CN107820317A - 一种认知无线传感网的能量收集与功率控制方法 - Google Patents
一种认知无线传感网的能量收集与功率控制方法 Download PDFInfo
- Publication number
- CN107820317A CN107820317A CN201610815487.8A CN201610815487A CN107820317A CN 107820317 A CN107820317 A CN 107820317A CN 201610815487 A CN201610815487 A CN 201610815487A CN 107820317 A CN107820317 A CN 107820317A
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- cognition
- energy
- sensing node
- 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
Links
- 230000019771 cognition Effects 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000005540 biological transmission Effects 0.000 claims abstract description 77
- 238000013468 resource allocation Methods 0.000 claims abstract description 23
- 238000005457 optimization Methods 0.000 claims abstract description 19
- 230000002776 aggregation Effects 0.000 claims description 53
- 238000004220 aggregation Methods 0.000 claims description 53
- 238000004891 communication Methods 0.000 claims description 11
- 238000001303 quality assessment method Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 7
- 238000003306 harvesting Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 5
- 230000008901 benefit Effects 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 2
- 238000001228 spectrum Methods 0.000 abstract description 8
- 230000007774 longterm Effects 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005059 dormancy Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- 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
- H04W72/00—Local resource management
- H04W72/20—Control channels or signalling for resource management
- H04W72/23—Control channels or signalling for resource management in the downlink direction of a wireless link, i.e. towards a terminal
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/52—Allocation or scheduling criteria for wireless resources based on load
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/542—Allocation or scheduling criteria for wireless resources based on quality criteria using measured or perceived quality
-
- 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)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种认知无线传感网的能量收集与功率控制方法。该方法以最大化网络吞吐量为目标,采用数学优化方法对网络中认知传感节点的数据传输时间和发射功率进行最优资源分配。本发明方法可以在不影响主用户的前提下,实现认知无线传感网在授权频段的连续传输;同时,认知传感节点无需配备固定能量源,可以实现长期工作和灵活部署。采用本发明方法可以同时提升频谱效率和能量效率,实现认知无线传感网与主用户网络的绿色共存。
Description
技术领域
本发明涉及无线传感网技术,具体地说,它是一种认知无线传感网的能量收集与功率控制方法。
背景技术
