无电池反向散射传感器网络中的能量预测与调度,以实现可持续的网络管理

《Pervasive and Mobile Computing》:Energy prediction and scheduling in battery-less backscatter sensor network for sustainable network management

【字体: 大 中 小 】 时间:2026年07月22日 来源:Pervasive and Mobile Computing 3.9

编辑推荐:

  摘要:大规模无电池反向散射传感器网络可实现无需维护的农业监测,但其在变化多端的太阳能及环境射频能量条件下运行。由于缺乏能量存储机制且节点激活缺乏控制,会导致能源浪费、节点故障、数据包冲突以及网络吞吐量下降,因此需要精确的能源预测与自适应调度策略。本研究旨在构建一种具备能源感知能力

  摘要:大规模无电池反向散射传感器网络可实现无需维护的农业监测,但其在变化多端的太阳能及环境射频能量条件下运行。由于缺乏能量存储机制且节点激活缺乏控制,会导致能源浪费、节点故障、数据包冲突以及网络吞吐量下降,因此需要精确的能源预测与自适应调度策略。本研究旨在构建一种具备能源感知能力的预测与调度框架,以提高无电池反向散射传感器网络的节点正常运行时间、通信可靠性及能源效率。通过模拟大规模农业反向散射传感器网络,获取真实的能源收集数据,并基于梯度引导河马优化算法开发出一种能源感知型长短期记忆模型,用于预测各节点未来的能源可用性。根据这些预测结果,一种基于能源预测的贪婪调度算法能够在每个时间槽动态选择能量充足的Top-K节点进行感知与反向散射传输。仿真结果表明,所提出的预测与调度框架具有极高的能源预测精度,R2值为0.99,MAE值为0.0028;同时可将节点正常运行时间提升至89%,网络吞吐量提高至1540包/小时,相比传统方案显著减少了能源浪费和数据包冲突。这些结果证明了该预测驱动型调度框架在提升无电池反向散射传感器网络的可扩展性、可靠性及能源效率方面的有效性。

引言:无线传感器网络在精准农业、环境监测、智能农业、医疗保健以及智慧城市等现代应用中发挥着重要作用[1]。这类网络作为现代物联网生态系统的核心,能够实现大规模环境下的分布式感知、实时分析以及智能决策功能[2]。在这些应用中,大量传感器节点被部署在广阔的地理区域,以实现持续的数据采集与实时监控[3]。许多此类部署项目位于偏远或基础设施匮乏的地区,手动维护既困难又成本高昂[4]。传统上,这些传感器节点依赖电池供电,这不仅极大地限制了其使用寿命,还带来了严重的维护问题[5]。在大型且偏远的部署场景中,频繁更换电池因高昂的人工成本、难以到达的地点以及电池处理带来的环境风险而不可行[6]。随着网络规模的扩大,电池供电传感器节点所带来的维护负担及可靠性问题愈发突出[7]。因此,提升能源可持续性已成为下一代无线传感器网络架构的核心设计要求[8]。为解决这些问题,能量收集技术作为一种替代方案应运而生。它使得无需电池的物联网传感器能够利用周围环境中的能量,如阳光或射频能量[9]。此外,热梯度、机械振动等其他环境能量也可用于实现设备的自我维持运行。这类自供电传感器能够适应环境变化,从而实现长期、可持续的运行[10]。然而,在能量供应不稳定的情况下,要确保可靠的感知与通信,就需要开发低功耗硬件并制定智能的能源管理策略[11]。在各种低功耗通信方式中,反向散射通信因其能够让被动设备通过调制和反射现有射频信号来实现通信,从而避免高能耗而备受关注[12]。与传统主动式无线电设备不同,反向散射系统无需使用高能耗的射频发射器。这种极低的功耗特性使得反向散射通信特别适合用于无电池无线传感器网络。这也推动了无电池反向散射传感器网络作为下一代物联网系统的重要支撑技术的发展[13]。不过,从环境源获得的能量本质上是不稳定且难以预测的,尤其是在户外环境中。这就给大规模部署场景下的一致性感知与可靠通信带来了挑战[14]。近期有一些研究提出了多种节能型无线传感器网络方案,包括精确调度与分层策略,但这些研究并未探讨实现高效能物联网系统的组件最优排序问题[15]。目前已有许多能源感知型调度算法被提出,它们通过融入智能技术,在考虑能源消耗约束的前提下优化资源分配与调度决策[16]。此外,还有人们利用基于混合深度学习与强化学习模型的小型远程射频能量收集系统[17]。针对智能农业,人们还开发了基于太阳能结合混合元启发式与启发式任务卸载与调度方法的合作型异构能量收集系统[18]。尽管取得了这些进展,但在大规模农业应用中,对于传统传感器节点而言,频繁更换电池仍然不现实[19]。目前大多数研究要么侧重于硬件原型设计,要么是在室内或城市环境中进行的的小规模仿真[20]。现有方法大多采用始终处于工作状态或随机激活的策略,未能考虑未来的能源供应情况。此外,若没有智能调度机制,收集到的能源往往会被浪费,从而导致节点正常运行时间缩短及网络吞吐量降低[21]。为解决这些问题,本文提出的模型构建了一种预测型、能源感知型的调度框架,通过智能预测各节点未来的能源可用性,并对能量充足的节点进行调度,从而最大化大规模无电池反向散射传感器网络的性能。该框架的主要贡献如下:•大规模能源收集网络建模:本研究为部署在农业环境中的无电池反向散射传感器网络构建了一个真实的大规模仿真框架。该模型能够反映随时间变化的太阳能及环境射频能量收集情况、各节点的能源消耗状况、信道约束以及空间上的能源分布不均匀性问题,从而能够对大规模或非室内环境下的网络性能进行可行的评估。•基于GGHO的能源感知型LSTM预测模型:本文提出了一种基于梯度引导河马优化算法的能源感知型长短期记忆模型,用于准确预测未来各节点的能源收集量。该模型通过将能源收集量与消耗量作为时间输入,并在LSTM记忆更新机制中引入内部能源可用性因子,实现了对高度动态能源条件的精准预测,即所谓的双级能源感知机制(E2)。•基于能源预测的贪婪调度算法:本文提出了一种能源感知型贪婪调度策略,该策略会根据预测的未来能源状况及信道容量约束,动态选择Top-K个传感器节点。该调度器通过仅在每个时间槽激活能量充足的节点,从而最小化能源浪费、避免数据包冲突,并最大化节点的正常运行时间。

