无线充电物联网中基于相继干扰消除的能量感知广播调度方法及系统
文献发布时间:2024-04-18 19:58:53
技术领域
本发明属于无线充电物联网广播调度技术领域,具体涉及一种无线充电物联网中基于相继干扰消除的能量感知广播调度方法及系统。
背景技术
近年来,无线电能传输(Wireless Power Transmission,WPT)技术已成为一种为物联网设备提供长期低成本能量的非常有前景的技术,这使得无线充电物联网(WirelessPowering Internet of Things,WPIoT)受到工业界和学术界的广泛关注和高度重视。WPIoT具有良好的部署灵活性,因此被广泛应用于如灾难救援、战场监控、智慧城市等领域。然而,相对于传统物联网,由于能源供应模式的改变,WPIoT面临着许多前所未有的挑战。特别是在实际应用中,网关设备常需要向全网分发重要数据(如代码更新通知、触发数据收集通知等),如何及时完成这一操作给WPIoT带来了巨大挑战。由于数据传输采用多跳转发模式,如何设计高效合理的调度策略对于降低重要数据的分发时延具有非常重要的意义。
在物联网中,广播调度是数据分发的一种有效方法。然而,由于存在无线信号干扰,物联网中的最低时延广播调度(Minimum-Delay Broadcast,MDB)问题已被证明是NP难问题。针对传统物联网的MDB问题,现有技术中提出了许多时延有效的算法。需要注意的是,由于数据传输或接收的能量约束,WPIoT通常具有使用存储-充电-转发通信模式的特点。现有算法没有明确考虑这一特性,因而无法应用到WPIoT。因此,如何根据WPIoT的特性设计低时延的广播调度算法值得深入研究。
现有技术通常采用干扰避免技术来解决多广播链路间的无线信号干扰问题,但该技术不利于增加并发传输的广播链路数量,容易导致较高的广播时延。近年来,相继干扰消除(Successive Interference Cancellation,SIC)技术具有强大的干扰处理能力,并且额外的计算开销相对较低,从而广泛应用于提升系统性能。SIC技术是一种简单而强大的多包接收技术,可以在物理层从干扰信号中解码多个数据信号,可以有效地处理数据传输链路之间的信号干扰。但是,现有技术较少考虑将SIC技术应用到广播调度算法中。
发明内容
发明目的之一是提供一种无线充电物联网中基于相继干扰消除的能量感知广播调度方法,针对WPIoT中的MDB问题(简称MDBW问题),该方法充分考虑WPIoT的特点,有效地结合了SIC技术的优势,可显著降低了WPIoT中的广播时延。
本发明中的无线充电物联网中基于相继干扰消除的能量感知广播调度方法包括:
步骤1获取当前WPIoT网络内部署的网关设备和物联网设备间传播数据的广播树T
所述广播树T
步骤2自初始,逐时间片沿着广播树T
获得需要调度的广播链路集合S
以同时满足能量可行约束和无干扰约束条件为前提,利用支持SIC的能量感知广播链路调度方法调度S
从当前层的链路集合S
完成当前时间片所有的层的调度后,进入下一个时间片,并基于更新后的各层中任需要调度的广播链路集合S
进一步的,所述广播树T
步骤1.1,根据所有设备到网关设备g的跳距将它们分层为
步骤1.2,选择L
步骤1.3,令支配设备的父设备是连通支配集中的连接设备,连接设备的父设备是连通支配集中的支配设备,被支配设备选择邻居的支配设备作为父设备,进而构建了广播树T
进一步的,步骤2中的支持SIC的能量感知广播链路调度方法,包括:
步骤2.1建立空链路集合S
其中,δ
步骤2.2建立空链路集合S
步骤2.3将当前时间片分给S
进一步的,步骤2.2中,以下述准侧进行子设备的解码能力判断:
1)直接解码:若设备v从其父设备u
Γ
其中,β为给定的信干噪比阈值,
则判断设备v可以其父设备u
2)间接解码:设备v从其父设备u
Γ