随着无线网络的大规模应用和部署,免授权的ISM(Industrial ScientificMedical)频段被越来越多的无线网络占用,导致该频段信道存在严重的干扰,面临着频谱稀缺的问题。仅以ISM 2.4GHz频段为例,就工作有Bluetooth、ZigBee,Wi-Fi等商用网络以及WirelessHART、ISA100.11a、WIA-PA和WIA-FA等工业网络。当这些网络部署在相同区域时,就不可避免地存在相互干扰,造成通信质量的严重下降。而由于传统无线传感网的低成本、低功率等特性,其抗干扰能力十分有限,使得无线传感网的可靠通信面临着巨大挑战。在传统无线传感网中,一些典型的抗干扰方法主要包括:(1)通过跳频通信进行周期性的信道切换,如盲跳频、自适应跳频等;(2)通过信道侦听进行传输避让或竞争接入,如载波监听多址接入(CSMA)等;(3)通过集中式设备进行网络间协调通信;(4)通过功率控制降低相互干扰实现网络共存。但是,上述方法都没有从根本上解决频谱稀缺的问题。
认知无线电技术的快速发展为无线传感网的可靠通信提供了新的思路。认知无线电通过智能感知外界环境,并自适应地调整功率、载频、调制方式等传输参数实现对授权频段的动态频谱接入。基于此,认知无线传感网应运而生,并被广泛讨论与深入研究。认知无线传感网的优势主要包括:(1)动态频谱接入;(2)突发性通信的机会信道使用;(3)自适应降低功耗;(4)多个并发网络的重叠部署。因此,认知无线传感网可以有效避免ISM频段的干扰,选择信道质量优异的授权频段进行通信,确保网络数据的可靠传输。然而,由于认知无线传感网中的认知传感节点需要不断地进行环境感知和决策,导致设备的能耗大幅增加,使得认知无线传感网面临着比传统无线传感网更为严峻的能量受限问题。一般来说,无线传感网可以采用低功耗运行或休眠等方式,以及一些高能效算法来降低网络的能耗,延长网络的寿命,但是这些方法并没有从根本上解决无线传感网的能量受限问题,只是在一定程度上延长了网络的寿命。而对于认知无线传感网来说,上述方法的效果更加有限。特别是对于一些工作在危险环境中的认知无线传感网来说,进行电池更换或能量补充更加难以实现。而采用固定能量源供电,必然增加设备体积,降低网络部署的灵活性。
能量收集技术是解决认知无线传感网能量受限问题的一个有效途径。理论上,能量收集技术可以为认知无线传感网提供永久的能量供应。但是,传统的能量源,如风能、太阳能等自然界的可再生能源,都存在着随机性和不连续性,因此不能保证持续性的能量供应。随着射频设备的大量使用,射频信号所携带的能量受到越来越多的关注。特别是城市地区,射频信号丰富,且持续性强,可以保证连续的能量收集,实现对设备的持续供电。
对于认知无线传感网来说,主用户之间通信所用到的射频信号是可预测的持续性能量源。因此,如果认知无传感网中的认知传感节点具备了能量收集能力,可以收集授权频段上主用户发射的射频信号能量,并利用该能量在授权频段进行数据传输,那么意味着认知无线传感网可以同时利用主用户的授权频谱和射频信号能量,进而实现绿色的网络共存。现有的问题在于,采用何种能量收集和功率控制方法使得认知无线传感网的性能最佳,同时确保不对主用户造成严重干扰。本发明的目的就在于设计一种认知无线传感网的能量收集和功率控制方法,实现最优的网络资源分配,进而使得认知无线传感网的吞吐量性能最佳。
发明内容
本发明针对传统无线传感网所面临的频谱和能量双重受限的问题,提出了一种认知无线传感网的能量收集和功率控制方法。该方法以最大化网络吞吐量为目标,通过数学优化方法,对多个认知传感节点的传输时间和发射功率进行联合优化,实现了最优传输时间和发射功率的分配。其中,传输时间的分配决定了每个认知传感节点的能量收集时间和数据传输时间,而发射功率分配决定了认知传感节点在不影响主用户情况下的最大可行发射功率,两者共同决定认知无线传感网的吞吐量性能。
为了实现最优资源分配并获得最优的吞吐量性能,本发明所采用的技术方案是:一种认知无线传感网的能量收集和功率控制方法,包括以下步骤:
步骤1,建立由一个汇聚节点和多个具有能量收集能力的认知传感节点组成的星型认知无线传感网;
步骤2,汇聚节点和认知传感节点在每个传输周期开始前分别进行信道质量评估,各认知传感节点完成信道质量评估后,将评估结果发送给汇聚节点;
步骤3,汇聚节点以最大化网络吞吐量为目标,对多个认知传感节点的传输时间和发射功率进行联合优化,获得最优资源分配结果;
步骤4,汇聚节点将最优资源分配结果广播给认知传感节点,对认知传感节点进行传输调度;
步骤5,认知传感节点进行能量收集或数据传输。
所述星型认知无线传感网中,以汇聚节点为中心,多个认知传感节点为终端;所述认知传感节点以次用户身份接入到主用户网络的授权频段,并与汇聚节点进行通信;所述主用户网络包含1个无线基站和1个主用户。
所述认知无线传感网采用时分多址接入机制进行传输调度,认知传感节点在其分配的传输时间内与汇聚节点进行周期性通信;其中,一个通信周期的长度与一个帧的长度相同。
所述汇聚节点采用固定能量源进行持续性供电,并负责认知无线传感网的集中式资源分配和传输调度。
所述认知传感节点没有固定能量源供电,仅配备能量收集装置,并完全依靠所收集的能量进行供电;认知传感节点根据收集的能量在分配的传输时间以分配的发射功率将传感数据上传给汇聚节点。
所述步骤2包括:
汇聚节点评估认知传感节点到自身的信道功率增益,以及基站到自身的信道功率增益;
认知传感节点评估基站到自身的信道功率增益,以及自身到主用户的信道功率增益。
所述步骤3包括以下步骤:
A.以最大化网络吞吐量为目标,以各认知传感节点的传输时间和发射功率为变量,建立如下优化问题P1:
其中,M为认知传感节点的数量;τk和Pk分别为认知传感节点CSk的传输时间和发射功率,τ0为全部认知传感节点共享,并记τ=[τ0,τ1,τ2,...,τM]和T为一个帧的长度;ξ为各认知传感节点所配备的能量收集装置的能量收集与转化效率;Pt为基站的发射功率;Ip为主用户所能承受的最大干扰功率;hk为基站与认知传感节点CSk间的信道功率增益;h0为基站与汇聚节点间的信道功率增益;gk为汇聚节点与认知传感节点CSk间的信道功率增益;fk为认知传感节点CSk与主用户间的信道功率增益;N0为噪声功率;
