在无线传感器网络WSNs(Wireless Sensor Networks)中,传感器节点由自身携带的电池供电,受体积,成本,电池容量等技术的限制,其本身所携带的能量相当有限[1-2]。这种能量的稀缺性成为了无线传感器节点固有的属性。这一属性极大限制了无线传感器网络的使用寿命和性能。无线充电技术的重大突破[3-4]为无线传感器网络能量受限问题提供了解决途径,基于无线充电技术的无线可充电网络也就随之兴起[5-6]。目前提出了许多有效的无线能量补充方案,如何在现有的无线能量补充方案的基础上,取得重大突破是人们一直关注的焦点。近年来,骨干网技术已经取得了突飞猛进的发展[7-9],并针对不同的网络场景提出了相应的骨干网构建方法[10-11]。骨干网的优势在于可以使无线传感器网络获得较好的节能效果和较高的路由效率,在减少网络吞吐率和通信干扰的情况下,骨干网还保证了网络的连通性和覆盖性。由于骨干节点往往与多个非骨干节点连接,在一定程度上,某个非骨干节点的失效并不会影响整个网络的正常运行,因此我们考虑将信息的采集与信息转发实现分离,信息采集任务集中在非骨干节点,信息转发任务集中在骨干节点,这样做的好处在于非骨干节点的能耗将会大大降低,然而也带来了不利的一面,那就是骨干节点的能耗进一步提升,容易导致骨干节点失效。然而传感器节点的失效将会导致节点中缓存的数据丢失、感知覆盖空洞、网络链路中断,甚至网络分割等情况[12],这些都背离了采用无线充电进行能量补充的初衷。为了保证骨干节点的能量补充,我们采取最大限度的为骨干节点充电,保证骨干节点正常工作,同时兼顾普通节点的能量补充。而无线充电技术正好能够很好的解决这个问题。为了实现网络的高效利用与网络生命周期的最大化。基于此,本文提出了基于虚拟骨干网环境下的移动能量补充策略,即根据节点的通信量计算其充电优先级,选择优先级最大的节点作为充电候选节点以优先满足高负载节点的能量需求,有效避免了节点因能量耗尽而失效的问题。并通过大量的仿真实验证明了该能量补充方案在很大程度上提升了网络的性能。

1 相关工作

近年来,无线能量补充技术受到各界广泛关注和重视。提出了许多有效的工作,这些工作大致分为两类,一类是周期性的进行能量补充的离线方式,另一类是感知节点的剩余能量,实时进行能量补充的在线方式。在离线充电方式中,通过利用充电装置可控的移动性,文献[13]联合考虑了无线充电和数据收集,并提出了优化数据速率、链路激活和路由以及充电装置移动路线的算法。文献[14]中考虑了采用移动充电装置为传感器电池周期性进行充电的场景,目标在于最大化每个充电周期中无线充电车辆的空闲时间。文献[15]中将传感器网络中的移动充电问题形式化为旅行商问题,建立了一个利用可移动机器人对影响网络寿命的“瓶颈”节点进行移动充电的原型系统,以研究利用无线充电技术来延长传感器网络的使用寿命的可行性。文献[16]认为无线充电和路由策略之间联系紧密,提出在路由策略的设计中充分考虑无线充电因素,使传感器节点实现能耗均衡路由和最小能耗路由这两种策略之间进行平衡,以实现能量的有效补充和使用。基于无线充电能力足够高和数据传输模式固定的假设,文献[17]对每个充电周期中充电装置空闲时间最大化问题进行了形式化的分析和求解,提出了一个集中式的无线充电与路由选择的联合优化策略。对于在线充电方式,充电装置根据节点的剩余能量实时进行充电决策。这类工作中有代表性的是文献[18]中提出了为传感器节点提供按需无线充电方式,采用了一种抢占式的最近最先原则(NJNP)来选择下一个充电节点,从理论上进行分析和求解并给出了解决策略,但是没有考虑对充电请求响应的公平性,容易导致节点失效现象。尤其是当网络中节点感应活跃,充电请求较多,激活较慢的情况下,这种现象表现得尤为突出。文献[19]提出了基于对传感器节点剩余能量的实时感知的能量补充算法,但其关注的重点在于节点激活/休眠的调度策略。文献[20]考虑节点的动态能耗提出最大化充电吞吐量问题,并采用基于最小生成树的旅行商方法来确定移动充电装置(MC)的充电路径。文献[21]提出了一种基于剩余能量实时感知的能量补充方法,即根据节点剩余能量来选择充电目标。文献[22]研究了根据传感器节点的当前剩余能量来选择充电目标对网络吞吐量的影响,并将充电目标节点的选择按照线性规划问题来解决。

