论文部分内容阅读
能量对无线传感器网络(Wireless Sensor Networks,WSNs)来说至关重要,是WSNs寿命以及工作时间的重要瓶颈,同时也是一直以来研究的热点之一。WSNs通常具有很大的部署数量、超小的体积、特殊的应用环境等特点,所以给WSN节点手动更换电池耗时耗力,并可能造成环境污染,增加了人工成本,有时甚至是极其困难且非常不现实的。因此,能量采集无线传感器网络(Energy-harvesting Wireless Sensor Networks,EHWSNs)应运而生,为WSNs的能量限制问题提供了一个新颖的解决方案。EHWSNs的出现解决了部分应用场景的能量限制问题的同时,也面临新的困难。由于部署EHWSN节点环境可能会出现使用环境恶劣、EHWSNs能量采集源与环境能量不匹配等问题,EHWSNs采集的能量因此具有非连续性、随机性、不稳定性、不可预测性等特点。特别是针对微小能量环境的自供能EHWSNs,这就需要改进EHWSNs与能量相关的诸如传感信号处理技术、数据传输协议、工作模式等关键技术与管理方案。但现有EHWSN节点的硬件结构能量管理方法,仍然采用传统的信号采样技术对节点电路进行局部修改或优化,电路结构仍然复杂、能量降耗效果不明显,没有从采样理论的技术方法对自供能节点进行优化设计。因此,本文从自供能EHWSN节点信号数据的安全性、功耗、能量利用效率等角度,采用压缩感知采样理论,着重研究了基于非连续随机微小环境能量的自供能压缩感知采样模型、算法、电路设计与仿真分析,并提出了最优化设计参数,最终实现了该EHWSNs节点信号数据的安全性和减少信号处理耗能的目标。本文主要内容简述如下:(1)针对传统EHWSN节点信号数据的安全性和能耗等问题,根据压缩感知采样理论,对压缩感知采样的硬件结构模拟信息转换器(Analog-to-information Converter,AIC)进行了理论分析,对原始信号的压缩与恢复算法进行仿真验证,结果显示原始信号经过AIC高效处理后,采样输出信号就会变得和原始信号完全不同,减少了专用软硬件加密,既保障了自供能节点通信的安全性,又显著降低了原始信号的采样数据量及处理能耗;(2)针对传统WSNs信号采样的低效率和高能耗问题,创新得设计了基于非连续随机微小环境能量的自供能EHWSN节点的总体框架和自供能压缩感知采样模型电路,并对该自供能压缩感知采样模型进行了电路分析和定性模拟仿真。分析发现经过该自供能压缩感知采样模型的模数转换器(Analogue-to-digital Converter,ADC)实际采样率比Nyquist采样理论要求的最低采样率要小很多,从而验证了模型电路设计的正确性;(3)针对自供能压缩感知采样电路模型的适应性能问题,按照不同输入信号处理参数,定量分析了该模型的边界条件和处理效果,并创新得提出了最优化的采样信号处理参数。对自供能压缩感知采样模型进行了复杂性仿真。并对比仿真了不同的输入信号处理参数对采样模型的影响。仿真结果表明,Lemple-Ziv信号复杂度在0.7内的输入信号,其经过自供能压缩感知采样模型后其恢复效果好。接着对比了当信号处理参数不同时,自供能压缩感知采样模型的性能表现。对比结果表明,自供能压缩感知采样模型最佳压缩率应设置在15%到20%区间内,即采样数据量将比Nyquist采样理论要求的最低采样率的数据量减少50%到62.5%;微控制单元产生的伪随机PN信号频率应在原始输入信号最高频率的5倍左右;输入信号带宽或信号最高频率与压缩感知采样模块的有源RC低通滤波器3 dB截止频率相同。最后对比了Nyquist采样理论的EHWSN节点和AIC芯片,压缩感知采样能显著减少降低微控制单元41.87%的任务工作模式功率。并且本文设计的自供能压缩感知采样模型功耗也远低于集成的AIC芯片,功能更加完善。