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

摘要

本发明公开一种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，属于无线传感网技术领域。包括步骤:系统场景分析，问题归结；系统数学模型建立；然后利用优化方法求出最优解。本发明针对特殊的应用场景，来源实际应用，本发明区别与以往的独立的节点路径选择或者功率分配问题，考虑联合路径选择和功率分配，结合能量采集技术，充分利用无线传感网中空闲节点的协作转发功能，最大化通信节点之间的吞吐量性能。

主权项

一种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，其特征在于，包括：步骤1：系统场景分析，问题归结；步骤1.1：建立信道模型；场景中有一个能量采集源节点A，N个能量采集的协作节点C_i,i＝1,2,...,N和一个目标通信节点B，能量采集源节点A和目标通信节点B之间没有直达路径，协作节点C_i选用放大转发工作方式，一个传输过程T包含K个数据块，每个数据块的传输都包含两个时隙，联合考虑该场景下的N个能量采集的协作节点的选择问题以及这N个协作节点和源节点A的功率指派问题；假设用于能量采集的电池容量有限，设定能量采集源节点A的电池容量为B_A,max，能量采集协作节点C_i,i＝1,2,...,N的电池容量为除了用于传输消耗的能量忽略不计，规定在每个数据块k,k＝1,2,...,K的传输过程中，从协作节点集合N中唯一选择最佳的协作节点参与协作这次传输，记这个参与协作的节点为C_ζ,ζ＝1,2,...,N，第一时隙源节点A广播发送数据给所有协作节点C_i,i＝1,2,...,N，第二时隙，选择最佳的协作节点C_ζ,ζ＝1,2,...,N协作转发第一时隙源节点A广播的数据给目标通信节点B；定义端到端等效信噪比如下：${\mathrm{SNR}}_{eq,\zeta ,k}=\frac{P_{A,k}{\gamma }_{{\mathrm{AC}}_{\zeta },k}{P}_{C_{\zeta },k}{\gamma }_{C_{\zeta }B,k}}{P_{A,k}{\gamma }_{{\mathrm{AC}}_{\zeta },k}+P_{C_{\zeta },k}{\gamma }_{C_{\zeta }B,k}+1}$其中：SNR_eq,ζ,k表示传输第k个数据块同时选中第ζ个协作节点协作转发时的等效端到端信噪比，P_A,k和分别表示第k个数据块传输时第一时隙源节点A的发射功率和第二时隙第ζ个协作节点协作转发数据的发射功率，相应的，和分别表示传输第k个数据块同时选中第ζ个中继协作转发时第一时隙中继C_ζ和第二时隙目标通信节点B的接收信噪比，从而系统吞吐量表示为：$\frac{1}{2}{\log }_2(1+{\mathrm{SNR}}_{eq,\zeta ,k});$步骤1.2：建立能量采集模型；定义B_M,k为各种能量采集终端在准备传输第k个数据块时的储存能量，其中M∈{A,C₁,C₂,...,C_N}k∈{1,2,...,K}，在第k个数据块的传输期间，能量采集终端M的发射功率应该满足0≤P_M,k≤B_M,k，能量限制条件是：$B_{M,k+1}=min\{(B_{M,k}-P_{M,k}+H_{M,k}),B_{M,max}\},\forall k\in \{1,2,...,K\};$其中，B_M,k+1表示能量采集终端M在准备传输第k+1个数据块时的存储能量，P_M,k表示能量采集终端M的发送第k个数据块消耗的能量，H_M,k表示能量采集终端M在第k个传输期间能量采集终端M采集到的能量，H_M,k也要满足H_M,k≤B_M.max，定义能量采集终端的平均采集能量E{·}表示期望，设定初值B_N,1＝H_N,0≥0；步骤2：最优化问题的数学模型建立；在上述假设前提和约束条件下，归结出最优化问题如下：$\begin{array}{cc}P1:& \underset{\tau \ge 0,w_{1,1,,...w_{N,K}}}{\max }\underset{k=1}{\overset{K}{\Sigma }}\frac{1}{2}{\log }_2\left(1+{\mathrm{SNR}}_{eq,k}\right)\\ & s.t.