则判断设备v可以首先解码发送设备w
3)无法解码:若前两项准则均无法满足,则判断设备v无法从混合信号中解码其父设备u
进一步的,步骤2.2中,以P(u
其中,P(u
本发明的另一目的是提供一种WPIoT多跳网络广播调度系统,包括:
获取模块,用于获取当前WPIoT多跳网络的设备部署信息,以及网络内网关设备和物联网设备间传播数据的广播树T
所述进而获得广播树T
所述广播树T
调度模块,用于基于所述广播树T
获得需要调度的广播链路集合S
以同时满足能量可行约束和无干扰约束条件为前提,利用支持SIC的能量感知广播链路调度方法调度S
从当前层的链路集合S
完成当前时间片所有的层的调度后,进入下一个时间片,并基于更新后的各层中任需要调度的广播链路集合S
进一步的,还包括广播树T
根据所有设备到网关设备g的跳距将它们分层为
选择L
令支配设备的父设备是连通支配集中的连接设备,连接设备的父设备是连通支配集中的支配设备,被支配设备选择邻居的支配设备作为父设备,进而构建了广播树T
进一步的,所述设备部署信息中包括各设备实时更新的当前的剩余能量、设备的最小充电速率、设备数据传输和接收所消耗的能量以及设备所需的最小剩余能量;
所述调度模块内耦合有能量感知广播链路调度子模块,该模块被配置为在每一层的调度中被调用,并按照以下步骤进行广播链路调度:
步骤2.1建立空链路集合S
其中,δ
步骤2.2建立空链路集合S
步骤2.3将当前时间片分给S
进一步的,所述设备部署信息还包括给定的,用于判断设备是可以成功解码的信干噪比阈值;
所述能量感知广播链路调度子模块还被配置为,以下述准侧进行子设备的解码能力判断:
1)直接解码:若设备v从其父设备u
Γ
其中,β为给定的信干噪比阈值,
则判断设备v可以其父设备u
2)间接解码:设备v从其父设备u
Γ
则判断设备v可以首先解码发送设备w
3)无法解码:若前两项准则均无法满足,则判断设备v无法从混合信号中解码其父设备u
进一步的,所述设备部署信息中包括各设备的发射功率以及设备间的距离,还包括可设置的噪声信号功率和信号衰减系数;
所述能量感知广播链路调度子模块中还耦合有接收功率/信干噪比计算子模块,该模块被配置为,以P(u
其中,P(u
本发明的有益效果在于,考虑了一般的WPIoT多跳网络下的MDBW问题,其中大量物联网设备由多个无线充电器负责充电。本发明将MDBW这一NP难问题转化为两个可求解的子问题:广播树构建和广播链路调度,针对MDBW问题的两个子问题,本发明提出的算法充分利用了连通支配集(Connected Dominating Set,CDS)良好的几何特性来构造广播树。在此基础上,应用SIC技术集成了一种新的能量感知广播链路调度方法。该方法能同时满足能量可行约束和无干扰约束,实现了能量可行且无干扰的广播链路调度。
通过基于真实世界的数据集进行了大规模的实验表明,该算法在广播时延和并发传输广播链路总数两方面均优于现有算法。
附图说明
图1为本发明实施例中的WPIoT网络的示意图;
图2为本发明实施例中的EABS算法的算法思路示意图;
图3为本发明实施例中示例性给出的广播树构造过程示意图;
图4为本发明实施例中例性给出的基于SIC的广播链路调度示例图;
图5为本发明实施例中的三种解码情况的示例图;
图6为本发明实施例的仿真实验中不调度方法在不同网络规模下的性能变化对比图。
图7为本发明实施例的仿真实验中不调度方法在不同传输半径下的性能变化对比图。
图8为本发明实施例的仿真实验中不调度方法在不同最大初始能量下的性能变化对比图。
图9为本发明实施例的仿真实验中不调度方法在不同最大充电速率下的性能变化。
图10为本发明实施例的仿真实验中不调度方法在不同信号衰减系数下的性能变化。
图11为本发明实施例中的WPIoT多跳网络广播调度系统的示意性框图。
具体实施方式
