绿色供能认知传感器网络中能/谱效联合优化研究

In wireless sensor networks, green energy harvested from ambient environment can be powered for the sensors, which helps to improve the energy efficiency and cost efficiency of the network. For the cognitive sensor networks, the cognitive nodes use full duplex technique to conduct spectrum sensing and data transmission simultaneously, thus to avoid the problem that the data transmission is frequently interrupted and the sensing time is limited, which helps to improve the spectrum efficiency of the network. Green energy powered cognitive sensor network brings opportunities for the development of the Internet of Things, but is also very challenging. For example, 1) The green energy (e.g., solar and wind) harvesting is random, which makes the energy management and allocation challenging when the energy supply is insufficient; 2) The selection of sensing parameters and power allocation for the sensor nodes will affect the network throughput, energy consumption and harvested energy, thus it is challenging to optimize the simultaneous sensing-transmission-energy harvesting scheme; 3) Considering the non-linear characteristic of RF energy harvesting, the sensor nodes’ information security is ensured and energy efficiency should be improved on the condition of guaranteeing the primary user’s Quality of Service, thus it is difficult to optimize the secure energy efficiency of the network. Therefore, this project will investigate the optimization of the parameters in green energy powered cognitive sensor network, thus to improve the spectrum efficiency and energy efficiency, and achieve secure and energy efficient transmission for the sensor nodes, and provide technical support for the development of future Internet of Things and green communication.

在无线传感器网络中，通过收集周围环境的绿色能源为传感器供电从而提升网络的能量效率和成本效率。针对认知传感器网络，认知节点利用全双工技术同时进行频谱感知和数据传输，可避免数据传输频繁中断、感知时间受限问题，从而提升网络的频谱效率。绿色供能认知传感器网络为物联网的发展带来了机遇，但也富有挑战性。例如：1）太阳能、风能等绿色能源的收集具有随机性，使得供能不充分时能量资源的管理分配挑战性大；2）传感器节点感知参数选取、功率分配影响网络吞吐量、能耗和收集能量，使得同时感知-传输-能量收集方案优化设计挑战性大；3）考虑RF能量收集的非线性特性，在保证主用户QoS的条件下既要确保传感器节点的信息安全又要提升其能量效率，使得网络安全能效优化难度大。因此，项目研究绿色供能认知传感器网络中的参数优化选取，提升网络谱效和能效，实现传感器节点的高能效安全传输，为未来物联网和绿色通信的发展提供技术支撑。

物联网中部署有大量的传感器节点，若是人工更换电池或充电，庞大的工作量和时间开销使得在实际系统中难以应用。因此，如何在保证网络信息有效传输的同时降低网络能量消耗并延长网络工作时间是未来物联网发展面临的问题。在无线传感器网络中，通过收集周围环境的绿色能源为传感器供电从而提升网络的能量效率和成本效率。认知通信通过动态频谱接入技术提升了频谱利用效率。绿色供能认知通信技术有望同时提升频谱效率和能量效率，是未来物联网的发展方向。在绿色供能CRSN的频谱效率优化策略的研究中，分析了CRSN的能量消耗和收集能量之间的关系，通过优化系统参数使得CRSN的吞吐量最大，研究结果显示通过联合优化感知时间、感知门限和汇聚节点门限可以有效提升CRSN的吞吐量；当收集能量不充分时，选择合适的参与协作的传感器数量并优化能量管理过程非常重要。在基于RF能量收集的全双工CRSN能效优化分析的研究中，分析了全双工模式下认知节点的感知性能以及整个感知区域的能效和谱效，在主用户干扰约束条件下设计感知-接入优化算法，得到了谱效和能效的帕累托边界。研究结果验证了所提出的优化策略，展示了提出的FD-EH方案的优越性，结果显示能效和谱效存在折中权衡。在基于非线性EH模型的CRSN的安全能效优化的研究中，建立了基于“信能同传”的非线性能量收集认知传感器网络模型，分析了安全容量、收集能量和安全能效之间的关系，在满足能量收集需求和干扰功率约束条件下设计了最优的传输协方差矩阵使得安全能效最大。研究结果显示所提方案收敛性较好，且有效提升了系统的安全能效。绿色供能认知传感器网络在物联网中将会有广泛的应用，包括金融、生物、物流、智能家居等领域。项目通过设计最优的感知-传输-能量收集方案，分析优化网络的频谱效率、能量效率、安全能效等性能指标，实现CRSN能效和谱效的联合优化，为CRSN在未来物联网中的应用提供新思想、新技术和新方法。