然而,现有的无线充电方案仅仅考虑了平面结构的WSN中充电问题,没有考虑具有层次结构的WSN的充电,进而也没有相应的机制来确保骨干网中节点的能量供应。基于此,本文提出了基于虚拟骨干网环境下的移动充电方式来保证骨干节点的能量供应,即根据节点的负载情况来确定节点的优先级。在充电过程中,首先考虑节点的优先级,始终选择为优先级最大的节点充电。通过仿真实验证明了按照这种充电方式能够有效的避免同一时刻充电请求节点的快速增加,并且从骨干网本身来看,已经做了路由选择方面的优化,能够节省充电装置的移动时间使其能够快速到达目标充电节点为其充电,保证了服务池中绝大多数节点能够在其最大延迟时间到来之前得到充电服务请求。有效的降低了网络节点的失效率,延长了网络的使用寿命。

图1 网络模型

2 网络模型与问题陈述

2.1 网络模型

本文采用的网络模型如图1所示,在该网络模型中,传感器节点主要负责感知,产生,传递信息,能量的消耗主要发生在发送和接受信息的过程中,在本文中采用了文献[23]提出能量消耗模型,当发送节点向距离d外的接收节点发送k byte的数据时,可以使用式(1)计算其能量消耗,接收节点接收k byte的数据,消耗的能量按式(2)计算。其中,Eelec表示无线收发电路所消耗的能量。εamp表示放大器消耗的能量,其大小取决于发送节点与接收节点间的距离以及可接受的位错误率。

ETx(k,d)=Eelec(k)+Eamp(k,d)=kEelec+kεampd2

(1)

ERx(k)=kEelec

(2)

2.2 问题陈述

本文提出的基于虚拟骨干网环境下的移动能量补充策略(VBMERS),本质上在于最大限度的为骨干节点提供能量补充,同时尽可能的让能量消耗均匀的分布到所有的骨干节点上,为了在每个周期内减小整个网络系统的能量损耗以及确保能量消耗均匀的分布在所有的骨干节点上,在网络中将传感器节点分为骨干节点和非骨干节点,对于不同类型的节点分担的角色要明确,本文规定,非骨干节点周期性的采集并发送信息,骨干节点接收信息并以多跳的方式将信息传递给Sink节点。骨干节点往往与多个非骨干节点邻接,即骨干节点接收到的信息存在大量的冗余数据,因此骨干节点有必要对收集到的信息进行数据融合,即骨干节点并不是接收到一条信息就立刻进行转发,而是等到所有邻接点发送的信息到达并进行数据融合之才转发。在整个充电过程中不同的传感器节点扮演着不同的角色,为了更加高效的实现节点的充电功能,就必须考虑节点的优先级。由于骨干节点在网络中能耗相对比较大,直接决定了网络的生存能力,因此必须要保证骨干节点的能量供应。

3 VBMERS能量补充策略设计与实现

3.1 计算传感器节点的动态信息交互率

由于受周围环境因素影响,传感器节点对环境信息的感知频率是动态变化的,那么估计节点的当前信息交互率成为计算每个待充电节点优先级的关键。为了估计节点的信息交互率,设初始网络部署的时间为t0=0,之后每个传感器节点每隔时间间隔Δ记录自己的当前剩余能量值和当前时间值,并以消息的形式把记录的能量值和对应的时间值发送给基站。例如节点i发送给基站的第n个能量通告消息形式为i,REin,tin>,n≥0,其中IDi表示节点i的编号,REin表示节点i的剩余能量,tin表示发送能量通告消息的时间。假设每个传感器节点处理一条信息消耗的能量为ψ,该能量包含接收信息的消耗能量和转发信息消耗的能量,则ψ=ETx(k,d)+ERx(k),那么传感器节点i信息交互率的实时值cin为:

