《电子技术应用》
您所在的位置:首页 > 模拟设计 > 设计应用 > 能量收集认知传感器网络研究综述
能量收集认知传感器网络研究综述
2018年电子技术应用第10期
焦万果,李昱融,周 雯
南京林业大学 信息科学技术学院,江苏 南京210037
摘要: 能量收集认知传感器网络采用能量收集技术和认知无线电技术来解决节点能量的不足和频谱资源的匮乏,实现网络持续有效工作。然而,由于能量收集过程和可用频谱资源动态、随机变化的特征,该网络在网络资源管理方面面临着巨大的挑战。首先介绍了能量收集认知传感器网络产生的背景,然后对现有研究工作进行系统的归纳和总结,进而讨论现有的研究不足和可能解决方法及未来的研究方向。
中图分类号: TN929.5;TP212.9
文献标识码: A
DOI:10.16157/j.issn.0258-7998.180940
中文引用格式: 焦万果,李昱融,周雯. 能量收集认知传感器网络研究综述[J].电子技术应用,2018,44(10):23-28.
英文引用格式: Jiao Wanguo,Li Yurong,Zhou Wen. Overview of energy harvesting cognitive radio sensor networks[J]. Application of Electronic Technique,2018,44(10):23-28.
Overview of energy harvesting cognitive radio sensor networks
Jiao Wanguo,Li Yurong,Zhou Wen
School of Information Science and Technology,Nanjing Forestry University,Nanjing 210037,China
Abstract: In energy harvesting cognitive radio sensor networks(EHCRSNs), energy harvesting supplies continual energy to eliminate the limitation of limit-battery sensor, while cognitive radio mitigates the scarcity of spectrum resource. Hence, the operation of EHCRSNs can be continually and effectively executed. However, due to the dynamic and stochastic property of the energy harvesting progress and the available spectrum, there are some significant challenges in the area of network resource management of EHCRSNs. This paper will firstly introduce the background of EHCRSNs. Then, the research on EHCRSNs is systematically summarized and discussed. At last, we point out limitations of these studies and possible future research directions.
Key words : wireless sensor networks;energy harvesting;cognitive radio;resource management

0 引言

    自20世纪90年代起,综合了微电子、无线通信、现代传感技术、嵌入式计算等多个学科的无线传感器网络(Wireless Sensor Networks,WSNs)引起了广泛关注和研究[1]。近年来,作为物联网神经末梢的WSNs[2],随着物联网概念的提出和发展,其理论和应用研究越来越被重视。

    典型的WSNs由一系列传感器节点、汇聚节点(sink节点)、网络接入点和任务管理节点组成。传感器节点通过多跳中继方式,将收集的监测数据汇聚到sink节点,然后sink节点将整个区域内的数据利用网络接入点发送给任务管理中心,完成对特定区域信息的收集、监测和分析。通常,传感器节点间的通信是利用公共频段完成的,然而,随着无线通信的发展,这个频段日益拥挤,传感器节点间的通信不仅受到自身节点间的干扰,还受到来自其他应用类型网络日益严重且不可控的干扰[3]。根据Gartner公司的报告,到2020年,互联设备将达到250亿,多种应用重叠覆盖区域的传感器节点将遭受非常严重的干扰。基于认知无线电技术在缓解频谱匮乏方面的潜能,利用认知无线电技术解决频谱匮乏给传感器网络带来的干扰是一种可行的方法。通过给传感器节点配置认知无线电模块,使其可以检测授权频谱的状态,机会式利用空闲的授权频谱进行数据传输。具有认知无线电模块的传感器节点组成的网络,称为认知传感器网络(Cognitive Radio Sensor Networks,CRSNs)[3],不再受到来自公共频段的信号干扰。

