本发明涉及无线网络领域,特别是指一种无线供能传感器网络最优功率控制方法及装置。
背景技术:
无线传感器网络(wirelesssensornetworks,wsn)是一种分布式传感网络,它的末梢是可以感知和检查外部世界的传感器。wsn中的传感器通过无线方式通信,因此网络设置灵活,设备位置可以随时更改,还可以跟互联网进行有线或无线方式的连接。
但是,在无线传感器网络中,由电池供电的传感器的工作时间受限于电池能量有限、由电网能源供电的传感器的工作时间受限于固定区域。
技术实现要素:
本发明要解决的技术问题是提供一种无线供能传感器网络最优功率控制方法及装置,以解决现有技术所存在的由电池供电的无线传感器的工作时间受限于电池能量有限、由电网能源供电的无线传感器的工作时间受限于固定区域的问题。
为解决上述技术问题,本发明实施例提供一种无线供能传感器网络最优功率控制方法,包括:
构建由射频能量进行驱动的无线传感器网络;
确定所述无线传感器网络中每个传感器的效用,其中,每个传感器的效用为可实现的信干燥比和电池能量水平的组合;
通过动态博弈实现传感器效用的最大化,得到无线传感器网络的最优功率控制策略。
其中,所述无线传感器网络由射频能量进行供电;
所述无线传感器网络包括:一个接入点和若干个传感器;
每个传感器配有可充电电池;
每个传感器根据射频能量传输从接入点获取能量。
其中,接入点和每个传感器都配有2个天线;
其中,一个天线用于无线能量传输,另一个天线用于无线信息传输。
其中,所述确定所述无线传感器网络中每个传感器的效用包括:
构建下行链路无线能量传输过程:传感器从接入点获取能量,用于为上行链路无线信息传输提供能量,其中,所有传感器的电池能量用微分方程表示;
构建上行链路无线信息传输过程:传感器根据信干燥比要求控制其信息传输功率;
将每个传感器可实现的信干燥比和电池能量水平进行组合,得到每个传感器的效用。
其中,所有传感器的电池能量用微分方程表示为:
其中,x表示无线传感器网络中所有传感器的电池能量,t表示时刻,n表示无线传感器网络中传感器的数目,q表示来自接入点的无线传输能量,qi表示传感器i收集的能量,pi表示传感器i的信息传输功率,η表示能量转换效率,gi表示接入点和传感器i之间的信道增益,δ表示能量的时变参数。
其中,传感器i的信干燥比表示为:
其中,γi表示传感器i的信干燥比,n0表示加性高斯白噪声的功率谱密度,αi=n0+q;
根据传感器的信干燥比,更新所有传感器的电池能量的微分方程,得到:
其中,每个传感器的效用表示为:
其中,
其中,所述通过动态博弈实现传感器效用的最大化,得到无线传感器网络的最优功率控制策略包括:
基于贝尔曼动态规划原理,确定用于解决反馈纳什均衡的贝尔曼方程,为所有传感器获得反馈纳什均衡;
基于贝尔曼动态规划原理,确定大联盟中参与者的价值函数,其中,所述参与者为参与的传感器;
将用于解决反馈纳什均衡的贝尔曼方程和确定的大联盟中参与者的价值函数作为特征函数的值,求解夏普利值,得到每个传感器的最优信息传输功率。
其中,用于解决反馈纳什均衡的贝尔曼方程为:
其中,r表示贴现率,vi(x)表示用于解决反馈纳什均衡的贝尔曼方程,
大联盟中参与者的价值函数表示为:
其中,w(k,x,t)表示大联盟中参与者的价值函数,k表示联盟中参与的传感器的数目。
本发明实施例还提供一种无线供能传感器网络最优功率控制装置,包括:
构建模块,用于构建由射频能量进行驱动的无线传感器网络;
第一确定模块,用于确定所述无线传感器网络中每个传感器的效用,其中,每个传感器的效用为可实现的信干燥比和电池能量水平的组合;
第二确定模块,用于通过动态博弈实现传感器效用的最大化,得到无线传感器网络的最优功率控制策略。
本发明的上述技术方案的有益效果如下:
上述方案中,构建由射频能量进行驱动的无线传感器网络;确定所述无线传感器网络中每个传感器的效用,其中,每个传感器的效用为可实现的信干燥比和电池能量水平的组合;通过动态博弈实现传感器效用的最大化,得到无线传感器网络的最优功率控制策略。这样,通过引入基于射频的无线能量传输和动态博弈论,实现基于协同动态博弈的射频能量无线传感器网络的最优功率控制。
附图说明
图1为本发明实施例提供的无线供能传感器网络最优功率控制方法的流程示意图;
图2为本发明实施例提供的无线传感器网络的结构示意图;
图3(a)本发明实施例提供的q=3watt时,每个传感器的信息传输的最优功率水平示意图;
图3(b)本发明实施例提供的q=6watt时,每个传感器的信息传输的最优功率水平示意图;