后续章节结构如下:第2节将回顾目前关于智能农业用无电池及能量收集传感器网络的相关研究,阐述其对于实现可持续且无需维护运行的贡献。第3节介绍所提出的能源感知型预测与调度框架,第4节描述实验结果,第5节对整个研究进行总结。

相关研究:本节回顾了近期关于智能农业用无电池及能量收集传感器网络的研究成果,重点介绍了它们在实现可持续且无需维护运行方面的作用。Sabovic等人[22]提出了一种基于依赖关系与优先级的能源感知型任务调度器,用于无电池物联网设备,可在避免电源故障的同时安排任务执行。该方案通过依靠能量收集与电容器来替代电池,降低了环境影响。

网络场景:本研究的网络场景为一个部署在农业田地中的大规模无电池反向散射传感器网络,如图1所示。该网络包含一个环境射频能量源、一个读写器/接收器,以及多个空间分布式的无电池反向散射传感器节点。这些节点从入射的射频信号中获取能量,然后通过反向散射通信方式,通过对接收到的射频信号进行调制和反射,将感知到的信息发送出去,从而无需使用主动式发射设备。

结果与讨论:本文采用MATLAB对所提出的框架进行了仿真,得到了多项性能指标的测试结果。仿真是在一个由250个节点组成的大规模无电池反向散射传感器网络上进行的,这些节点部署在200米×200米的农业区域内,且处于不断变化的太阳能及环境射频能量收集条件之下。为确保评估结果的真实性,我们考虑了一系列全面的仿真参数,具体见表1。

结论:本研究为在农业环境中运行的大规模无电池反向散射传感器网络提出了一种能源预测与智能调度框架。为应对能源收集过程中的间歇性与不稳定性、节点激活效率低下以及网络性能下降等问题,本文开发了一种经过GGHO优化的能源感知型LSTM模型,用于准确估算未来太阳能及环境射频能量的需求量。基于这些预测结果,再通过一种贪婪启发式调度策略来实现高效的能量管理。

资金支持:本研究未获得任何资金支持。

数据与材料获取情况:相关数据集不可用,仅使用了带有参数设定的仿真模型。

伦理审批:本研究为原创性研究,所有图表均由本文作者自行制作。

参与同意书:无需签署。

发表同意书:三位作者均同意将本文提交至本期刊,并同意将来可能出版的版本。

CRediT作者贡献说明:A. Darwin Jose Raju:负责初稿撰写、项目管理、方法设计以及概念构思;S. Solai Manohar:负责审稿与编辑、结果可视化以及验证工作;T. C. Jermin Jeaunita:负责软件开发及数据整理工作。A. Darwin Jose Raju|S. Solai Manohar|T. C. Jermin Jeaunita
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号