    虽然CRSNs不再遭受频谱匮乏带来的传输干扰,但CRSNs中的节点需要消耗额外的能量来实现认知无线电的功能,例如频谱检测、频谱切换等,这对于一般采用不易更换电池来供电的传感器节点,能量不足问题变得更加严峻。因此,相对于传统的WSNs,节点能量不足引起的CRSNs的网络生存期问题变得更加迫切。为了克服节点不足,保证网络能够持续有效地运行,在过去的几年中,能量收集技术开始被传感器节点采用。采用能量收集技术的无线传感器网络,被称为能量收集传感器网络(Energy Harvesting Sensor Networks,EHSNs)[4]。在EHSNs中,利用能量收集技术,传感器节点可以收集周围环境中的可再生能量为自身供电,例如太阳能、风能、震动能等[5]。节点从周围环境中源源不断地获得能量,传感器网络生存期可以得到有效延长,甚至实现持续有效运行。然而,工作在公共频段上的EHSNs同样面临频谱资源不足的问题。鉴于WSNs的解决方法,可将认知无线电技术引入EHSNs,该传感器网络称为能量收集认知传感器网络(Energy Harvesting Cognitive Radio Sensor Networks,EHCRSNs)[6]。在EHCRSNs中,频谱资源和能量资源得到了持续的供给,弥补了传统传感器网络的不足,然而作为一种新型的传感器网络形式,EHCRSNs也面临着各种挑战,有很多问题亟待解决。本文首先介绍EHCRSNs的特征以及所面临的挑战,然后对现有的研究成果进行分类和总结。在此基础上,讨论目前未解决的问题及可能的解决方法,并指出EHCRSNs未来的发展趋势以及可能的研究方向。

1 能量收集认知传感器网络

    EHCRSNs采用能量收集技术,以周围环境的能量作为能源,实现能量自给自足的绿色通信;利用认知无线电技术,机会式占用空闲的频谱资源,不需要分配额外的频谱资源,且可以提高已分配频谱资源的频谱利用率,因此EHCRSNs是一种绿色高效的传感器网络,有很多典型的应用,例如用于室内数据收集[7],用于健康监测的体域网(BSN)[8],智能电网[9],智慧城市的实时监控[10]等。

    相较于其他传感器网络,EHCRSNs具有一些新的特征,例如动态的频谱资源和能量资源。从可用能量、可用频谱、网络结构、传感器节点和承载业务5个方面对EHCRSNs的网络特征进行总结,如表1所示。

zs1-b1.gif

    从表1可以看出,EHCRSNs具有传统传感器网络的特征,也有一些新的网络特征,这些新的特征表明其在能量资源和频谱资源的获得上更加灵活,为传感器网络发展带来潜能和新的机遇。与此同时,EHCRSNs也面临着新的挑战,例如,EHCRSNs的传感器节点需要增加认知无线电模块、能量收集模块和充电装置,对于尺寸受限的传感器节点来说非常困难;外界环境的不确定性和时变性导致能量收集过程难以预测,如何充分利用和有效管理收集的能量变得非常具有挑战性。随着能量收集技术的发展,传感器节点不仅可以收集自然环境中的太阳能、风能、热能等,还可以利用接收的电磁波中的能量进行充电[11],例如来自TV、广播、WiFi、移动终端等的无线信号。更进一步,传感节点可采用无线携能通信(Simultaneous Wireless Information and Power Transfer,SWIPT)技术[12],通过发射信号,实现能量和信息从一个设备到另一个设备的无线转移,并且这种能量转移是可控的。EHCRSNs的节点采用SWIPT时,能量收集技术和认知无线电技术不再独立工作,而是相互结合。当传感器节点检测信道忙时,不再是单纯地等待,而是利用接收的主用户信号进行充电;当主用户不再使用信道时,传感器节点利用收集的能量进行数据传输。甚至,传感器节点还可以和主用户进行协作,作为主用户的解码-转发中继。传感器节点首先利用接收到的主用户发送信号进行充电;然后,利用收集到的部分能量帮助主用户发送数据;利用剩余的收集能量将自身的数据发送给下一跳节点或sink节点。由此可见,随着技术的发展,在EHCRSNs中,频谱资源和能量资源不再是两个单独的资源,这与其他传感器网络明显不同,因此,EHCRSNs面临的资源管理问题也具有独特性。4种典型的传感器网络所使用的频谱资源和能量资源以及面临的网络资源管理难点如表2所示。

zs1-b2.gif

    在表2中,仅列出了不同网络类型所遇到的不同困难,除了上述困难外,作为传感器网络的不同形式,它们还面临一些共同困难。例如,分布式的组网方式要求设计的资源管理算法必须能够分布式运行;传感器节点处理能力有限要求设计的算法需要较低的复杂度等。