B.将优化问题P1转换为如下关于传输时间和消耗能量的资源分配问题P2:
其中,ek=Pkτk为认知传感节点CSk在分配的传输时间内以分配的发射功率进行数据传输所消耗的能量,并记e=[e1,...,eM];
C.采用对偶分解方法求解问题P2的拉格朗日对偶问题,即
其中,为问题P2的部分拉格朗日函数,λk和μ分别为问题P2中约束条件C1和C4的拉格朗日乘子,为满足问题P2中约束条件C2和C3的可行域;
D.求解问题P3,得到对于给定λk的传输时间和消耗能量的分配结果:
其中,(x)+表示x与0的最大值,exp(x)为指数函数,为Lambert W函数;
E.采用椭球法更新拉格朗日乘子λk,进而获得最优的传输时间和消耗能量分配;
F.根据获得的关于传输时间和消耗能量的最优资源分配结果,求解关于发射功率的最优分配其中
所述步骤5的过程为:认知传感节点根据汇聚节点的最优资源分配结果,在分配的传输时间内,按分配的发射功率依次向汇聚节点发送数据,在其余时间均进行能量收集。
本发明具有以下优点及有益效果:
1、本发明方法以最大化网络吞吐量为目标,对认知无线传感网的能量收集和功率控制方法进行了联合设计,实现了对传输时间和发射功率的最优资源分配。
2、本发明方法通过优化认知无线传感网的能量收集方法,建立了无需外部能量源供电的绿色网络,有效解决了传统无线传感网的能量受限问题,实现了网络的长期灵活部署。
3、本发明方法通过优化认知无线传感网的功率控制方法,在不影响主用户的前提下,实现了认知无线传感网在授权频段的连续传输,有效解决了传统无线传感网在ISM频段所面临的信道拥挤问题,提高了频谱利用率。
附图说明
图1为认知无线传感网模型;
图2为认知无线传感网的周期帧结构;
图3为能量收集与功率控制方法流程图。
具体实施方式
本发明所提出的一种认知无线传感网的能量收集与功率控制方法,主要包括以下实现过程:(1)建立由一个汇聚节点和多个具有能量收集能力的认知传感节点组成的星型认知无线传感网;(2)汇聚节点和认知传感节点进行信道质量评估;(3)汇聚节点以最大化网络吞吐量为目标,对多个认知传感节点的传输时间和发射功率进行联合优化,获得最优资源分配结果;(4)汇聚节点将最优资源分配结果广播给认知传感节点,对认知传感节点进行传输调度;(5)认知传感节点进行能量收集或数据传输。
下面结合附图对本发明做详细说明。
(1)建立由一个汇聚节点和多个具有能量收集能力的认知传感节点组成的星型认知无线传感网
认知无线传感网以次用户网络的身份接入到授权频段,与主用户网络共存。如图1所示,主用户网络包含1个大功率的无线基站(BS)和1个主用户(PU)。认知无线传感网包含1个汇聚节点(Sink)和M个认知传感节点(CS)。其中,汇聚节点采用固定能量源进行持续性供电,而认知传感节点没有固定能量源供电,完全依靠能量收集装置所收集的能量进行供电。
认知无线传感网采用星型网络拓扑结构,汇聚节点负责网络的集中式资源分配和传输调度,认知传感节点负责将所采集的传感数据通过授权频段上传给汇聚节点。认知传感节点采用时分多址接入(TDMA)的方式与汇聚节点进行周期性通信,所采用的帧结构如图2所示,其中,τ0表示为各认知传感节点设计的初始能量收集时间,τk表示CSk的传输时间。除了传输时间τk外,CSk始终进行能量收集。
(2)认知传感节点和汇聚节点进行信道质量评估
每个传输周期开始时,汇聚节点和认知传感节点分别进行信道质量评估,并交互信道质量评估结果。其中,汇聚节点评估认知传感节点CSk到自身的数据链路上的信道功率增益gk,以及基站到自身的信道功率增益h0;认知传感节点CSk评估基站到自身的能量链路上的信道功率增益hk,以及自身到主用户的干扰链路上的信道功率增益fk。各认知传感节点完成信道质量评估后,将评估结果发送给汇聚节点。由于信道质量评估过程所需时间固定,且时间极端,故忽略这部分时间,并假设信道质量评估工作可以在初始时隙τ0内完成。
(3)汇聚节点以最大化网络吞吐量为目标,对多个认知传感节点的传输时间和发射功率进行联合优化,获得最优资源分配结果
汇聚节点根据获得的全网信道功率增益信息,通过数学优化方法计算网络的最优资源分配。具体过程如下:
A.以最大化网络吞吐量为目标,以分配给各认知传感节点的传输时间τ=[τ0,τ1,τ2,...,τM]和发射功率P=[P1,P2,...,PM]为变量,建立优化问题P1如下:
其中,ξ为各认知传感节点所配备的能量收集装置的能量收集率,Pt为基站的发射功率,Ip为主用户所能承受的最大干扰功率,N0为噪声功率,T为整个帧的时长。
问题P1中,目标函数中的网络吞吐量定义为各认知传感节点在一个传输周期内获得的吞吐量之和。其中,每个认知传感节点的吞吐量受其传输时间和发射功率的影响。同时,目标函数还考虑了基站对汇聚节点的干扰。约束条件C1表示各认知传感节点根据传输时间和发射功率所消耗的能量不大于其吸收的能量;约束条件C2表示各认知传感节点的发射功率不能大于主用户所能承受的最大干扰阈值Ip;约束条件C3表示分配给每个认知传感节点的传输时间限制;约束条件C4表示全部认知传感节点的总分配时间限制。显然,上述关于传输时间和发射功率分配的优化问题P1是一个非凸优化问题。
B.将关于传输时间和发射功率的资源分配问题P1转换为如下关于传输时间和消耗能量的资源分配问题:
其中,ek=Pkτk为认知传感节点CSk在分配的传输时间内以分配的发射功率进行数据传输所消耗的能量,且e=[e1,...,eM]。转换后的问题P2是一个凸优化问题,可以采用凸优化技术求解。
C.采用对偶分解方法求解优化问题P2的拉格朗日对偶问题[S.Boyd,L.Vandenberghe,Convex optimization,Cambridge,U.K.:Cambridge University Press,2004],即
其中,为优化问题P2的部分拉格朗日函数,λk和μ为分别约束条件C1和C4的拉格朗日乘子,为满足约束条件C2和C3的可行域。
