Key points are not available for this paper at this time.
In diesem Papier untersuchen wir das Problem der Maximierung des Netzwerknutzens in energieerntenden kognitiven Funk-Sensornetzwerken (CRSNs). Anders als in traditionellen Sensornetzwerken sind die Sensorknoten in CRSNs mit kognitiven Funkmodulen ausgestattet, die es ihnen ermöglichen, dynamisch auf die lizenzierten Kanäle zuzugreifen. Da der dynamische Kanalzugriff entscheidend ist, um die Netzwerk kapazität für CRSNs zu garantieren, können bestehende Lösungen, die den dynamischen Kanalzugriff nicht berücksichtigen, nicht direkt auf CRSNs angewendet werden. Daher zielen wir darauf ab, den Netzwerk nutzen zu maximieren, indem wir die Abtastraten und den Kanalzugriff der Sensorknoten gemeinsam steuern, unter Berücksichtigung der Einschränkungen des Energieverbrauchs, der Kanal kapazität und der Interferenz. Unter Berücksichtigung der schwankenden Energieernte-raten und der Kanalumsch alterkosten formulieren wir die Maximierung des Netzwerknutzens als ein gemischtes ganzzahliges nichtlineares Programmierungsproblem und lösen es effizient und entkoppelt durch duale Zerlegung. Ein gemeinsames Kanalzugriffs- und Abtastratensteuerungsschema, das JASC genannt wird, wird vorgeschlagen, wobei die Ergebnisse der Echtzeit-Kanalüberwachung und die Energieernte-raten berücksichtigt werden. Umfassende Simulationsergebnisse zeigen, dass JASC den Netzwerk nutzen in CRSNs basierend auf einem realistischen Energieernte-Datensatz effizient verbessern kann.
Ren et al. (Thu,) haben diese Frage untersucht.