    综上所述,EHCRSNs是一种新型的传感器网络形式,具有巨大的应用空间和发展潜能,也面临着很多挑战,尤其是在资源管理方面。下面,对现有EHCRSNs研究进行归纳总结,重点介绍在资源管理方面取得的研究成果。

2 能量收集认知传感器网络研究现状

    目前,关于EHCRSNs的研究集中在两个方面:传感器的设计和网络资源的管理。在传感器设计方面,已经有基于太阳能[13]、风能[14]、生物能[15]、电磁波[16]等能源的能量收集传感器原型机或设备被设计和生产出来了,采用认知无线技术的传感器设计有很多丰富的成果。但是目前具备能量收集和频谱检测能力的传感器设计还是空白,仅有理论模型的提出[17],还没有具体设备。

    资源管理问题一直都是传感器网络的一个重要研究领域,经过多年的研究,针对WSNs的资源管理已经取得了丰富的研究成果[18]。随着近年来对能量收集技术和认知无线电的关注,研究者们对EHSNs和CRSNs开展了大量的研究和探索。例如,针对EHSNs的特点,研究者们提出相应的多址接入控制算法[19]、路由协议[20]、休眠调度算法[21],以及用于移动数据收集的算法架构[22]等。同样,在CRSNs协议设计方面,很多适用于CRSNs的路由协议和多址接入协议被提出,在文献[23]中,作者对CRSNs资源管理方面的研究进行了全面的总结。由于采用能量收集技术和认知无线电技术,EHCRSNs中能量资源和频谱资源均是动态的,且难以预测。传感器节点通过消耗能量来进行频谱检测,从而获得传输机会,在足够剩余能量的保证下,传感器节点才能利用这个机会传输收集的数据;否则,即便是有传输机会,传感器节点也将因为没有足够的能量而无法进行数据传输或数据收集。EHCRSNs的网络资源管理和分配,需要联合考虑信道检测和数据传输的能量消耗,及动态的能量收集过程和随机的可用频谱资源。因此,针对EHSNs和CRSNs设计的算法无法适用于EHCRSNs。根据EHCRSNs的网络特点,研究者们在EHCRSNs资源管理方面的研究已经取得了一些成果。

2.1 联合频谱和能量管理的网络性能优化

    为了简化传感器节点的设计,降低网络布设成本,存在这样的异构EHCRSNs:一些传感器节点仅依靠电池进行数据收集和发送,一些传感器节点只进行能量收集和频谱检测。基于能量收集的频谱检测节点通过协作等方式检测信道状态,最大化被检测信道的可用时间;数据节点利用检测到的可用信道进行数据传输。然而,在这两类节点工作过程中,能量收集和消耗的不平衡会导致节点因能量不足而中断,这不仅会降低频谱检测节点检测结果的准确度,也会降低数据节点的传输效率,从而降低整个网络的性能。更进一步,频谱检测过程也会影响数据传输过程的能量效率:信道检测所用的时间越长,信道接入时间就越短,而信道检测时间越长,检测结果的精度会越高,数据传输遇到碰撞的概率就会相应地降低。针对这种异构EHCRSNs的资源管理问题,文献[24]提出了一种联合时间分配和功率控制的资源分配算法,通过最大化信道可用时间和最小化数据节点的能量消耗,实现频谱检测节点的持续工作,数据节点的能量效率最高。

    当频谱检测和数据收集同时在一个节点上实现时,信道检测时间与信道传输时间和传输效率之间的矛盾更加突出。如果传感器节点使用较保守的功率分配策略将会限制节点的性能且不能充分地利用能量收集的增益,而采用冒进的功率分配策略则会导致电池内的能量被消耗殆尽,无法支持未来的数据传输。文献[25]提出了一种自适应的信道检测时间和发送功率调整策略,根据当前系统状态:电池内剩余能量、信道状态和对能量收集结果的预测,调节信道检测时间和节点的发送功率,最小化节点的中断概率,保证网络的持续运行。

    在有些情况下,通过布设收集能量节点来简化传感器设备的复杂度:能量收集节点将收集到的能量利用带内能量传输,发送给具有认知功能的传感器节点。然而,能量传输所用的信道与主用户之间、传感器节点与sink之间的通信是相同的信道,因此,主次用户间和传感器网络内部均存在干扰。NOBAR S K等提出了一种接入控制算法[26],该算法在保障主用户服务质量的前提下,通过平衡节点能量收集与消耗,控制能量节点与数据节点之间的干扰,来最大化传感器节点的数据传输速度。

