專利名稱：無線網(wǎng)絡(luò)測量的能量管理方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種無線網(wǎng)絡(luò)測量的能量管理領(lǐng)域，在該無線網(wǎng)絡(luò)中多個節(jié)點 對機動目標進行協(xié)作跟蹤，尤其涉及一種用于無線網(wǎng)絡(luò)測量的能量管理方法。
背景技術(shù)：
大量具有感知、處理和無線通信功能的智能節(jié)點，在特定區(qū)域組成無線網(wǎng)絡(luò) 可以完成復(fù)雜的測量任務(wù)。值得注意的是，網(wǎng)絡(luò)節(jié)點通常采用電池供電，受到能 量約束，因而無線網(wǎng)絡(luò)的能量管理成為一個非常重要的問題。能量管理的基本思 想是在不需要時關(guān)閉設(shè)備，而必要時將其喚醒。因此，設(shè)計有效的節(jié)點喚醒機制 十分必要。目前，具有多種能量模式的設(shè)備有很多。例如，StrongARMSA-1100處理器 有三種能量模式"運行"、"空閑"和"睡眠"。類似的，藍牙無線設(shè)備有四種 不同的能量消耗模式"活性"、"保持"、"呼吸"和"停留"。網(wǎng)絡(luò)節(jié)點中集成 了多個此類設(shè)備，按照設(shè)備能量模式的各種組合，擁有一系列不同功率的睡眠狀 態(tài)?？紤]包含CPU、內(nèi)存、傳感器和無線通信模塊的網(wǎng)絡(luò)節(jié)點，各模塊能根據(jù) 要求進入不同的能量模式。上述各種模式雖然能夠在一定程度上解決節(jié)約能量的問題，但是節(jié)約能量的 效果還不是很好，仍然存在提高節(jié)能效率的問題。發(fā)明內(nèi)容本發(fā)明的目的在于為無線網(wǎng)絡(luò)的機動目標跟蹤應(yīng)用，提出一種能夠采用目標 運動的先驗信息規(guī)劃網(wǎng)絡(luò)節(jié)點睡眠時間，并根據(jù)節(jié)點喚醒狀態(tài)優(yōu)化測量和通信能 耗，從而能夠節(jié)約使用能量的無線網(wǎng)絡(luò)測量的能量管理方法。本發(fā)明提出的基于機動目標預(yù)測的能量管理方法，其步驟如下采用粒子濾 波算法對機動目標的運動進行預(yù)測，根據(jù)預(yù)測結(jié)果合理規(guī)劃節(jié)點睡眠時間，設(shè)計 網(wǎng)絡(luò)節(jié)點的動態(tài)喚醒機制，縮短節(jié)點處于完全激活狀態(tài)的時間，在目標周圍節(jié)點 喚醒和目標預(yù)測位置已知的條件下，運用分布式遺傳模擬退火算法優(yōu)化選擇測量 節(jié)點，在保證目標測量精度的前提下使測量能耗最小化，同時采用中轉(zhuǎn)節(jié)點優(yōu)化 通信路徑，降低通信能耗。對本發(fā)明主要步驟的進一步說明如下1、 機動目標預(yù)測假設(shè)無線網(wǎng)絡(luò)監(jiān)測對象為車輛目標，具有最大加速度^m和最大速度V^ 。 中心節(jié)點負責(zé)收集無線傳感節(jié)點每一輪的測量信息，計算目標當(dāng)前位置，并對其 軌跡進行預(yù)測。采用運動模型對目標的位置、速度和加速度信息進行描述。狀態(tài)方程為 X(A: +1)=+ G,t/(A:) + G2r("，觀測方程為Z(A: +1)=股(A; +1) +『(A: +1)。 其中A為測量步數(shù)，X(A:)是與目標的兩軸向位置及速度相關(guān)的狀態(tài)向量，Z(A)是 觀測向量，C/("是與目標;c、少軸向運動加速度相關(guān)的輸入向量，r(Q和『("分 別是過程噪聲和觀測噪聲，F(xiàn)是狀態(tài)向量變換的非線性矩陣，G,(Q為目標機動 耦合輸入矩陣，q("是過程噪聲輸入矩陣，//是模型觀測矩陣。對二維運動， 矩陣定義如下i r o 0"| 「i o o o-oioo oioo … ,//= (i) o o i r ooioo o o ij Lo o o i其中r為無線網(wǎng)絡(luò)測量周期。粒子濾波算法通過非參數(shù)化蒙特卡羅模擬實現(xiàn)基于貝葉斯采樣估計的順序 重要采樣濾波，采用狀態(tài)空間中傳播的隨機樣本(粒子)對目標測量的后驗概率 密度函數(shù)進行近似，以樣本均值代替積分運算，獲得狀態(tài)最小方差估計。在平穩(wěn)隨機過程中，對第yt-l步測量的后驗概率密度選取W個隨機樣本點，獲得第A;步 的測量信息后，經(jīng)過狀態(tài)更新，iV個粒子的后驗概率密度可近似為第A步測量的 后驗概率密度。隨粒子數(shù)增加，粒子的概率密度函數(shù)逐漸逼近狀態(tài)的概率密度函 數(shù)，粒子濾波估計即為最優(yōu)貝葉斯估計。根據(jù)粒子的先驗概率密度可以估計目標 下一步的位置。2、 動態(tài)喚醒機制設(shè)計網(wǎng)絡(luò)節(jié)點包含了 CPU、內(nèi)存、傳感器和無線通信模塊。假設(shè)各睡眠狀態(tài)A的 能量消耗為P,，由完全激活狀態(tài)轉(zhuǎn)換到此狀態(tài)和恢復(fù)的時間分別為、,和、4 (對 任意/>/'，乃>/ ， r《,""且，,〉^)。網(wǎng)絡(luò)節(jié)點在睡眠狀態(tài)之間轉(zhuǎn)換的功率 消耗采用線性變化模型。例如，節(jié)點從狀態(tài)^轉(zhuǎn)換到狀態(tài)A時，無線通信、內(nèi)存^ 0 2r oo L2o r
