论文部分内容阅读
随着二十一世纪科技在世界范围内的井喷式发展，无线通信与嵌入式系统也进入了革命新时期，现如今，无线传感器网络(WSN)被认为是研究物理世界且与其进行交互的重要方式。传感器网络通常由许多小传感器节点组成，每个传感器节点具有一个或多个感测环境条件(例如温度、湿度、压力)的组件，以及一些用于处理和通信的组件，用于对数据执行简单操作并与相邻节点通信。
众所周知，传感器网络面临的最大挑战之一是能量的限制，这是由于传感器节点的体积非常小，以及为这些节点供电的电池适配器有限。因此，研究能源消耗合理化的方法和技术非常重要。本研究尝试了国内外研究中提出的许多先进技术，这些技术在延长节点的寿命方面具有丰富的经验和巨大的成果。本研究重点关注传感器网络的使用，例如森林火灾情况下的使用，主要工作是通过找到有效的解决方案来延长无线传感器网络和传感器节点的寿命，尝试以相对较低的成本将能量消耗从网络上的节点转移到基站或控制中心。
无线传感器网络(WSN)由广泛分布的传感器节点组成，用于检测物理或环境条件，例如温度、声音、振动、污染物的压力和移动，并辅助网络将数据传递给基站(BS)，已广泛应用于环境检测、军事、卫生保健、国家安全等领域。大部分此类应用程序需要部署传感器网络使其长期可用，以降低重新部署的成本。然而，传感器节点通常由小型电池供电，有限的能源供应限制了传感器节点的使用寿命，这是传感器网络所面临的基本问题。为了解决这个问题，如能量保存、环境能量收集、增量部署以及替换电池等多种方法被提出，然而节能的方案只能减缓能量消耗却不能补偿能量消耗，收集环境能源，如太阳能、风能和动能能够补偿能量消耗，但是不受控制。增量部署的方法可能不环保，因为废弃的传感器节点会污染环境。
电池或节点替换的方法仅适用于传感器节点可由能够定位并物理接触传感器节点的人或复杂的机器人访问的情况。无线充电技术的出现为解决传感器网络的能量约束问题提供了有前景的方案。与能量采集不同，无线充电技术与越来越成熟、低成本的移动机器人相结合，创造了一种可控、可持续的能源，可以主动补充能量以满足应用需求，而不是被动适应可用的环境资源。
无线传感器节点(或简称传感器节点)由传感、计算、通信、驱动和电源组件组成。这些组件集成在一块或多块主板上，并包装在几立方英寸内。一个无线传感器网络通常由数万个这样的节点组成，这些节点通过无线信道进行通信，以实现信息共享和协同处理。WSNs可以部署在全球范围内进行环境监测和栖息地研究，可以部署在战场上进行军事监视和侦察、在紧急搜索和救援环境中、在工厂上进行基于基于状态的维护、在用于基础设施健康监测的建筑中、在用于实现智能家居的住宅中，甚至在患者身体中进行健康监测。
在初始部署之后(通常是临时部署)，传感器节点负责自组织合适的网络基础设施，通常在传感器节点之间具有多跳连接。然后，这些传感器使用连续或事件驱动的工作模式，开始收集有关环境的声学、地震、红外或磁信息。位置和定位信息也可以通过全球定位系统(GPS)或本地定位算法获得。这些从整个网络中收集的信息，进行适当的处理，以此来构建监控现象或工程的全局视图。无线传感器网络的基本原理是，利用每个能力有限的传感器节点，满足整个网络的总功率来完成所需的任务。
由于环境潜在的复杂性、不确定性和动态性，WSN被设想以一种自主和不受约束的方式运行，这给网络组织、拓扑发现、通信调度、路由控制和信号处理等方面带来了相当大的挑战。此外，紧凑的能源预算加强了硬件组件、网络堆栈和应用程序算法的能源效率上的设计。
本研究简要介绍了无线传感器网络研究所面临的挑战。就本研究而言，本研究主要关注了前四个挑战。
