无线通信和电子技术的飞速发展使得传感器的成本更低、能耗更低、功能更齐全,且传感器节点本身具有体积小、适合短距离通信的特点,因此它被广泛运用在国防安全、健康、农业等方面。在国防安全方面,布置无线传感器的胡志明小道使得它成为一道坚固的防线。在健康方面,无线传感器可以作为探测器进入人的身体或者附着于人的身体表面,帮助医生诊断病情或者治疗疾病。在农业方面,通过对作物和农田的实时数据监测来达到增产的目的。由于传统传感器节点装载固定的供能装置例如电池,导致传感器的节点寿命被限制。尤其当数以百计的传感器节点布置在危险甚至有毒的区域时,给传感器节点电池充电或者电池替换也是不便利甚至不可能。从环境中收集能量显然是一种安全的可行方法,以自我充电的形式延长节点寿命以此打破了传感器的瓶颈。能量收集指的是传感器节点可以通过太阳能电池、振动吸收装置、水磨坊、热电发电机、微生物燃料电池等来获取能量并且用来给传感器节点供电。最广泛的技术是将太阳能转化为电能,但是太阳能是人为不可控的。因而,能量收集为我们提供了未来无线通信所不具备的许多有前景的优势和独特功能,而传统的电池或电网供电的通信系统则无法提供这些优势和功能,包括自我可持续的功能,减少碳排放,真正的无需更换电池的或者被束缚在电网上的无线传感器,轻松快捷地进行部署在任何有毒,敌对或无法进入的环境中。因此,能量收集技术也越来越受到关注和重视。本文中主要关注于推进更实际的能量收集和使用模型以及考虑在不同能量收集体系下的最优传输策略。能量收集确知模型被采用来阐述传感器进行能量收集的过程。在模型中,数据包和收集到的能量到达的时间和能量多少均被认为随机的。能量收集确知模型则假设能量收集过程可以被完美预测,即收集的能量到达时间和能量大小在传输开始前是可知的。由于能量收集设备的物理限制和技术上的限制,可能量收集的传感器收集的能量普遍较不高。在实际能量消耗中,除了传感器的直接传输功率以外,还存在由于混频器,频率合成器,滤波器,模数/数模转换器和功率放大器等产生的非理想线路功率方面的能量消耗。此时相对于较低的收集到的能量,传感器的非理想线路功率就不适合再忽略不计。因此我们将非理想线路功率引入系统模型而得到更实际的收集和使用模型。同时,传感器节点的能量收集和使用也应符合能量中性操作原则,即当一个传感器节点的能量使用总是小于已经收集到的能量那么该节点的网络寿命理论上为无限长。由于采用能量确知模型来阐述进程,能量收集曲线呈现为阶梯型。要维持能量中性操作,能量的使用曲线必须要在阶梯曲线的下方。当能量收集模块和使用模块允许同步运行时,该能量的同步收集和使用模型适用于从太阳、风等环境中收集能量。基于这种能量的同步收集和使用模型,间断传输更适合达到最优吞吐量并同时也引入新的变量占空比。相对于固定的占空比,变化的占空比使得能量的使用更加有效。当收集到的能量没那么低时,传输策略的占空比为1即转化为连续传输。也可以说间断传输是连续传输的一般化,因此占空比的引入非常重要。数据吞吐量对于高速率数据应用来说是一个非常重要的指标,因此均选用数据吞吐量最大化作为传输策略优化的目标函数。均假定在确知能量收集模型下,有充足的数据被提前存储在传感器的理想数据存储器中。首先,在能量的同步收集和使用模型下,分别考虑能量收集体系下收集-使用模型、收集-存储-使用模型以及收集-使用-存储模型的传输策略。已知存在三种能量收集体系:在收集-使用模型下,无线传感器收集到的能量则直接被用于节点的使用适用于无能量存储器条件。是三个模型中最简单的一个,将不会为之后使用存储能量,可以通过超级电容的短暂缓存实现收集-使用模型;在收集-存储-使用模型下,传感器收集到的能量先经由理想/非理想能量存储器的存储再进行能量的配置使用。