D.求解问题P3,得到对于给定λk的时间和能量的分配结果:
其中,(x)+表示x与0的最大值,exp(x)为指数函数,为Lambert W函数[R.M.Corless,G.H.Gonnet,D.E.G.Hare,D.J.Jeffrey,andD.E.Knuth,“On the Lambert W function,Advances in Computational Mathematics,vol.5,no.1,pp.329–359,1996.]。
E.采用椭球法[R.G.Bland,D.Goldfarb,and M.J.Todd.The ellipsoid method:Asurvey.Operations Research,29(6):1039–1091,1981.]更新拉格朗日乘子λk,进而获得关于传输时间和消耗能量的最优资源分配。
F.根据获得的关于传输时间和消耗能量的最优资源分配结果,求解最优发射功率分配其中
(4)汇聚节点将最优资源分配结果广播给各认知传感节点,对认知传感节点进行传输调度
汇聚节点将联合优化所得的最优传输时间和发射功率等资源分配结果以广播的方式发送给各个认知传感节点。相应地,认知传感节点接收汇聚节点广播的最优资源分配结果。
(5)认知传感节点进行能量收集或数据传输
各认知传感节点根据汇聚节点的资源分配结果,在分配的传输时间内,以分配的发射功率向汇聚节点传输数据,在其余时间均进行能量收集。具体来说,认知传感节点CSk在分配的传输时间以发射功率向汇聚节点发送数据。根据TDMA机制,数据传输CS1从开始,直到CSM结束。结束一个周期的传输后,转而进入下一个周期。
上述5个步骤循环进行,其过程如图3所示。
Claims (8)
1.一种认知无线传感网的能量收集与功率控制方法,其特征在于,包括以下步骤:
步骤1,建立由一个汇聚节点和多个具有能量收集能力的认知传感节点组成的星型认知无线传感网;
步骤2,汇聚节点和认知传感节点在每个传输周期开始前分别进行信道质量评估,各认知传感节点完成信道质量评估后,将评估结果发送给汇聚节点;
步骤3,汇聚节点以最大化网络吞吐量为目标,对多个认知传感节点的传输时间和发射功率进行联合优化,获得最优资源分配结果;
步骤4,汇聚节点将最优资源分配结果广播给认知传感节点,对认知传感节点进行传输调度;
步骤5,认知传感节点进行能量收集或数据传输。
2.根据权利要求1所述一种认知无线传感网的能量收集与功率控制方法,其特征在于,所述星型认知无线传感网中,以汇聚节点为中心,多个认知传感节点为终端;所述认知传感节点以次用户身份接入到主用户网络的授权频段,并与汇聚节点进行通信;所述主用户网络包含1个无线基站和1个主用户。
3.根据权利要求1所述一种认知无线传感网的能量收集与功率控制方法,其特征在于,所述认知无线传感网采用时分多址接入机制进行传输调度,认知传感节点在其分配的传输时间内与汇聚节点进行周期性通信;其中,一个通信周期的长度与一个帧的长度相同。
4.根据权利要求1所述一种认知无线传感网的能量收集与功率控制方法,其特征在于,所述汇聚节点采用固定能量源进行持续性供电,并负责认知无线传感网的集中式资源分配和传输调度。
5.根据权利要求1所述一种认知无线传感网的能量收集与功率控制方法,其特征在于,所述认知传感节点没有固定能量源供电,仅配备能量收集装置,并完全依靠所收集的能量进行供电;认知传感节点根据收集的能量在分配的传输时间以分配的发射功率将传感数据上传给汇聚节点。
6.根据权利要求1所述一种认知无线传感网的能量收集与功率控制方法,其特征在于,所述步骤2包括:
汇聚节点评估认知传感节点到自身的信道功率增益,以及基站到自身的信道功率增益;
认知传感节点评估基站到自身的信道功率增益,以及自身到主用户的信道功率增益。
7.根据权利要求1所述一种认知无线传感网的能量收集与功率控制方法,其特征在于,所述步骤3包括以下步骤:
A.以最大化网络吞吐量为目标,以各认知传感节点的传输时间和发射功率为变量,建立如下优化问题P1:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>C</mi>
<mn>1</mn>
<mo>:</mo>
<msub>
<mi>P</mi>
<mi>k</mi>
</msub>
<msub>
<mi>&tau;</mi>
<mi>k</mi>
</msub>
<mo>&le;</mo>
<msub>
<mi>&xi;P</mi>
<mi>t</mi>
</msub>
<msub>
<mi>h</mi>
<mi>k</mi>
</msub>
<munderover>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
</munder>
<mrow>
<mi>i</mi>
<mo>&NotEqual;</mo>
<mi>k</mi>
</mrow>
<mi>M</mi>
</munderover>
<msub>
<mi>&tau;</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>k</mi>
<mo>&Element;</mo>
<mo>{</mo>
<mn>1</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>M</mi>
<mo>}</mo>
<mo>,</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mrow>
<mi>C</mi>
<mn>2</mn>
<mo>:</mo>
<mn>0</mn>
<mo>&le;</mo>
<msub>
<mi>P</mi>
<mi>k</mi>
</msub>
<mo>&le;</mo>
<mfrac>
<msub>
<mi>I</mi>
<mi>p</mi>