和處理器各個部分逐步斷電，將造成功率消耗的線性變化。設(shè)轉(zhuǎn)換時間 A=、，，則節(jié)點從睡眠狀態(tài)&轉(zhuǎn)換到&的能耗計算如下I T _ r I五—尸一尸i.L^_li (2)如說明書附1所示，為網(wǎng)絡(luò)節(jié)點定義了 5種睡眠狀態(tài)(1) 狀態(tài) 是節(jié)點的完全活性的狀態(tài)，節(jié)點可以傳感、處理、發(fā)送和接收 數(shù)據(jù)，《，表示發(fā)送數(shù)據(jù)的額外能耗。位于(X,，少,)的節(jié)點向位于( ,^)的節(jié)點發(fā) 送數(shù)據(jù)時，五,x計算如下y,x=a, + a2《V (3)其中r為數(shù)據(jù)率，w。為衰減指數(shù)。(2) 狀態(tài)^中，節(jié)點處于傳感和接收模式，而處理器處于待命狀態(tài)。(3) 狀態(tài)^與狀態(tài)^類似，不同點在于處理器斷電，當(dāng)傳感器或無線電接 收到數(shù)據(jù)時可以被喚醒。(4) 狀態(tài)A僅傳感的模式，除了傳感器模塊外均關(guān)閉。(5) 狀態(tài)&表示設(shè)備的全關(guān)狀態(tài)，是完全睡眠狀態(tài)。測量區(qū)域內(nèi)無目標進入時，網(wǎng)絡(luò)處于待命狀態(tài)，根據(jù)網(wǎng)絡(luò)節(jié)點到測量區(qū)域邊 界的最短距離可以確定目標進入其感知范圍的最短時間；當(dāng)目標進入測量區(qū)域 后，網(wǎng)絡(luò)節(jié)點根據(jù)目標預(yù)測位置同樣可以確定目標進入其感知范圍的最短時間。 網(wǎng)絡(luò)節(jié)點在這段時間可以進入完全睡眠狀態(tài)&，而不會丟失事件。動態(tài)喚醒機制 中，節(jié)點根據(jù)睡眠時間由自身的時鐘喚醒。網(wǎng)絡(luò)節(jié)點先喚醒到A狀態(tài)，除了同時 受到傳感器觸發(fā)的節(jié)點外，其余節(jié)點直接返回狀態(tài)&。這些處于&狀態(tài)的網(wǎng)絡(luò)節(jié) 點能響應(yīng)外界消息，為目標測量的候選節(jié)點。3、節(jié)點選擇優(yōu)化優(yōu)化問題即為從候選測量節(jié)點中選擇合適的節(jié)點完成實際測量任務(wù)，目標是 在滿足目標測量精度要求的前提下，使網(wǎng)絡(luò)能耗最小化。若機動目標在f時刻位于且能被w (w>2)個網(wǎng)絡(luò)節(jié)點同時探測，則各節(jié)點 可以獲取其方向角信息，其測向(direction finding, DF)誤差具有零均值、高斯 分布和恒定方差。由于存在測向誤差，各節(jié)點測向線無法交于一點，因而采用非 線性最小二乘估計方法實現(xiàn)多節(jié)點協(xié)作的目標定位。根據(jù)n個節(jié)點測量方程，可 以利用最小二乘準則迭代獲得當(dāng)前目標位置的估計值。估計誤差的協(xié)方差矩陣是 正定的，其相關(guān)二次型定義了一個描述二維誤差分布的橢圓。多傳感器協(xié)作測量 誤差指標由誤差橢圓確定。對于任意一種節(jié)點選擇方式，所選節(jié)點需要將測量數(shù) 據(jù)傳遞給中心節(jié)點，網(wǎng)絡(luò)節(jié)點處于狀態(tài)^并進行數(shù)據(jù)發(fā)送的能耗可以作為能量指 標。由于目標預(yù)測位置巳知，可以采用上述兩項指標對節(jié)點選擇方式進行評價。 利用無線網(wǎng)絡(luò)分布式計算的潛力并結(jié)合遺傳算法和模擬退火的優(yōu)勢，提出一種分 布式遺傳模擬退火算法進行節(jié)點選擇優(yōu)化。在當(dāng)前測量周期內(nèi)從^狀態(tài)的節(jié)點中 隨機選取一個節(jié)點作為管理節(jié)點，將遺傳算法的解個體分配給其余^狀態(tài)的節(jié) 點。各節(jié)點分布執(zhí)行SA優(yōu)化算法，管理節(jié)點每隔固定時間收集分布優(yōu)化結(jié)果進 行交叉、變異操作，并重新分配最優(yōu)個體，通過迭代獲得最優(yōu)解。優(yōu)化過程中， 網(wǎng)絡(luò)節(jié)點間個體交流的數(shù)據(jù)量很小，通常可忽略通信能耗。4、通信路徑優(yōu)化每個測量周期中，在目標周圍完成測量任務(wù)一組網(wǎng)絡(luò)節(jié)點將采集到的數(shù)據(jù)聚 集并發(fā)送給中心節(jié)點。數(shù)據(jù)從距中心節(jié)點最遠的網(wǎng)絡(luò)節(jié)點開始按由遠到近的順序 依次聚合并傳遞給中心節(jié)點。