本实施例中考虑如图1所示的WPIoT网络。该网络包括n个设备,其中1个为网关设备,n-1个为物联网设备。物联网设备部署在一个特定区域,由多个无线充电器进行无线充电。网关设备g负责将查询请求或代码更新通知通过多跳转发的方式分发到所有物联网设备。用图G=(V,E)来描绘WPIoT网络,其中V由所有设备组成,E包含这些设备之间的所有边。注意,如果G中两个设备u和v之间的距离d(u,v)小于或等于传输半径r,则它们之间有一条边e。如果两个设备的距离大于r,则两个设备之间没有边,例如图1中的设备w和v。
本例中,采用时分多址(Time Division Multiple Access,TDMA)作为多址接入信道(Multiple Access Channel,MAC)协议,将整个调度周期划分为固定数量的时间片(Timeslot)。在一个时间片内,发送设备可以完成到接收设备的数据传输。此外,在一个时间片期间,发送设备不能是接收设备。本实施例用
用δ
值得关注的是,设备u的充电速率可能会随着不同时间片无线信道增益的变化而变化。为方便模型建立,本实施例中假设可以通过观察和记录得到设备u的最小充电速率
本实施例中,采用物理干扰模型作为信号干扰模型。在该信号干扰模型下,为实现发送设备u的数据正确解码,接收设备v的信干噪比(Signal to Interference plus Noisepower Ratio,SINR)Γ
其中P(u)和N
P=N
特别地,当设备v的SINR不满足式(2)所示条件时,SIC技术允许设备v首先解码干扰信号,然后从混合信号中去除干扰信号,最后解码设备u的数据包。因此,在分析多广播链路之间的干扰关系时需要考虑这一特性,本实施例中将在后续内容详细介绍该方法。
分别用η
由于η
为了有效地解决WPIoT的广播调度问题,本实施例中将这个问题分为以下两个子问题。
子问题A:构建广播树T
对于给定的区域内部署的网关设备和物联网设备,研究为每个设备u分配子设备的子问题,以构建一个广播树T
S
子问题B:广播链路调度D
对于给定的待调度的广播链路,需要研究为这些广播链路分配传输时间片的子问题。用l
D(l
其中N
需要注意的是,物联网设备需要收集足够的能量来支持数据传输或接收,而成功的数据传输受到无线信号干扰的限制。因此,面向WPIoT的广播链路调度D应同时考虑能量可行约束和无干扰约束。接下来本实施例定义这两个约束条件。
定义1:能量可行约束
对于给定的每个要调度的链路l
δ
δ
定义2:无干扰约束
广播链路调度D应确保在分配的时间片上调度的所有链路都是无干扰的,即各接收设备的SINR不小于阈值,或者该设备可以利用SIC技术从混合信号中去除干扰信号后对数据包进行解码。
为了便于算法描述,如果一个链路集S中所有的链路都满足无干扰约束,则称这个链路集为无干扰链路集。本实施例中的目标是为WPIoT提出一种最低时延的广播调度算法,因此定义广播时延如下。
定义3:广播时延
将广播时延γ定义为所有IoT设备接收网关设备数据所需的时间片总数。数据传输需要一个时间片,故广播调度H=(C,D)的广播时延可得:
然后可给出MDBW问题的形式化定义,并证明该问题是NP难问题。
定义4:MDBW问题
对于给定G(V,E)中的网关设备g和IoT设备,本实施例提出广播时延γ(H)最低的广播调度H=(C,D)的问题,其中C主要负责构造广播树T
D同时满足能量可行约束和无干扰约束条件
定理1:MDBW问题是NP难问题。
证明:本处考虑一种特殊情况:每个IoT设备的充电速率大于数据传输消耗的能量。由于数据接收所消耗的能量小于数据传输所消耗的能量,所有IoT设备始终拥有充足的能量来实现数据传输或接收。因此,这种特殊情况下的MDBW问题就变成了传统的MDB问题。传统的MDB问题已被证明是NP难的,因此该定理成立。
