[论文解读] Energy Harvesting-Aided Spectrum Sensing and Data Transmission in Heterogeneous Cognitive Radio Sensor Network

D. H. Zhang, Zhigang Ren+5 more|arXiv (Cornell University)|Apr 6, 2016

Cognitive Radio Networks and Spectrum Sensing参考文献 37被引用 9

一句话总结

本文提出了一种异构认知无线电传感器网络（HCRSNs）的联合资源分配框架，集成能量采集（EH）与认知无线电（CR）能力。通过联合优化频谱传感器调度与数据传感器传输（时间、功率与信道分配），该方案在最大化频谱感知可用性的同时最小化数据传感器的能量消耗，仿真验证表明其显著降低了能耗并提升了网络可持续性。

ABSTRACT

The incorporation of Cognitive Radio (CR) and Energy Harvesting (EH) capabilities in wireless sensor networks enables spectrum and energy efficient heterogeneous cognitive radio sensor networks (HCRSNs). The new networking paradigm of HCRSNs consists of EH-enabled spectrum sensors and battery powered data sensors. Spectrum sensors can cooperatively scan the licensed spectrum for available channels, while data sensors monitor an area of interest and transmit sensed data to the sink over those channels. In this work, we propose a resource allocation solution for the HCRSN to achieve the sustainability of spectrum sensors and conserve energy of data sensors. The proposed solution is achieved by two algorithms that operate in tandem, a spectrum sensor scheduling algorithm and a data sensor resource allocation algorithm. The spectrum sensor scheduling algorithm allocates channels to spectrum sensors such that the average detected available time for the channels is maximized, while the EH dynamics are considered and PU transmissions are protected. The data sensor resource allocation algorithm allocates the transmission time, power and channels such that the energy consumption of the data sensors is minimized. Extensive simulation results demonstrate that the energy consumption of the data sensors can be significantly reduced while maintaining the sustainability of the spectrum sensors.

研究动机与目标

• 解决HCRSNs中能量失衡的问题，其中频谱传感器因频繁感知而消耗更多能量，而数据传感器则面临能量限制。
• 通过考虑动态能量采集并保护主用户（PU）传输，确保EH启用的频谱传感器的可持续性。
• 通过高效分配传输时间、功率与信道，最小化电池供电数据传感器的能量消耗。
• 通过多频谱传感器之间的协作感知，提升频谱感知的准确性和可靠性。
• 开发一种实时、自适应的资源分配策略，能够动态响应波动的能量采集速率与信道可用性。

提出的方法

• 设计了一种频谱传感器调度算法，用于在考虑EH动态特性与PU保护的前提下，将信道分配给频谱传感器，以最大化平均检测到的可用时间。
• 数据传感器资源分配（DSRA）算法联合优化传输时间、功率与信道分配，以在QoS与能量约束下最小化能量消耗。
• 将DSRA问题建模为双凸优化问题，通过交替优化求解：固定传输时间时，问题在功率上为凸；反之亦然。
• 基于主用户（PU）的指数分布ON/OFF周期，推导出碰撞概率模型，确保频谱感知期间对PU的有效保护。
• 提出联合传输功率与时间分配（JTPA）算法作为实用解决方案，其性能优于固定功率方案。
• 仿真模型采用真实参数：瑞利衰落、阴影衰落、时变能量采集速率以及动态感知阈值。

实验结果

研究问题

• RQ1 如何调度频谱传感器，以在尊重EH动态特性与PU保护的前提下，最大化授权信道的平均检测可用时间？
• RQ2 何种联合分配策略（包括传输时间、功率与信道）可最小化电池供电数据传感器的能量消耗？
• RQ3 所提出的联合优化方案在能量效率方面相较于固定功率传输方案有何优势？
• RQ4 DSRA问题的双凸公式化在多大程度上实现了高效且可扩展的资源分配？
• RQ5 当能量采集速率时变且感知阈值动态变化时，系统如何保持性能？

主要发现

• 与固定功率（p_max）方案相比，JTPA算法显著降低了数据传感器的能量消耗，尤其在不同数据速率需求下表现更优。
• 随着最大传输功率（p_max）的增加，能量消耗降低，因为JTPA可利用更大的功率分配空间进行优化。
• 频谱传感器调度算法成功最大化信道的平均检测可用时间，提升了频谱利用率与感知可靠性。
• DSRA问题的双凸公式化通过交替最小化实现了高效且收敛的优化，确保了实际部署的可行性。
• 仿真结果证实，所提方案在显著降低数据传感器能耗的同时，维持了频谱传感器的长期可持续性。
• 该框架能够实时适应波动的能量采集速率与动态的信道可用性，从而提升了整体网络效率。