    然而文献[26]没有考虑节点位置之间的关系,节点间的干扰强度、能量收集效率以及频谱检测性能等均与信道条件有关,尤其是节点间的距离。因此,节点间的距离关系是影响网络性能的一个重要因素。选择位置不同的传感器节点来进行协作频谱检测将会影响检测结果及网络性能,ZOU Y等[27]通过设计一种休眠调度机制,在不同的时隙,选择最优的传感器节点集合来进行协作频谱检测,从而平衡能量的消耗,延长网络的生存期。除了节点的位置关系之外,节点的密度以及节点的分布规律也是影响网络性能的重要因素,其中泊松点过程(Poisson Point Process,PPP)是一种描述传感器节点分布规律的典型模型。文献[28]在二维的PPP假设(即主用户和传感器节点分布均是PPP)下,分析了影响传感器网络的全网发射成功传输概率的因素,并提出相应的优化算法,在保证网络覆盖要求的前提下,改善传感器网络的全网成功传输概率。

    除了对网络某个特定性能优化外,还有一类研究是对网络效用进行优化[6,29]。文献[6]提出了一种网络效用优化框架,用于进行在线的能量管理、频谱管理和资源分配,在保证数据队列和能量队列稳定性的同时,实现能量消耗和能量收集过程的动态平衡;在保证了授权用户的服务质量前提下,优化了频谱效率。文献[29]通过设计合理的网络效用函数,控制数据采集速率和进行信道接入调度,实现数据产生速率和服务速率的匹配,但是这些工作均没有考虑动态路由协议的影响。

2.2 传感器节点模式选择

    RF(Radio Frequency)能量收集技术是一种重要的能量收集技术,其不仅可以进行能量收集,还可以作为能量传递的重要手段,有工作表明[30]采用RF能量收集技术的传感器网络,通过设计合理的分布式接纳控制算法,其吞吐量可以提高300%,节点平均能量可以增加100%。采用RF能量收集技术时,传感器节点不仅可以以邻节点的发送信号作为能量来源,还可以以主用户的无线电信号作为能量的来源。当传感器节点以主用户的发送信号作为能量来源时,由于无法同时进行能量收集和信道接入,节点面临这样的问题:在某个时刻,到底是接入空闲信道还是进行能量收集?即传感器节点工作模式的选择。最优的模式选择应该达到这样效果:信道空闲时,有足够的能量发送尽可能多的数据;主用户占用信道时,能收集尽可能多的能量。然而,传感器节点无法知道每个时隙信道的确切情况,仅能够利用一些历史信息和经验消息判断出信道处于空闲或者占用状态的概率。在文献[31]中,作者用部分可观察马尔科夫决策过程来描述节点工作模式选择问题,得到了节点工作模式最优选择策略,实现了能量缓存和当前的吞吐量的平衡。JAIN N等[32]提出了一种两阶段的能量收集和频谱共享策略,将节点的工作状态分为两个阶段:第一阶段接收主用户信号,进行能量收集;第二阶段用收集到的能量传输自身数据以及主用户数据。文献[31]和[32]仅考虑一跳节点的情况,文献[33]则在多跳传感器网络中研究模式选择的问题,通过设计最优中继节点选择方法以及确定最佳充电时间长度,实现最小化传感器节点的中断概率。在此基础上,当多跳路径确定时,文献[34]通过分配节点的发送功率和优化节点能量收集时间,在保证主用户传输要求下,最大化传感器网络的端到端吞吐量。

3 能量收集认知传感器网络未来的研究方向

    现有研究表明EHCRSNs在网络生存期、吞吐量、网络效用等方面都具有巨大的提升潜力。目前,对于该网络的研究还处于初级阶段,还有很多问题没有解决,例如网络协议结构的设计、能量资源的动态平衡、能量资源和频谱资源效率的折中、能量收集效率不高等。

