文 | 奇旅说

编辑 | 奇旅说

序

无线传感器网络在物联网应用中扮演着重要角色，但传感器的能耗问题限制了其寿命和性能。

为此， 研究人员提出了使用超快速充电电池供电的传感器网络的解决方案 ，以实现低成本但高性能的数据采集和实时监测。

下面我将会详细讲解，如何通过部署超快速充电电池供电的传感器网络，实现低成本但高性能的数据采集和实时监测。

互联网怎样通过无线传感器来实施检测？

无线传感器网络广泛应用于许多物联网（IoTs）应用，包括视频监控、交通控制、结构健康监测、辐射检测、森林火灾和火山监测等。

然而，传感器在数据传输上的能耗非常高，尽管已经提出了许多技术来节省 传感器能量 ，例如动态占空比，但传感器最终会耗尽能量。

许多研究人员提出，通过使传感器能够从周围环境中收集能量（例如太阳能，风能等）来延长传感器的使用寿命。

然而，由于其动态的周围环境， 传感器的能量收集率低且不稳定 ，例如，据报道，在太阳能收集系统中，晴天，阴天和阴天的能量产生率可以变化多达三个数量级。

这种不可预测性和间歇性对有效利用收获的能量进行各种监测或监视任务提出了挑战，最近，一些开创性的研究人员提出了一种革命性的传感器能量补充方法。

即使用配备充电装置的移动车辆在 寿命关键传感器 附近移动，并通过无线能量传输为其充电，这样，充电率就高且稳定。

无线传感器网络的车辆充电调度受到了很多关注，这些研究中的大多数假设传感器由现成的电池供电。

例如锂电池，我们在这里缩写为现成的电池供电传感器由现成的传感器，这种电池的价格只有几美元;然而，充满电通常需要一些时间，例如30-80分钟。

因此，这些研究主要集中在由于现成传感器的充电时间长而缩短传感器死区持续时间。

尽管已经对缩短传感器死区持续时间进行了出色的研究，但一些 传感器 仍然会在一段时间内耗尽其能量，因为传感器的充电时间非常重要（例如，30-80分钟）。

假设剩余寿命每个生命周期关键型传感器V我是40分钟，即l1=l2=l3=40分钟，每个充满电需要一个小时，它们的充电顺序为v1→v2→v3.为了方便起见。

我们忽略了充电车辆的行驶时间，因为它通常比传感器充电时间短得多，可以看出，传感器的死区持续时间v1，v2，v3分别为0、60−40=20分钟和2×60−40=80分钟。

一种新的异构网络模型

在本节中，我们首先介绍一种新的异构网络模型，然后介绍计费模型，我们最终定义了问题。

我们考虑无线传感器网络Gs=(Vs∪{b}，Es），部署在二维区域中，其中Vs是n的集合s网络中的传感器，B是用于从所有传感器收集数据的基站。

我们假设网络中有两种类型的传感器，第一类传感器由现成的电池供电，例如锂电池，通常需要一段时间才能将这种传感器充满电，例如30-80分钟，另一种类型的传感器由超快速充电电池供电，只需很短的时间即可充满电，例如1分钟。

假设有n个N现成的 传感器 v1，v2，...，vnN和nF超快传感器U1，u2，...，unF.让VN={v1，v2，...，vnN}和VF={u1，u2，...，unF}，然后，Vs=VN∪VF.请注意，数字nF的超快传感器通常非常小，例如，nF=5，因为每个超快充电电池的成本并不便宜，用c表示N和cF传感器的能量容量（以V为单位）N和VF分别。

我们现在考虑传感器的放置，我们假设现成的传感器是随机部署的，另一方面，由于传感器的通信范围有限，靠近基站的传感器必须中继来自其他远程传感器的传感数据，因此，前者传感器在中继数据上消耗的能量比后者多。

因此，我们假设超快传感器部署在基站附近的一些战略位置，因为它们可以快速充电，例如，超快传感器可以与最耗能的现成传感器位于同一位置。

由于每个传感器电池中存储的能量是有限的，因此由于数据传感，数据传输和数据接收，它将耗尽其能量。

为了向传感器提供可控和永久的能量，我们采用了配备充电装置的充电车来补充传感器能量， 用η表示N和ηF分别用于为现成传感器和超快速传感器充电的车辆充电速率 ，我们假设车辆可以以sm/s的速度移动。

不同传感器的能耗差异很大，即一些传感器可能只剩下很少的能量，而其他传感器只消耗一小部分能量，然后，车辆不需要在每轮中为所有传感器充电，传感器应按需充电。

为此，每个传感器我一旦基站的剩余寿命L我低于给定的生命周期阈值lc在某个时间t0，例如，lc=2小时，收到充电请求后，基站通过调度车辆为寿命关键的传感器充电来开始新的一轮充电。

设V是当前充电轮次中要充电的传感器集，集合V中有两种类型的传感器，V中的生命周期关键型现成传感器c和V中的超快速传感器F，即V=Vc∪VF，其中现成的传感器v我包含在V中c如果其剩余寿命L我在时间t0长度不超过λlc。

即Vc={v我|v我∈VN，l我≤λlc}，λ是给定常数，λ≥1，lc是生存期关键阈值，请注意，V中的每个超快传感器F包含在一组要充电的传感器V中，因为它们部署在数据流量非常大的战略位置。

