论文部分内容阅读
在无线传感器网络中,如何高效使用能量是一个重要的挑战。一般是采用关闭节点组件和高效地发送数据来提高节点能量效率。本文假定在传感器节点的接收器和发送器中,信道和缓冲区状态信息是一直可用的,并且数据包按照泊松分布到达。本文设计了一种能量自适应管理策略来提高节点的能量利用效率,其优化目标是最小化期望代价,这个代价由每个数据包的能量消耗、缓冲区溢出和工作模式切换的能量消耗组成。首先,有一个机制动态地打开或关闭不同的传感器组件、调整传感器节点的传输功率,这种机制节约能量的同时可以保持系统性能要求。第二,提出了一种数据包分片传输方法提高传输过程中能量利用效率。然后,把一个传感器节点的能量管理问题建模为一个马尔可夫决策过程,并应用Q学习算法搜索一个最优策略。最后,论文通过仿真验证了方法的有效性。在最优策略下,有效提高能量效率的同时并没有明显减少节点的吞吐量。因此传感器节点能够尽可能的延长生存时间,而不影响系统的性能。本文系统状态是信道状态和缓冲区状态的联合且信道离散度较细,并且数据传输过程中采用了数据包分片技术,因此增加了算法的空间和时间复杂度。系统在搜索最优策略的过程中不应该消耗过多的能量,所以本文进一步采取了状态聚类和最佳分片传输方法来降低算法的复杂度。仿真结果表明,使用了状态聚类和最佳分片传输的算法能够较快的搜索出最优策略,并且此最优策略能在提高能量效率的同时而不影响系统性能。