图3(c)本发明实施例提供的q=3watt时,网络利润示意图;
图3(d)本发明实施例提供的q=6watt时,网络利润示意图;
图3(e)本发明实施例提供的q=3watt时,每个传感器的利润示意图;
图3(f)本发明实施例提供的q=6watt时,每个传感器的利润示意图;
图3(g)本发明实施例提供的q=3watt时,电池能量变化示意图;
图3(h)本发明实施例提供的q=6watt时,电池能量变化示意图;
图4为本发明实施例提供的无线供能传感器网络最优功率控制装置的结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
本发明针对现有的由电池供电的无线传感器的工作时间受限于电池能量有限、由电网能源供电的无线传感器的工作时间受限于固定区域的问题,提供一种无线供能传感器网络最优功率控制方法及装置。
实施例一
如图1所示,本发明实施例提供的无线供能传感器网络最优功率控制方法,包括:
s101,构建由射频能量进行驱动的无线传感器网络;
s102,确定所述无线传感器网络中每个传感器的效用,其中,每个传感器的效用为可实现的信干燥比和电池能量水平的组合;
s103,通过动态博弈实现传感器效用的最大化,得到无线传感器网络的最优功率控制策略。
本发明实施例所述的无线供能传感器网络最优功率控制方法,构建由射频能量进行驱动的无线传感器网络;确定所述无线传感器网络中每个传感器的效用,其中,每个传感器的效用为可实现的信干燥比和电池能量水平的组合;通过动态博弈实现传感器效用的最大化,得到无线传感器网络的最优功率控制策略。这样,通过引入基于射频的无线能量传输和动态博弈论,实现基于协同动态博弈的射频能量无线传感器网络的最优功率控制。
本实施例中,所述无线供能传感器网络最优功率控制方法能够应用在无线传感器网络中。
为了更好地理解本发明实施例所述的无线供能传感器网络最优功率控制方法,对其进行详细说明,所述无线供能传感器网络最优功率控制方法具体可以包括以下步骤:
s101,构建由射频能量进行驱动的无线传感器网络;
本实施例中,所述无线传感器网络由射频能量进行供电;如图2所示,每一个所述无线传感器网络可以包括:一个接入点(accesspoint,ap)和若干个传感器,例如,每个传感器配有可充电电池,每个传感器能够根据射频能量传输从ap获取能量。
本实施例中,ap根据实际应用,位于适当的位置,具有向无线传感器网络中所有传感器传输能量的能力,并且可以作为数据收集点来收集和传输所有传感器的信息。
本实施例中,ap和每个传感器都配有两个天线,其中,一个天线用于无线能量传输(wirelessenergytransfer,wet),另一个天线用于无线信息传输(wirelessinformationtransmission,wit)。同时,假设无线能量传输和无线信息传输在具有相同带宽的正交频带上操作,因此传感器可以同时收集能量并传输信息。
s102,确定所述无线传感器网络中每个传感器的效用,其中,每个传感器的效用为可实现的信干燥比和电池能量水平的组合;
本实施例中,将每个传感器的最优功率控制制定为协作动态博弈游戏,将每个传感器的效用表示为可实现的信干燥比和电池能量水平的组合,无线传感器网络中所有传感器协同选择其信息传输功率,以最大化其效用,实现所有传感器最大限度地发挥各自的实用性。
本实施例中,所述确定所述无线传感器网络中每个传感器的效用,其中,每个传感器的效用为可实现的信干燥比和电池能量水平的组合具体可以包括以下步骤:
s1021,构建下行链路无线能量传输过程:传感器从接入点获取能量,为上行链路无线信息传输提供足够的能量。
本实施例中,将来自接入点的无线传输能量表示为q,传感器i收集的能量表示为qi,能量转换效率表示为η,时刻表示为t,接入点和传感器i之间的信道增益表示为gi,传感器i的信息传输功率表示为pi,能量的时变参数表示为δ,将所有传感器的电池能量x用微分方程表示为:
s1022,构建上行链路无线信息传输过程:传感器根据信干燥比要求控制其信息传输功率,设n0表示加性高斯白噪声的功率谱密度,则传感器i的信干燥比γi可表示为:
其中,αi=n0+q;
本实施例中,根据传感器的信干燥比γi,更新所有传感器的电池能量的微分方程为:
s1023,为了最大化信干燥比和所有传感器的电池能量水平,假设每个传感器都有一个信干燥比阈值并表示为
其中,βi表示信干燥比单位效用;s表示时间;
