JS 杂志上的传感器 1687 - 7268<我年代年代npub-type="ppub"> 1687 - 725 x Hindawi出版公司 10.1155 / 2015/285056 285056年 研究文章 高效的多路传送能源收集传感器网络的数据共享 这 伊斯兰教的 Ardakani Masoud Sriyudthsak 魔法 电子与计算机工程系 阿尔伯塔大学 116街9107号,埃德蒙顿,AB 加拿大 v4 T6G 2 ualberta.ca 2015年 15 4 2015年 2015年 04 11 2014年 18 03 2015年 21 03 2015年 15 4 2015年 2015年 版权©2015穆斯林这和马苏德Ardakani。 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。

在无线传感器网络(WSN),传感器通常需要分享他们测量分布式估计和检测等应用程序或数据聚合。在这里,我们建议使用多路传送(MWR)之间的数据共享能源采集传感器,不能直接相互通信。我们首先先研究amplify-and-forward的可实现的数据速率(AF) MWR能源采集传感器。然后,我们表明,通过支持的传输功率传感器,不仅更好的能源效率和长寿命,而且数据共享率增加。根据这个结果,我们进一步提高性能的AF MWR假定WSN的潇洒地调整发射功率传感器。我们的权力分配是设计了一种提高MWR,增加的能源效率和速度传感器通过网络之间的数据共享。仿真结果给出了验证增强通过使用我们提出的功率分配技术。

 1。介绍

传感器经常相互传播和共享数据完成协作任务在一个无线传感器网络(WSN) ( 1]。这样的合作可能会导致网络中实现一个共同的目标或改善其总体性能。例如,通过分享他们的测量数据,传感器是能够跟踪移动物体在他们附近或改善他们的估计参数作出进一步的决定( 2, 3]。此外,邻近的传感器可能会分享他们的测量形成的聚合版本数据发送到数据接收器。

间共享数据的传感器可以发生在不同的形式。洪水( 1)是一种数据共享/传播方法,传感器广播自己的消息或从另一个传感器接收到的消息。这个过程一直持续到数据共享与所有传感器。洪水,然而,可能是低效的由于其能耗高、来自重复包传输的传感器和可能淹没了数据包之间的碰撞( 4]。另一个策略是采取合作的方法( 5, 6在中央(继电器)节点是用来协调传感器之间的数据共享 7]。在这种方法中,中继节点要求传感器传输数据,然后将数据之间的传感器。这种方法是更有效的能源消耗为代价的额外硬件和更复杂的实现。此外,其他一些研究认为开发新技术或变化的洪水和合作计划更好的能源效率,例如,( 8- - - - - - 10]。

多路传送(MWR) [ 11)是一种新型高效的无线网络数据共享模式。这种方法是合作和中继节点是用来帮助用户(传感器)分享他们的数据。MWR可以取得更好的带宽/能源效率比传统合作计划。这是通过使用<我talic> 物理层网络编码( 12],巧妙利用不同用户的传输信号之间的干扰。尽管许多之前的研究的优势MWR包括其可实现的数据速率和能源效率( 11, 13- - - - - - 16轮),其申请没有被调查。

在本文中,我们研究的应用amplify-and-forward (AF) MWR轮为。更具体地说,我们认为一组能量收获传感器,想与对方分享自己的数据。传感器没有直接沟通联系,例如,由于周围的障碍;因此,采用协同通信的方法是至关重要的。为此,中继节点是用来协助传感器数据通信。对于这样一个网络,我们首先找到之间的数据共享实现率传感器使用MWR对于一个给定的时间跨度。然后,我们表明,与传统的合作方案,数据共享,通过支持的传输能量的传感器,我们可以进一步提高能源效率以及AF MWR的数据速率。

考虑到上面,一个重要的问题是如何分配传输能量的传感器网络的最佳性能。为了解决这个问题,我们制定一个优化问题,以最大化网络的数据共享和率而终身保证实现目标。对于这个优化问题,我们表明,约束的数量呈指数级增长的传感器。因此,解决它变得大大复杂传感器数量的增加。我们确定的条件问题,更可能是积极制定基于他们放松版本的问题。而约束放松问题数量的增加线性传感器的数量,推导一个封闭形式的解决方案仍然是很复杂的。因此,我们提出一个算法合理的复杂性来找到一个理想的传播力量。

提出了次优解的性能研究通过一组数值的例子。仿真结果验证我们提出的功率分配技术成果在全功率传输性能改进。这种改善更明显较小数量的传感器和更高的信噪比。

本文组织如下。首先,我们现在的系统模型和一些初步的材料部分 2。实现数据的AF MWR研究部分 3。提出了功率分配方案进行了部分 4和数值结果对其性能提出了部分 5。最后,部分 6得出的结论。