\underset{k=1}{\overset{l}{\Sigma }}\left(P_{A,k}+{\lambda }_{A,k}\right)\le \underset{k=0}{\overset{l-1}{\Sigma }}{H}_{A,k},\forall l\\ & \underset{k=1}{\overset{l}{\Sigma }}\left(w_{n,k}{P}_{C_n,k}+{\lambda }_{C_n,k}\right)\le \underset{k=0}{\overset{l-1}{\Sigma }}{H}_{C_n,k},\forall l,\forall n\\ & \underset{k=0}{\overset{m}{\Sigma }}{H}_{A,k}-\underset{k=0}{\overset{m}{\Sigma }}\left(P_{A,k}+{\lambda }_{A,k}\right)\le B_{A,\max },\forall m\\ & \underset{k=0}{\overset{m}{\Sigma }}{H}_{C_n,k}-\underset{k=1}{\overset{m}{\Sigma }}\left(w_{n,k}{P}_{C_n,k}+{\lambda }_{C_n,k}\right)\le B_{C_n,\max },\forall m,\forall n\\ & \underset{n=1}{\overset{N}{\Sigma }}{w}_{n,k}=1,\forall k\\ & w_{n,k}\in \left\{0,1\right\},\forall k,\forall n\end{array}$其中：表示考虑功率分配和中继选择的第k个传输块的等效信噪比，$\tau \stackrel{\Delta }{=}\{P_{A,k},P_{C_1,k},...,P_{C_N,k},{\lambda }_{A,k},{\lambda }_{C_1,k},...,{\lambda }_{C_N,k}|k\in \{1,2,...,K\}\}$表示拉格朗日松弛变量；步骤3：最优化问题求解；所述优化问题P1的求解可以采用拉格朗日因子方法：$\begin{array}{c}L\left(P_{A,k},P_{C_n,k},w_{n,k},{\lambda }_{A,k},{\lambda }_{C_n,k},{\beta }_{A,k,0},{\beta }_{C_n,k,0},{\beta }_{A,k,1},{\beta }_{C_n,k,1},{\beta }_k\right)=\underset{k=1}{\overset{K}{\Sigma }}\frac{1}{2}{\log }_2\left(1+{\mathrm{SNR}}_{eq,k}\right)\\ -{\beta }_{A,k,0}\left(\underset{k=1}{\overset{l}{\Sigma }}\left(P_{A,k}+{\lambda }_{A,k}\right)-\underset{k=0}{\overset{l-1}{\Sigma }}{H}_{A,k}\right)-{\beta }_{C_n,k,0}\left(\underset{k=1}{\overset{l}{\Sigma }}\left(w_{n,k}{P}_{C_n,k}+{\lambda }_{C_n,k}\right)-\underset{k=0}{\overset{l-1}{\Sigma }}{H}_{C_n,k}\right)\\ -{\beta }_{A,k,1}\left(\underset{k=0}{\overset{m}{\Sigma }}{H}_{A,k}-\underset{k=0}{\overset{m}{\Sigma }}\left(P_{A,k}+{\lambda }_{A,k}\right)-B_{A,\max }\right)\\ -{\beta }_{C_n,k,1}\left(\underset{k=0}{\overset{m}{\Sigma }}{H}_{C_n,k}-\underset{k=1}{\overset{m}{\Sigma }}\left(w_{n,k}{P}_{C_n,k}+{\lambda }_{C_n,k}\right)\le B_{C_n,\max }\right)-{\beta }_k\left(\underset{n=1}{\overset{N}{\Sigma }}{w}_{n,k}-1\right)\end{array}$再联立和并用次梯度方法迭代求解，其中是相应的拉格朗日因子。