CN108696880A - 一种基于功率控制的定向生成树跨层通信方法 - Google Patents
一种基于功率控制的定向生成树跨层通信方法 Download PDFInfo
- Publication number
- CN108696880A CN108696880A CN201810351548.9A CN201810351548A CN108696880A CN 108696880 A CN108696880 A CN 108696880A CN 201810351548 A CN201810351548 A CN 201810351548A CN 108696880 A CN108696880 A CN 108696880A
- Authority
- CN
- China
- Prior art keywords
- node
- network
- model
- formula
- communication
- 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.)
- Pending
Links
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
- H04W16/22—Traffic simulation tools or models
-
- 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
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
-
- 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
- H04W52/18—TPC being performed according to specific parameters
-
- 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)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种基于功率控制的定向生成树跨层通信方法,其特征在于,包括以下步骤:第一步、建立基于地理位置信息的定向生成树模型;第二步、建立跨层的节点传输功率控制模型,并求解出最优的节点传输功率解集。本发明采用定向生成树算法以解决数据传输过程中的无效能耗问题,并控制节点的传输功率以降低网络通信竞争强度。与同领域其它方案相比,本发明能够有效平衡网络通信的能耗和可靠性,满足无线传感器网络长时间高鲁棒性工作的要求。
Description
技术领域
本发明针对无线传感器网络的通信质量需求,提出了一种基于功率控制的定向生成树跨层通信方法,比较适用于无线传感器网络、VANET、ad hoc网络、无线网络通信领域。
背景技术
路由技术无线传感器网络(以下简称WSN)是一种典型的无基础设施无线通讯网络,它由大量具有计算处理、无线通信和传感能力的低能量节点构成,各节点通过传感或控制参数实现与环境的交互与传统网络概念不同,WSN具有以数据为中心、无需有线支持和网络自组织等特点,因而被认为是最适于实现环境智能化的信息处理手段,具有良好的理论发展前景和应用价值。
作为一种先进的信息获取手段,WSN需要有可靠的通信协议以满足数据可靠传输的需要。而WSN能量结构都给通信协议研究提出了新的问题。现有的分层协议栈难以对WSN的整体服务质量(英文简称为QoS)进行合理优化。而跨层设计思想能够协调网络协议层间的工作进程,建立网络全局约束条件和优化指标,实现网络整体优化,因而成为WSN领域的一个新的研究方向。Low等在1999年就提出了建立网络分布式优化函数实现网络流量控制的方法[Low S H,Lapsley D E.Optimal flow control,I:basic algorithm andconvergence[J].I EEE/A CM Transactions on Networking,1999,7(6):861-874.]。文献[Zawodniok M,Jagannathan S.A distributed power control MAC protocol forwireless ad hoc network[C]//Wireless Communications and NetworkingConference.Atlanta,2004:1915-1920.]在2004年针对无线自组织网络的通信资源分配不确定性提出了一种基于功率控制的分布式MAC协议。