EH-CRSN中的能量管理策略研究

来源 :重庆邮电大学 | 被引量 : 0次 | 上传用户:ktyl2000
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
基于能量收集的认知无线传感器网络(EH-CRSN)是一种将认知无线电(CR)技术和能量收集(EH)技术引入到传统无线传感器网络(WSN)中的新型网络。CR技术缓解了WSN中频谱短缺的问题,但传感器节点必须消耗大量的能量来支持CR功能,如信道感知和频谱切换等。通过EH技术能为传感器节点补充能量,延长EH-CRSN的生命周期,但EH技术的引入使EH-CRSN得到发展的同时给能量管理带来了挑战。为了尽可能地延长网络生命周期,提高节点的能量效率,需要对节点的能量管理策略进行深入研究。本文首先基于EH-CRSN中传感器节点电池容量有限且会随时间衰减的特性,研究了在电池容量衰减下如何确定每个具有能量收集能力的传感器节点的采样率,以最大化节点生命周期内的网络效用。为了解决这一问题,通过建立数学模型,本文提出了一种自适应采样率控制算法(ASRC)。该算法在节点满足电池容量约束和链路容量约束的条件下,根据当前电池水平自适应调整采样率,有效地管理节点能量使用以优化网络性能,延长网络的生命周期。该算法考虑了电池的不完美性对节点性能的影响,更符合实际。仿真结果表明ASRC算法能在维持节点能量持续性的前提下最大化网络效用,提高网络的整体性能。其次,考虑到EH-CRSN中现有的信道选择算法缺乏动态学习的过程,提出了一种基于Q学习的信道选择算法。该算法在非理想频谱感知条件下,通过建立Q学习框架,把能量效率引入到奖励函数中,使节点与信道环境交互和学习,进而选择长期累积平均奖励最大的信道优先感知并尝试接入。而且从传感器认知功能能耗大的角度,提出了利用信道忙碌时的射频信号收集能量,以补充节点能量的方案,延长节点寿命。仿真结果表明,相对于现有的信道选择算法,该算法能有效地提高频谱感知的能量效率,并适应动态的无线电环境。
其他文献
股权众筹是我国目前大力提倡的金融融资方式,从现有政策来看,股权众筹的定义已经被明确为公募股权众筹,但是在目前实践过程中,如何将股权众筹的运行应有的特点真正发挥出来一
以自旋作为信息传递和存储的新一代电子技术将有利于突破以半导体技术为核心的信息存储领域的瓶颈。与自旋流相关的输运现象是自旋电子学领域的研究重点,而近年来因纯自旋流
基于深度学习的检测网络已经被广泛用于各种计算机视觉领域的任务中,对网络中的特征进行增强可进一步提升其性能与应用表现。近年来,检测网络的特征增强方法成为了当前研究热
精确的室内目标位置信息成为人们日常生活中不可或缺的部分。大型商场感兴趣店铺的查找、智慧大楼访客管理以及地下停车场寻车等应用,都需要高精度的室内定位信息。由于GPS信
在计算机动画中,常常使用网格变形技术对模型进行编辑以构建动画序列,或是把动画从一个模型迁移到另外一个模型上,变形迁移技术将已知的变形序列的变形特征作用到新的模型上,
房水的分泌、流动、循环和排出对维持眼睛正常的生理功能至关重要。房水对抗流出阻力而排出,形成眼内压。正常的眼内压不仅具有稳固眼睛形态的作用,还具有重要的生理功能。当
无线通信技术、嵌入式技术和传感器技术等方面的进步使得无线传感网络广泛应用于军事和民用领域中。目标跟踪作为无线传感网络的重要应用技术之一,受到了国内外专家学者的广
近年来互联网技术有了极大的普及和发展,网络上的数据量和用户请求量出现了爆发性的增长,这些增长要求服务器的处理能力也做出相应的提高。在如今典型的数据中心中,需要一个
随着大数据时代的来临,数据中心急剧发展,其规模和性能不断提升。在享受数据中心带来的便利的同时,数据中心庞大的电力消耗和环境污染问题得到人们的广泛关注。近来,燃料电池
图像超分辨率重建是计算机视觉领域中非常经典的任务之一,该技术通过软件算法将低分辨率图像重建为高分辨率图像,丰富了图像的细节信息,提升了图像的视觉效果,在公共安全、医