672302A (zh) * | 2020-12-21 | 2021-04-16 | 国网甘肃省电力公司电力科学研究院 | 一种应用于光伏电站无线传感器的分簇与数据感知方法 |
CN113207156A (zh) * | 2021-04-30 | 2021-08-03 | 华北电力大学 | 一种无线传感器网络的分簇路由方法及系统 |
Non-Patent Citations (1)
Title |
---|
Juan Gao等.SWIPT-Based Energy Scheduling for Solar-Powered WSN in Full-Duplex Mode.IEEE SENSORS JOURNAL.2022,第22卷(第13期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN116321197A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sah et al. | Renewable energy harvesting schemes in wireless sensor networks: A survey | |
CN108924788B (zh) | 无线紫外光协作无人机编队网络中能耗均衡方法 | |
Zhan et al. | Energy-efficient data collection in UAV enabled wireless sensor network | |
Wu et al. | Fundamental trade-offs in communication and trajectory design for UAV-enabled wireless network | |
Zhao et al. | UAV-assisted emergency networks in disasters | |
Bahbahani et al. | A cooperative clustering protocol with duty cycling for energy harvesting enabled wireless sensor networks | |
Ren et al. | RF energy harvesting and transfer in cognitive radio sensor networks: Opportunities and challenges | |
Han et al. | Powering mobile networks with green energy | |
Li et al. | A general utility optimization framework for energy-harvesting-based wireless communications | |
Gunduz et al. | Designing intelligent energy harvesting communication systems | |
Niyato et al. | Wireless sensor networks with energy harvesting technologies: A game-theoretic approach to optimal energy management | |
Sharma et al. | EH-HL: Effective communication model by integrated EH-WSN and hybrid LiFi/WiFi for IoT | |
CN108495337B (zh) | 基于noma的无线携能通信系统最大安全速率优化方法 | |
CN105025547A (zh) | 能量采集节点网络的中继选择和功率分配方法 | |
CN116321197B (zh) | 一种应用于偏远环境密集监测网络的能量自维持调度方法 | |
Yao et al. | Energy efficiency characterization in heterogeneous IoT system with UAV swarms based on wireless power transfer | |
Hu et al. | Selection of cluster heads for wireless sensor network in ubiquitous power internet of things | |
CN106162798A (zh) | 无线传感网络能量采集节点协作传输的联合功率分配和中继选择方法 | |
Jiao et al. | A combining strategy of energy replenishment and data collection in wireless sensor networks | |
Wang | Energy-efficient resource allocation optimization algorithm in industrial IoTs scenarios based on energy harvesting | |
CN109787737B (zh) | 一种基于混合能量采集的多用户资源优化方法 | |
Gao et al. | SWIPT-based energy scheduling for solar-powered WSN in full-duplex mode | |
Zhang et al. | Delay-sensitive dynamic resource control for energy harvesting wireless systems with finite energy storage | |
Anees et al. | Harvested energy scavenging and transfer capabilities in opportunistic ring routing | |
Jannu et al. | An Advanced Energy Management and Harvesting System for Network Lifetime for Industrial IoT in Smart Cities |
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 |