文献[Chiang M.Balancing transportand physical layers in wireless multihop networks:jointly optimal congestioncontrol and power control[J].I EEE Journal on Selected A reas in Com munications,2005,23(1):104-116.]在2005年提出了将物理层功率控制和传输层网络拥塞控制进行平衡来提升网络吞吐量和节能性,并在文献[Chiang M,Low S H,Calderbank AR.Layering as optimization decomposition:a mathematical theory of networkarchitectures[J].Proceedings ofthe I EEE,2007,95(1):255-312.]中对无线网络的跨层优化分解数学问题进行了详细而***的分析与讨论。
文献[Park S,Sivakumar R.Load-Sensitive transmission power control inwireless ad-hoc networks.In:Park J,ed.Proc.of the GlobeCom 2002.Taipei:IEEEPress,2002.42-46.]中提出的CPC(common power control)协议中,每个节点通过本地信息确定与邻居节点的最优发射功率,并通过洪泛机制将所有节点最大的最优发射功率值确定为全网统一发送功率。CPC协议的核心思想是取保证网络连通的最小发射功率值作为全网的发射功率,以此达到降低网络能耗、扩大网络容量的目的。但是文献[Park S,Sivakumar R.Quantitative analysis of transmission power control in wirelessad-hoc networks.In:Lilja D,ed.Proc.of the ICPP 2002.Vancouver:IEEE ComputerSociety,2002.56-63.]通过理论分析得出,保证全网连通的最小传输功率虽然在高密度网络中能够取得较好的性能表现,但并不具有典型性。网络最优传输功率往往与移动节点密度、网络规模和流量负载密切相关。
文献[Narayanaswamy S,Kawadia V,Sreenivas RS.Power control in ad-hocnetworks:Theory,architecture,algorithm and implementation of the COMPOWprotocol.In:Lenzini L,ed.Proc.of the European Wireless Conf.2002.Florence,2002.156-162.]提出的COMPOW协议在网络中使用统一的发射功率,旨在保证整个网络在有效连通的状态下,以最低的发射功率完成消息的传递。每个节点上以多个使用不同发射功率级的路由代理(Agent)对网络进行探测,每个路由代理维护一个路由列表。完成全网探测后,比较各个路由代理最后得到的路由表项数,取其中发射功率最小且所形成的网络路由表项数和以最大发射功率所得的路由表项数一致的那个发射功率作为全网统一的发射功率。COMPOW可以降低网络能耗,扩大吞吐量,并且不存在不对称发射功率导致的隐蔽站问题严重的现象。然而,COMPOW在全网内仍然使用统一的发射功率,而不是针对不同目的节点自适应地调整到最优发射功率,因此还是不可避免地引入了不必要的能量消耗和信道噪声,多个路由代理在探测网络路由时也会带来大量的额外开销。
发明内容
本发明的目的是:提出一种新的跨层通信方法,该方法采用定向生成树算法以解决数据传输过程中的无效能耗问题,并控制节点的传输功率以降低网络通信竞争强度。
为了达到上述目的,本发明的技术方案是提供了一种基于功率控制的定向生成树跨层通信方法,其特征在于,包括以下步骤:
第一步、基于以下两个假设建立基于地理位置信息的定向生成树模型:假设一)在网络初始化阶段,通过定位计算每个节点掌握自身及汇聚节点位置信息;假设二)在网络初始化阶段,所有节点具有正常发送、接收数据包的能量,并采用多跳形式向汇聚节点发送信息,在定向生成树模型建立过程中,节点在选择父节点时,加以方向控制以使数据发送更趋向于汇聚节点,包括:
基于拓扑学建立一个连通无向加权图G=(V,E,W)以表示无线传感器网络,式中,V={v1,...,vn}是节点集合,对应每个无线传感器节点;E={eij|eij=d(i,j)≤Rimax}是边集,即任意两个节点间的无向连接,其中,d(i,j)为第i个节点vi与第j个节点vj之间的欧式距离,Rimax为第i个节点vi的最大通信半径,与第i个节点vi的发送功率成正比,d(i,j)≤Rimax即表示第j个节点vj在第i个节点vi的通信范围内,彼此可以正常传送数据;W={w(i,j)}为连通无向加权图G内各边的权值集合,而w(i,j)即为第i个节点vi和第j个节点vj间通信路由的权值,通过定义w(i,j)来为每个节点选择合理的邻居节点作为数据中继节点,从而建立可靠路由,其中:
