基于优化协作的可充电传感器网络的能量分配和移动数据收集机制研究

Rechargeable sensor networks, as a type of emerging wireless sensor networks in which energy of sensor nodes can be replenished by harvesting energy from ambient sources such as solar and wireless electromagnet, can alleviate effectively the restriction on network operations due to limited battery energy. However, how to efficiently allocate the harvested energy, timely charge the sensor's battery and effectively collect the sensed data based on the energy replenishment process remains a key problem to be addressed urgently. To address this problem, we will first propose a model for network throughput maximization based on replenishment profile unknown in advance by considering the diversity of energy-harvesting opportunities so as to address the problem of optimal energy allocation and management; then we will establish a model for network utility maximization by taking into account of spatial-temporal variations of energy replenishment rates so as to address the problem of mobile data gathering for solar energy rechargeable sensor networks; in addition, by utilizing the named data network technology and the multi-node simultaneously charging technology, we will propose the mobile energy replenishment mechanism so as to address the problem of energy replenishment in time for wireless rechargeable sensor networks; furthermore, by integrating wireless energy replenishing with mobile data gathering, we will build a model for data collection cost minimization based on comprehensive energy consumptions and time-varying recharging rates so as to address the problem of mobile data gathering for wireless rechargeable sensor networks. The outcome of this project will establish the foundation on promoting rechargeable sensor networks in practice.

可充电传感器网络作为一种新兴的通过获取太阳能、电磁能等补充节点电量的无线传感器网络，克服了有限的电池电量对网络操作的限制。但是，如何基于能量补充过程有效地分配能量、及时地为传感器充电和高效地收集所感知的数据仍是亟待解决的关键问题。为此，本项目将通过考虑能量获取机会的差异性等，构建基于能量补充量事先未知的网络吞吐量最大化模型，从而解决可充电传感器网络的最优能量分配问题；基于能量补充速率时间空间的可变性建立网络利用最大化模型，从而解决太阳能可充电传感器网络的移动数据收集问题；利用命名数据网络和多节点同时充电技术，提出基于最优充电时间的移动能量补充机制，从而解决无线可充电传感器网络的及时能量补充问题；通过将无线能量补充和移动数据收集相结合，构建基于综合能量消耗和时变充电速率的数据收集代价最小化模型，从而解决无线可充电传感器网络的移动数据收集问题。本项目的研究为可充电传感器网络走向实用奠定了基础。

可充电传感器网络作为一种新兴的通过获取太阳能、电磁能等方式补充节点电量的无线传感器网络，克服了电池电量对网络操作的限制。但是，如何基于能量补充过程有效地分配能量、及时地为传感器充电、高效收集移动数据以及优化数据传输过程仍是亟待解决的关键问题。首先，本项目为解决可充电传感器网络的最优能量分配问题，通过考虑中继选择、子载波配对和协作认知无线电等问题，提出了智能水滴优化、跨层资源分配等算法。随后，为解决网络寿命最大化问题，通过考虑传感器分簇、平均能耗等问题，提出了集中式分簇和启发式拓扑控制等算法，并对无线携能通信技术（SWIPT）中的中断概率进行了分析，实现了数据收集（传输）速率与能量消耗的平衡。此外，通过考虑感测数据冗余和网络开销，本项目根据传感数据间的空间重叠和数据相关性提出了基于最优源编码速率的流分配方案和基于提升小波方法执行速度的动态分簇方案，以及基于主成分分析（PCA）和基于典范相关性分析（CCA）的融合方案，实现了对传感网数据的压缩。另外，根据无线传感器网络部署环境的不安全性，研究了节点克隆和信道窃听等问题，提出了克隆体检测方法、改进的通信协议以及防窃听保密率和功率分配优化框架，得到较低的信息篡改率和有效保密下的最大吞吐量，从而保护传感器网络的信息安全。不仅如此，本项目还基于移动数据收集的空间不确定性研究了无线定位问题，提出了多节点协作定位、无线地图定位和细粒度室内指纹定位等算法；最后，基于研究无线传感器网络移动数据收集和预处理的目的，对移动云计算和软件定义网络（SDN）进行了研究，提出了任务迁移和数据传输的决策算法以及SDN中集群虚拟网络抽象策略等，对网络拓扑和传感数据传输实现了优化。本项目通过计划时间内的科学研究，完成了项目规定的研究任务，达到了预期的研究目标。