与MDB问题相比,MDBW问题考虑了更多的约束,因此变得更加复杂。因此,本实施例中分别为MDBW问题的两个子问题设计有效的解决方案。
为了有效地处理MDBW问题的两个子问题,本例中提出了一种基于SIC的能量感知广播调度算法EABS。该EABS算法充分考虑了WPIoT的通信模式,并利用了SIC技术的优势,实现了能量可行且无干扰的低时延广播调度。图2给出了该EABS算法的算法思路,其中输入为系统模型参数,包括:G=(V,E),g,P,r,η
1)基于CDS的广播树构造C。
针对子问题A,本算法首先根据物联网设备到网关设备的跳数距离对其进行分层,并逐层计算CDS;然后提出了一种基于CDS的广播树构造方法;通过充分利用CDS良好的几何性质来求解这一子问题。
2)基于SIC的能量感知广播链路调度D。
为了解决子问题B,本算法首先分析广播链路的发射设备和接收设备的能量特性,以选择能量可行的链路。然后利用SIC技术分析这些链路之间的信号干扰关系。最后,计算无干扰广播链路集,并基于计算得到的链路集提出了一种广播链路调度方法。该方法同时考虑了能量可行约束和无干扰约束,实现了有效的广播链路调度。
EABS算法的伪代码表示如算法1所示:
CDS具有良好的几何性质,已被许多研究工作用于构造广播树。因此,此处将首先计算图G的CDS,然后基于CDS构造一个以网关设备g为根的广播树T
首先,根据所有设备到网关设备g的跳距将它们分层为
其次,逐层计算CDS。具体的,选择L
最后,在CDS的基础上构建了广播树T
以下以图3为例说明广播树的构造方法。首先选择L
沿着广播树T
WPIoT的广播链路调度必须同时满足能量可行约束和无干扰约束。因此,此处首先将S
为了提高并发传输的广播链路数量,本例结合SIC技术设计了一种高效的广播链路调度方法。假设如图4所示,有m条广播链路,
1)直接解码:此时设备v可以直接解码设备u
2)间接解码:设备v从设备u
此外,所有接收到的信号功率满足以下条件:
其中1≤k≤j,此时,若设备v从设备u
3)无法解码:将所有发送设备按照接收到的信号功率强度进行排序后,排在w
以下利用图5来说明三种解码情况。在本例中需要调度3条广播链路
基于以上三种情况的分析,可以得出以下定理。
定理2:如果所有待调度广播链路的每个接收设备都能直接或间接解码其发送设备的数据,则可在一个时间片对这些广播链路进行无信号干扰的调度。
证明:可以利用反证法证明这个定理。假设这些广播链路不能在一个时间片调度,因此某个接收设备v无法解码其父设备F(v)的数据。这一结论与前提条件相矛盾。因此这个定理成立。
从上面的定理可以看出,SIC技术的优势在于同时支持直接解码和间接解码,而传统的干扰避免技术只支持直接解码。为了充分利用SIC技术的这一优势,本例中提出一种SIC使能的高效广播链路调度方法。在获得能量可行链路集S
定理3:EABS算法的时间复杂度不超过O(n
证明:本例中的EABS算法首先对所有设备进行分层,最多需要O(n)时间完成。第二步是基于CDS构建广播树,其时间复杂度为O(n
O(|S
假设while循环迭代z次,用
因此,我们将所有步骤的运行时间结合起来,可以得到该定理成立。
以下通过大规模的实验从广播时延和并发传输的广播链路总数两个方面评估了所提算法的性能。为了评估算法调度的并发传输广播链路总数,本例给出了并发时间片的定义:如果在一个时间片中同时调度多个链路,则将该时间片视为并发时间片。并发时间片越多,表示并发传输的广播链路总数越大,广播时延受广播链路总数和并发时间片总数两者的影响,当广播链路总数固定时,更多的并发时间片将带来更低的广播时延。
1)实验方法:在本例的实验中,采用西班牙桑坦德市的智慧城市物联网数据集进行测试。该数据集从西班牙桑坦德市提取了6000个物联网对象的信息和位置生成。实验中,从这个数据集中选择了100到400个物联网设备,并分配了一个设备作为网关设备。此外,部署了多个无线充电器为这些物联网设备充电。表1给出了实验参数的设置。