权值w(i,j)的计算公式为:
式中,d(i,S)与d(j,S)分别为第i个节点vi和第j个节点vj到汇聚节点的欧式距离,其值通过节点位置求得,d(i,S)-d(j,S)为正数且较大,其对应的第j个节点vj在方向上更趋近于汇聚节点,第i个节点vi向其发送数据的无效能量代价和通信时延较小,Pi为第i个节点vi的数据传输功率
第二步、建立跨层的节点传输功率控制模型,并求解出最优的节点传输功率解集Popt={Piopt|i∈n},式中,Piopt表示第i个节点的传送功率最优解,i表示节点序号,n表示节点数,包括以下步骤:
步骤2.1、基于功率控制的网络优化模型建立
步骤2.1.1、设定定向生成树模型中每个节点的最大通信竞争强度为Nj,Nj取值与节点自身位置有关,越接近汇聚节点sink取值越大,从而得到定向生成树模型所有节点的最大通信节点数集N={Nj|j∈n},同时,建立参数矩阵K=(kji),kji为第i个节点vi与第j个节点vj之间的通信代价参数,由发送节点距离汇聚节点sink的跳数决定,表征第i个节点vi与第j个节点vj通信可能性,根据网络连通性规定,kji满足:
式中:kp依据发送节点距离汇聚节点的跳数取值[0,1]之间,而kpPi体现某发送节点对其邻居节点的通信竞争强度;
步骤2.2.2、为每个节点设定一个与数据传输功率相关的可测效用函数UT(Pi),该函数是根据应用用户技术需求设定的,理想状态中它单调递增且为凹函数,上限为1,建立下面的网络全局优化约束模型:
式中,KP表示kpPi,对上式中的约束模型进行求解,便可以满足网络全局技术需求的节点最优传输功率,从而实现对网络节点传输功率的控制;
步骤2.2、基于拉格朗日松弛变换的优化模型求解
为满足定向生成树模型整体技术需求,利用拉格朗日松弛变换原则将网络全局优化约束模型中的优化问题转化为下式:
式中,D(λ)表示基于λ的最优解——节点传输功率,λ=(λj)为拉格朗日乘子向量,k表示迭代次数,而表征的物理意义为网络路由中继节点所需的功耗,基于中继节点的功耗***对其可能子节点vi的功率大小Pi进行有效评估,并推出Pi的求解方程:
并求出网络全局优化约束模型中原问题的对偶模型,即:
***可以借助投影梯度法对对偶模型中的模型进行最优求解,有:
式中:λj(t+1)表示对偶模型的最优解,ρj为***设定的梯度求解步长,而[]+表征公式的求解过程是在正实数集R+上进行投影的,建立原始-对偶模型后,根据原始-对偶算法,对式(5)和式(7)进行反复迭代,得到能够实现网络效用最大化的节点数据传输功率Pi,节点数据传输功率Pi确定后,根据式(1)求出与邻居节点连通边的权值,并选取权值最大边对应的邻居节点作为通信父节点,从而将整个网络构建成为完整的通信生成树。
本发明采用定向生成树算法以解决数据传输过程中的无效能耗问题,并控制节点的传输功率以降低网络通信竞争强度。与同领域其它方案相比,本发明能够有效平衡网络通信的能耗和可靠性,满足无线传感器网络长时间高鲁棒性工作的要求。
为了更好地控制传输功率这一关键因素,本发明构建了一个网络效用最大化模型。并基于原始-对偶算法设计拉格朗日对偶函数,推导出传输功率的最优解集。这些跨层策略的应用能够使无线传感器网络在节能的同时保持良好的通信状态。本发明具有较高的能量效率和较低的存储开销,在节约能量和提高通信吞吐量方面具有很好的表现,能够满足一般无线传感器网络能量有限性的特征。
本发明针对无线传感器网络的对通信质量的需求而提供了一种基于功率控制的定向生成树(Power Controlled Directed Spanning Tree,PCDST)跨层通信协议。它能够有效平衡网络通信的能耗和可靠性,满足无线传感器网络长时间高鲁棒性工作的要求。本发明主要特点有:
1)基于地理位置信息的定向生成树模型。针对生成树算法是结构相对松散,对网络能量消耗和连通性问题侧重于局部,难以对整个网络实施管理的缺点,基于地理位置信息的定向生成树模型建立了单个节点与网络全局的联系,从整体上减少网络能量损耗,提高通信可靠性。
2)基于功率控制的网络优化模型。从优化WSN每个节点传输功率的大小出发,基于功率控制的网络优化模型能合理控制通信中继节点(父节点)周围与之通信的邻居节点个数,有效降低网络竞争强度和能量消耗,从而改善生成树路由算法性能的。
3)拉格朗日松弛变换的优化模型。一旦WSN的节点最优传输功率确定后,PCLCP协议可以根据拉格朗日松弛变换的优化模型求出与邻居节点连通边的权值,并选取权值最大边对应的邻居节点作为通信父节点,从而将整个网络构建成为完整的通信生成树。