第一个挑战是以数据为中心的范式，涉及到WSN操作范式，它以底层网络的信息检索为中心，通常被称为以数据为中心的范式。与传统网络中以地址为中心的范式相比，以数据为中心的范式在许多方面都是独特的。新的通信模式类似于反向的多播树，采用网络内处理从原始数据中提取信息，消除多源数据之间的冗余。此外，在大多数互联网应用中，传感器节点之间的协作策略被用来代替非协作策略。考虑上述因素来开发适当的路由策略是具有挑战性的。
第二个挑战是协同信息处理和路由，其中以数据为中心的范式涉及WSNs中的两个基本操作:信息处理和信息路由。许多研究工作的动机是使得信息处理和路由相互辅助。其中，信息处理有助于减少要路由的数据量，信息路由将多源的数据聚合，有助于联合信息压缩(或数据聚合)。然而，对信息处理和路由之间的相互关系进行建模和分析往往并非易事。在许多情况下，寻找一个把能量最小化联合压缩的路由方案是NP问题的。
第三个挑战是节能设计。一旦部署完毕，重新给传感器节点充电或更换电池通常是不可行的或不可取的。因此，节约能源对于维持足够长的网络寿命变得至关重要。在众多提高能源利用效率的技术中，跨层优化是一种有效的方法。由于无线通信的特性，网络的一个性能指标可能受到跨层的各种因素的影响。因此，同时考虑多层优化的整体方法可以提供更大的设计空间，从而可以有效地探索跨层权衡。
最后一个挑战是网络发现和组织。由于WSN的规模较大，每个传感器节点的行为都基于其对整个网络的局部视图，包括拓扑和资源分布。这里的资源包括电池能量和传感、计算和通信能力。为了建立这样的局部视图，常常需要使用局部化和时间同步等技术。局部视图取决于传感器节点的初始部署。一个关键的挑战是在网络发现和组织的过程中处理网络动态。这些动态包括信道质量的波动、传感器节点的故障、传感器节点能力的变化以及被监控实体的移动或扩散。基于这种动态的网络发现和组织协议的自主适应是实现系统功能的关键。
由于无线传感器网络可能在恶劣的环境中运行，因此对于确保敏感信息的完整性和机密性，安全是十分重要的。为此，需要很好地保护网络，使其免受入侵和欺骗。由于传感器节点的受约束的计算和通信能力，传统的加密技术并不适用。相反，轻量级和特定于应用程序的体系结构是首选。
能量充电方法是无线传感器网络研究领域的最后一个方向。无线传感器网络的主要优势之一是它们预先建立的基础设施的独立性。也就是说，在大多数常见场景中，传统的电源管理方受限于两点：传感器节点的尺寸有限和传感器节点保持的电池容量。为了使传感器网络成为环境中无处不在的一部分，应使用替代电源。因此，环境能量再充电被认为是一种有前途的方法：如果节点配备了有可再生能量的换能器，则替代能量可以显着增加节点的自主性。
能量消耗是决定传感器网络寿命的最重要因素，因为通常的传感器节点由电池驱动并且具有非常低的能量资源。这使得能量优化在传感器网络中变得更加复杂，因为它不仅涉及降低能耗，而且还需要尽可能地延长网络的寿命。这可以通过具有能量意识的设计和操作来完成。这确保了能量感知也被并入到通信传感器节点组和整个网络中，而不仅仅是在各个节点中
本文提出了一种关于可重复充电无线传感器网络(R-WSN)的理念，着重讨论了通过创新的方式来解决WSN的工作效率受限制的问题。这一问题的解决，将有助于提高网络的工作效率、改善整体性能、减少功率限制，还有助于延长网络的使用寿命。本文中还提出了一种能源充电方法，该方法将极大地促进WSN的发展，而且能够满足未来这一领域中的专家与研究人员的发展要求。
本文还总结了关于现有WSN的影响和不足，即WSN已被广泛应用，而目前最重要的问题之一是如何改善传感器节点的网络寿命。本文中提出的方法将使用无线充电器，即使用移动充电器(MC)为R-WSN充电，以延长网络寿命和获取较高的网络效率。
