Page 258 - 《软件学报》2021年第9期
P. 258
2882 Journal of Software 软件学报 Vol.32, No.9, September 2021
输的数据量成正向关系,因此数据量越大,网络产生的能量消耗就越大.由此可见,本文策略可以有效地帮助系
统增大数据收集量,提高数据收集效率.
基站收集的数据量（bit）
Fig.10 Comparison of data amount between AS-SE and AS-NAE
图 10 AS-SE 和 AS-NAE 两种方案下,收集数据量对比
Fig.11 Comparison of performance between our scheme and MDCWET
图 11 本文整体策略和 MDCWET 性能对比
图 12 给出了无线充电效率 WCV_eta 对能量消耗的影响.可以看出:充电效率越高,网络中的能量消耗越小,
且在充电效率较高时保持稳定.本文提出的整体策略能量消耗率明显低于 MDCWET,这是由于本文在确定锚点
时考虑了锚点自身的剩余能量,并及时为需要充电的锚点服务,降低了锚点的能量消耗,从而降低了整个网络的
能量消耗.由此可见,本文整体策略可以有效地降低网络中的能量消耗,高效地为节点充电.
如图 13 所示,本文采用 3 个节点数量相同、节点位置不同且路由不同的拓扑网络验证整体策略的性能表
现.图 14 给出了不同拓扑结构下基站收集数据量和能量消耗.从图中可以看出:随着时间的运行,基站所收集的
数据量不断增加,且整体增长较为稳定.这是因为本文采取的锚点选择策略能够及时获得节点所储存的数据,并
合理安排 DCV 的移动路径,完成数据收集工作.节点的能量消耗随着时间的运行而增长,且与数据量增长的趋
势接近.这是由于网络中主要能耗来源于锚点.数据量增多引起锚点能耗增大,从而导致整体能量消耗的增长.