PCLCP协议能够在降低网络整体能耗,延长网络生命周期的同时,有效提升网络通信吞吐量,满足网络高效和稳定工作的特点。
本发明通过三个模型基于地理位置信息的定向生成树模型、基于功率控制的网络优化模型和拉格朗日松弛变换的优化模型分别建立了单个节点与网络全局的联系,从整体上来减少网络能量损耗,提高通信可靠性;合理控制通信中继节点(父节点)周围与之通信的邻居节点个数,有效降低网络竞争强度和能量消耗,来实现改善生成树路由算法性能的目的;得到与邻居节点连通边的权值,并选取权值最大边对应的邻居节点作为通信父节点,从而将整个网络构建成为完整的通信生成树。
本发明具有如下优点:
1、定向生成树算法
本发明采用定向生成树算法以解决数据传输过程中的无效能耗问题,并控制节点的传输功率以降低网络通信竞争强度,从而减少网络通信的无效能耗。
2、构建网络效用最大化模型
为了更好地控制传输功率这一关键因素,本发明构建了一个网络效用最大化模型,并基于原始-对偶算法设计拉格朗日对偶函数,推导出传输功率的最优解集,为网络节点定制了最优数据传输功率,从而降低网络通信竞争强度,提高网络吞吐量。这些跨层策略的应用能够使无线传感器网络在节能的同时保持良好的通信状态,使得协议在节约能量和提高通信吞吐量方面具有很好的表现。
附图说明
图1为定向生成树算法中父节点方的选择机制示意图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明提供的一种基于功率控制的定向生成树跨层通信方法包括以下步骤:
1.协议模型
1.1基于地理位置信息的定向生成树模型(以下简称WSN)的建立
生成树(spanning tree)算法是一种典型的多跳通信方法,其目的是基于汇聚节点sink查询内容将网络中所有节点连接成为通向汇聚节点的通信树,其优点为结构简易、分布式特点明显,适于网络自构重组和数据融合;缺点是结构相对松散,对网络能量消耗和连通性问题侧重于局部解决,难以对整个网络实施管理。针对生成树算法的缺点,本发明建立了基于地理位置信息的定向生成树模型,建立了单个节点与网络全局的联系,从整体上减少网络能量损耗,提高通信可靠性。
与其他生成树协议不同,定向生成树模型考虑的是如何节约网络总能耗,因而节点在选择父节点时,要加以方向控制以使数据发送更趋向于汇聚节点。由于以数据为中心的WSN以汇聚节点sink接收数据为有效,因而这种方向性通信能够避免数据向其他方向发送造成的无效能耗,而且还有助于增强数据的实时性。建立模型需要基于以,下两项假设:1)在网络初始化阶段,通过定位计算每个节点掌握自身及汇聚节点位置信息;2)在网络初始化阶段,所有节点具有正常发送、接收数据包的能量,并采用多跳形式向汇聚节点发送信息。
基于拓扑学建立一个连通无向加权图G=(V,E,W)以表示无线传感器网络,其中,V={v1,...,vn}是节点集合,对应每个无线传感器节点;E={eij|eij=d(i,j)≤Rimax}是边集,即任意两个节点间的无向连接,其中d(i,j)为第i个节点vi与第j个节点vj之间的欧式距离(Euclidean Metric),Rimax为节点vi的最大通信半径,它与节点vi的发送功率成正比,d(i,j)≤Rimax即表示节点vj在节点vi的通信范围内,彼此可以正常传送数据;W={w(i,j)}为网络图内各边的权值集合,而w(i,j)即为第i个节点vi和第j个节点vj间通信路由的权值,可以通过定义w(i,j)来为每个节点选择合理的邻居节点作为数据中继节点,从而建立可靠路由。决定权值的要素有很多,为了构建具有方向性的路由协议,这里定义:
式中:d(i,S)与d(j,S)分别为节点vi和节点vj到汇聚节点的欧式距离,其值可以通过节点位置求得;Pi为节点vi的数据传输功率。由式(1)可知权值w(i,j)只与节点到汇聚节点的距离差d(i,S)-d(j,S)以及发送节点vi的功率Pi有关。如图1所示,d(i,S)-d(j,S)的大小在本质上决定了数据发送的方向性。d(i,S)-d(j,S)为正数且较大,其对应的中继节点vj在方向上更趋近于汇聚节点,节点vi向其发送数据的无效能量代价和通信时延较小。所以,当节点vi的数据传输功率Pi确定时,节点vi完全可以依据权值w(i,j)。整个WSN可以依据此选择原则建立路由协议。为了使WSN内的任意节点vi都能选择最优的传输功率,需要建立跨层的节点传输功率控制模型,并求解出最优的节点传输功率解集Popt={Piopt|i∈n},Piopt表示第i个节点最优功耗,i表示第i节点,n表示节点数量。
1.2面向网络全局优化的功率控制模型建立与求解
1.2.1基于功率控制的网络优化模型建立