</msub>
<msub>
<mi>f</mi>
<mi>k</mi>
</msub>
</mfrac>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>k</mi>
<mo>&Element;</mo>
<mo>{</mo>
<mn>1</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>M</mi>
<mo>}</mo>
<mo>,</mo>
</mrow>
<mrow>
<mi>C</mi>
<mn>3</mn>
<mo>:</mo>
<mn>0</mn>
<mo>&le;</mo>
<msub>
<mi>&tau;</mi>
<mi>k</mi>
</msub>
<mo>&le;</mo>
<mi>T</mi>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>k</mi>
<mo>&Element;</mo>
<mo>{</mo>
<mn>1</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>M</mi>
<mo>}</mo>
<mo>,</mo>
</mrow>
<mrow>
<mi>C</mi>
<mn>4</mn>
<mo>:</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>M</mi>
</munderover>
<msub>
<mi>&tau;</mi>
<mi>k</mi>
</msub>
<mo>&le;</mo>
<mi>T</mi>
<mo>,</mo>
</mrow>
其中,M为认知传感节点的数量;τk和Pk分别为认知传感节点CSk的传输时间和发射功率,τ0为全部认知传感节点共享,并记τ=[τ0,τ1,τ2,...,τM]和T为一个帧的长度;ξ为各认知传感节点所配备的能量收集装置的能量收集与转化效率;Pt为基站的发射功率;Ip为主用户所能承受的最大干扰功率;hk为基站与认知传感节点CSk间的信道功率增益;h0为基站与汇聚节点间的信道功率增益;gk为汇聚节点与认知传感节点CSk间的信道功率增益;fk为认知传感节点CSk与主用户间的信道功率增益;N0为噪声功率;
B.将优化问题P1转换为如下关于传输时间和消耗能量的资源分配问题P2:
<mrow>
<mi>P</mi>
<mn>2</mn>
<mo>:</mo>
<munder>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mrow>
<mi>&tau;</mi>
<mo>,</mo>
<mi>e</mi>
</mrow>
</munder>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<msub>
<mi>&tau;</mi>
<mi>k</mi>
</msub>
<msub>
<mi>log</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mfrac>
<msub>
<mi>e</mi>
<mi>k</mi>
</msub>
<msub>
<mi>&tau;</mi>
<mi>k</mi>
</msub>
</mfrac>
<msub>
<mi>&rho;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>C</mi>
<mn>1</mn>
<mo>:</mo>
<msub>
<mi>e</mi>
<mi>k</mi>
</msub>
<mo>&le;</mo>
<msub>
<mi>&xi;P</mi>
<mi>t</mi>
</msub>
<msub>
<mi>h</mi>
<mi>k</mi>
</msub>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msub>
<mi>&tau;</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>k</mi>
<mo>&Element;</mo>
<mo>{</mo>
<mn>1</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>M</mi>
<mo>}</mo>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>,</mo>
</mrow>
<mrow>
<mi>C</mi>
<mn>2</mn>
<mo>:</mo>
<mn>0</mn>
<mo>&le;</mo>
<msub>
<mi>e</mi>
<mi>k</mi>
</msub>
<mo>&le;</mo>
<mfrac>
<mrow>
<msub>
<mi>&tau;</mi>
<mi>k</mi>
</msub>
<msub>
<mi>I</mi>
<mi>p</mi>
</msub>
</mrow>
<msub>
<mi>f</mi>
<mi>k</mi>
</msub>
</mfrac>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>k</mi>
<mo>&Element;</mo>
<mo>{</mo>
<mn>1</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>M</mi>
<mo>}</mo>
<mo>,</mo>
</mrow>
<mrow>
<mi>C</mi>
<mn>3</mn>
<mo>:</mo>
<mn>0</mn>
<mo>&le;</mo>
<msub>
