无线可充电传感器网络中的联合移动数据收集和能量供应

无线可充电传感器网络（WSN）是由大量小型传感器节点组成的网络，这些节点能够收集周围环境的信息，例如温度、湿度、光照等，并通过无线通信技术将收集到的数据发送给基站进行处理和分析。传统无线传感器网络通常使用电池作为能源，但其储能能力有限，导致网络运行时间受限，这在很多情况下是不可接受的。例如，在地震、土壤监测等应用中，我们可能需要传感器网络能够在没有人为干预的情况下持续运行数月甚至数年。 最近发展起来的无线能量传输技术为解决这一问题提供了新的思路。通过无线能量传输，可以为传感器节点的电池进行无线充电，从而维持网络的持久运行。这项技术的突破为传感器网络协议的设计开辟了一个新的维度，使得网络能够在没有电池更换的情况下实现自我供能和自我修复。然而，无线可充电传感器网络中的充电速率随时间变化，这给获取最优数据收集策略带来了巨大的挑战。 本文提出了一种在无线可充电传感器网络中联合移动数据收集和能量供应的框架（WerMDG）。在该框架下，首先需要确定锚点选择策略以及访问这些锚点的顺序。然后，将WerMDG问题转化为一个受流量、能量平衡、链路和电池容量以及移动收集器有限停留时间约束的网络效用最大化问题。为了实现这一目标，本文提出了一种分布式算法，该算法包括为每个传感器节点制定的跨层数据控制、调度和路由子算法，以及为移动收集器在不同锚点上分配停留时间的子算法。此外，本文还提供了这些子算法的收敛性分析。我们以分布式方式在NS-2模拟器中实现了WerMDG算法，并通过广泛的数值结果验证了所提算法的收敛性以及效用权重、链路容量和充电速率对网络性能的影响。 移动数据收集（Mobile Data Gathering）被看作是一种有效的数据中继替代方案。它涉及使用移动收集器（如无人机或移动机器人）来收集网络中节点的数据，而不是传统的方式，即通过多个传感器节点来中继数据。移动数据收集模式可以减少节点的通信成本，并可能提高数据收集的效率，但同时也带来了新的挑战，比如需要有效管理移动收集器的路径和停留时间，确保能量消耗的优化，并考虑到各种因素，如环境条件、节点布局和能量供应的动态性。 分布式算法在网络中是至关重要的，因为它允许每个传感器节点独立运行而不需要中央控制器的指令。这种分布式计算方法提高了网络的鲁棒性，并减少了网络延迟，也避免了单点故障的问题。在无线可充电传感器网络中，分布式算法需要考虑能量消耗和能量补充的时变特性，以及如何高效地利用移动收集器进行数据收集。 在实际应用中，移动数据收集需要考虑网络的性能指标，例如网络吞吐量、延迟、可靠性以及网络寿命等。本文提出的网络效用最大化问题，就是为了在各种约束条件下，优化这些性能指标，以达到最佳的网络运行效率。这些约束条件包括节点流量、能量平衡、链路容量限制以及移动收集器的有限停留时间等。 本文的研究工作不仅在理论上提出了创新的算法和框架，而且通过模拟实验来验证算法的实际效果，并分析了效用权重、链路容量和充电速率对网络性能的影响。通过这些研究，为无线可充电传感器网络的设计和应用提供了新的方向和工具，具有重要的实际意义和应用价值。