节点的传输功率是WSN的一个重要参数指标,它直接影响着网络的通信服务质量。传输功率过低,则会使部分节点无法建立通信连接,造成网络的割裂;而功率过大,虽然保证了网络连通,但过多节点参与通信会导致网络的竞争强度增大,从而使节点消耗过多能量,通信数据易于丢包或误传,网络整体性能下降。对于生成树算法来说,竞争强度问题更为重要。这是因为树状通信路由中网络内层节点(位置距离汇聚节点sink近的节点)有更大机会成为某些节点的父节点,承担更为繁重的通信任务。因此,如何优化WSN每个节点传输功率的大小,从而合理控制通信中继节点(父节点)周围与之通信的邻居节点个数,有效降低网络竞争强度和能量消耗成为改善生成树路由算法性能的关键。
基于上述思想,可以设定WSN中每个节点的最大通信竞争强度为Nj,Nj取值与节点自身位置有关,越接近汇聚节点sink取值越大。这样便能得到WSN所有节点的最大通信节点数集N={Nj|j∈n}。同时,建立参数矩阵K=(kji),kji为节点vi与vj间的通信代价参数,由发送节点距离汇聚节点Sink的跳数决定,表征vi与vj通信可能性。根据网络连通性规定,kji满足:
式中:kp依据发送节点距离汇聚节点的跳数取值[0,1]之间,而kpPi可以体现某发送节点对其邻居节点的通信竞争强度。对于生成树中的任一父节点来说,其承受的来自子节点的竞争强度之和必须小于设定的自身最大通信竞争强度。基于网络效用最大化(Network Utility Maximum,NUM)思想,为每个节点设定一个与数据传输功率相关的可测效用函数UT(Pi),该函数是根据应用用户技术需求设定的,理想状态中它单调递增且为凹函数,上限为1,可以建立下面的网络全局优化约束模型。
式中,KP表示kpPi的统称,对式(3)中的约束模型进行求解,便可以满足网络全局技术需求的节点最优传输功率,从而实现对网络节点传输功率的控制。
1.2.2基于拉格朗日松弛变换的优化模型求解
为满足WSN整体技术需求,可以利用拉格朗日松弛变换原则将式(3)中的优化问题转化为下式:
式中:D(λ)表示基于λ的最优解——节点传输功率,λ=(λj)为拉格朗日乘子向量,k表示迭代次数,而表征的物理意义为网络路由中继节点所需的功耗,基于中继节点的功耗***对其可能子节点vi的功率大小Pi进行有效评估,并推出Pi的求解方程:
而根据式(4)也可以很容易求出式(3)中原问题的对偶模型,即:
***可以借助投影梯度法对式(6)中的模型进行最优求解:
式中:λj(t+1)表示对偶模型的最优解,ρj为***设定的梯度求解步长,而[]+表征公式的求解过程是在正实数集R+上进行投影的。建立原始-对偶模型后,根据原始-对偶算法,对式(5)和式(7)进行反复迭代,可以得到能够实现网络效用最大化的节点数据传输功率Pi。
WSN的节点最优传输功率确定后,可以根据式(1)求出与邻居节点连通边的权值,并选取权值最大边对应的邻居节点作为通信父节点,从而将整个网络构建成为完整的通信生成树。
Claims (1)
1.一种基于功率控制的定向生成树跨层通信方法,其特征在于,包括以下步骤:
第一步、基于以下两个假设建立基于地理位置信息的定向生成树模型:假设一)在网络初始化阶段,通过定位计算每个节点掌握自身及汇聚节点位置信息;假设二)在网络初始化阶段,所有节点具有正常发送、接收数据包的能量,并采用多跳形式向汇聚节点发送信息,在定向生成树模型建立过程中,节点在选择父节点时,加以方向控制以使数据发送更趋向于汇聚节点,包括:
基于拓扑学建立一个连通无向加权图G=(V,E,W)以表示无线传感器网络,式中,V={v1,...,vn}是节点集合,对应每个无线传感器节点;E={eij|eij=d(i,j)≤Rimax}是边集,即任意两个节点间的无向连接,其中,d(i,j)为第i个节点vi与第j个节点vj之间的欧式距离,Rimax为第i个节点vi的最大通信半径,与第i个节点vi的发送功率成正比,d(i,j)≤Rimax即表示第j个节点vj在第i个节点vi的通信范围内,彼此可以正常传送数据;W={w(i,j)}为连通无向加权图G内各边的权值集合,而w(i,j)即为第i个节点vi和第j个节点vj间通信路由的权值,通过定义w(i,j)来为每个节点选择合理的邻居节点作为数据中继节点,从而建立可靠路由,其中:
权值w(i,j)的计算公式为:
式中,d(i,S)与d(j,S)分别为第i个节点vi和第j个节点vj到汇聚节点的欧式距离,其值通过节点位置求得,d(i,S)-d(j,S)为正数且较大,其对应的第j个节点vj在方向上更趋近于汇聚节点,第i个节点vi向其发送数据的无效能量代价和通信时延较小,Pi为第i个节点vi的数据传输功率
第二步、建立跨层的节点传输功率控制模型,并求解出最优的节点传输功率解集Popt={Piopt|i∈n},式中,Piopt表示第i个节点的传送功率最优解,i表示节点序号,n表示节点数,包括以下步骤:
步骤2.1、基于功率控制的网络优化模型建立
