[并发数据上传的分布式优化框架.docxVIP

陈文渊 译一种无线传感器网络中并发数据上传的移动数据采集的分布式框架优化郭松涛，杨元元摘要在本文中，我们考虑在无线传感器网络中使用具有多个天线的移动采集器进行移动数据采集。考虑到无线链路容量和每个传感器的功率控制的弹性性质，我们首先提出具有并发数据上传功能的一个数据采集成本最小化(DaGCM)框架，它是由流守恒、能量消耗、链路容量、传感器兼容性和移动采集器在所有锚点的总逗留时间约束。其中，该框架的主要特点是，它允许从传感器到移动采集器并行上传数据，由于使用了多个天线和空分多址技术(SDMA)，从而大幅缩短数据采集延迟和显著降低能源消耗。然后，我们使用拉格朗日二元化松弛DaGCM问题，并用梯度迭代算法求解。此外，我们提出了一个分布式算法，它由跨层数据控制、路由、功率控制和具有显式消息传递的兼容性决心子算法组成。我们还给出了子算法用于求出移动采集器在不同锚点的最佳停留时间。最后，我们提供的数值结果表明，在数据采集延迟和能量消耗方面，该DaGCM算法的收敛性及其优点超过了没有并发数据上传和功率控制的算法。关键词移动数据采集 凸优化 数据采集成本 分布式算法 无线传感器网络I.简介最近的传感器技术和无线通信技术的发展使得无线传感器网络在广泛的应用中发挥着越来越重要的作用，如远程栖息地监控和战场监控。在这样的应用中，成百上千的低成本传感器通常配备能量有限的电池分散在监控区域中，而这些节点自组织成一个无线网络，每个传感器节点定期报告其感知数据到汇聚节点。因此，如何以最低能耗有效地聚合分散的传感器的感知数据，是对大规模资源有限的传感器网络的应用的一个最重要的挑战，它激励我们的工作。近年来,许多研究工作一直在致力于无线传感器网络的高效数据采集和在大规模传感器网络中提出各种类型的数据采集机制。其中大部分集中在基于高效中继路由[2][3]和分层基础设施[4][5] 的静态数据采集。中继路由的核心理念是，数据包在传感器中通过单个或多个跳继电器转发到数据接收器。在分层的基础设施中，一个分层或基于集群路由的方法通常是采用被组织成簇和簇头的传感器负责转发数据到外部数据接收器。虽然这两种方法在某些应用程序中可以有效的执行数据转发，但这些方法的主要缺点是，他们诱导和增加了传感器之间的能耗的不均匀性。因此，数据接收器的邻近节点会发生高度拥堵和包丢失，从而严重降低了网络性能。为了克服这两种机制的缺点，移动数据采集方案被提出在[6]-[15]。移动数据采集方法的想法是部署一种特殊类型的移动节点(通常称为移动采集器)以低成本通过短程通信网络收集来自传感器的数据。移动采集器可能是移动机器人或配备强大收发器(天线)和电池的车辆，本文称之为SenCar。这种方法的优点是，它可以减少能源消耗和交通负荷，消除靠近数据接收器的传感器节点的负担，提高网络的生命周期，采集连通网络和不连通网络的数据。这些现有的移动数据采集方案可以在无线传感器网络中执行有效的数据采集，但效率不高。具体地说，一些移动数据采集方案可能导致很长的数据采集延迟，这部分是由于移动采集器一次只从一个传感器使用单个天线采集数据。实际上，一个移动采集器可以配备多个收发器或天线，使得移动收集器能够同时接收来自多个传感器的数据。显然，这可以极大地缩短数据采集时间。此外，尽管移动数据采集优化的链路容量约束被讨论在[11]-[15],但它被认为是一个常数。事实上, 链路容量是“有弹性的”，因为它取决于传输功率和无线信道条件，如链接收益和热噪声。因此，这些方案不适合衰落信道的无线传感器网络。此外，这些方案是通过改善数据包的路由路径或减少采集的数据量来节约能源，而不是考虑功率控制。实际上，功率控制可以通过要求每个传感器给予一个恒定的信干噪比(SINR)来降低整体的传输功率。这些观察结果进一步激励我们通过考虑多个天线和集成功率控制去设计一个并发数据上传的低延迟移动数据采集方案。在本文中，为了减少和平衡传感器之间的能耗和缩短数据上传时间，我们在某些特定位置（即锚点）用两根天线部署SenCar来采集传感器的数据，在传感领域逗留的一段时间内，利用空分多址(SDMA)技术安排数据传输。通过共同使用两个天线的SenCar和SDMA技术，我们首先通过对每个传感器考虑链路容量和功率控制的弹性性质提出一个数据采集成本最小化(DaGCM)框架，这是[14]、[15]和本次工作的一个主要差异。数据采集的成本(能源消耗成本)可以被视为一个传感器在锚点的逗留期间上传到移动采集器的数据量的一个函数。然后，通过引入辅助变量，我们将原来的非凸DaGCM问题转化为一个凸的问题。最后，我们将凸DaGCM问题分解为多个独立的优化子问题，提供最优算法和解决方案给数据控制、路由、功率控制和逗留时间分配子问题，这是[15]和本次工作的另一个主要区别。在[15]中，虽然使用