表1实验参数设置
2)基准算法:文献“Q.Chen,Z.Cai,L.Cheng,H.Gao,and J.Li,“Low-latencyconcurrent broadcast scheduling in duty-cycled multihop wireless networks,”inProc.IEEE ICDCS,2019,pp.851–860.”中提出的算法基于图干扰模型,没有体现无线信号干扰的实际效果。文献“T.Xiang,J.Yu,L.Ma,G.Li,and X.Cheng,“Distributeddeterministic broadcasting algorithms under the sinr model,”in Proc.IEEEINFOCOM,2016,pp.1–9.”中提出的TEGB算法是目前最相关的广播调度算法,但该算法不适用于WPIoT。为了便于比较,此处对TEGB算法进行了修改,使其满足WPIoT的能量可行约束。此外,本例中还采用了传统的基于最短路径树的广播调度算法SPTBS作为另一种基准算法。为了公平起见,SPTBS算法采用SELS方法对广播链路进行调度。由于最优算法的性能难以达到,本例中通过MDBW问题的下界来代替。下界计算方法是,通过计算在没有信号干扰的情况下,网关设备到每个物联网设备的最小数据传输时延的最大值。
图6显示了网络规模从100到400变化时算法的性能。从图6(a)可以看出,TEGB、SPTBS和EABS三种算法的广播时延都随着网络规模的增大而增大。这是因为更多的广播链路需要用更多的时间片来完成调度。需要注意的是,问题的下界随着网络规模的增大呈下降趋势。原因在于,在没有信号干扰的情况下,可以选择更多的设备作为网关设备到每个物联网设备之间的转发设备,从而可以降低最小数据传输时延。但在实际的广播过程中,严重的信号干扰会导致较大的广播时延,如图6(a)所示。
此外,EABS算法的性能优于两个基准算法TEGB和SPTBS,性能提升分别最高达到了23.4%和6.9%。其原因可以通过图6(b)所示的结果来说明。如图6(b)所示,由于采用基于CDS的广播树构建方法和启用SIC的链路调度方法,与TEGB和SPTBS算法相比,EABS算法获得了最大的并发时间片总数。需要注意的是,在SPTBS算法中,一条广播链路可能有多个接收设备,因而广播链路总数小于TEGB和EABS算法。然而,因为SPTBS算法调度的广播链路多数存在干扰,因而并发时间片总数小于TEGB和EABS算法。更少的广播链路和更多的并发时间片数目带来更低的广播时延。我们的EABS算法获得的并发时间片数目要明显多于SPTBS算法,因而广播时延低于SPTBS算法。TEGB算法未集成SIC技术,因而并发时间片总数没有明显多于SPTBS算法。因此,TEGB算法的广播时延要高于SPTBS算法。
本例中还评估了不同传输半径对这些算法性能及其下界的影响,如图7所示。从图7(a)可以看出,随着传输半径的增大,所有算法的广播时延及其下界都呈现出同样的上升趋势。原因是,当传输半径增大时,一条链路的发送设备可能会有更多的子设备。因此,更多的链路相互干扰,并发时间片总数减少,如图7(b)所示。与两种基线算法相比,由于设计了良好的广播树构建方法和基于SIC的链路调度方法,EABS算法获得了最大的并发时间片总数,广播时延优化最多可以达到25.3%和7.9%。
图8给出了不同最大初始能量下各算法的实验结果。随着最大初始能量的增加,设备满足能量可行约束所需的充电时间越少,因此所有算法的广播时延及其下界呈下降趋势,如图8(a)所示。此外,与两种基准算法相比,EABS算法分别最高可获得28.3%和9.3%的性能提升。这是因为EABS算法充分利用了CDS和SIC技术的优势,获得了最大的并发时间片总数,如图8(b)所示。需要注意的是,广播时延是由广播调度所需的时间片总数计算得到的,由于广播时延的减少,并发时间片总数呈下降趋势。