2。系统模型

在这里,我们假设基础上的<我nl我ne-formula> N ≥ 2 传感器用<我nl我ne-formula> 年代 1 , 年代 2 , … , 年代 N 。传感器要定期分享他们的数据,称为一个时期<我talic> 时间段,至少<我nl我ne-formula> T 时段来完成一个共同的任务。网内处理传感器和网络聚类的例子这样的设置可能出现的情况。请注意,<我nl我ne-formula> N 并不代表网络中传感器的总数。

实施公平之间的传感器,传感器与共同分享数据率<我nl我ne-formula> R 我 c 在<我nl我ne-formula> 我 时间槽。常见的利率是所有的数据速率传感器可以可靠地传输和接收数据。更正式,如果<我nl我ne-formula> R 我 , j 表示可实现的传输速度<我nl我ne-formula> 年代 j 在<我nl我ne-formula> 我 th时间段,<我nl我ne-formula> R 我 c 是 (1) R 我 c = 最小值 ⁡ { R 我 , 1 , R 我 , 2 , … , R 我 , N } 。 使用定义的数据共享和利率<我nl我ne-formula> R 我 c 并表示总体速度传感器在时间跨度之间的数据共享。更具体地说,直到数据共享和速率<我nl我ne-formula> 我 时间的定义是 (2) R 我 年代 = ∑ k = 1 我 ∑ j = 1 N R k c = N ∑ k = 1 我 R k c 。

2.1。数据通信模型

在这项工作中,我们假定传感器没有直接联系沟通。这可能是由于与周围恶劣的环境障碍限制了直接沟通。对于这样的场景,我们建议使用MWR促进传感器之间的数据共享。为此,中继节点(中央)用于帮助传感器数据通信使用AF MWR策略。中继节点可以是一个传感器作为集群头或代表一组传感器或一个特殊的节点有能力比普通的传感器。

执行MWR,时间段也同样分为两个阶段,即<我talic> 上行和<我talic> 下行。在上行阶段,同时传感器传输的消息中继节点(图 1(一))。因此,传感器传输的中继接收叠加信号通常被称为物理网络编码信号( 12]。然后,中继放大接收到的信号并将其广播传感器在下行阶段(图 1 (b))。接到继电器的广播信号,每个传感器消除自干扰广播消息和解码数据的所有其他传感器。进一步信息MWR以及它如何有助于提高数据速率比传统单向传送,看到 11, 15]。

接收机噪声继电器和传感器被认为是加性高斯白与零均值和方差单位。此外,传感器,继电器之间的通道互惠和通道增益是固定一个上行或下行阶段。为<我nl我ne-formula> 年代 j ,<我nl我ne-formula> h 我 , j 是指之间的信道增益<我nl我ne-formula> 年代 j 和传递<我nl我ne-formula> 我 时间槽。

2.2。能量收获/消费模型

提供所需的电力数据通信、传感器与初始能量配备电池<我nl我ne-formula> E 我 焦耳。此外,在每个时间段,传感器获取能量进一步供电资源数据通信。更具体地说,每个传感器能够收获能量<我nl我ne-formula> P h 。请注意,这项工作的重点是数据传输的能耗和传感器发送和接收所需的能量范围。然而,他们很容易融入我们的分析。

在这里,传递的力量<我nl我ne-formula> 年代 j 在<我nl我ne-formula> 我 圆,<我nl我ne-formula> 1 ≤ 我 ≤ T ,是用<我nl我ne-formula> P 我 , j 假设的传输功率继电器<我nl我ne-formula> P r 。直到保证网络功能<我nl我ne-formula> T ,<我nl我ne-formula> 年代 j 采用保守的方法和限制<我nl我ne-formula> P 我 , j 这样<我nl我ne-formula> P 我 , j ≤ E 我 / T + P h 。这可以保证数据共享的传感器有足够的能量<我nl我ne-formula> T 即使收获能量是可以忽略不计。

 3所示。数学推导< inline-formula > < mml: xmlns: mml = " http://www.w3.org/1998/Math/MathML " id = " M31 " > < mml: mrow > < mml: msubsup > < mml: mrow > < mml: mi > R < / mml: mi > < / mml: mrow > < mml: mrow > < mml: mi >我< / mml: mi > < / mml: mrow > < mml: mrow > < mml: mi > c < / mml: mi > < / mml: mrow > < / mml: msubsup > < / mml: mrow > < / mml:数学> < / inline-formula > AF MWR