當(dāng)然，目標領(lǐng)域范圍可能距中心節(jié)點較遠，即使采 用距其最近的測量節(jié)點發(fā)送數(shù)據(jù)仍然消耗大量能量。因此，考慮在從節(jié)點中隨機 選取一部分作為中轉(zhuǎn)節(jié)點用于中轉(zhuǎn)數(shù)據(jù)包以節(jié)省通信耗能。為了使節(jié)點耗能更均 衡，中轉(zhuǎn)節(jié)點按測量周期更新。本發(fā)明的效果是機動目標跟蹤作為無線網(wǎng)絡(luò)的典型應(yīng)用，通常需要在無線 網(wǎng)絡(luò)測量區(qū)域內(nèi)采用節(jié)點隨機布置，各網(wǎng)絡(luò)節(jié)點具有對機動目標進行測向的功 能。設(shè)每個傳感器擁有相同的測量范圍，無線網(wǎng)絡(luò)采用固定的周期進行測量。由 于節(jié)點布置的密集性，同一事件可釆用多傳感器同時測量，因而可以運用多傳感 器協(xié)作測量模型進行數(shù)據(jù)融合。實際測量過程中，各網(wǎng)絡(luò)節(jié)點將其測量值發(fā)送給 中心節(jié)點，中心節(jié)點根據(jù)非線性最小二乘估計方法求取機動目標的當(dāng)前位置，相 應(yīng)的誤差橢圓確定了多個網(wǎng)絡(luò)節(jié)點的協(xié)作測量誤差。根據(jù)機動目標的軌跡，可以對目標在下一測量時刻的位置進行預(yù)測。粒子濾波算法(particlefilter,PF) —般 用于估計非線性、非高斯動態(tài)過程。本發(fā)明將PF用于機動目標位置的預(yù)測。各 網(wǎng)絡(luò)節(jié)點按照預(yù)測獲得的先驗信息估計其空閑時間，進行合理的睡眠時間規(guī)劃， 從而實現(xiàn)網(wǎng)絡(luò)節(jié)點的動態(tài)喚醒機制。動態(tài)喚醒機制保證了目標周圍的網(wǎng)絡(luò)節(jié)點能 及時喚醒至狀態(tài)^，作為候選測量節(jié)點。針對給定的網(wǎng)絡(luò)測量精度需求，可以根 據(jù)機動目標預(yù)測位置和多傳感器協(xié)作測量模型從候選節(jié)點中選取一組滿足此需 求的網(wǎng)絡(luò)節(jié)點進行實際測量，從而減少需要喚醒到完全激活狀態(tài)的節(jié)點數(shù)量。為 使所選網(wǎng)絡(luò)節(jié)點用于測量的總體能耗最低，需要根據(jù)s。狀態(tài)的能耗情況設(shè)計能量 指標進行節(jié)點選擇優(yōu)化。考慮一些傳統(tǒng)的組合優(yōu)化算法，例如遺傳算法(genetic algorithm, GA)和模擬退火(simulated anneal, SA)。 GA是一類借鑒生物界自然 選擇和自然遺傳機制的隨機化搜索算法。對于給定的優(yōu)化問題，GA對參數(shù)進行 基因編碼，從而使每一串編碼個體代表問題的一種可能解。GA對一組個體形成
的種群進行操作， 一般采用三種算子復(fù)制、交叉和變異。這三種算子的基本功 能分別是復(fù)制個體，交換個體的部分信息，以及改變個體的個別編碼。GA隨機 使用這些算子，并通過迭代優(yōu)化適應(yīng)度函數(shù)。SA將組合優(yōu)化與物理上固體從高 溫向低溫退火達到最小自由能態(tài)的過程相類比。采用SA解決優(yōu)化問題時則僅從 一個隨機狀態(tài)開始，根據(jù)擾動機制從當(dāng)前狀態(tài)變化到一個鄰近狀態(tài)。若此狀態(tài)更 優(yōu)，則接受并將其作為當(dāng)前狀態(tài)；否則，采用隨機接受準則(Metropolis準則) 判斷是否接受此狀態(tài)。這兩類算法各具特點①GA對一組解進行操作，而SA 僅保持一組解，GA能從多個解中獲得以往搜索的冗余信息，并通過交叉算子利 用以往搜索結(jié)果的有效部分，從而具備較強的全局搜索能力；②SA具有較強的 局部搜索能力，并在理論上能獲得GA無法保證的全局最優(yōu)解。另外，無線網(wǎng)絡(luò) 中，每個網(wǎng)絡(luò)節(jié)點都具有處理功能，提供了分布式計算能力。因此，本發(fā)明結(jié)合 這兩種算法的優(yōu)勢，設(shè)計了一種分布式遺傳模擬退火算法(distributed genetic algorithm and simulated anneal, DGASA)進行節(jié)點選擇優(yōu)化?？梢岳媚繕讼闰?信息進行動態(tài)能量優(yōu)化，以降低節(jié)點能耗。各測量節(jié)點需要將獲得的數(shù)據(jù)傳遞給 中心節(jié)點。由于節(jié)點直接進行遠距離通信的能耗較高，本發(fā)明提出了采用中轉(zhuǎn)節(jié) 點的多跳通信路徑優(yōu)化方案，進一步減少通信能耗。實驗表明，該能量管理方法能在保證測量精度的前提下有效降低無線網(wǎng)絡(luò)能耗。