步骤2.1.1、设定定向生成树模型中每个节点的最大通信竞争强度为Nj,Nj取值与节点自身位置有关,越接近汇聚节点sink取值越大,从而得到定向生成树模型所有节点的最大通信节点数集N={Nj|j∈n},同时,建立参数矩阵K=(kji),kji为第i个节点vi与第j个节点vj之间的通信代价参数,由发送节点距离汇聚节点sink的跳数决定,表征第i个节点vi与第j个节点vj通信可能性,根据网络连通性规定,kji满足:
式中:kp依据发送节点距离汇聚节点的跳数取值[0,1]之间,而kpPi体现某发送节点对其邻居节点的通信竞争强度;
步骤2.2.2、为每个节点设定一个与数据传输功率相关的可测效用函数UT(Pi),该函数是根据应用用户技术需求设定的,理想状态中它单调递增且为凹函数,上限为1,建立下面的网络全局优化约束模型:
式中,KP表示kpPi的统称,对上式中的约束模型进行求解,便可以满足网络全局技术需求的节点最优传输功率,从而实现对网络节点传输功率的控制;
步骤2.2、基于拉格朗日松弛变换的优化模型求解
为满足定向生成树模型整体技术需求,利用拉格朗日松弛变换原则将网络全局优化约束模型中的优化问题转化为下式:
式中,D(λ)表示基于λ的最优解——节点传输功率,λ=(λj)为拉格朗日乘子向量,k表示迭代次数,而表征的物理意义为网络路由中继节点所需的功耗,基于中继节点的功耗***对其可能子节点vi的功率大小Pi进行有效评估,并推出Pi的求解方程:
并求出网络全局优化约束模型中原问题的对偶模型,即:
***可以借助投影梯度法对对偶模型中的模型进行最优求解,有:
式中:λj(t+1)表示对偶模型的最优解,ρj为***设定的梯度求解步长,而[]+表征公式的求解过程是在正实数集R+上进行投影的,建立原始-对偶模型后,根据原始-对偶算法,对式(5)和式(7)进行反复迭代,得到能够实现网络效用最大化的节点数据传输功率Pi,节点数据传输功率Pi确定后,根据式(1)求出与邻居节点连通边的权值,并选取权值最大边对应的邻居节点作为通信父节点,从而将整个网络构建成为完整的通信生成树。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810351548.9A CN108696880A (zh) | 2018-04-17 | 2018-04-17 | 一种基于功率控制的定向生成树跨层通信方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810351548.9A CN108696880A (zh) | 2018-04-17 | 2018-04-17 | 一种基于功率控制的定向生成树跨层通信方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108696880A true CN108696880A (zh) | 2018-10-23 |
Family
ID=63845685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810351548.9A Pending CN108696880A (zh) | 2018-04-17 | 2018-04-17 | 一种基于功率控制的定向生成树跨层通信方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108696880A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110602755A (zh) * | 2019-08-12 | 2019-12-20 | 浙江工业大学 | 面向移动纳米网络的能量感知机会路由控制方法 |
CN112888004A (zh) * | 2021-02-08 | 2021-06-01 | 华南理工大学 | 一种物联网中多源节点信息更新的信息年龄优化方法 |
WO2022063391A1 (en) * | 2020-09-22 | 2022-03-31 | Telefonaktiebolaget Lm Ericsson (Publ) | Graph-based systems and methods for controlling power switching of components |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005269185A (ja) * | 2004-03-18 | 2005-09-29 | Nakayo Telecommun Inc | 無線中継装置および中継方法 |