在本节中,我们第一次正式AF MWR信号模型。然后,我们研究了实现常见的利率在一个任意时间段的数据共享;说,<我nl我ne-formula> 我 一。使用这个分析,我们可以确定和数据共享。不失一般性,它假定<我nl我ne-formula> h 我 , 1 ≤ h 我 , 2 ≤ ⋯ ≤ | h 我 , N | 。

所有传感器传输后的上行阶段<我nl我ne-formula> 我 th时间段,继电器接收以下叠加信号如图 1(一): (3) y 我 r = ∑ n = 1 N h 我 , n x 我 , n + n r , 在哪里<我nl我ne-formula> x 我 , n 的是传感器的信息<我nl我ne-formula> 我 th时间槽和<我nl我ne-formula> n r 继电器的高斯噪声。现在,火炬传递的信息形式,<我nl我ne-formula> x 我 r ,因为<我nl我ne-formula> x 我 r = α 我 y 我 r 在哪里 (4) α 我 ≤ P r ∑ n = 1 N P 我 , n h 我 , n 2 + 1 并将其广播传感器在下行阶段如图 1 (b)。每个传感器然后从广播中删除其自干扰信号。这样做后,接收到的信号<我nl我ne-formula> 年代 j 是 (5) y 我 , j = α 我 h 我 , j ∑ n ≠ j h 我 , n x 我 , n + α 我 h 我 , j n r + n j , 在哪里<我nl我ne-formula> n j 接收机噪声吗<我nl我ne-formula> 年代 j 。信号模型( 5)基本上是相似的多址(MAC)通道( 17]。在这个MAC通道,<我nl我ne-formula> 年代 j 想要解码的信息其他传感器,<我nl我ne-formula> α 我 h 我 , j n r + n j 是有效的噪声。可实现的数据率衰落MAC渠道研究了在先前的研究中,例如,( 18]。请注意,在传统MAC渠道,与MWR不同,只有一个来源和目的地之间的通信跳。也就是说,结果在 18)仍然可以用来寻找可行的数据速率在我们的基础上设置。更具体地说,它可以显示所有其他传感器的数据可以可靠地解码<我nl我ne-formula> 年代 j 如果他们的传输数据率满足以下约束: (6) ∑ n ∈ 年代 j R 我 , n ≤ 1 2 日志 ⁡ 2 1 + α 我 2 h 我 , j 2 ∑ n ∈ 年代 j P 我 , n h 我 , n 2 1 + α 我 2 h 我 , j 2 , 所有非空的<我nl我ne-formula> 年代 j ⊆ 1、2 , … , N ∖ j 。注意,对于解码其他传感器的信息,每个传感器应该所有通道的知识收益。通过试验信号中继节点可以获得这个信息,然后将其传递给传感器。看( 6),一个可以识别另一个区别传统的MAC渠道和MWR考虑传感器网络。在这里,在接收机实现的数据率,<我nl我ne-formula> 年代 j ,不仅依赖于其他用户的传输功率也在<我nl我ne-formula> 年代 j 通过传输能量<我nl我ne-formula> α 我 。这反过来会导致显著的分配的用户之间的相互依存的传输能力和用户的可实现的数据率。

找到其他可以实现的速度传感器,可以遵循一个模式类似于( 5)。因此,对于一个元组<我nl我ne-formula> R = ( R 我 , 1 , R 我 , 2 , … , R 我 , N ) 传感器在时间段是可以实现的<我nl我ne-formula> 我 ,<我nl我ne-formula> N 约束类似于( 6)应该满意<我nl我ne-formula> R 。自( 6)实际上是指<我nl我ne-formula> 2 N - - - - - - 1 - - - - - - 1 约束在<我nl我ne-formula> 年代 j 涵盖所有可能的非空的<我nl我ne-formula> 年代 j ,这意味着元组<我nl我ne-formula> R 是可以实现的,如果<我nl我ne-formula> N ( 2 N - - - - - - 1 - - - - - - 1 ) 约束得到满足。

之前发现的常见数据共享<我nl我ne-formula> 我 th时间段,让我们定义的<我nl我ne-formula> R 我 , j c 为实现共同的速度<我nl我ne-formula> 年代 j 指的是所有其他的速度传感器能够可靠地传输数据<我nl我ne-formula> 年代 j 与。找到<我nl我ne-formula> R 我 , j c ,我们都设置<我nl我ne-formula> R 我 , n 在( 6)=<我nl我ne-formula> R 我 , j c 导致<我nl我ne-formula> ∑ n ∈ 年代 j R 我 , n = | 年代 j | R 我 , j c ,在那里<我nl我ne-formula> | 年代 j | 的基数<我nl我ne-formula> 年代 j 。因此, (7) R 我 , j c ≤ 最小值 ⁡ 年代 j R 我 , j 年代 j , 在哪里 (8) R 我 , j 年代 j = 1 2 年代 j 日志 ⁡ 2 1 + α 我 2 h 我 , j 2 ∑ n ∈ 年代 j P 我 , n h 我 , n 2 1 + α 我 2 h 我 , j 2 。 现在,使用常见的速度定义( 1),我们有 (9) R 我 c ≤ 最小值 ⁡ j 最小值 ⁡ 年代 j 1 2 年代 j 日志 ⁡ 2 1 + α 我 2 h 我 , j 2 ∑ n ∈ 年代 j P 我 , n h 我 , n 2 1 + α 我 2 h 我 , j 2 。 注意,对于一个给定的功率传感器,常见的率最大时的条件( 9)持有平等。此外,我们基于我们的分析有以下命题。