圖1網(wǎng)絡(luò)節(jié)點的5種睡眠狀態(tài)；圖2為無線網(wǎng)絡(luò)測量中能暈管理方法的系統(tǒng)框圖； 圖3為無線網(wǎng)絡(luò)的節(jié)點布置情況； 圖4為機動目標運動軌跡；圖5為采用動態(tài)喚醒機制的節(jié)點狀態(tài)轉(zhuǎn)換方式； 圖6為分布式遺傳模擬退火算法編碼方案； 圖7為分布式遺傳模擬退火算法工作流程； 圖8為通信路徑優(yōu)化方式；其中圖(a)為不采用中轉(zhuǎn)節(jié)點的情況；圖(b)為采用中轉(zhuǎn)節(jié)點的情況；圖9為采用粒子濾波算法的目標位置預(yù)測誤差；其中圖(a)為X軸方向偏差；圖(b)為Y軸方向偏差；圖10為采用三種不同算法優(yōu)化的測量誤差；其中圖(a)為遺傳算法優(yōu)化的測量誤差；圖(b)為模擬退火算法優(yōu)化的測 量誤差；圖(c)為分布式遺傳模擬退火算法優(yōu)化的測量誤差；圖11為采用遺傳算法、模擬退火算法和分布式遺傳模擬退火算法三種算法 的理論能耗優(yōu)化結(jié)果；圖12為采用不同中轉(zhuǎn)節(jié)點比例時的無線網(wǎng)絡(luò)平均能耗；圖13為采用10%中轉(zhuǎn)節(jié)點時分布式遺傳模擬退火算法優(yōu)化的測量誤差；圖14為采用10%中轉(zhuǎn)節(jié)點與不采用中轉(zhuǎn)節(jié)點時分布式遺傳模擬退火算法優(yōu)化的能耗仿真曲線。
具體實施方式
下面通過說明書附圖和具體實施方式
對本發(fā)明做進一步的說明。如圖2所示，本發(fā)明針對包含傳感器、CPU、內(nèi)存、傳感器和無線通信模塊 的網(wǎng)絡(luò)節(jié)點進行能量管理。這些模塊擁有多種能量模式，網(wǎng)絡(luò)節(jié)點可以進入不同 的睡眠狀態(tài)。網(wǎng)絡(luò)節(jié)點的能量消耗由相應(yīng)的睡眠狀態(tài)和數(shù)據(jù)發(fā)送情況決定。各個 節(jié)點的多個傳感器需要協(xié)作的測量來獲取目標位置，經(jīng)過非線性最小二乘估計， 其測量誤差由誤差橢圓確定。能量管理過程中，粒子濾波算法根據(jù)已有的目標位 置測量值對目標下一步位置進行預(yù)測。采用該預(yù)測值可以估計網(wǎng)絡(luò)節(jié)點的睡眠時 間，從而動態(tài)喚醒節(jié)點。被喚醒的網(wǎng)絡(luò)節(jié)點即為目標測量的候選節(jié)點，采用分布 式遺傳模擬退火算法優(yōu)化選擇實際測量節(jié)點，從而滿足測量精度要求，并使測量 過程的能耗最小化。同時，通過采用中轉(zhuǎn)節(jié)點對通信路徑進行優(yōu)化，利用多跳方 式降低通信能耗。下面通過能量管理的實例進一步說明本發(fā)明的具體實施方式
。 假設(shè)無線網(wǎng)絡(luò)區(qū)域面積為400mX400m，網(wǎng)絡(luò)包括隨機布置的256個節(jié)點以 及位于網(wǎng)絡(luò)中央的1個中心節(jié)點，如圖3所示。網(wǎng)絡(luò)節(jié)點采用熱釋電紅外 (PyroelectricInfm-Red， PIR)傳感器，測量范圍&"sing = 60w ，測向精度均方值 均為 =2°，網(wǎng)絡(luò)測量周期r-0.5"設(shè)機動目標最大加速度fl^-10w"2，最 大速度v^-40m"，如圖4所示在測量區(qū)域內(nèi)生成其運動軌跡，包括了120個 軌跡點。接下來，采用粒子濾波算法對目標位置進行預(yù)測。首先對采樣點集和重要性 權(quán)值初始化，然后進行迭代過程①構(gòu)造采樣點集并更新權(quán)值；②若有效采樣尺 度小于理論值，對樣本進行重采樣；③粒子加權(quán)，進行狀態(tài)更新。每個測量周期中，更新的狀態(tài)即為下一測量時刻的目標位置估計值。根據(jù)目標位置預(yù)測結(jié)果，可以進行節(jié)點睡眠時間規(guī)劃，主要分為以下兩個階段1、建立階段假設(shè)網(wǎng)絡(luò)初始化時，測量區(qū)域內(nèi)不存在機動目標。根據(jù)每一個節(jié)點到無線網(wǎng)
絡(luò)邊界的最短距離《,n和目標最大速度Vmax ，可以計算目標到達各節(jié)點測量范圍 的最短時間、in =(《in1,OTSmg)/vmax 。處于目標預(yù)測位置附近的節(jié)點需要被喚醒， 因而睡眠時間為《—=、,。-r。根據(jù)網(wǎng)絡(luò)測量周期，節(jié)點的睡眠周期數(shù)為「17/771 f >T其中[p]為取整運算。因此，靠近邊界的節(jié)點會每個測量周期均被喚醒，將其定 義為邊界節(jié)點，其余節(jié)點定義為內(nèi)部節(jié)點。2、跟蹤階段當(dāng)目標進入網(wǎng)絡(luò)時，根據(jù)各內(nèi)部節(jié)點位置(x,，x)和目標當(dāng)前位置(X,argrf,3^ge,)(預(yù)測值)估計空閑時間/,/邵、(《arg^-Cg)/v臓-r。但對于 可能進入網(wǎng)絡(luò)的新目標，節(jié)點仍需要準備在(.