收集-存储-使用模型非理想能量存储器时最贴近实际,但是在低能量存储效率下能量损失较大,可以采用充足容量的NI-MH充电电池作为非理想能量存储器来实现收集-存储-使用模型;在收集-使用-存储模型下,传感器收集到的能量先供应节点的使用,如果有剩余的能量则存入非理想能量存储器,如果传感器需要更多的能量则从非理想能量存储器中获取能量给传感器充电。即使在能量存储效率较低时,也不会因为充/放电效率损失太多能量。收集-使用-存储模型可经由一个超级电容和NI-MH充电电池组合实现。为了尽可能地提升能量收集网络的数据吞吐量,将采用联合设计去全局优化资源的分配。一般情况下都是基于单一的功率分配或者占空比分配去达到最优化的目的。因此在能量体系下的吞吐量最优传输策略采用交替优化算法进行优化即基于交替优化算法的传输功率和占空比的联合吞吐量优化设计,交替优化算法适用于两个变量的联合优化。从交替优化算法角度看传输策略的优化过程:当固定优化问题中参数占空比时,是通过注水法原理去实现各个时隙之间能量的变化和转移。当固定优化问题中参数消耗能量时,以吞吐量为目标函数进行占空比优化使得能量利用效率最大化。然后通过不断地迭代趋近吞吐量的上限。对于优化在收集-使用-存储模型下的传输策略时,由于存储器能量状态呈一阶马尔可夫进程,因而固定占空比时采用向后递归算法。通过动态规划来寻找到充电/放电阈值,来确定能量存储器的充放电状态和能量大小。针对不同的能量存储条件即无能量存储、理想能量存储、非理想能量存储,基于交替优化算法的吞吐量最优传输策略对应符合的不同能量存储条件下在实际环境中均表现效果较好。在提出的能量非同步收集和使用模型下,由于能量收集模块和使用模块是非同步运行的,它更适用于从无线设备中收集能量。在使用模块运行期间,非理想线路功率所消耗的能量亦不可忽视。因为非同步模型的限制,在文中仅考虑在收集-存储-使用模型的能量收集体系下基于交替迭代算法的吞吐量最优传输策略。在交替优化算法进行优化过程中,每个时隙的占空比都根据传感器收集到的能量做出灵敏的调整。基于文中提出的理论,本文使用了软件进行数字化的仿真。仿真结果证实了本文所提出的六种在能量收集体系下采用交替优化算法的吞吐量最大传输策略。与此同时,本文分别对比了在不同非理想线路、存储效率和噪声功率下不同算法的仿真结果,并对其进行了分析。首先考虑当能量收集模块和使用模块允许同时运行时,在理想能量存储器下的吞吐量最优传输策略展示了数据吞吐量的理想上限。在收集-使用-存储模型下的吞吐量最优传输策略则最接近理想存储器下的数据吞吐量且在该模型下能量损失最小,但是相比于在收集-存储-使用模型的吞吐量最优传输策略该传输策略的计算复杂度大大增加。当收集到的能量更低时,在收集-使用模型下吞吐量最优传输策略表现效果较好且简单好用。当非理想能量存储器存储效率较高时,在收集-存储-使用模型下吞吐量最优传输策略表现效果较好且优化过程复杂度相对较低。在非理想线路功率增大时,在理想存储器、收集-存储-使用模型以及收集-使用-存储模型下的传输策略越发趋近在收集-使用模型下的传输策略的表现。相比于同样条件设置下的连续传输策略即固定占空比为1,分别对应四种能量收集体系下的传输策略吞吐量均表现优异。其次考虑在非同步收集和使用模型下,在收集-存储-使用模型下吞吐量最大传输策略表现优于在收集-存储-使用模型下占空比均分传输策略。这也表明该传输策略的变量占空比使得优化进程对外部变化更加灵敏。因为占空比均分传输策略中固定的占空比使得更多比例的能量消耗在非理想线路功率上。