<年代tatement id="prop1"> 命题1。

R 我 c 是一个增加的功能<我nl我ne-formula> α 我 作为一个越来越函数的结果<我nl我ne-formula> P r 。

在本文的其余部分,我们假设中继注入足够的电力广播信号,( 4)是满意平等增加数据共享率。

<年代tatement id="prop2"> 命题2。

对于任何<我nl我ne-formula> j ,<我nl我ne-formula> R 我 , j c 是一个增加函数的<我nl我ne-formula> P 我 , n 对所有<我nl我ne-formula> n ≠ j 的递减函数<我nl我ne-formula> P 我 , j 。

正如我们之前讨论的,发现<我nl我ne-formula> R 我 c 最初需要检查<我nl我ne-formula> N ( 2 N - - - - - - 1 - - - - - - 1 ) 约束。然而,这些条件不独立和依赖<我nl我ne-formula> h 我 , 1 , h 我 , 2 , … , h 我 , N 和传感器传输能量。下面的定理表明可以利用他们的依赖性减少条件检查发现的数量<我nl我ne-formula> R 我 c 。这一点,因此,降低计算的复杂性和速度。

<年代tatement id="thm1"> 定理3。

对于任意传感器<我nl我ne-formula> 年代 j ,<我nl我ne-formula> R 我 , j c 是有界的<我nl我ne-formula> R 我 , j 年代 j 的地方<我nl我ne-formula> 年代 j ≥ j - - - - - - 1 和<我nl我ne-formula> { 1、2 , … , j - - - - - - 1 } ⊆ 年代 j 。

证明。

请参阅附录。

推论4。

R 我 c 可以通过检查<我nl我ne-formula> 2 N - - - - - - 2 而不是所有可能的约束<我nl我ne-formula> N ( 2 N - - - - - - 1 - - - - - - 1 ) 约束。

证明。

请参阅附录。

每个时间段的可实现的普遍率,实现数据共享和利率衍生使用( 2)。

4所示。为房颤MWR Rate-Improving功率分配

正如前面所讨论的,可实现的常见的速度在每一个时间槽,因此整个总和率依赖于传感器的传输能力。因此,渴望寻求权力分配给最佳性能的传感器,即实现数据共享和率最高,同时保持至少网络操作<我nl我ne-formula> T 时间槽。下面的定理可以帮助我们理解这种权力分配的特点。

<年代tatement id="thm2"> 定理5。

完整的电力传输的传感器,<我nl我ne-formula> P 我 , j = E 我 / T + P h 对所有<我nl我ne-formula> 年代 j 和<我nl我ne-formula> 我 ,并不能保证达到最大<我nl我ne-formula> R 我 c 。

证明。

请参阅附录。

点表示定理 5不同于我们所看到的在传统合作基于单向传送数据共享计划和时间共享。也就是说,虽然全功率传输保证最大数据速率在传统合作计划,定理 5意味着我们可以用一个MWR策略,传感器不与全功率传输和获得双重的好处。是提高数据速率和能源效率相比MWR策略发送与全功率传感器。这给了一个准则,进一步改善MWR传感器网络应用程序的性能。现在的问题是如果全功率传输不给最好的性能,什么功率分配达到最好的性能,这是总和率最高,至少实现一生的<我nl我ne-formula> T 时间槽。

为了解决上述问题,我们制定一个优化问题。这个优化问题的目标是最大化和速度,同时保证网络寿命超过<我nl我ne-formula> T 时间如下: (10) 马克斯 ⁡ P 1,- 1 , … , P l , N R l 年代 , (11) R l 年代 = N ∑ 我 = 1 l R 我 c , (12) R 我 c ≤ 最小值 ⁡ j 最小值 ⁡ 年代 j 1 2 年代 j 日志 ⁡ 2 1 + α 我 2 h 我 , j 2 ∑ n ∈ 年代 j P 我 , n h 我 , n 2 1 + α 我 2 h 我 , j 2 , (13) T ≤ l , (14) ∑ k = 1 我 P k , j ≤ E 我 + 我 P h , ∀ 我 ≤ l , ∀ j ∈ { 1 , … , N } , (15) 0 ≤ P k , j , ∀ k ≤ l , ∀ j ∈ { 1 , … , N } 。 在这个优化问题,约束( 13)至少确保了网络生命周期<我nl我ne-formula> T 时间槽。此外,( 14)保证传感器的数据传输消耗的能量在任何时间槽总是小于最初提供的能量的总和电池和收获能量。