一 后進行測量，因此節(jié)點的空閑周 期數(shù)為W，— (5)采用動態(tài)喚醒機制的節(jié)點狀態(tài)轉(zhuǎn)換方式如圖5所示，網(wǎng)絡(luò)節(jié)點采用周期數(shù) 進入睡眠。網(wǎng)絡(luò)節(jié)點由時鐘觸發(fā)喚醒至&狀態(tài)，中心節(jié)點會重新估計睡眠周 期數(shù)并將結(jié)果發(fā)送給相應(yīng)節(jié)點。需要執(zhí)行任務(wù)的節(jié)點完成測量和傳輸后返回&狀 態(tài)，其余節(jié)點直接返回^狀態(tài)，睡眠時間由接收到的周期數(shù)值決定。因此，在保 證及時捕獲新目標和喚醒目標預(yù)測位置周圍節(jié)點的前提下，盡可能延長了網(wǎng)絡(luò)節(jié) 點睡眠時間。經(jīng)過目標預(yù)測和節(jié)點喚醒后進行測量節(jié)點選擇優(yōu)化。在分布式遺傳模擬退火 算法中，假設(shè)候選節(jié)點數(shù)目為W，其編號為1,2,L ,W。如圖6所示，采用二進 制編碼，每個解表示為長度為7V的二進制一維數(shù)組，其中"0"表示不選用相應(yīng) 位上的節(jié)點，"1"則表示選擇相應(yīng)位上的節(jié)點。將多傳感器協(xié)作測量誤差橢圓的長半軸長度定義為測量誤差指標。假設(shè)機動 目標跟蹤應(yīng)用要求的測量誤差閾值^=0.6附，最小化目標函數(shù)設(shè)計如下「 /4 + ￡0 ^ > 4)其中j為每個解對應(yīng)的理論測量誤差，￡則為體現(xiàn)測量總體能耗的能量指標，其具體計算方法將在接下來的部分介紹，￡。為表示能量指標￡的上界。因而，優(yōu) 化過程中先對理論測量誤差進行優(yōu)化，當(dāng)其滿足要求后對網(wǎng)絡(luò)能耗進行優(yōu)化。圖7說明了分布式遺傳模擬退火算法的執(zhí)行流程。在當(dāng)前測量節(jié)點中隨機選 取一個管理節(jié)點，該節(jié)點生成一組解并將其分配給其余乂個測量節(jié)點。各測量節(jié)點對獲得的解執(zhí)行模擬退火算法，管理節(jié)點每隔固定時間收集分布優(yōu)化的結(jié)果 執(zhí)行遺傳操作，并將結(jié)果重新分配給其余測量結(jié)果。這樣通過多次迭代可以獲得 最優(yōu)解。接下來考慮目標測量過程的能量消耗，設(shè)式(3)中^-50nJ/6， 2=100/x//6/m2， n。=3。測量節(jié)點向中心節(jié)點發(fā)送數(shù)據(jù)時，各節(jié)點以相同的 能量發(fā)送無線信號，中心節(jié)點根據(jù)接收到信號的強度對節(jié)點按距離排序。如圖8 (a)所示，節(jié)點按遠近順序傳遞并聚集數(shù)據(jù)包，最后由距中心節(jié)點最近的節(jié)點 直接發(fā)送給中心節(jié)點。設(shè)中心節(jié)點為A^fe。，對于由近到遠排序的一組節(jié)點 {iVo&,|/ = l,2,!」，w}，能耗指標計算如下其中&為M &,與7Vo&,間的距離，尸為數(shù)據(jù)包大小。如圖8 (b)所示，當(dāng)測量節(jié)點集合距中心節(jié)點較遠時，為節(jié)省通信能耗， 在內(nèi)部節(jié)點中選取一定比例的中轉(zhuǎn)節(jié)點為測量節(jié)點和中心節(jié)點中轉(zhuǎn)數(shù)據(jù)。選取的 原則是各節(jié)點隨機的生成一個區(qū)間
內(nèi)的隨機數(shù)，若大于閾值77 ，則該節(jié) 點選為中轉(zhuǎn)節(jié)點。閾值77/計算如下式中p為中轉(zhuǎn)節(jié)點比例，r為當(dāng)前測量周期序號，G為最后l/;7個測量周期中未 選為中轉(zhuǎn)節(jié)點的節(jié)點集合。內(nèi)部節(jié)點在選為中轉(zhuǎn)節(jié)點的測量周期喚醒至&狀態(tài)， 中心節(jié)點激活耗能最少的中轉(zhuǎn)節(jié)點傳遞數(shù)據(jù)。設(shè)中轉(zhuǎn)節(jié)點集合為 {^0^,|/ = /7,; + 1丄，^g^p}，則能耗指標為其中M為喚醒中轉(zhuǎn)節(jié)點的額外耗能。仿真實驗中，目標跟蹤總時間為1200s，節(jié)點選擇優(yōu)化的時間均為0.15s，無 線網(wǎng)絡(luò)的媒體訪問協(xié)議為CSMA/CA，數(shù)據(jù)率為1Mbps。首先單獨分析節(jié)點睡眠時間規(guī)劃所獲得的能量節(jié)省情況。統(tǒng)計網(wǎng)絡(luò)建立階段 的能耗，并在選擇目標領(lǐng)域所有節(jié)點作為測量節(jié)點的條件下，獲得了網(wǎng)絡(luò)跟蹤階 段的總體能耗。與網(wǎng)絡(luò)節(jié)點處于^狀態(tài)等待傳感器觸發(fā)的情況相比，采用粒子濾 波軌跡預(yù)測和動態(tài)喚醒機制的方式在網(wǎng)絡(luò)建立和跟蹤階段的總體能耗均較低。