传感器网络中基于能量认知的节点休眠调度策略研究

传感器网络节点休眠调度问题已经得到了广泛的研究，特别注重在节点能量受限的情况下延长网络生命周期。而现实环境中传感器网络存在能量获取的可能。研究基于能量认知的节点休眠调度策略能够有效利用节点从外界获取的能量，为进一步延长网络生命周期创造了条件。本项目针对能量获取传感器网络的节点休眠调度问题展开研究，主要研究：外部能量获取的规律以及节点剩余能量与能量获取过程之间的关系、面向区域覆盖和目标跟踪两种不同应用场景，依据节点剩余能量并融入外部能量获取规律的节点休眠调度策略。该研究将有助于优化利用能量获取传感器网络节点从外界获取的能量并在最大化网络生命周期的同时保证覆盖度，认识能量获取对传感器网络覆盖度和生命周期的影响，推动能量获取传感器网络的实际应用。

传感器网络节点休眠调度问题近年来得到广泛研究，在节点能量受限的情况下延长了网络生命周期。随着电池技术和新能源利用技术的进步，能量获取传感器节点可以从外界获取太阳能、风能等，一定程度上缓解能量限制。本项目研究基于能量认知的能量获取传感器网络节点休眠调度，有效利用节点从外界获取的能量，进一步延长网络生命周期。主要研究内容包括：外部能量获取的规律以及节点剩余能量与能量获取过程之间的关系、面向区域覆盖和目标跟踪两种应用场景，依据节点剩余能量并融入外部能量获取规律的节点休眠调度算法。重要研究结果包括：（1）提出一种基于距离的内外限制两阶段节点休眠调度算法，从基于距离的区域覆盖节点分组算法和能量评估函数两方面逐步调度节点工作模式。仿真结果显示算法不需要准确的位置信息就能满足覆盖，同时延长网络生命周期；（2）提出一种基于强化学习的用于区域覆盖的能量获取传感器网络两阶段节点休眠调度算法，从基于优先算子的区域覆盖节点分组算法和基于Q学习活跃节点选择算法两方面逐步调度节点工作模式。节点分组利用优先算子优先考虑了稀疏区域的节点来保证要求的覆盖率，之后将Q学习扩展应用于能量获取传感器网络，建立一个组合内的多节点协作的团队Q学习模型，通过不断进行活跃节点角色转换，让其他节点进入休眠，完成整个团队的休眠调度学习。与现有算法相比提出的算法能有效通过感知环境来调整组内节点工作模式，平衡节点间能耗，延长网络生命周期；（3）提出一种启发式目标跟踪休眠调度算法，在进行目标跟踪时，每轮跟踪只考虑目标的最大速度和目标周围节点的能量存储情况，唤醒一定数量的节点，保证参与跟踪的节点对目标运动区域的覆盖，同时使休眠节点有机会获取能量，延长网络生命周期。仿真验证和没有能量获取的情况相比，网络生命周期在能量获取的情况下更长；（4）在启发式目标跟踪休眠调度算法的基础上提出一种新算法。首先，采用能量有效性较高的目标跟踪算法作为基础，并针对其跟踪性能较差的缺点，用启发式目标跟踪算法来加以改进。同时，采用双存储能量获取节点，减弱由于传感器节点进行能量获取对目标跟踪产生的影响。仿真验证新算法能够提高跟踪质量、延长网络生命周期并且保证节点能量高效利用。本项目研究有助于优化利用能量获取传感器节点从外界获取的能量并在最大化网络生命周期的同时保证覆盖度，认识能量获取对传感器网络覆盖度和生命周期的影响，推动能量获取传感器网络的实际应用。