基于定理中的语句 3至少,上述优化问题<我nl我ne-formula> 2 N + 2 N T 约束与传感器的数量呈现指数级增长。说,优化问题解决特别是大型来说是非常困难的<我nl我ne-formula> N 。在下面,我们将讨论如何优化问题的一种可以找到一个理想的解决方案( 10),显著降低复杂性。

<年代ec id="sec4.1"> 4.1。轻松的问题

正如我们讨论的部分 2,一个任意的传感器<我nl我ne-formula> 年代 j 限制了其传输功率等<我nl我ne-formula> P 我 , j ≤ E 我 / T + P h 。这可以保证传感器从未耗尽了力量<我nl我ne-formula> T 。利用这一点,我们放松的优化问题( 10),而关注最大化<我nl我ne-formula> R 我 c 对于任意的<我nl我ne-formula> 我 ≤ T 假设<我nl我ne-formula> P 我 , j ≤ E 我 / T + P h 。解决这个放松所有时段的优化问题,<我nl我ne-formula> 我 ≤ T 可以给一个次优的解决方案最初的总和率最大化问题。为此,我们制定一个优化的问题,最大化共同速度时间段<我nl我ne-formula> 我 ,<我nl我ne-formula> R 我 c ,如下所示: (16) 马克斯 ⁡ P 我 , 1 , … , P 我 , N 最小值 ⁡ R 我 , j c , P 我 , j ≤ E 我 T + P h , ∀ j , 0 ≤ P 我 , j , ∀ j 。

使用事实1,上述不等式问题转化为 (17) 马克斯 ⁡ P 我 , 1 , … , P 我 , N R 我 th , (18) P r h 我 , j 2 ∑ n ∈ 年代 j P 我 , n h 我 , n 2 P r h 我 , j 2 + ∑ n = 1 N P 我 , n h 我 , n 2 + 1 ≥ 2 2 | 年代 j | R 我 th - - - - - - 1 ∀ j , 年代 j , P 我 , j ≤ E 我 T + P h , ∀ j , 0 ≤ P 我 , j , ∀ j 。

约束的数量( 17)仍然与传感器的数量呈指数级增长。为此,我们进一步简化率最大化问题放宽一些限制。更具体地说,我们认为利率限制,<我nl我ne-formula> | 年代 j | = N - - - - - - 1 对于任何<我nl我ne-formula> j ,也就是说,<我nl我ne-formula> N - - - - - - 1 元组的约束。这些约束的最小测前因素,也就是说,<我nl我ne-formula> 1 / ( N - - - - - - 1 ) ,约束了( 6)。因此,在中等到高信噪比范围内,他们更有可能限制<我nl我ne-formula> R 我 c 。不失一般性,期间还可以假设之一<我nl我ne-formula> 我 时间段,<我nl我ne-formula> h 我 , 1 ≤ h 我 , 2 ≤ ⋯ ≤ | h 我 , N | 。放松的问题也考虑单一税率限制最严重的用户,也就是说,<我nl我ne-formula> 年代 1 ,单一税率限制最严重的用户的数据速率在第二个糟糕的用户,也就是说,<我nl我ne-formula> R 我 , 1 在<我nl我ne-formula> 年代 2 ,如下所示: (19) 马克斯 ⁡ P 我 , 1 , … , P 我 , N R 我 th , (20) P r h 我 , j 2 ∑ n = 1 , n ≠ j N P 我 , n h 我 , n 2 P r h 我 , j 2 + ∑ n = 1 N P 我 , n h 我 , n 2 + 1 ≥ 2 2 ( N - - - - - - 1 ) R 我 th - - - - - - 1 ∀ j , (21) P r h 我 , 1 2 P 我 , j h 我 , j 2 P r h 我 , 1 2 + ∑ n = 1 N P 我 , n h 我 , n 2 + 1 ≥ 2 2 ( N - - - - - - 1 ) R 我 th - - - - - - 1 ∀ j ≠ 1 , (22) P r h 我 , 2 2 P 我 , 1 h 我 , 1 2 P r h 我 , 2 2 + ∑ n = 1 N P 我 , n h 我 , n 2 + 1 ≥ 2 2 ( N - - - - - - 1 ) R 我 th - - - - - - 1 , (23) P 我 , j ≤ E 我 T + P h , ∀ j , (24) 0 ≤ P 我 , j , ∀ j 。