<mi>&tau;</mi>
<mi>k</mi>
</msub>
<mo>&le;</mo>
<mi>T</mi>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>k</mi>
<mo>&Element;</mo>
<mo>{</mo>
<mn>1</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>M</mi>
<mo>}</mo>
<mo>,</mo>
</mrow>
<mrow>
<mi>C</mi>
<mn>4</mn>
<mo>:</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>M</mi>
</munderover>
<msub>
<mi>&tau;</mi>
<mi>k</mi>
</msub>
<mo>&le;</mo>
<mi>T</mi>
<mo>.</mo>
</mrow>
其中,ek=Pkτk为认知传感节点CSk在分配的传输时间内以分配的发射功率进行数据传输所消耗的能量,并记e=[e1,...,eM];
C.采用对偶分解方法求解问题P2的拉格朗日对偶问题,即
其中,为问题P2的部分拉格朗日函数,λk和μ分别为问题P2中约束条件C1和C4的拉格朗日乘子,为满足问题P2中约束条件C2和C3的可行域;
D.求解问题P3,得到对于给定λk的传输时间和消耗能量的分配结果:
<mrow>
<msub>
<mi>e</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<mfrac>
<msub>
<mi>&tau;</mi>
<mi>k</mi>
</msub>
<mrow>
<mi>l</mi>
<mi>n</mi>
<mn>2</mn>
<msub>
<mi>&lambda;</mi>
<mi>k</mi>
</msub>
</mrow>
</mfrac>
<mo>-</mo>
<mfrac>
<msub>
<mi>&tau;</mi>
<mi>k</mi>
</msub>
<msub>
<mi>&rho;</mi>
<mi>k</mi>
</msub>
</mfrac>
</mrow>
<mo>)</mo>
</mrow>
<mo>+</mo>
</msup>
<mo>,</mo>
<mfrac>
<mrow>
<msub>
<mi>I</mi>
<mi>p</mi>
</msub>
<msub>
<mi>&tau;</mi>
<mi>k</mi>
</msub>
</mrow>
<msub>
<mi>f</mi>
<mi>k</mi>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>k</mi>
<mo>&Element;</mo>
<mo>{</mo>
<mn>1</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>M</mi>
<mo>}</mo>
</mrow>
<mrow>
<msub>
<mi>&tau;</mi>
<mn>0</mn>
</msub>
<mo>=</mo>
<mi>T</mi>
<mo>-</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<msub>
<mi>&tau;</mi>
<mi>k</mi>
</msub>
</mrow>
其中,(x)+表示x与0的最大值,exp(x)为指数函数,为Lambert W函数;
E.采用椭球法更新拉格朗日乘子λk,进而获得最优的传输时间和消耗能量分配;
F.根据获得的关于传输时间和消耗能量的最优资源分配结果,求解关于发射功率的最优分配其中
8.根据权利要求1所述一种认知无线传感网的能量收集与功率控制方法,其特征在于,所述步骤5的过程为:认知传感节点根据汇聚节点的最优资源分配结果,在分配的传输时间内,按分配的发射功率依次向汇聚节点发送数据,在其余时间均进行能量收集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610815487.8A CN107820317B (zh) | 2016-09-12 | 2016-09-12 | 一种认知无线传感网的能量收集与功率控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610815487.8A CN107820317B (zh) | 2016-09-12 | 2016-09-12 | 一种认知无线传感网的能量收集与功率控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107820317A true CN107820317A (zh) | 2018-03-20 |
CN107820317B CN107820317B (zh) | 2021-06-22 |
Family
ID=61601205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610815487.8A Active CN107820317B (zh) | 2016-09-12 | 2016-09-12 | 一种认知无线传感网的能量收集与功率控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107820317B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108811068A (zh) * | 2018-07-24 | 2018-11-13 | 广东工业大学 | 一种资源分配方法、装置和计算机可读存储介质 |