传感器网络的许多应用对数据收集延迟很敏感，通常需要连续的数据收集，例如用于视频监控、辐射检测和森林火灾探测的传感器网络。

例如，在用于辐射检测的传感器网络中，一旦传感器的能量消耗持续几个小时，就无法实时检测到辐射释放，辐射可能迅速扩散到失控的程度，从而导致灾难。

因此，我们必须尽可能缩短传感器的死区时间， 因为它们的能量消耗 ，因此，本文的目的是找到车辆的充电之旅C，用于在V中为传感器充电，并为每个链路（v我，vj）在网络G中s，从而将V中传感器的最长死区持续时间降至最低。

死区持续时间最小化问题的算法

在本节中，我们针对死区持续时间最小化问题设计了一种联合充电调度和路由分配算法，我们首先提出算法的框架，它针对原始问题的两个子问题调用两个算法，然后，我们详细介绍了这两种算法。

回想一下，死区持续时间最小化问题是分配路由f我对于每个链路（v我，vj）在期间[t0，t0+T]，并为充电车辆找到充电行程C，以补充V中的传感器，从而最大限度地减少传感器的最长死区持续时间。

可以看出，路由的分配f我·和充电巡回赛C的调度紧密耦合，一方面，每个传感器的剩余寿命与布线高度相关，我·，如果传感器中继来自其他传感器的大量数据，则传感器会快速消耗其能量，为了尽量减少传感器最长的失效时间，车辆应首先为剩余寿命较短的传感器充电。

给定一个集合V（=VF∪Vc）在某个时间t的待充电传感器数量0和路由fK−1我·对于每个链路（v我，vj）在期间[t0，t0+充电调度子问题是找一个充电之旅C，K，使得V中传感器的最长死区持续时间最小化。

假设每个生命周期关键型现成传感器的充电时间以V为单位c是一个常数δ[37]，例如，δ=1h，因为它的剩余能量非常低，其中δ≈cNηN，cN是传感器的能量容量，ηN是现成的传感器充电速率。

我们进一步假设， 两个连续访问的传感器之间的行驶时间可以被视为一个小常数τ ，例如，τ=1分钟，因为车辆行驶时间通常比V中对寿命至关重要的现成传感器的充电时间δ短得多c，例如，1minvs1h，设Δ=δ+τ。

由于只需很短的时间即可为V中的超快传感器充满电F并且这些传感器具有较重的数据继电器负载，车辆应为V中的传感器充电F在V中对使用寿命至关重要的现成传感器之前c。

因此，充电之旅CK由子游览组成CKF用于为V型超快传感器充电F和子游览CKN用于补充V中对使用寿命至关重要的现成传感器c，即CK=乙→CKF→CKN→b.我们获得子旅游CKF通过*力暴**搜索，通过枚举所有充电序列。

绩效评估与模拟环境

其次我们通过广泛的仿真来评估所提出的算法CSRA的性能，我们还将研究重要参数对算法性能的影响，包括网络大小、最大数据感知速率、现成的传感器充电速率、车辆行驶速度和超快传感器的数量。

我们考虑在500米×500米二维正方形区域中部署的无线传感器网络，基站位于正方形的中心，该地区随机部署了100到500个现成的传感器，少数nF的超快速传感器与最耗能的现成传感器位于同一位置，例如F=5。

现成电池和超快速充电电池的容量均为10.8kJ，充电车最初位于基站，其移动速度为s=5m/s，充电费率ηN和ηF用于为现成传感器和超快速传感器充电的车辆分别为5W和300W。

然后，将现成的传感器和超快传感器充电至其全部能量容量的持续时间为36分钟（=10.8千焦5瓦）和36秒（=10.8千焦300瓦），分别，为了评估所提出的算法CSRA的性能，我们还考虑了五种现有算法。

具体来说，算法TSP（旅行推销员问题）找到充电巡回，使得巡回中的车辆行驶距离最小化，同时忽略传感器的剩余寿命，算法EDF（最早的截止时间优先）按传感器剩余寿命的非降序对传感器充电。

算法AA（自适应算法）安排车辆在能量耗尽之前为某些传感器充电，从而使传感器补充的能量与车辆行驶中消耗的能量之间的差异最大化，算法NETWRAP（一种基于NDN的实时无线充电协议）通过考虑车辆行驶时间和传感器剩余寿命来选择待充电传感器。

最后，算法TSCA（时空实时充电调度算法）首先以传感器剩余寿命的非递减顺序获取充电之旅，然后调整传感器充电顺序，使死传感器数量最小化，使车辆能效最大化，我们将上述每种算法应用于具有相同网络大小的20种不同网络拓扑中，然后获得平均值。

我们首先通过增加迭代次数K来研究所提出的算法CSRA（联合充电调度和路由分配算法）的收敛性，米阿x从1到10，通过研究结果表明，随着迭代次数K的增加，算法CSRA的传感器最长和平均失效持续时间减小得非常快米阿x并且算法CSRA的性能在K米阿x≥5。

结论

其实部署现成传感器或超快传感器的现有研究不同，在我们这次研究中，我们提出了一种新的异构传感器网络模型，其中传感器网络由一些超快速传感器和许多低成本现成传感器组成。

然后，由于超快传感器的数量有限，网络的部署成本很低，在新的网络模型下，我们研究了寻找充电巡回和分配路由的问题， 使得最长的传感器死区持续时间最小化。

我们进一步设计了一种有效的算法来解决这个问题，使超快传感器能够从对寿命至关重要的现成传感器中继更多数据，我们最终通过大量的仿真对所提出的算法进行了评估。

此外，实验结果表明，所提算法的传感器最长死区持续时间比现有算法短90%。