本文分析了过去在该领域的相关研究中未发现的一些问题，如大量使用能源以确保网络的良好连接和信息的交换控制，消耗更多能源资源以建立和维护网络组件之间的通信。当网络组件间的通信建立起来后，便可取消节点内用于选举集群簇头(CH)的通信，选举CH将成为基站(BS)的任务。BS将向整个节点发送关于新集群头部的消息控制，因此扇区中的所有节点都可以进行通信，以节省节点能量。除此之外，BS本身还有很多优点，例如资源丰富、受限更少、行为特征不受限制等。BS已经成为WSN中不可或缺的存在，原因之一是其没有功率限制，它可以将R-WSN字段划分为多个部分。根据BS的规定，如果剩余功率低于最小值，则允许任何节点发送再充电请求。此时，MC电压也降低，随着时间的变化，允许MC每次巡航为多个节点充电。本文还专注于一种特殊模式，用于对按优先级给发送最多数量的充电请求的扇区进行充电，这将有助于在节点充电时减少更多的能源浪费。
本文通过观察BS的并发同步交换提出了一个特定的模型。在模型中，MC可以确定它是否可以在完成第一个任务后对附加段进行再充电，即在MC离开之前给已经计划内的扇区节点充电。计算完到达下一扇区所需要消耗的能量和在下一扇区要重新充电的节点数(节点消耗相同的能量)之后，MC即可确定返回BS所需的剩余MC功率。除此之外，在处理快速检测传感器领域中的故障节点时，本文提出的模型将使用BS功能来收集和分析数据，实现在使用Air-R替换故障节点时达到最高性能。
在这项研究中，无论是通过目标充电模型还是目标替代方法，将利用这些能源模型方法的集合。实际上，研究中利用的所有能量模型方法都将有助于提高WSN的生命周期和效率。正确应对无线充电技术在传感器网络中的影响已经成为网络设计的一个新方面，能量也因此成为无线传感器的网络部署中最难以跨越的障碍之一。由于无线传感器节点的尺寸较小，传统的电池供电的传感器网络将被节点可容纳容量有限这一特点所限制。
近来，绝大多数研究都假设：每个传感器的传感器速率和能量消耗率都是固定且预先给出。但是，就不同的应用场景(例如事件发现)而言，每个传感器的灵敏度和功耗率都会随时间变化。因此，当前市面上现有的解决方案不适用于动态能耗和灵敏度应用等相关场景。另外，这些方案还存在一些缺点，如无线充电的问题，如在使用移动充电器进行数据收集时，移动基站虽然已知最短行程距离，却必须要根据负载移动。它将移动到负载较重的区域以收集数据，而且还必须为没电的传感器充电。相关的研究人员并没有考虑减少MC的工作量以及提高运输效率，这能使得R-WSN更具可持续性。
BS具有许多特点，如资源丰富、无限的处理能力、超大计算能力、巨大的内存、对物理站点的访问等。这些特点使BS成为R-WSN的强大支撑。本文提出的方法也将涉及BS的其他重要特点，例如将WSN字段分成小部分、可以进行CH选择这导致节点内的通信减少，以便在这些部分内的传感器之间选择CH。但是现如今，它尚未充分用于能源充电计划。
本文还介绍了如何通过在RWSN中采用移动充电器(MC)来提高网络效率(例如：减少每次巡航的MC行程距离，这一举措可减少MC工作量并且延长WSN寿命)。本文中提出了一种机制：将感应场分成可能等距但与基站距离不同的分区，并通过采用称为基于扇区的充电计划(SBCS)的新计费机制来解决最小化MC工作。该计费机制用于需要发送许多计费请求并迫切需要有效的传感器计费算法的扇区的计费行程中，应用计费机制来调度MC。该机制的工作原理如下：首先，利用BS自身的功能，将R-WSN场划分成多个扇区然后选择每个扇区的CH，以减少节点内通信。其次，将充电生产率表示为非确定性问题，然后进行实验模拟，以评估所提出机制的性能。最后，在与FirstComeFirstServe(FCFS)和Shortest-Available-Job-First(SAJF)等其它机制进行了广泛的比较后，最终实验结果表明，该SBCS机构可增加约20％充电生产率、降低约30%移动充电器负荷，延长R-WSN的生命周期。