然后對分布式遺傳模擬退火算法的性能進行評價。每個測量周期中，根據(jù)粒 子濾波獲得的目標預(yù)測位置，采用分布式遺傳模擬退火算法選擇目標領(lǐng)域中實際 進行測量的最優(yōu)節(jié)點。采用所選節(jié)點測量和報告數(shù)據(jù)時，分析網(wǎng)絡(luò)跟蹤階段的測 量精度和能耗。同時，分析了GA和SA在采用相同編碼方式下的優(yōu)化性能以進 行對比。圖9顯示了跟蹤過程中PF對目標下一輪位置預(yù)測的誤差，包括X軸和 Y軸的偏差。由圖可知，所有偏差均在區(qū)間[-l,l]范圍內(nèi)?？紤]目標在網(wǎng)絡(luò)內(nèi)部 的跟蹤過程，因而只分析10s至50s內(nèi)的算法性能。圖10比較了GA、SA和DGASA 三種算法的測量誤差優(yōu)化結(jié)果，分布式遺傳模擬退火算法的實際測量誤差相對誤差指標的超標量最低。圖11給出了各種算法的能耗優(yōu)化結(jié)果，GA優(yōu)化的能耗 最高，SA優(yōu)化的能耗次之，DGASA優(yōu)化的能耗最低。另外，考慮DGASA算法優(yōu)化中采用中轉(zhuǎn)節(jié)點路由的情況，并將中轉(zhuǎn)節(jié)點的 比例從0% (不采用中轉(zhuǎn)節(jié)點)調(diào)整到30%，分別進行仿真。中轉(zhuǎn)節(jié)點比例對測 量過程中理論平均能耗的影響如圖12所示。由圖可知，相比不采用中轉(zhuǎn)節(jié)點的 情況，采用中轉(zhuǎn)節(jié)點可能獲得額外的能量節(jié)省，而且當(dāng)中轉(zhuǎn)節(jié)點比例為10%時 能耗水平最低。采用10%中轉(zhuǎn)節(jié)點時分布式遺傳模擬退火算法的測量誤差優(yōu)化 結(jié)果如圖13所示，而圖14則比較了采用10%中轉(zhuǎn)節(jié)點與不采用中轉(zhuǎn)節(jié)點時的 分布式遺傳模擬退火算法能耗優(yōu)化結(jié)果。綜上，無線網(wǎng)絡(luò)中運用粒子濾波軌跡預(yù)測和分布式遺傳模擬退火算法優(yōu)化實 現(xiàn)的能量管理方法在滿足目標跟蹤精度的前提下，能顯著提高其能量有效性，而 中轉(zhuǎn)節(jié)點路徑優(yōu)化方式的引入可以獲得更多的能量節(jié)省。
權(quán)利要求
1、無線網(wǎng)絡(luò)測量的能量管理方法，其特征是包括下列步驟(1)機動目標預(yù)測，中心節(jié)點負責(zé)收集無線傳感節(jié)點每一輪的測量信息，計算目標當(dāng)前位置，并對其軌跡進行預(yù)測；(2)動態(tài)喚醒機制設(shè)計，測量區(qū)域內(nèi)無目標進入時，網(wǎng)絡(luò)處于待命狀態(tài)，當(dāng)目標進入測量區(qū)域后，網(wǎng)絡(luò)節(jié)點根據(jù)目標預(yù)測位置確定目標進入其感知范圍的最短時間，網(wǎng)絡(luò)節(jié)點在所述最短時間范圍內(nèi)可以進入完全睡眠狀態(tài)；(3)節(jié)點選擇優(yōu)化，在一個測量周期，從候選測量節(jié)點中選擇合適的節(jié)點完成實際測量任務(wù)，在滿足目標測量精度要求的前提下，使網(wǎng)絡(luò)能耗最小化；(4)通信路徑優(yōu)化，從節(jié)點中選取一部分作為中轉(zhuǎn)節(jié)點用于中轉(zhuǎn)數(shù)據(jù)包以節(jié)省通信耗能。
2、根據(jù)權(quán)利要求1所述的無線網(wǎng)絡(luò)測量的能量管理方法，其特征是所述的 機動目標預(yù)測具體包括下列步驟采用運動模型對目標的位置、速度和加速度信 息進行描述，狀態(tài)方程為義(A: + l)^尸X(" + (^/(A:) + (^F(A:)，觀測方程為 Z(A: + l) = /ff(A + l) +『(A: + l)，其中A為測量步數(shù)，X(A)是與目標的兩軸向位 置及速度相關(guān)的狀態(tài)向量，Z(A:)是觀測向量，t/("是與目標jc、 y軸向運動加速 度相關(guān)的輸入向量，F(xiàn)("和『("分別是過程噪聲和觀測噪聲，F(xiàn)是狀態(tài)向量變 換的非線性矩陣，G,("為目標機動耦合輸入矩陣，《(A:)是過程噪聲輸入矩陣， //是模型觀測矩陣。對二維運動，矩陣定義如下<formula>formula see original document page 2</formula>其中r為無線網(wǎng)絡(luò)測量周期，粒子濾波算法通過非參數(shù)化蒙特卡羅模擬實現(xiàn)基于貝葉斯釆樣估計的順序 重要采樣濾波，采用狀態(tài)空間中傳播的隨機樣本(粒子)對目標測量的后驗概率 密度函數(shù)進行近似，以樣本均值代替積分運算，獲得狀態(tài)最小方差估計，在平穩(wěn)隨機過程中，對第A:-l步測量的后驗概率密度選取iV個隨機樣本點，獲得第A步 的測量信息后，經(jīng)過狀態(tài)更新，W個粒子的后驗概率密度可近似為第A:步測量的 后驗概率密度，隨粒子數(shù)增加，粒子的概率密度函數(shù)逐漸逼近狀態(tài)的概率密度函 數(shù)，粒子濾波估計即為最優(yōu)貝葉斯估計，根據(jù)粒子的先驗概率密度可以估計目標 下一步的位置。
