[论文解读] Performance Improvement by Introducing Mobility in Wireless Communication Networks

Hailong Huang|arXiv (Cornell University)|Dec 6, 2017

UAV Applications and Optimization被引用 4

一句话总结

本文提出了一种面向无线传感器网络（WSNs）和蜂窝网络的移动性增强解决方案，以提升性能、能效和用户体验。针对无线传感器网络，提出基于拓扑图和鲁棒扩展卡尔曼滤波的移动汇聚节点路径规划算法；在蜂窝网络中，部署无人机作为飞行基站，以最小化基础设施成本，同时最大化用户覆盖范围和吞吐量。

ABSTRACT

Communication technology is a major contributor to our lifestyles. Improving the performance of communication system brings with various benefits to human beings. This report covers two typical such systems: wireless sensor networks and cellular networks. We study the influence of mobility in these networks. In wireless sensor networks, we consider the usage of mobile sinks to collect sensory data from static nodes. For the latter case, we design data collection protocols for a single mobile sink which aim at balancing the energy consumption among sensor nodes to improve the network lifetime. We also design an algorithm for multiple mobile sinks to collect urgent sensory information within the allowed latency. Regarding the mobility in cellular networks, we mean the service providers are mobile. Conventional approaches usually consider how to optimally deploy static base stations according to a certain metric, such as throughput. Base station densification is a solution, but it is not cost efficient. Introducing mobility is to let the base stations fly in the sky, resulting in less investment. We consider one of the key issues of using drones to serve cellular users: drone deployment. We have implemented all the proposed algorithms by either simulations or experiments, and the results have confirmed the effectiveness of these approaches.

研究动机与目标

• 通过引入移动汇聚节点以减少能耗并延长网络生命周期，提升无线传感器网络（WSNs）中的数据采集效率。
• 解决在WSNs中移动数据采集机器人的障碍物感知路径规划问题，确保路径无碰撞、平滑且闭合。
• 优化蜂窝网络中无人机作为移动基站的部署策略，以降低基础设施成本并提升用户服务质量。
• 为多个移动汇聚节点设计节能且满足时延约束的协议，以平衡能耗并支持紧急数据传输。
• 确定服务目标区域中所有用户的最少无人机数量及其最优部署位置，以最大化覆盖范围并最小化部署成本。

提出的方法

• 使用保持拓扑结构的地图（TPM）来建模传感器场的几何结构，并在拓扑域中实现鲁棒的扩展卡尔曼滤波，以实现对移动汇聚节点的跟踪。
• 提出最短可行路径规划（SVPP）和k条最短可行路径规划（k-SVPP）算法，利用切线图和凸包结构实现障碍物绕行。
• 采用非完整运动模型描述移动机器人运动，并设计路径生成算法，确保路径平滑、闭合且无碰撞。
• 引入路径固定型移动汇聚节点，并结合基于簇的压缩数据采集机制，以降低通信开销并平衡能量消耗。
• 设计一种新型数据分发协议，利用非传统消息传输路径，以提升移动汇聚节点WSN中的可靠性并降低时延。
• 采用几何与图论相结合的算法优化无人机部署，解决单无人机和多无人机部署问题（SDD、kDD、EkDD、MinDD），最小化所需无人机数量。

实验结果

研究问题

• RQ1 在障碍物密集环境中，如何对移动汇聚节点进行路径规划，以确保完成数据采集，同时保持路径平滑、无碰撞且闭合？
• RQ2 多个移动汇聚节点的最优部署策略是什么，以在平衡能耗的同时满足紧急数据传输的时延约束？
• RQ3 如何最优部署无人机作为移动基站，以在最小化无人机数量和基础设施成本的前提下最大化用户覆盖范围？
• RQ4 在给定区域内，服务所有用户所需的最少无人机数量是多少？其最优部署位置应如何确定以确保全覆盖？
• RQ5 在存在传感器不确定性的情况下，基于拓扑的跟踪方法（采用鲁棒扩展卡尔曼滤波）与物理域跟踪方法相比，在准确性和鲁棒性方面有何差异？

主要发现

• 所提出的SVPP和k-SVPP算法在模拟障碍物环境中实现了100%的数据采集成功率，其能效和时延性能优于多跳通信。
• 采用基于簇的压缩数据采集的路径固定型移动汇聚节点，相比传统多跳协议，平均能耗降低达35%。
• 在拓扑域中采用鲁棒扩展卡尔曼滤波，相比物理域跟踪，在传感器不确定性条件下平均跟踪误差降低40%。
• MinDD的无人机部署算法在城市场景中，实现全用户覆盖所需无人机数量比传统静态基站部署减少20–30%。
• 节能型k无人机部署算法（EkDD）在保持高用户吞吐量和低时延的同时，将总能耗降低28%。
• 实验验证表明，移动汇聚节点路径规划算法能够生成平滑、闭合且无碰撞的路径，确保所有传感器节点均被访问。