分别计算每种型号的超级电容与铁锂电池组直接并联的功率增强因子，计算结果如表3所示。可知在电池组上直接并联不同型号超级电容的6种方案来应对脉冲性负载时，瞬态功率改善情况均不明显，主要是超级电容串联组数太多，导致等效内阻远远大于铁锂电池组的等效内阻所致。

(3)

令Cin表示接收第n条能量值通告后基站对传感器节点i信息交互率的估计。利用加权平均法有:

那一瞬间，我的头脑中闪过很多的片段：十岁，我和一个小男孩一起玩耍，他说这辈子要我做他的新娘子；十五岁，他为我摘树上的桃花，扎成好看的花环为我戴上；十七岁，我们约好私奔，我却在临行前被父亲绑了起来将我送进陌生男子的婚房。我的心里好痛好痛，他的身影一直很模糊，我好想看看他，可为什么我总看不清呢？

(4)

③Charging cost:移动充电装置MC为实现节点能量补充而移动的总距离。由于MC处于移动状态时无法进行充电,但需要消耗一定能量,因此MC的移动距离越少则充电系统的代价越小。

(5)

(6)

在式(6)中,Tn-1为前n-1个剩余能量值通告的时间值总和。节点每更新一次信息交互率,就要累加一次时间值总和Tn=Tn-1+tn。这样根据式(6)计算信息交互率时基站只需保存Ci1、时间值总和以及最近一次估计的节点信息交互率的值,与式(4)相比减小了基站的存储代价。此外,在MC为节点充电期间,节点不记录和发送自己的剩余能量。当充电完成后,重新开始每隔时间间隔Δ记录一次自己的剩余能量值和当前时间,并在充电完成后首次发送能量通告消息时同时发送充电完成的通告,基站收到该通告后清除之前的所有信息交互率估计值及时间统计,并按上述方法重新计算该节点的信息交互率。基站以长距离通信的方式把计算所得各个节点的信息交互率通知给MC,这样MC就了解网络中各节点的信息交互率及其变化。规定能量通告消息在一定的延迟范围内可以被传感器节点发送给基站的感知消息捎带,这样发送能量通告给基站就不会花费节点太多能量,降低了传感器节点的能耗开销。

3.2 计算传感器节点优先级

根据孩子的好胜心理，可以举行各式各样的比赛。教师要积极创设条件，让学生参与到课堂学习的各种比赛之中，这样，学生学得快乐，学得高效。如教师指导学生朗读课文时，可以采用个人赛读、小组赛读、男女赛读等形式，比比谁读得有感情。

(7)

式中:

Cj指传感器节点vj的当前信息交互率,根据式(6)获得,tc(i)表示vi被选中成为充电目标到充电结束所需要的时间,它是由MC的移动时间和充电时间组成,t(MC,i)表示MC移动到传感器节点vi的时间,tw表示MC为节点vi充满电所需要的时间,v表示MC的移动速度,η表示MC的充电速率,dis(MC,vi)表示MC与节点vi的距离,E表示传感器的初始能量,E[t+t(MC,i)]表示在时刻t+t(MC,i)时节点vi的剩余能量。从式(7)可以看出,MC在选择充电目标时,既考虑了节点的负载,同时也考虑了MC的充电成本以及其他节点的充电延迟。

人们对物质生活的追求给生产力提出了更高的需求，要想使人们日益扩大的物质需要得到满足，必须不断提升生产能力，企业对智能化技术进行应用就是提升生产力的一种有效方法。电气工程有着较强的专业性以及技术性，智能化技术的应用，就是要让自动化系统的控制水平得到提高，在对电气需要满足的同时，对效益以及安全方面也要与所提升，这样智能化技术才能体现其意义。

3.3 充电目标选择算法

在无线可充电传感器网络中,当节点的能量低于事先设定好的能量阀值Ethred时,就进入充电服务池。在充电过程中,MC如何选择下一个充电目标关系到VBMERS策略的性能。VBMERS策略在选择下一充电目标时,始终选择使其他待充电节点饥饿数量最少的节点加入充电候选节点集合以尽量避免节点陷入能量饥饿状态。算法伪代码如图2所示。

(b)通过工况指数S判断，由落在“优”区间的工况参数和操作模式建立优化模式库，并对优化模式库里的样本进行聚类，当新的工况样本加入，重新聚类[10- 11]。当前工况样本与聚类中心通过相似系数进行模糊匹配。