3.1 网络协议架构

    为了适应EHCRSNs的特征,需要重新设计网络的协议架构。首先,物理层协议设计,一方面需要将一些新的物理层技术引入传感器网络来提高物理层传输效率;另一方面要协调数据传输和频谱检测对物理层的不同要求,尤其是在基于RF能量收集技术的EHCRSNs中,还需要考虑能量收集效率与物理层特性的关系。其次,在多址接入协议设计方面,在EHCRSNs中,信道的动态接入必须考虑能量管理,尤其是采用RF能量收集技术时,节点所能收集的能量取决于所接入信道的信号强度。此外,所设计的多址接入协议,除了要实现信道接入机制与动态的信道状态匹配,还需要控制邻居节点的接入信道和数据传输的时间,及确定接收信号用于解码和能量收集的比例。节点的接入控制策略还将影响多跳网络的端到端性能,需要确定其影响方式,进而在保证端到端性能的基础上,确定节点的接入策略。在路由协议设计方面,由于EHCRSNs具有能量的动态变化、能量分布的非均衡和频谱检测结果与地理位置紧相关等特性,如果直接采用现有路由协议,不仅无法有效地利用认知无线电技术带来的频谱增益和能量收集技术收集到的能量,还可能会导致网络性能的严重下降。因此,已有路由协议不能直接用于EHCRSNs中,需要设计新的自适应动态路由协议。

    此外,在分布式多跳网络中,动态的信道接入不仅需要考虑主次用户间的干扰,同时还应尽量避免节点间的同频干扰,当网络采用动态路由协议时,网络拓扑不断变化,节点间干扰及能量传递关系也不断变化,需要考虑跨层协议设计,实现节点接入与网络拓扑的动态适应。

3.2 能量缓存和网络性能的动态平衡

    传感器网络特殊的组网形式导致了能量消耗的不平衡:越接近sink节点的传感器节点,承担的中继业务越繁重,为传输中继业务,这些节点需要消耗更多的能量,导致了能量瓶颈区域的出现,即产生了能量空洞问题。已有一些方法用于解决能量空洞问题,文献[35]提出的自适应周期性休眠算法,文献[36]提出的基于剩余能量的路由策略,但这些算法需要花费很大的开销用于同步和维护。

    采用SWIPT技术的节点在发送数据业务的同时,可以进行能量传递。利用SWIPT技术,离sink节点较近的节点,可以利用接受中继业务时收集的能量,来发送这些中继业务,从而避免能量空洞的产生。但是,采用SWIPT技术后,网络又面临两个新的挑战。首先,信息的发送和能量的传输都会遇到信道衰落和路径损耗,因而它们对信道质量和传输距离都非常敏感,这就要求设计基于SWIPT的机制时,需考虑动态的信道状态和传感器节点间的距离。其次,一些网络性能指标彼此之间是不一致的,甚至是矛盾的,例如网络的吞吐量和能量的保持。采用SWIPT技术的传感器网络,其数据传输和能量传递是基于相同的、有限的频谱资源,在有些情况下,它们是此消彼长的关系。因此,在设计资源分配策略时,需要在吞吐量、端到端延时等网络性能和网络的可持续性之间取得平衡。

3.3 能效和谱效的折中

    能量收集过程的动态性和随机性,导致了能量消耗过程和能量更新过程的动态平衡难以达到,具体来说,节点内能量消耗过快或过慢,会导致节点无法正常工作或能量利用率低。节点可用频谱由主用户动态的行为来决定,如果主用户的状态变化频繁,会导致传感器节点需要不断检测信道以及在不同信道上来回切换。例如,当主用户是蜂窝用户时,其对信道占用的时间范围从几秒钟到几分钟,为了避免对主用户数据传输的干扰,传感器节点需要不断地中断传输,检测信道,接入新的信道,这对于网络频谱管理是一个非常大的挑战。此外,信道检测可能存在错误,检测结果准确性与检测时间和耗能呈正相关,即信道检测所用的时间越长或消耗的能量越多,所得到的检测结果就越准确,从而传感器节点的数据传输就更有效率。然而,在基于时隙的网络中,信道检测所用的时间越多,留给数据传输的时间就越少,可能会导致作为次级用户的传感器节点的性能下降。传感器节点的发送功率同时影响节点的性能和能量的消耗,因此,通过资源分配实现能效和谱效的折中是EHCRSNs的重要研究方向。实现谱效和能效的折中的关键是基于能量收集过程和信道条件来自适应调整发送功率和选择节点工作状态:保守的功率分配策略和接入策略将会限制节点的性能并且不能充分地利用网络资源;冒进的分配策略则会使网络无法持续正常工作。