EP1662713A1 (en) * | 2004-11-30 | 2006-05-31 | STMicroelectronics Asia Pacific Pte Ltd. | Multi-channel MAC protocol using multi-tone synchronous collision resolution in a mobile ad hoc network |
CN102098684A (zh) * | 2011-03-22 | 2011-06-15 | 北京邮电大学 | 认知无线网络中跨层资源分配***及方法 |
CN102802163A (zh) * | 2012-07-26 | 2012-11-28 | 浙江理工大学 | 一种基于混合整数规划的无线传感网拓扑构建方法 |
CN106507424A (zh) * | 2016-10-25 | 2017-03-15 | 南京大学 | 基于无线传感器网络中给定网络生命周期后优化数据融合可靠性的树结构构造方法 |
-
2018
- 2018-04-17 CN CN201810351548.9A patent/CN108696880A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005269185A (ja) * | 2004-03-18 | 2005-09-29 | Nakayo Telecommun Inc | 無線中継装置および中継方法 |
EP1662713A1 (en) * | 2004-11-30 | 2006-05-31 | STMicroelectronics Asia Pacific Pte Ltd. | Multi-channel MAC protocol using multi-tone synchronous collision resolution in a mobile ad hoc network |
CN102098684A (zh) * | 2011-03-22 | 2011-06-15 | 北京邮电大学 | 认知无线网络中跨层资源分配***及方法 |
CN102802163A (zh) * | 2012-07-26 | 2012-11-28 | 浙江理工大学 | 一种基于混合整数规划的无线传感网拓扑构建方法 |
CN106507424A (zh) * | 2016-10-25 | 2017-03-15 | 南京大学 | 基于无线传感器网络中给定网络生命周期后优化数据融合可靠性的树结构构造方法 |
Non-Patent Citations (2)
Title |
---|
熊鹏: "无线自组网中新的基于极大生存期的路由算法", 《上海电机学院学报》 * |
纪鹏: "一种基于功率控制的无线传感器网络跨层通信协议", 《东北大学学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110602755A (zh) * | 2019-08-12 | 2019-12-20 | 浙江工业大学 | 面向移动纳米网络的能量感知机会路由控制方法 |
WO2022063391A1 (en) * | 2020-09-22 | 2022-03-31 | Telefonaktiebolaget Lm Ericsson (Publ) | Graph-based systems and methods for controlling power switching of components |
CN112888004A (zh) * | 2021-02-08 | 2021-06-01 | 华南理工大学 | 一种物联网中多源节点信息更新的信息年龄优化方法 |
CN112888004B (zh) * | 2021-02-08 | 2022-10-25 | 华南理工大学 | 一种物联网中多源节点信息更新的信息年龄优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101394321B (zh) | 基于“能量均衡”的集群无线传感器网络非均匀分簇方法 | |
Alameri | MANETS and Internet of Things: The Development of a Data Routing Algorithm. | |
Zeydan et al. | Energy-efficient routing for correlated data in wireless sensor networks | |
Aswale et al. | Survey of QoS routing protocols in wireless multimedia sensor networks | |
CN102244914B (zh) | 一种适用于多跳无线网络的认知路由方法 | |