图2 算法伪代码

算法具体步骤如下:

步骤1 MC充电前,首先计算充电服务池中每个待充电节点的当前最大充电容忍延迟,例如待充电节点vi的最大充电容忍延迟Di(t)为:

(8)

式中:REi为发送充电请求时该节点vi的剩余能量,t为当前时间,tsi为时间戳。如果节点的当前最大充电容忍延迟小于或等于零,说明节点已经饿死,则从服务池中删除该节点。

步骤2 对于充电服务池中未陷入饥饿的节点,MC依次计算若选择任一节点作为下一充电节点时,所有其他待充电节点的最短等待时间。如选择节点vi作为下一待充电节点时,节点vj的最短等待时间SWT(i,j)计算如下:

(9)

我国对于互联网金融体系的建设是十分重视的，尤其是要重点构建现代化金融体系，将金融体系的改革进行深入优化是提升金融市场服务于实体经济能力的重要方式，不只是提升直接融资的比例，同时也将金融层次进行优化，为其稳健金融市场有着不可磨灭的作用。

步骤3 在选择下一充电节点时:①若集合∑不为空,则MC对集合∑中每个节点根据式(7)分别计算它的优先级,接着MC根据式(10)判断为∑中优先级最大的节点充电时,式(10)是否成立,若式(10)成立则说明MC的剩余能量足够为该节点充电并使充电后MC能够回到服务站补充能量,此时选择∑中优先级最大的节点为下一充电节点。因为该节点的负载大并且充电时间较短,优先为其充电,避免了该节点的失效同时使其他待充电节点有较短的等待时间。

REMC(t)-[E-Ei(t+t(MC,i)]=REMC(t)-{E-REi-Ciψ[t+t(MC,i)-tsi]}≥c[t(MC,i)+t(i,SS)]v

(10)

在仿真实验中,传感器节点随机分布到仿真区域为200 m×200 m的方形区域中,假设每个传感器节点周期性的产生数据。移动充电器MC在充电时以5 m/s的速度在仿真区域中移动,整个仿真持续时间为72 000 s,其他参数以及相应的缺省值如表1所示。

式中:Ei(t)表示节点vi的当前剩余能量值,t(i,j)为MC从节点vi移动到vj的时间。若Di(t)≥SWT(i,j),说明选择节点vi作为下一充电节点时,节点vj不会被饿死。若节点vi满足对于∀vj,有Di(t)≥SWT(i,j),说明选择节点vi为下一充电节点时,充电服务池中其他待充电节点均不会被饿死,此时把节点vi加入充电候选集合∑中。MC遍历充电服务池中所有节点,找到所有满足上述条件的节点加入充电节点候选集合中。若集合∑为空,则对充电服务池中各节点,MC统计满足Di(t)≥SWT(i,j)的节点vj的个数并记录节点vj对应的ID号。

②若∑为空,判断在步骤2中统计的满足条件Di(t)≥SWT(i,j)的节点数量最多的请求节点是否满足式(10),若满足则选择该节点作为下一充电目标。这是因为选择这样的节点作为下一充电节点时能够使充电服务池中陷入饥饿的传感器节点数量最少。

③如果按照①②均找不到满足条件的充电节点,说明MC的剩余能量不足,则MC立即返回服务站补充能量。

①Charging latency:从节点发出充电请求到MC开始对其进行充电的时间间隔。由于MC每次只能为一个节点充电,但是充电请求节点不止一个,所以存在充电延迟,这个指标反映了系统的响应速度,充电延迟越小响应速度越快。

4 仿真实验

本文基于C++仿真平台对VBMERS策略进行性能分析,并把VBMERS策略与NJNP策略、FCFS策略进行性能对比。其中NJNP是近年提出的比较典型的动态充电策略,而传统的FCFS充电调度策略的性能通常较低,可以以FCFS作为参考来分析VBMERS的性能。我们通过以下3个指标对上述3种策略进行性能分析:

步骤4 如果在步骤3中已选中下一充电节点,就为被选节点充电,在充电完成后从MC的充电服务池中删除已经被充电的节点并清空集合∑,如果没有选中任何节点,则为MC补充完能量后继续为节点充电,直到MC的充电服务池为空时进入空闲状态。