理解背后的直觉考虑( 21),回想一下,对于任何<我nl我ne-formula> k ≠ 1 ,当<我nl我ne-formula> 年代 k = { j } 和<我nl我ne-formula> j ∉ { 1 , k } ,一个可以证明<我nl我ne-formula> R 我 , k 年代 k ≥ R 我 , 1 年代 1 ,在那里<我nl我ne-formula> 年代 1 = { j } 。因此,如果 21)是满意,它是确保最小的约束<我nl我ne-formula> 年代 j ” 单一税率的任何<我nl我ne-formula> 2 ≤ j 被考虑。以类似的方式,我们可以认为,( 22)代表最小的绑定的<我nl我ne-formula> 年代 1 ” 单一税率。因此,放松的优化问题( 19)认为所有<我nl我ne-formula> N - - - - - - 1 元组率约束以及最严重的(最小的)范围单一利率。这个放松约束的数量明显减少<我nl我ne-formula> 4 N 线性增长的传感器的数量。

4.2。放松限制问题提出了次优的解决方案

虽然轻松优化问题更少数量的约束与最初的问题相比,发现很相关的解析解。应对这一挑战,我们建议一个方法来找到一个放松限制问题数值次优的解决方案。提出的数值解背后的逻辑是类似于定理的证明中所采取的方法 5。

该算法寻找次优功率分配提出了算法 1。该算法从一个初始点开始对权力分配的假设对所有传感器,然后使用全功率传输点规定的命题 2为了进一步提高利率。为此,我们发现<我nl我ne-formula> k = argmi n j R 我 , j c ,在那里<我nl我ne-formula> R 我 , j c 的计算基于仅仅放松限制,也就是说,单一税率的约束<我nl我ne-formula> 年代 1 和约束<我nl我ne-formula> 年代 1 的速度<我nl我ne-formula> 年代 2 加<我nl我ne-formula> N - - - - - - 1 元组的约束。我们的名字<我nl我ne-formula> 年代 k 瓶颈传感器,因为它限制了常见的利率<我nl我ne-formula> R 我 c 。现在,基于命题中的语句 2,<我nl我ne-formula> R 我 , k c 是一个递减函数的<我nl我ne-formula> P 我 , k 。因此,如果我们后退<我nl我ne-formula> P 我 , k 说,与步骤<我nl我ne-formula> ϵ p ,<我nl我ne-formula> R 我 , k c 看到一个增加的成本率减少对于所有其他传感器。后退<我nl我ne-formula> P 我 , k 继续的地步<我nl我ne-formula> 年代 k 不再是瓶颈,另一个传感器,例如,<我nl我ne-formula> 年代 l ,限制了速度和成为瓶颈。现在,如果<我nl我ne-formula> 年代 l 支持增加了力量<我nl我ne-formula> R 我 , l c ,<我nl我ne-formula> R 我 , k c 看到一个下降。然而,如果在传输能量<我nl我ne-formula> 年代 k 和<我nl我ne-formula> 年代 l 随步<我nl我ne-formula> ϵ p ,<我nl我ne-formula> R 我 , k c 和<我nl我ne-formula> R 我 , l c 可以看到一个增加。支持力量<我nl我ne-formula> 年代 k 和<我nl我ne-formula> 年代 l 继续,直到另一个传感器成为瓶颈。算法还在继续寻找瓶颈传感器和支持了他们的权力,没有进一步改善<我nl我ne-formula> R 我 c 可以实现。注意,在算法 1,<我nl我ne-formula> B 是一组包含所有传感器,传感器一直是一个瓶颈。在我们的算法中,权力分配传感器总是在一个方向移动<我nl我ne-formula> R 我 c ,计算基于放松限制,增加。结果,算法爬向当地的最大值。

<大胆>算法1:< /大胆>拟议的功率分配算法演示技术。

(1)全功率分配给所有传感器通过设置<我nl我ne-formula> P 我 , j = ( E 我 / T ) + P h

(2)选择一个权力演绎的一步<我nl我ne-formula> ϵ p

(3)设置<我nl我ne-formula> B = { }

(4) 重复

(5)计算<我nl我ne-formula> R 我 , j c 对所有<我nl我ne-formula> j 基于放松约束

(6)发现<我nl我ne-formula> R 我 c = 最小值 ⁡ R 我 , j c 和<我nl我ne-formula> k = argmin R 我 , j c