本例中还评估了不同的最大充电速率对这些算法性能的影响,如图9所示。从图9(a)可以看出,随着最大充电率的增加,所有算法的广播时延及其下界都呈现出相同的下降趋势。这是因为设备满足能量可行约束的充电时间是逐渐减少的。如图9(b)所示,当最大充电率增大时,并发时间片总数也随之增大。与两种基准算法相比,EABS算法的广播时延最高分别降低了26.6%和7.6%。
图10给出了各算法在不同信号衰减系数下的实验结果。如图10(a)所示,当信号衰减系数增大时,所有算法的广播时延及其下界均显著增大。其原因是随着信号衰减系数的增大,信号干扰约束越来越难以满足。此外,更多的链路相互干扰,因此并发时间片总数减少,如图10(b)所示。由于采用了基于CDS的广播树构建方法和基于SIC的链路调度方法,EABS算法获得了最多的并发时间片总数,与两种基准算法相比分别最多获得了26.1%和8.8%的性能提升。
本实施例中提出了一种低时延的能量感知广播调度算法EABS。EABS算法采用连通支配集构造广播树,并结合SIC技术提出一种能量感知的广播链路调度方法。通过本实施例,证明了EABS算法能够实现能量可行且无干扰的广播调度。基于真实数据集的大规模实验结果表明,所提算法能够有效增加并发传输的广播链路总数,从而获得比现有算法更低的广播时延。
本实施例中还公开了一种WPIoT多跳网络广播调度系统,用于执行前述的方法步骤以输出WPIoT多跳网络的广播调度方案,该系统基本如图11所示,包括:
获取模块,用于获取当前WPIoT多跳网络的设备部署信息,以及网络内网关设备和物联网设备间传播数据的广播树T
所述广播树T
广播树T
调度模块,用于基于所述广播树T
获得需要调度的广播链路集合S
以同时满足能量可行约束和无干扰约束条件为前提,利用支持SIC的能量感知广播链路调度方法调度S
从当前层的链路集合S
完成当前时间片所有的层的调度后,进入下一个时间片,并基于更新后的各层中任需要调度的广播链路集合S
本实施例中,还包括广播树构造模块,用于根据当前WPIoT多跳网络的设备部署信息构造广播树,该模块被配置为采用以下策略构造广播树T
根据所有设备到网关设备g的跳距将它们分层为
选择L
令支配设备的父设备是连通支配集中的连接设备,连接设备的父设备是连通支配集中的支配设备,被支配设备选择邻居的支配设备作为父设备,进而构建了广播树T
本实施例中,设备部署信息中包括各设备实时更新的当前的剩余能量、设备的最小充电速率、设备数据传输和接收所消耗的能量以及设备所需的最小剩余能量;
调度模块内耦合有能量感知广播链路调度子模块,该模块被配置为在每一层的调度中被调用,并按照以下步骤进行广播链路调度:
首先,建立空链路集合S
其中,δ
接着,建立空链路集合S
最后,将当前时间片分给S
本实施例中,设备部署信息还包括给定的,用于判断设备是可以成功解码的信干噪比阈值;
所述能量感知广播链路调度子模块还被配置为,以下述准侧进行子设备的解码能力判断:
1)直接解码:若设备v从其父设备u
Γ
其中,β为给定的信干噪比阈值,
则判断设备v可以其父设备u
2)间接解码:设备v从其父设备u
Γ
则判断设备v可以首先解码发送设备w
4)无法解码:若前两项准则均无法满足,则判断设备v无法从混合信号中解码其父设备u
本实施例中,设备部署信息中包括各设备的发射功率以及设备间的距离,还包括可设置的噪声信号功率和信号衰减系数;
本实施例中,能量感知广播链路调度子模块中还耦合有接收功率/信干噪比计算子模块,该模块被配置为,以P(u
其中,P(u
- MIMO无线网络中基于相继干扰消除的分布式调度方法
- 异构蜂窝网络中基于调度和干扰对齐的下行干扰消除方法