CN109039660A (zh) * | 2018-08-05 | 2018-12-18 | 广西师范大学 | Eh分布式基站***的能量共享和功率分配方法 |
CN109041232A (zh) * | 2018-07-17 | 2018-12-18 | 广东工业大学 | 一种基于无线携能通信的资源分配方法及装置 |
CN109152101A (zh) * | 2018-10-25 | 2019-01-04 | 中国运载火箭技术研究院 | 一种能源自拾取无线传感网络 |
CN109275149A (zh) * | 2018-09-29 | 2019-01-25 | 南京邮电大学 | 一种认知无线供电网络中基于能量累积的资源分配方法 |
CN109769257A (zh) * | 2019-01-16 | 2019-05-17 | 重庆邮电大学 | 基于能效的异构网络鲁棒资源分配和时长混合优化方法 |
CN111212468A (zh) * | 2020-03-25 | 2020-05-29 | 中国电子科技集团公司第五十四研究所 | 多载波认知无线电无线携能通信资源分配方法 |
CN111343216A (zh) * | 2018-12-18 | 2020-06-26 | 深圳先进技术研究院 | 物联网数据传输方法、装置、终端设备及可读存储介质 |
CN111601378A (zh) * | 2020-05-11 | 2020-08-28 | 重庆邮电大学 | 一种能量收集不均衡传感网中的富余能量主动分享方法 |
-
2016
- 2016-09-12 CN CN201610815487.8A patent/CN107820317B/zh active Active
Non-Patent Citations (5)
Title |
---|
CHI XU等: "Outage Performance of Underlay Multihop Cognitive Relay Networks With Energy Harvesting", 《IEEE COMMUNICATIONS LETTERS》 * |
MENG ZHENG等: "Harvesting-throughput tradeoff for RF-powered underlay cognitive radio networks", 《ELECTRONICS LETTERS》 * |
SEUNGHYUN LEE等: "Cognitive Wireless Powered Network: Spectrum Sharing Models and Throughput Maximization", 《IEEE TRANSACTIONS ON COGNITIVE COMMUNICATIONS AND NETWORKING》 * |
许驰等: "新型认知无线传感器网络的吞吐量分析", 《软件学报》 * |
许驰等: "认知无线传感器网络的协作频谱感知", 《信息与控制》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109041232A (zh) * | 2018-07-17 | 2018-12-18 | 广东工业大学 | 一种基于无线携能通信的资源分配方法及装置 |
CN108811068B (zh) * | 2018-07-24 | 2021-07-02 | 广东工业大学 | 一种资源分配方法、装置和计算机可读存储介质 |
CN108811068A (zh) * | 2018-07-24 | 2018-11-13 | 广东工业大学 | 一种资源分配方法、装置和计算机可读存储介质 |
CN109039660A (zh) * | 2018-08-05 | 2018-12-18 | 广西师范大学 | Eh分布式基站***的能量共享和功率分配方法 |
CN109039660B (zh) * | 2018-08-05 | 2020-11-20 | 广西师范大学 | Eh分布式基站***的能量共享和功率分配方法 |
CN109275149A (zh) * | 2018-09-29 | 2019-01-25 | 南京邮电大学 | 一种认知无线供电网络中基于能量累积的资源分配方法 |
CN109275149B (zh) * | 2018-09-29 | 2022-08-16 | 南京邮电大学 | 一种认知无线供电网络中基于能量累积的资源分配方法 |
CN109152101A (zh) * | 2018-10-25 | 2019-01-04 | 中国运载火箭技术研究院 | 一种能源自拾取无线传感网络 |
CN109152101B (zh) * | 2018-10-25 | 2021-06-11 | 中国运载火箭技术研究院 | 一种能源自拾取无线传感网络 |
CN111343216B (zh) * | 2018-12-18 | 2022-09-20 | 深圳先进技术研究院 | 物联网数据传输方法、装置、终端设备及可读存储介质 |
CN111343216A (zh) * | 2018-12-18 | 2020-06-26 | 深圳先进技术研究院 | 物联网数据传输方法、装置、终端设备及可读存储介质 |
CN109769257B (zh) * | 2019-01-16 | 2021-09-10 | 重庆邮电大学 | 基于能效的异构网络鲁棒资源分配和时长混合优化方法 |
CN109769257A (zh) * | 2019-01-16 | 2019-05-17 | 重庆邮电大学 | 基于能效的异构网络鲁棒资源分配和时长混合优化方法 |
CN111212468B (zh) * | 2020-03-25 | 2022-07-08 | 中国电子科技集团公司第五十四研究所 | 多载波认知无线电无线携能通信资源分配方法 |