(7)<我nl我ne-formula> B = B ∪ { k }

(8)<我nl我ne-formula> j ∈ B ,<我nl我ne-formula> P 我 , j = P 我 , j - - - - - - ϵ p

(9) 直到 R 我 c 没有比前一步改进

算法停止时,它提供了一组用权力的分配<我nl我ne-formula> ( P 我 , 1 ∗ , P 我 , 2 ∗ , … , P 我 , N ∗ ) 次优值<我nl我ne-formula> R 我 c 当只考虑放松约束。然而,这不是常见的速度在时间槽的实际价值<我nl我ne-formula> 我 。实际的<我nl我ne-formula> R 我 c 发现通过考虑<我nl我ne-formula> 2 N - - - - - - 2 率约束与<我nl我ne-formula> ( P 我 , 1 ∗ , P 我 , 2 ∗ , … , P 我 , N ∗ ) 随着传感器的传输能力。请注意,有一个之间的性能差距数据速率通过权力分配的次优算法和最优的解决方案。然而,寻找最优解的线性复杂度指数复杂度相比,提出的次优算法。因此,找到最优的解决方案是在合理的时间并不可行。

在时间槽<我nl我ne-formula> 我 对于一个任意<我nl我ne-formula> 年代 j ,<我nl我ne-formula> 一个 我 , j = P 我 , j ∗ - - - - - - E 我 / T - - - - - - P h 代表提出的节能是通过我们的权力分配。如果<我nl我ne-formula> 一个 我 , j > 0 ,<我nl我ne-formula> 年代 j 存储保存能量。结束的时候<我nl我ne-formula> T 时段,总保存能量<我nl我ne-formula> 一个 j = ∑ 我 = 1 T 一个 我 , j 。使用这种能量,<我nl我ne-formula> 年代 j 延长它的生命周期之外<我nl我ne-formula> T 并继续与其他传感器以相同的方式共享数据<我nl我ne-formula> T 。让我们表示时间槽当第一传感器耗尽精力<我nl我ne-formula> T ∗ ≥ T 。现在,AF MWR与我们提出的总体速度和功率分配 (25) R T ∗ 年代 = N ∑ 我 = 1 T ∗ R 我 c 。 注意,当全功率传输实际上是,所有传感器耗尽电池和最终耗尽能量<我nl我ne-formula> T 时间槽。

 5。仿真结果

在本节中,我们给出了一些数值例子来评估我们的表现提出了功率分配。为此,我们比较的性能AF MWR与拟议中的功率分配AF MWR与全功率传输的性能。在我们的仿真结果,假设传感器之间的通道收益和继电器遵循瑞利分布与平均功率1。考虑到渠道收益随机性的影响,结果平均在100年实现<我nl我ne-formula> T = 50 。对于一个给定的传输信噪比,我们组<我nl我ne-formula> E 我 = 1 0 信噪比 / 10 T 确保传输与指定的所有时段的信噪比。此外,<我nl我ne-formula> P r = 1 0 信噪比 / 10 和<我nl我ne-formula> ϵ p = 0.001 信噪比。注意,在这里,我们目前的实际利率通过检查<我nl我ne-formula> 2 N - - - - - - 2 约束集的传播力量。

图 2描绘了规范化和AF MWR率与我们提出了不同的值的分配<我nl我ne-formula> N 。在这个图中,<我nl我ne-formula> P h = 10 dB和归一化率是派生的总和除以率提出完整的电力传输的技术。见过,对于更大的信噪比和较小的改善更明显<我nl我ne-formula> N 。它达到18%左右<我nl我ne-formula> N = 3 和信噪比= 30 dB。原因是,对于较小的信噪比,它更有可能放松约束省略的问题实际上限制了数据率。

此外,在这个图中,我们比较我们的次优结果与原有的数值解(nonrelaxed)中给出优化问题( 10)- ( 15)。发现数值解,我们使用蒙特卡罗搜索方法在每个时间段。更具体地说,时间槽<我nl我ne-formula> 我 ,我们1000随机生成<我nl我ne-formula> N 元组的<我nl我ne-formula> ( P 我 , 1 , P 我 , 2 , … , P 我 , N ) 。然后,检查所有率条件后,<我nl我ne-formula> N 元组,结果最大值<我nl我ne-formula> R 我 c 是选为最优解。见图 2,有一个重要的蒙特卡罗数值解之间的差距和我们建议的次优的解决方案。然而,每个人都应该记住这个改善之际,大大延长仿真运行时的价格。之间的性能差距非最优解和数值解随信噪比增大而减小自放松优化问题的约束被认为更有可能成为活跃在原优化问题。