3、根據(jù)權(quán)利要求1所述的無線網(wǎng)絡(luò)測量的能量管理方法，其特征是動態(tài)喚醒機制設(shè)計具體包括下列步驟網(wǎng)絡(luò)節(jié)點定義5種睡眠狀態(tài)，(1) 狀態(tài)S。是節(jié)點的完全活性的狀態(tài)；(2) 狀態(tài)^中，節(jié)點處于傳感和接收模式，而處理器處于待命狀態(tài)；(3) 狀態(tài)^與狀態(tài)^類似，不同點在于處理器斷電，當(dāng)傳感器或無線電接 收到數(shù)據(jù)時可以被喚醒；(4) 狀態(tài)A僅傳感的模式，除了傳感器模塊外均關(guān)閉；(5) 狀態(tài)^表示設(shè)備的全關(guān)狀態(tài)，是完全睡眠狀態(tài)；測量區(qū)域內(nèi)無目標進入時，網(wǎng)絡(luò)處于待命狀態(tài)，根據(jù)網(wǎng)絡(luò)節(jié)點到測量區(qū)域邊 界的最短距離可以確定目標進入其感知范圍的最短時間；當(dāng)目標進入測量區(qū)域 后，網(wǎng)絡(luò)節(jié)點根據(jù)目標預(yù)測位置同樣可以確定目標進入其感知范圍的最短時間， 網(wǎng)絡(luò)節(jié)點在這段時間進入完全睡眠狀態(tài)^，節(jié)點根據(jù)睡眠時間由自身的時鐘喚 醒，網(wǎng)絡(luò)節(jié)點先喚醒到^狀態(tài)，除了同時受到傳感器觸發(fā)的節(jié)點外，其余節(jié)點直 接返回狀態(tài)&,這些處于&狀態(tài)的網(wǎng)絡(luò)節(jié)點能響應(yīng)外界消息，為目標測量的候選 節(jié)點。
4、 根據(jù)權(quán)利要求1所述的無線網(wǎng)絡(luò)測量的能量管理方法，其特征是節(jié)點選 擇優(yōu)化具體包括下列步驟若機動目標在/時刻位于且能被"(W〉2)個網(wǎng)絡(luò)節(jié) 點同時探測，則各節(jié)點讀取其方向角信息，采用非線性最小二乘估計方法實現(xiàn)多 節(jié)點協(xié)作的目標定位，根據(jù)w個節(jié)點測量方程，利用最小二乘準則迭代獲得當(dāng)前 目標位置的估計值，所選節(jié)點將測量數(shù)據(jù)傳遞給中心節(jié)點，網(wǎng)絡(luò)節(jié)點處于狀態(tài) 并進行數(shù)據(jù)發(fā)送的能耗作為能量指標；在當(dāng)前測量周期內(nèi)從&狀態(tài)的節(jié)點中隨機 選取一個節(jié)點作為管理節(jié)點，將遺傳算法的解個體分配給其余^狀態(tài)的節(jié)點，各 節(jié)點分布執(zhí)行SA優(yōu)化算法，管理節(jié)點每隔固定時間收集分布優(yōu)化結(jié)果進行交叉、 變異操作，并重新分配最優(yōu)個體，通過迭代獲得最優(yōu)解。
5、 根據(jù)權(quán)利要求1所述的無線網(wǎng)絡(luò)測量的能量管理方法，其特征是所述的 通信路徑優(yōu)化具體包括下列步驟每個測量周期中，在目標周圍完成測量任務(wù)一 組網(wǎng)絡(luò)節(jié)點將采集到的數(shù)據(jù)聚集并發(fā)送給中心節(jié)點，數(shù)據(jù)從距中心節(jié)點最遠的網(wǎng) 絡(luò)節(jié)點開始按由遠到近的順序依次聚合并傳遞給中心節(jié)點，從節(jié)點中隨機選取一 部分作為中轉(zhuǎn)節(jié)點用于中轉(zhuǎn)數(shù)據(jù)包以節(jié)省通信耗能，中轉(zhuǎn)節(jié)點按測量周期更新。
6、 根據(jù)權(quán)利要求1或2所述的無線網(wǎng)絡(luò)測量的能量管理方法，其特征是所 述采用粒子濾波算法對目標位置進行預(yù)測，首先對采樣點集和重要性權(quán)值初始 化，然后進行迭代過程①構(gòu)造采樣點集并更新權(quán)值；②若有效采樣尺度小于理 論值，對樣本進行重采樣；③粒子加權(quán)，進行狀態(tài)更新。每個測量周期中，更新 的狀態(tài)即為下一測量時刻的目標位置估計值。