Luo et al. | Energy efficient routing with adaptive data fusion in sensor networks | |
CN108696880A (zh) | 一种基于功率控制的定向生成树跨层通信方法 | |
CN103888976A (zh) | 一种联合网络调度和路由的链路选择方法 | |
Qu et al. | An LBMRE-OLSR routing algorithm under the emergency scenarios in the space-air-ground integrated networks | |
CN105873160A (zh) | 一种认知无线传感器网络中无公用信道的簇构建与路由方法 | |
Wang et al. | LEMH: Low-energy-first electoral multipath alternating multihop routing algorithm for wireless sensor networks | |
Boukerche et al. | A taxonomy of routing protocols in sensor networks | |
Yuan et al. | A Q-learning-based hierarchical routing protocol with unequal clustering for underwater acoustic sensor networks | |
Peng et al. | Real-time transmission optimization for edge computing in industrial cyber-physical systems | |
Waqas et al. | A game theoretical approach for topology control in wireless ad hoc networks with selfish nodes | |
He et al. | A novel distributed resource allocation scheme for wireless-powered cognitive radio Internet of Things networks | |
Hui | A novel qos routing algorithm in wireless mesh networks | |
Elhabyan et al. | Weighted tree based routing and clustering protocol for WSN | |
Kaur et al. | Comparative analysis of clustering protocols for wireless sensor networks | |
CN109547979A (zh) | 一种d2d缓存网络下联合能耗和用户公平性的内容分发方法 | |
Yu et al. | BRATRA: Balanced routing algorithm with transmission range adjustment for energy efficiency and utilization balance in WSNs | |
Xia et al. | An energy-efficient and load-balanced dynamic clustering protocol for ad-hoc sensor networks | |
Song et al. | Energy-efficient data gathering protocol in unequal clustered WSN utilizing fuzzy multiple criteria decision making | |
Liu et al. | Collision-constrained minimum energy node-disjoint multipath routing in ad hoc networks | |
Biradar et al. | Optimized Cluster Establishment and Cluster-Head Selection Approach in WSN |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181023 |
|
WD01 | Invention patent application deemed withdrawn after publication |