افزایش گذردهی در اینترنت اشیا توان دهی شده بی سیم با مدیریت تداخل و سیاست شارژ مبتنی بر پیش بینی
حسین جباری
مهندسی برق وکامپیوتر
۱۴۰۰
۷۸ص.
سی دی
کارشناسی ارشد
مهندسی برق گرایش مخابرات سیستم
۱۴۰۰/۱۰/۲۱
چکیده:اخیرا فناوری اینترنت اشیا به دلیل توانایی آن در دستیابی به اتصالات دستگاه¬های فیزیکی گسترده توسعه یافته است.اینترنت اشیا به عنوان یکی از فناوری کلیدی در سیستم¬های نسل پنجم (5G) مورد بررسی قرار گرفته است. توسعه طول عمر سنسور یکی از مهمترین موضوعات استفاده گسترده از شبکههای حسگر بیسیم (WSNs) است.در این پژوهش، چگونگی تامین یک منبع توان قابل¬ اعتماد برای دستگاههای توان محدود و بهبود کارایی انرژی در اینترنت اشیا توان¬دهی¬شده بی¬سیم یک چالش دوگانه است. در این طرح یک سیستم انتقال توان بیسیم (WPT) که در آن یک پهپاد (UAV) مجهز به فرستنده انرژی رادیویی فرکانسی دستگاههای اینترنت را شارژ میکند و یک چارچوب یادگیری ماشین متشکل از شبکههای حالت پژواک (ESNs) همراه با خوشهبندی k-means برای پیشبینی مصرف انرژی و خوشهبندی تمام گرههای سنسور استفاده میشود. به¬منظور بهبود کارایی انرژی سیستم در اینترنت اشیا توان¬دهی¬شده بی¬سیم مدیریت تداخل به¬صورت یک بازی استکلبرگ مدل¬سازی میشود. در این بازی پهپاد به عنوان رهبر(leader) و حسگرها به عنوان دنباله¬رو (followers) محسوب می¬شوند. در این طرح رهبر و دنباله¬روها بهترین استراتژی شارژ بهینه را برای به حداکثر رساندن سود خود انتخاب می¬کنند که در آن یک سیاست کنترل شارژ بهینه برای انطباق و تجزیه و تحلیل تعداد زیادی از گرههای اینترنت اشیا توان¬دهی¬شده بی-سیم ارائه شدهاست. نتایج عددی تایید میکند که سیاست شارژ پویای پیشنهادی، سیاست کنترل توان بهینه تداخل را به شدت کاهش داده و کارایی انرژی کل شبکه و نیز نرخ حسگرها را بهبود میبخشد.
The Internet of Things (IoT) technology has recently drawn more attention due to its ability to achieve the interconnections of massive physic devices. Extending the sensor life time is one of the most important issues in wide spread use of Wireless Sensor Networks(WSNs).However, how toprovide a reliable power supply to energy-constrained devices and improve the energy efficiency in the wireless powered IoT(WP-IoT) is a twofold challenge. In this paper, we developa novel wireless power transmission (WPT) system, where an unmanned aerial vehicle (UAV) equipped with radio frequency energy transmitter charges the IoT devices. A machine learning framework of echo state networks (ESNs) together with an improved k-means clustering algorithm is used to predict theenergy consumption and cluster all the sensor nodes at the next period.In order to improve the energy efficiency of WP-IoT system, the interference mitigation problem is modeled as Stackelberg game where the UAV andsensor nodes act as the leader and followers respectively.Each sensor nodes and UAV of the networks selects optimal power strategy to maximize its own utility where an optimal power control policy is presented to adapt and analyzethe large number of sensor nodes randomly deployed in WP-IoT.The numerical results verify that our proposed dynamic charging policy and theoptimal power control policy greatly mitigate the interference, and improve the energy efficiency of the whole network.
Throughput Maximization in Wireless Powered Internet of Thing with Interference Management and Prediction-Based Charging Policy