的影响上的传感器数量的性能提出了功率分配捕获更多的细节图 3。看,提出了功率分配结果更加明显改善小<我nl我ne-formula> N 。注意,当<我nl我ne-formula> N 增加,它更可能是一个小通道增益的数据速率限制的链接通过约束优化问题不考虑放松。

图 4礼物的标准化率提出了功率分配和能量收获率<我nl我ne-formula> P h 。更高的<我nl我ne-formula> P h 意味着有更多的权力资源用于传输,从而增加了有效的信噪比,即初始提供的电池和收获。因此,我们观察一个类似的行为 2在利率提高更明显更高的信噪比。

 6。结论

在本文中,我们提出的应用MWR能量收获的WSN数据共享。首先,我们研究了可实现的通用数据率为每一轮的数据共享和整体之间的数据共享和速度传感器。使用我们的率研究,然后制定一个优化问题而获得最大的数据共享和率所需的网络寿命保证。由于这个优化问题的复杂性,然后,我们提出了一个放松的版本调整功率分配问题的一种改进传感器的数据共享和速度。这时,一个次优的放松的优化问题提出了解决方案。模拟结果验证,我们的次优的解决方案确实增强了数据共享和速度。利率水平的改善取决于传感器的数量以及信噪比。或者,可以使用MWR和关注延长寿命,而不是数据率。为了解决这个问题,一种方法类似于本文提出的功率分配可以采取。

附录 定理的证明< xref ref-type =“声明”掉= " thm1 " > 3 < / xref >。

为<我nl我ne-formula> 年代 1 定理的声明是正确的,因为它意味着检查所有约束<我nl我ne-formula> 年代 1 。现在,考虑的约束<我nl我ne-formula> 年代 j 为<我nl我ne-formula> j ≥ 2 。如果<我nl我ne-formula> | 年代 j | < j - - - - - - 1 ,然后<我nl我ne-formula> ∃ k < j 在哪里<我nl我ne-formula> k ∉ 年代 j 存在一个<我nl我ne-formula> 年代 k 这样<我nl我ne-formula> 年代 k = 年代 j 。现在,记住,<我nl我ne-formula> | h k | ≤ | h j | ;因此,<我nl我ne-formula> R 我 , k 年代 k ≤ R 我 , j 年代 j 。这将确保<我nl我ne-formula> R 我 , j 年代 j 不限制普遍率。因此,检查相关的利率条件是不必要的。现在,假设<我nl我ne-formula> | 年代 j | ≥ j - - - - - - 1 和<我nl我ne-formula> ∃ k ∈ { 1、2 , … , j - - - - - - 1 } ,在那里<我nl我ne-formula> k ∉ 年代 j 。类似的争论,一个可以显示有一个<我nl我ne-formula> 年代 k 这样<我nl我ne-formula> R 我 , k 年代 k ≤ R 我 , j 年代 j 。因此,相关的检查条件<我nl我ne-formula> 年代 j 是不必要的。这就完成了证明。

推论的证明< xref ref-type =“声明”掉= " coro1 " > < / xref >。

使用定理 3在任意传感器<我nl我ne-formula> 年代 j ,一个可以找到<我nl我ne-formula> R 我 , j c 只通过检查 (.) c j = ∑ k = 0 k = N - - - - - - j N - - - - - - j k = 2 N - - - - - - j 约束。因此,约束检查的总数传感器 (a) C = ∑ j = 1 N c j = ∑ j = 1 N 2 N - - - - - - j = 2 N - - - - - - 2 。

定理的证明< xref ref-type =“声明”掉= " thm2 " > < / xref >。

假设我们将完整的传输能量分配给所有传感器和通道增益,<我nl我ne-formula> k ≠ l ,<我nl我ne-formula> R 我 , k c ≠ R 我 , l c 。对于完整的电力传输,系统达到共同的速度<我nl我ne-formula> R F c 。定义的通用率( 9),<我nl我ne-formula> R F c = R 我 , j c 在哪里<我nl我ne-formula> j = argmin R 我 , n c 。现在,使用事实2,<我nl我ne-formula> 年代 j 可以减少它的力量增加<我nl我ne-formula> R 我 , j c ,减少最低可实现的常见的所有其他传感器,也就是说,<我nl我ne-formula> 最小值 ⁡ n ≠ j R 我 , n c 的地步<我nl我ne-formula> R 我 , j c = 最小值 ⁡ n ≠ j R 我 , n c 。这意味着共同认为MWRC增加速度和超越<我nl我ne-formula> R F c 。因此,<我nl我ne-formula> R F c 不是最大的可实现的普遍率。

 利益冲突

作者宣称没有利益冲突有关的出版。

确认

作者要感谢艾伯塔创新技术期货(AITF)和加拿大自然科学和工程研究理事会(NSERC)支持他们的研究。