3.4 提高能量收集效率

    RF能量收集作为可控的一种能量收集方式,其效率问题不仅影响网络的性能,还会严重限制其相关应用,研究提高RF能量收集效率的途径对于EHCRSNs具有重要意义。RF能量收集效率依赖于接收信号的强度,在给定节点之间的距离和信道状态下,增大接收信号强度是提高能量收集效率的关键。目前传感器一般采用全向天线,随着距离的增加,接收信号遭受严重的路径损耗。多天线技术是获得分集增益的有效方法,类似的方法可以用于改善RF能量收集效率。文献[37]在室内环境中证明,采用8×8的天线,可将接收信号强度增加一个数量级。然而,传感器体积较小,无法直接采用多天线技术,利用分布式传感器构成多用户-多天线系统有可能会提高RF能量收集效率。这种多用户-多天线系统在实际应用中会存在一些困难,例如,准确的信道状态信息反馈,频谱和时间的精确同步。

    在可预见的未来,会有大量的传感器被布设,EHCRSNs将组成一个大规模的绿色通信系统。然而,能量来源的不稳定性和随机变化特征使得传感器节点不可避免地面临无法预测的中断,这对于网络持续有效运行是一个巨大的挑战。通过布设专用RF能量发送节点是解决该问题的一个较为可行的方法。这个方法面临以下问题:能量发送节点该如何布设,才能让每个传感器节点收集到能保证自己不中断的能量,尤其是对于没有能量存储设备的节点;采用可移动的能量节点时,如何优化节点的运动轨迹,使得每个节点都能够收集到足够能量而不中断,同时还有可接入的频段,保证数据的传输。

4 结论

    能量供给不足和频谱资源匮乏催生了能量收集认知传感器网络的产生,它有着传统传感器网络无法比拟的优势,具有极大的发展潜力,给传感器网络发展带来了新的机遇,为物联网的发展奠定了基础。本文总结了能量收集认知传感器网络的特征,归纳了已有的研究成果,这些研究表明EHCRSNs性能具有巨大的提升潜力,然而对于该网络的研究和分析还处于初级阶段,还存在很多问题没有解决,本文从能量收集认知传感器网络资源管理方面分析了该网络面临的挑战,并给出一些可能的研究方向。

参考文献

[1] 任丰原,黄海宁,林闯.无线传感器网络[J].软件学报,2003,14(7):1282-1291.

[2] AL-FUQAHA A,GUIZANI M,MOHAMMADI M,et al.Internet of things: a survey on enabling technologies,protocols,and applications[J].IEEE Communication Surveys & Tutorials,2015,17(4):2347-2376.

[3] AKAN O B,KARLI O,ERGUL O.Cognitive radio sensor networks[J].IEEE Network,2009,23(4):34-40.

[4] HE S,CHENG J,JIANG F,et al.Energy provisioning in wireless rechargeable sensor networks[J].IEEE Transactions on Mobile Computing,2013,12(10):1931-1942.

[5] SUDEVALAYAM S,KULKARNI P.Energy harvesting sensor nodes: survey and implications[J].IEEE Communication Surveys & Tutorials,2011,13(3):443-461.

[6] ZHANG D,CHEN Z,AWAD M K,et al.Utility-optimal resource management and allocation algorithm for energy harvesting cognitive radio sensor networks[J].IEEE Journal on Selected Areas in Communications,2016,34(12):3552-3565.

[7] Avoiding RF interference between WiFi and ZigBee[DB/OL].[2018-03-30].http://www.mobiusconsulting.com/papers/ZigBeeandWiFiInterference.pdf.

[8] IBARRA E,ANTONOPOULOS A,KARTSAKLI E,et al.QoS-aware energy management in body sensor nodes powered by human energy harvesting[J].IEEE Sensors Journal,2016,16(2):542–549.

[9] ZHANG K,MAO Y,LENG S,et al.Cooperation for optimal demand response in cognitive radio enabled smart grid[C].IEEE International Conference on Communications,2016:1-6.

文献[10]-[37]略




作者信息:

焦万果,李昱融,周  雯

(南京林业大学 信息科学技术学院,江苏 南京210037)