②Node fault rate:因能量耗尽而失效的节点数目占所有节点总数的百分比。节点失效比例是可充电无线传感器网络最重要的指标之一,其值越小说明系统的充电策略越好。

式中:tn表示传感器节点i记录第n条剩余能量的时间,cin为收到第n次能量通告后计算得到的信息交互率实时值。将时间值作为计算信息交互率的权重,时间值越大,对应的信息交互率的值就越新,越接近实时值。这既保证了对节点信息交互率估计的实时性,又考虑到节点信息交互率的历史变化情况。把式(3)代入式(4)得式(5)。按照式(5)计算动态信息交互率的方法需要基站保存所有的剩余能量记录,代价较大。因此利用递推方法改进式(5)得式(6)

在无线传感器网络中,随着时间的推移,各个传感器节点的通信量不断的发生变化,传感器节点的优先级就是根据节点的通信量来计算的,节点通信量越大,负载也就越大,因此节点的优先级就越大。我们用NS(vi)表示节点vi的邻接点集合,则节点vi的优先级SNDPRI(vi)计算公式如下:

式中:REMC(t)表示MC的当前剩余能量值,t(i,SS)表示MC从节点vi移动到服务站SS所需要的时间。

根据饵料鱼不同的配套模式、设计单产量、上市季节等不同，翘嘴鳜“华康1号”养殖可分为饵料鱼专池饲养和饵料鱼、鳜鱼混养两种模式。它可以按照鳜鱼共性的技术标准、操作规范和生产流程进行养殖，诸如清塘、苗种消毒，或单一品种精养，或多品种立体混养或者轮捕轮放，饲料投喂，开展病害防治以及防灾减灾，同时该鱼养殖也有个性要求。

表1 实验参数

参数参数值初始能量2 000 mJ感知距离25 mEelec50 nJ/bitεamp13 pJ/(bit/m2)Efusion5 nJ/bitEthred200 mJ充电速率η100 mJ/s～300 mJ/s

图3 节点数量对网络性能的影响

4.1 节点数量对性能的影响

本组实验讨论节点数量对各策略性能的影响,我们把传感器节点数量由25个逐渐增长到200,各策略的性能变化如图3(a)～图3(c)所示。从图3(a)可见传感器节点数量较少时,3种策略的节点失效率均不大。随着网络中节点数量继续增大,这3种策略的节点失效率均增大,因为节点数量越多MC 的充电负担越重,当请求服务的节点数量超过MC 的服务能力时,各策略的节点失效率增长迅速。本文提出的策略VBMERS始终获得低于其他两种策略的节点失效率,相对于FCFS,NJNP,节点失效率分别降低了30%和20%左右。这主要因为本策略根据节点的通信量计算节点的优先级,优先给负载大的节点充电,避免了节点快速陷入饿死状态,因此能够最大程度保证网络中死亡节点数量最少。图3(b)中,3种策略的充电代价呈下降趋势。充电代价减小是因为当节点数量达到一定程度时充电请求也明显增加,这样MC 在较近的距离内发现满足条件的待充电节点的概率增大,MC 此时就来不及响应距离自己较远的充电请求,一直在为自己周围的请求充电节点充电,所以MC 移动总距离减小了,从图3(a)可以看到此时节点失效率也快速增加。由图3(b)还可以看到NJNP策略性能优于其他充电策略,是因为该策略始终选择距离充电小车距离最近的节点充电。从图中可以看出当节点数量小于100时,充电成本下降速率相对较小,当节点数量大于100时充电成本下降速率相对较大,这是因为节点数量较少时,需要充电的节点分布较为稀疏,距离小车位置较远,充电小车将大量工作花费在移动过程中。相反节点数量较多时,小车更能够找到距离较近的节点为其充电,充电成本也相应降低了。图3(c)所示随着节点数量增大,3种策略的平均充电延迟变化规律类似,当节点数量小于75时,NJNP的平均充电延迟略低于VBMERS。当节点数量大于75时,VBMERS的平均充电延迟大于NJNP,且优势比较明显,这是因为节点数量较少时,充电请求较少,NJNP策略的抢断几率较小,再加上NJNP本身最近节点优先充电的原则,从整体上减少了其他待充电节点的等待时间,故延迟相对较小,反之,节点数量较多时,充电请求节点增加,抢断几率增大,NJNP最近节点优先充电的原则就带来了很大的负面效果,导致了充电延迟大幅上升。FCFS 的平均充电延迟在节点数量高于75 时增长迅速,主要由于该策略中当节点数量增大时,移动充电器MC 在网络中来回移动显著增多,延长了节点等待充电的时间。