7、 根據(jù)權(quán)利要求1或3所述的無線網(wǎng)絡(luò)測量的能量管理方法，其特征是節(jié)點動態(tài)喚醒機制，主要分為以下兩個階段(1)建立階段假設(shè)網(wǎng)絡(luò)初始化時，測量區(qū)域內(nèi)不存在機動目標，根據(jù)每 一個節(jié)點到無線網(wǎng)絡(luò)邊界的最短距離《in和目標最大速度vmax ，計算目標到達各 節(jié)點測量范圍的最短時間/m,n=(《m_^sing)/Vmax，睡眠時間為、、m-r， 根據(jù)網(wǎng)絡(luò)測量周期，節(jié)點的睡眠周期數(shù)為其中[g]為取整運算，靠近邊界的節(jié)點會每個測量周期均被喚醒，將其定義為邊 界節(jié)點，其余節(jié)點定義為內(nèi)部節(jié)點；(2)跟蹤階段當(dāng)目標進入網(wǎng)絡(luò)時，根據(jù)各內(nèi)部節(jié)點位置(《,y,)和目標當(dāng)前位置(X,，, ， "argtV )(預(yù)測值)估計空閑時間' = (t/,arg",, — r簡mg ) / V隨_ !T ， 節(jié)點的空閑周期數(shù)為網(wǎng)絡(luò)節(jié)點采用周期數(shù)M,—進入睡眠，網(wǎng)絡(luò)節(jié)點由時鐘觸發(fā)喚醒至^狀態(tài)，中 心節(jié)點會重新估計睡眠周期數(shù)并將結(jié)果發(fā)送給相應(yīng)節(jié)點，需要執(zhí)行任務(wù)的節(jié)點完 成測量和傳輸后返回 狀態(tài)，其余節(jié)點直接返回&狀態(tài)，睡眠時間由接收到的周 期數(shù)值決定。
8、根據(jù)權(quán)利要求1或4所述的無線網(wǎng)絡(luò)測量的能量管理方法，其特征是所述測量節(jié)點選擇優(yōu)化具體包括下列步驟在分布式遺傳模擬退火算法中，假設(shè)候選節(jié)點數(shù)目為iV，其編號為1,2,1, ,iV，采用二進制編碼，每個解表示為長度為iV 的二進制一維數(shù)組，其中"0"表示不選用相應(yīng)位上的節(jié)點，"1"則表示選擇相應(yīng)位上的節(jié)點，將多傳感器協(xié)作測量誤差橢圓的長半軸長度定義為測量誤差指標，假設(shè)機動目標跟蹤應(yīng)用要求的測量誤差閾值4)-0.6m，最小化目標函數(shù)設(shè)計如下其中Z為每個解對應(yīng)的理論測量誤差，￡則為體現(xiàn)測量總體能耗的能量指標，E。為表示能量指標E的上界，優(yōu)化過程中先對理論測量誤差進行優(yōu)化，當(dāng)其滿足要 求后對網(wǎng)絡(luò)能耗進行優(yōu)化。
9、根據(jù)權(quán)利要求8所述的無線網(wǎng)絡(luò)測量的能量管理方法，其特征是所述分 布式遺傳模擬退火算法的執(zhí)行流程包括下列步驟在當(dāng)前測量節(jié)點中隨機選取一<formula>formula see original document page 4</formula> 個管理節(jié)點，該節(jié)點生成一組解并將其分配給其余氣個測量節(jié)點，各測量節(jié)點 對獲得的解執(zhí)行模擬退火算法，管理節(jié)點每隔固定時間收集分布優(yōu)化的結(jié)果執(zhí)行 遺傳操作，并將結(jié)果重新分配給其余測量結(jié)果，這樣通過多次迭代可以獲得最優(yōu) 解。
10、根據(jù)權(quán)利要求1所述的無線網(wǎng)絡(luò)測量的能量管理方法，其特征是所述通 信路徑優(yōu)化包括下列步驟測量節(jié)點向中心節(jié)點發(fā)送數(shù)據(jù)時，各節(jié)點以相同的能 量發(fā)送無線信號，中心節(jié)點根據(jù)接收到信號的強度對節(jié)點按距離排序，節(jié)點按遠 近順序傳遞并聚集數(shù)據(jù)包，最后由距中心節(jié)點最近的節(jié)點通過中轉(zhuǎn)節(jié)點發(fā)送給中 心節(jié)點。
全文摘要
一種能夠采用目標運動的先驗信息規(guī)劃網(wǎng)絡(luò)節(jié)點睡眠時間，并根據(jù)節(jié)點喚醒狀態(tài)優(yōu)化測量和通信能耗，從而能夠節(jié)約使用能量的能量管理方法。技術(shù)方案是包括下列步驟(1)機動目標預(yù)測，中心節(jié)點負責(zé)收集無線傳感節(jié)點每一輪的測量信息，計算目標當(dāng)前位置，并對其軌跡進行預(yù)測；(2)動態(tài)喚醒機制設(shè)計，測量區(qū)域內(nèi)無目標進入時，網(wǎng)絡(luò)處于待命狀態(tài)，當(dāng)目標進入測量區(qū)域后，網(wǎng)絡(luò)節(jié)點根據(jù)目標預(yù)測位置確定目標進入其感知范圍的最短時間，網(wǎng)絡(luò)節(jié)點在所述最短時間范圍內(nèi)可以進入完全睡眠狀態(tài)；(3)節(jié)點選擇優(yōu)化，在一個測量周期，從候選測量節(jié)點中選擇合適的節(jié)點完成實際測量任務(wù)，在滿足目標測量精度要求的前提下，使網(wǎng)絡(luò)能耗最小化；(4)通信路徑優(yōu)化，從節(jié)點中選取一部分作為中轉(zhuǎn)節(jié)點用于中轉(zhuǎn)數(shù)據(jù)包以節(jié)省通信耗能。
文檔編號H04W52/02GK101132595SQ200710175398
公開日2008年2月27日 申請日期2007年9月29日 優(yōu)先權(quán)日2007年9月29日
發(fā)明者畢道偉, 晟 王, 雪 王, 馬俊杰 申請人:清華大學(xué)