[发明专利]平均信息年龄最小化射频驱动网络优化方法、系统及装置

说明书

本发明公开了一种平均信息年龄最小化的射频能量传输驱动网络优化方法、系统及装置，其特征在于，包括如下步骤：建立通用非线性α‑βAoI惩罚函数，其中，通用非线性α‑βAoI惩罚函数用于表征不同形式非线性AoI惩罚；计算通用非线性α‑βAoI惩罚函数曲线与时间轴t所围成图形面积，建立平均α‑βAoI惩罚公式；根据平均α‑βAoI惩罚公式建立平均α‑βAoI惩罚最小化的网络优化模型；根据平均α‑βAoI惩罚最小化的网络优化模型计算得到传感器的最佳能量阈值B，通过最佳能量阈值B进行射频能量传输驱动网络的优化，本发明通过配置α和β不同值来描述任何指数形状和对数形状的AoI惩罚，从而减少了系统实现的复杂性。

技术领域

本发明涉及网络优化设计领域，尤其是涉及一种平均信息年龄最小化的射频驱动网络优化方法、系统及装置。

背景技术

随着5G技术的出现，人们的生活中出现了越来越多的物联网(IoTs，Internet ofthings)新应用，例如智能农业和健康监控。在此类新应用中，物联网设备被广泛部署用于感知周围的物理环境并生成小型数据包，这些数据包携带对时间敏感的状态更新，从而向我们提供大量实时信息。在状态更新应用程序中，例如，仓库中的温度和湿度检测以及控制系统中的远程监视和决策，信息的新鲜度(freshness of information)至关重要，因为不完整的数据可能会导致错误的决策和经济损失。例如，在车联网络中，不完整的数据可能会导致错误的控制，甚至导致车祸。

为了表征信息的新鲜度，提出了信息年龄(AoI，age of information)这个性能指标，其定义为：自生成在目的节点观察到的最新状态更新以来所经过的时间。与传统的网络性能指标(例如延迟和吞吐量)不同，AoI在描述信息的“及时性”方面具有强大的功能。到目前为止，基于AoI的无线系统设计已迅速引起人们的关注，AoI已被用作各种网络系统设计的新性能指标。例如，平均AoI被广泛用于表征系统的长期性能。

另一方面，在大多数支持状态更新应用程序的物联网网络中，小型物联网设备由容量有限的电池供电。手动更换和充电电池可能会导致巨大的人工成本，尤其是在大规模部署情况下或者在有毒和恶劣的环境中。为了解决这个问题，能量收集(EH，energyharvesting)被广泛认为是有前途的解决方案。与传统的自然可收集能源(例如太阳能，风能和振动能)相比，射频(RF，radio-frequency)信号是可控的，并且能够在各种物理条件和环境下为低功率IoT设备提供稳定的电源。因此，基于RF的EH已在学术界的各种IoT场景中得到了广泛的研究。实际上，除了理论研究之外，无线供电通信网络(WPCN)的硬件原型已经成功建立，展示了基于RF的EH系统的实用性。

由于基于RF的EH潜力巨大，可应用于各种能源受限的IoT，并且数据新鲜度是实时状态更新IoT系统的重要性能指标，因此在未来的实时状态更新IoT系统中，设计基于AoI的WPCN有望同时解决能源供应和信息新鲜度需求问题。

发明内容

本发明的目的在于提供一种平均信息年龄最小化的射频驱动网络优化方法、系统及装置，旨在解决信息新鲜度问题。

本发明提供一种平均信息年龄最小化的射频驱动网络优化，包括如下步骤：

步骤一，建立通用非线性α-β信息年龄惩罚函数，其中，所述通用非线性α-β信息年龄惩罚函数用于表征不同形式的非线性信息年龄惩罚；

步骤二，对所述通用非线性α-β信息年龄惩罚函数曲线与时间轴t所围成图形面积进行计算，建立平均α-β信息年龄惩罚公式；

步骤三，根据所述平均α-β信息年龄惩罚公式建立平均α-β信息年龄惩罚最小化的网络优化模型；

步骤四，根据所述平均α-β信息年龄惩罚最小化的网络优化模型计算得到使平均信息年龄最小化的传感器最佳能量阈值B，通过所述最佳能量阈值B进行射频能量传输驱动网络的优化。