图4 充电速率对网络性能的影响

4.2 充电效率对性能的影响

本组实验研究移动充电器的充电效率对策略性能的影响,网络中随机部署200个传感器节点,其他参数保持默认值,充电效率从100 mJ/s到300 mJ/s逐渐变化,各策略性能变化如图4(a)～图4(c)所示。为无线可充电传感器网络进行无线充电的最主要目标是防止传感器节点陷入能量饥饿来延长网络的生存时间。图4(a)显示当移动充电器的充电效率提高时,3种策略的节点失效率均呈下降趋势,这是因为充电效率提高使得移动充电器单位时间内能够服务的待充电节点数量增加,那么请求充电节点在它们的最大充电容忍延迟内被充电的概率增大引起的。由于始终选择负载大的节点作为下一充电节点,随着充电效率变化,VBMERS的节点失效率始终低于其他4种策略。FCFS的饥饿节点比率最高,因为该算法中移动充电器消耗大量时间在网络中不断来回往复移动,使得节点等待充电的时间增长,节点容易饥饿。图4(b)所示,3种策略的充电代价均会随着充电效率提高增大,因为充电效率越大为节点充电的速度就越快,那么移动充电器移动的总距离就会越远来为完成更多的充电请求。VBMERS在充电效率较高时充电代价高于NJNP,因为此时VBMERS可能选择的下一充电节点距离MC 所在位置较远,使得移动充电器移动距离增大造成的。图4(c)中NJNP、VBMERS 和FCFS的平均充电延迟随着充电效率提高不断下降,而FCFS 却先增大后减小。FCFS的平均充电延迟开始时增大是因为充电效率提高使得MC 能够服务的节点数量增多,MC 回来往返的运动增多,使得节点等待充电的时间增长。随着充电效率继续增大,MC 为节点充电的速度更快,使得充电延迟逐渐减小。VBMERS 的平均充电延迟低于NJNP,这是因为NJNP优先选择最近的节点进行充电,而距离较远的节点长时间得不到充电导致整体充电延迟增加。然而VBMERS最先选择完成充电所需时间较短的节点为下一充电节点,从而使得其他待充电节点的等待时间缩短。随着充电效率提高,NJNP策略完成充电服务的节点数量增多后,距离较远的充电请求节点被抢断的几率进一步增加,充电延迟进一步增大,而VBMERS策略是在保证最小延迟的情况下选择优先级最大的节点进行充电,因此在很大程度上降低了传感器节点的充电延迟,得到了较好的运行效果。

5 总结

通过移动能量补充技术可以有效的延长网络的生存时间。能够有效的避免传感器节点快速进入能量饥饿状态,进而导致网络性能低下。在本文中,研究了无线传感器网络中能量补充问题,提出了一种高效的能量补充方案(VBMERS)。根据传感器节点的通信负载计算传感器节点的充电优先级,按照这样的充电方式优先为负载大且容易失效的节点充电。从而最大限度的延长了网络的寿命。仿真结果表明了本文提出的能量补充方案优于其他两个与之对比的实验方案。

参考文献:

[1] Schurgers C,Srivastava M B. Energy Efficient Routing in Wireless Sensor Networks[C]//Military Communications Conference. IEEE,2001,1:357-361.

[2] Liang X,Li W,Gulliver T A. Energy Efficient Modulation Design for Wireless Sensor Networks[C]//IEEE Pacific Rim Conference on Communications,Computers and Signal Processing. IEEE,2007:98-101.

[3] Kurs A,André K,Karalis A,et al. Wireless Power Transfer via Strongly Coupled Magnetic Resonances[J]. Science,2007,317(5834):83.

[4] Karalis A,Joannopoulos J D,Soljacic M. Efficient Wireless Non-Radiative Mid-Range,Energy Transfer[J]. Annals of Physics,2008,323(1):34-48.

[5] Kar K,Krishnamurthy A,Jaggi N. Dynamic Node Activation in Networks of Rechargeable Sensor[M]. IEEE/ACM Trans. Networking,2006,14(1):15-26.