CN111212468A (zh) * | 2020-03-25 | 2020-05-29 | 中国电子科技集团公司第五十四研究所 | 多载波认知无线电无线携能通信资源分配方法 |
CN111601378A (zh) * | 2020-05-11 | 2020-08-28 | 重庆邮电大学 | 一种能量收集不均衡传感网中的富余能量主动分享方法 |
CN111601378B (zh) * | 2020-05-11 | 2022-03-11 | 重庆邮电大学 | 一种能量收集不均衡传感网中的富余能量主动分享方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107820317B (zh) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107820317A (zh) | 一种认知无线传感网的能量收集与功率控制方法 | |
Qian et al. | Optimal SIC ordering and computation resource allocation in MEC-aware NOMA NB-IoT networks | |
Gao et al. | Towards energy-fairness in lora networks | |
Malak et al. | Optimizing data aggregation for uplink machine-to-machine communication networks | |
Kai et al. | Energy-efficient sensor grouping for IEEE 802.11 ah networks with max-min fairness guarantees | |
Triantafyllou et al. | Leveraging fairness in LoRaWAN: A novel scheduling scheme for collision avoidance | |
CN105120474A (zh) | 基于能量采集无线传感器网络的能量管理方法 | |
Misra et al. | Adaptive listen for energy-efficient medium access control in wireless sensor networks | |
CN105873219A (zh) | 基于GASE的TDMA无线Mesh网络资源分配方法 | |
CN103491566A (zh) | 一种面向无线体域网的能量效率优化方法 | |
Ashraf et al. | Optimization of the overall success probability of the energy harvesting cognitive wireless sensor networks | |
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 | |
Nair et al. | Hybrid spectrum sharing in dynamic spectrum access networks | |
CN108174448B (zh) | 蜂窝d2d通信的资源分配方法 | |
Wang et al. | Energy-efficient and delay-guaranteed routing algorithm for software-defined wireless sensor networks: A cooperative deep reinforcement learning approach | |
CN102970714B (zh) | 一种认知无线自组织网络多径路由的流量分配方法及装置 | |
CN106973440A (zh) | 面向无线供电网络的时间分配优化方法 | |
Azoulay et al. | Transmission power control using deep neural networks in TDMA-based ad-hoc network clusters | |
CN102724669B (zh) | 认知无线电网络中基于主用户保护的路由和时隙分配方法 | |
Liu et al. | Toward hybrid backscatter-aided wireless-powered Internet of Things networks: Cooperation and coexistence scenarios | |
Liu et al. | Transmission capacity of D2D communication under heterogeneous networks with multi-bands | |
Banitalebi et al. | Distributed learning-based resource allocation for self-organizing c-v2x communication in cellular networks | |
Pei et al. | Intelligent access to unlicensed spectrum: a mean field based deep reinforcement learning approach | |
CN107484255A (zh) | 一种基于频率分组的多信道csma协议中最优信道数确定方法 | |
Lu et al. | ZebraBAN: a heterogeneous high‐performance energy efficient wireless body sensor 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 |