本文同时提出了一种新的传感器替代技术SBR，重点是研究R-WSN的网络部署方式，并将其有效地应用于复杂的地理环境。SBR假设所有节点具有相同的能量、容量和传输能力。这些节点可以在部署后第一次自动确定其位置。现有的研究现象表明：在检测网络中的故障或损坏的节点时，出现的若干未知问题可能会影响网络可持续性、数据收集和现场监视结果。而该种方法在检测和处理大型监测领域中出现的相关问题时会显示出良好的结果。SBR机制的工作流程如下：现有的基站从监控域中的节点接收再充电请求，分析这些请求，并检查哪个节点发送了大量异常再充电请求，然后发送Air-R，用新功能性节点替换故障节点。事实上，SBR的网络可持续性为78%，但是如果不采用目标SBR，该比率小于37％。因此，网络的性能和可持续性随SBR而增加。显然，由于故障节点的早期和快速检测，SBR技术可以在大型网络中有效地工作，可通过研究和分析从节点到基站的再充电请求(以及Air-R的特性)成功地发现故障，以便到达确切的扇区，并在适当的时间替换故障节点。
最后，本文还研究了该领域中大热的研究内容：如何提高WSN效率，特别是是配备了充电功能的R-WSN，如何确保其连续性和尽可能长的使用寿命。因此，本文提出了一种增强启发式负载均衡算法(EHLA)，能够有效地平衡整个R-WSNs域的流量负载，并利用BS等网络资源对网络进行划分，从而使移动充电器的行驶距离(MCTD)最小化。本文在应用EHLA算法而非最短路径路由算法后，通过广泛的仿真实验，将其与其它簇类算法，如旅行商问题(TSP)、最接近下一个工作优先算法(NJNP)进行了比较。仿真结果表明，采用EHLA网络划分方案模型而不是其它聚类方法，可以有效降低约21%移动充电器的移动距离。
本研究由六章组成，组织结构如下：
在第一章，介绍了无线传感器网络的概况及其特点，传感器节点的硬件设计，论文的研究动机和问题的定义、概述、贡献以及论文的组织结构。
在第二章，针对可充电无线传感器网络中充电或功率转移与基于扇区的充电计划的集成进行文献综述，介绍了无线传感器网络中功率转移和充电过程方法的发展历史。
在第三章中，介绍在可充电无线传感器网络中基于扇区的充电方案。在第四章中，介绍所提出的SBR方法，采用扇区替代和利用Air-R来实现R-WSN的可持续性。在第五章中，提出了一种基于网络划分方案的R-WSN增强启发式负载均衡算法，称为(EHLA)。
最后，对论文进行了总结，讨论了有待解决的问题，并对今后的工作提出了新的方向。
众所周知，传感器网络面临的最大挑战之一是能量的限制，这是由于传感器节点的体积非常小，以及为这些节点供电的电池适配器有限。因此，研究能源消耗合理化的方法和技术非常重要。本研究尝试了国内外研究中提出的许多先进技术，这些技术在延长节点的寿命方面具有丰富的经验和巨大的成果。本研究重点关注传感器网络的使用，例如森林火灾情况下的使用，主要工作是通过找到有效的解决方案来延长无线传感器网络和传感器节点的寿命，尝试以相对较低的成本将能量消耗从网络上的节点转移到基站或控制中心。
无线传感器网络(WSN)由广泛分布的传感器节点组成，用于检测物理或环境条件，例如温度、声音、振动、污染物的压力和移动，并辅助网络将数据传递给基站(BS)，已广泛应用于环境检测、军事、卫生保健、国家安全等领域。大部分此类应用程序需要部署传感器网络使其长期可用，以降低重新部署的成本。然而，传感器节点通常由小型电池供电，有限的能源供应限制了传感器节点的使用寿命，这是传感器网络所面临的基本问题。为了解决这个问题，如能量保存、环境能量收集、增量部署以及替换电池等多种方法被提出，然而节能的方案只能减缓能量消耗却不能补偿能量消耗，收集环境能源，如太阳能、风能和动能能够补偿能量消耗，但是不受控制。增量部署的方法可能不环保，因为废弃的传感器节点会污染环境。