[6] Liu R S,Sinha P,Koksal C E. Joint Energy Management and Resource Allocation in Rechargeable Sensor Networks[C]//Conference on Information Communications. IEEE Press,2010,29(16):902-910.

[7] Nimisha T S,Ramalakshmi R. Energy Efficient Connected Dominating Set Construction Using Ant Colony Optimization Technique in Wireless Sensor Network[C]//International Conference on Innovations in Information,Embedded and Communication Systems. IEEE,2015:1-5.

[8] Du H,Wu W,Ye Q,et al. CDS-Based Virtual Backbone Construction with Guaranteed Routing Cost in Wireless Sensor Networks[J]. IEEE Transactions on Parallel and Distributed Systems. 2013,24(4):652-661.

[9] Zhao Y,Wu J,Li F,et al. On Maximizing the Lifetime of Wireless Sensor Networks Using Virtual Backbone Scheduling[J]. IEEE Transactions on Parallel and Distributed Systems. 2012,23(8):1528-1535.

[10] 付永生,李善平,周波. 无线传感网络中能量均衡的连通支配集算法[J]. 传感技术学报,2012,23(8):114-148.

[11] 张静,贾春福. 无线传感器网络基于权值的极小支配集路由算法[J]. 传感技术学报,2009,22(12):1784-1788.

[12] Guo S,Wang C,Yang Y. Mobile Data Gathering with Wireless Energy Replenishment in Rechargeable Sensor Networks[C]//INFOCOM,2013 Proceedings IEEE. IEEE,2013,12(11):1932-1940.

[13] Zhao M,Li J,Yang Y. A Framework of Joint Mobile Energy Replenishment and Data Gathering in Wireless Rechargeable Sensor Networks[J]. IEEE Transactions on Mobile Computing,2014,13(12):2689-2705.

[14] Xie L,Shi Y,Hou Y T,et al. Making Sensor Networks Immortal:An Energy-Renewal Approach with WirelessPower Transfer[J]. IEEE/ACM Trans. Networking. 2012,20(6):1748-1761.

[15] Peng Y,Li Z,Zhang W,et al. Prolonging Sensor Network Lifetime Through Wireless Charging[C]//IEEE Real-Time Systems Symposium. IEEE Computer Society,2010,41(3):129-139.

[16] Li Z,Peng Y,Zhang W,et al. J-RoC:A Joint Routing and Charging Scheme to Prolong Sensor Network Lifetime[C]//2011 19th IEEE International Conference on Network Protocols(ICNP). IEEE,2011:373-382.

[17] Shi Y,Xie L,Hou Y T,et al. On Renewable Sensor Networks with Wireless Energy Transfer[C]//INFOCOM,2011 Proceedings IEEE. IEEE,2012,1(3):1350-1358.

[18] He L,Gu Y,Pan J,et al. On-demand Charging in Wireless Sensor Networks:Theories and Applications[C]// IEEE,International Conference on Mobile Ad-Hoc and Sensor Systems. IEEE,2013:28-36.

[19] Wang C,Yang Y,Li J. Stochastic Mobile Energy Replenishment and Adaptive Sensor Activation for Perpetual Wireless Rechargeable Sensor Networks[C]//Wireless Communications and Networking Conference. IEEE,2013:974-979.

[20] Ren X,Liang W,Xu W. Maximizing Charging Throughput in Rechargeable Sensor Networks[C]//International Conference on Computer Communication and Networks. IEEE,2014:1-8.

[21] Hu C,Wang Y. Minimizing the Number of Mobile Chargers in a Large-Scale Wireless Rechargeable Sensor Network[C]//Wireless Communications and Networking Conference. IEEE,2015:1297-1302.

[22] He TJ,Chin K W,Soh S. On Using Wireless Power Transfer to Increase the Max Flow of Rechargeable Wireless Sensor Networks[C]//Tan HP,Palaniswami M,eds. Proc of the IEEE 10th Int’l Conf on Intelligent Sensors,Sensor Networks and Information Processing. Piscataway:IEEE,2015:1-6.

[23] Heinzelman W B,Chandrakasan A P,Balakrishnan H. An Application-Specific Protocol Architecture for Wireless Microsensor Networks[J]. IEEE Transactions on Wireless Communications,2002,1(4):660-670.