本实施例中,在执行s103之前,先利用大联盟求解电池能量最优解,具体的:基于贝尔曼动态规划原理确定价值函数,求得在大联盟条件下获得无线传感器网络中电池能量状态的最优变化。
本实施例中,所述基于贝尔曼动态规划原理确定价值函数,求得在大联盟条件下获得无线传感器网络中电池能量状态的最优变化可以包括以下步骤:
a1,定义价值函数
本实施例中,对于每个传感器,其目标是最大化式(4)中的电池能量。为了最大化式(4)中的电池能量,首先应该基于贝尔曼动态规划原理来定义价值函数w(n,x,t),价值函数w(n,x,t)必须满足贝尔曼方程:
其中,r表示贴现率,wx(n,x,t)表示w(n,x,t)关于x的一阶导数;
式(5)中执行最小化,得到:
其中,γin表示当有n个传感器参与到博弈中,传感器i的信干燥比;
令
a2,根据得到的价值函数,求解最优信干燥比和最优信息传输功率:
a3,根据最优信干燥比,得到电池能量最优轨迹:
其中,x(0)表示在博弈初始时刻的电池能量状态,xn(t)表示t时刻传感器数量为n时的电池能量状态。
s103,通过动态博弈实现传感器效用的最大化(maxui(x,t)),得到无线传感器网络的最优功率控制策略,可以包括以下几个步骤:
s1031,基于贝尔曼动态规划原理,确定用于解决反馈纳什均衡的贝尔曼方程,为所有传感器获得反馈纳什均衡
本实施例中,为了解决式(4)中的反馈纳什均衡,应满足以下贝尔曼方程:
其中,r表示贴现率,vi(x)表示用于解决反馈纳什均衡的贝尔曼方程,
在式(10)中执行最小化,得到:
将(11)代入贝尔曼方程(10)中可得:
可得反馈纳什均衡水平:
s1032,基于贝尔曼动态规划原理,确定大联盟中参与者的价值函数,其中,所述参与者为参与的传感器
本实施例中,联盟k(|k|<n)中参与者(传感器)的价值函数w(k,x,t)必须满足以下贝尔曼方程:
其中,
在(15)中执行最小化得到:
将(16)、(17)代入等式(15)中求解得到:
其中,k表示联盟中参与的传感器的数目,
s1033,将用于解决反馈纳什均衡的贝尔曼方程和确定的大联盟中参与者的价值函数作为特征函数的值,求解夏普利值,得到每个传感器的最优信息传输功率
本实施例中,将vi(x)和w(k,x,t)作为特征函数的值:v({i};x,t)和v(k;x,t),可以表示为:
其中,v(k;x,t)表示联盟数量为k时的特征函数的值。
根据式(19)和式(20),得到夏普利值
本实施例中,令插补分布程序(idp)b(t)={b1(t),b2(t),...,bn(t)},并且插补分布程序bi(t)在时间上保持一致,可以得到:
式(22)中,
本实施例中,对大联盟和反馈纳什均衡解进行模拟,对每个传感器进行信息传输功率的控制,以最大化网络电池能量,基于仿真的结果,如图3(a)-(h)所示,证实无线传感器网络最优功率控制的可行性,其中,图3中watt表示瓦特,利润(profit)由电池能量体现。
实施例二
本发明还提供一种无线供能传感器网络最优功率控制装置的具体实施方式,由于本发明提供的无线供能传感器网络最优功率控制装置与前述无线供能传感器网络最优功率控制方法的具体实施方式相对应,该无线供能传感器网络最优功率控制装置可以通过执行上述方法具体实施方式中的流程步骤来实现本发明的目的,因此上述无线供能传感器网络最优功率控制方法具体实施方式中的解释说明,也适用于本发明提供的无线供能传感器网络最优功率控制装置的具体实施方式,在本发明以下的具体实施方式中将不再赘述。
如图4所示,本发明实施例还提供一种无线供能传感器网络最优功率控制装置,包括:
构建模块11,用于构建由射频能量进行驱动的无线传感器网络;
第一确定模块12,用于确定所述无线传感器网络中每个传感器的效用,其中,每个传感器的效用为可实现的信干燥比和电池能量水平的组合;
第二确定模块13,用于通过动态博弈实现传感器效用的最大化,得到无线传感器网络的最优功率控制策略。
本发明实施例所述的无线供能传感器网络最优功率控制装置,构建由射频能量进行驱动的无线传感器网络;确定所述无线传感器网络中每个传感器的效用,其中,每个传感器的效用为可实现的信干燥比和电池能量水平的组合;通过动态博弈实现传感器效用的最大化,得到无线传感器网络的最优功率控制策略。这样,通过引入基于射频的无线能量传输和动态博弈论,实现基于协同动态博弈的射频能量无线传感器网络的最优功率控制。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。