电池或节点替换的方法仅适用于传感器节点可由能够定位并物理接触传感器节点的人或复杂的机器人访问的情况。无线充电技术的出现为解决传感器网络的能量约束问题提供了有前景的方案。与能量采集不同，无线充电技术与越来越成熟、低成本的移动机器人相结合，创造了一种可控、可持续的能源，可以主动补充能量以满足应用需求，而不是被动适应可用的环境资源。
无线传感器节点(或简称传感器节点)由传感、计算、通信、驱动和电源组件组成。这些组件集成在一块或多块主板上，并包装在几立方英寸内。一个无线传感器网络通常由数万个这样的节点组成，这些节点通过无线信道进行通信，以实现信息共享和协同处理。WSNs可以部署在全球范围内进行环境监测和栖息地研究，可以部署在战场上进行军事监视和侦察、在紧急搜索和救援环境中、在工厂上进行基于基于状态的维护、在用于基础设施健康监测的建筑中、在用于实现智能家居的住宅中，甚至在患者身体中进行健康监测。
在初始部署之后(通常是临时部署)，传感器节点负责自组织合适的网络基础设施，通常在传感器节点之间具有多跳连接。然后，这些传感器使用连续或事件驱动的工作模式，开始收集有关环境的声学、地震、红外或磁信息。位置和定位信息也可以通过全球定位系统(GPS)或本地定位算法获得。这些从整个网络中收集的信息，进行适当的处理，以此来构建监控现象或工程的全局视图。无线传感器网络的基本原理是，利用每个能力有限的传感器节点，满足整个网络的总功率来完成所需的任务。
由于环境潜在的复杂性、不确定性和动态性，WSN被设想以一种自主和不受约束的方式运行，这给网络组织、拓扑发现、通信调度、路由控制和信号处理等方面带来了相当大的挑战。此外，紧凑的能源预算加强了硬件组件、网络堆栈和应用程序算法的能源效率上的设计。
本研究简要介绍了无线传感器网络研究所面临的挑战。就本研究而言，本研究主要关注了前四个挑战。
第一个挑战是以数据为中心的范式，涉及到WSN操作范式，它以底层网络的信息检索为中心，通常被称为以数据为中心的范式。与传统网络中以地址为中心的范式相比，以数据为中心的范式在许多方面都是独特的。新的通信模式类似于反向的多播树，采用网络内处理从原始数据中提取信息，消除多源数据之间的冗余。此外，在大多数互联网应用中，传感器节点之间的协作策略被用来代替非协作策略。考虑上述因素来开发适当的路由策略是具有挑战性的。
第二个挑战是协同信息处理和路由，其中以数据为中心的范式涉及WSNs中的两个基本操作:信息处理和信息路由。许多研究工作的动机是使得信息处理和路由相互辅助。其中，信息处理有助于减少要路由的数据量，信息路由将多源的数据聚合，有助于联合信息压缩(或数据聚合)。然而，对信息处理和路由之间的相互关系进行建模和分析往往并非易事。在许多情况下，寻找一个把能量最小化联合压缩的路由方案是NP问题的。
第三个挑战是节能设计。一旦部署完毕，重新给传感器节点充电或更换电池通常是不可行的或不可取的。因此，节约能源对于维持足够长的网络寿命变得至关重要。在众多提高能源利用效率的技术中，跨层优化是一种有效的方法。由于无线通信的特性，网络的一个性能指标可能受到跨层的各种因素的影响。因此，同时考虑多层优化的整体方法可以提供更大的设计空间，从而可以有效地探索跨层权衡。
最后一个挑战是网络发现和组织。由于WSN的规模较大，每个传感器节点的行为都基于其对整个网络的局部视图，包括拓扑和资源分布。这里的资源包括电池能量和传感、计算和通信能力。为了建立这样的局部视图，常常需要使用局部化和时间同步等技术。局部视图取决于传感器节点的初始部署。一个关键的挑战是在网络发现和组织的过程中处理网络动态。这些动态包括信道质量的波动、传感器节点的故障、传感器节点能力的变化以及被监控实体的移动或扩散。基于这种动态的网络发现和组织协议的自主适应是实现系统功能的关键。
由于无线传感器网络可能在恶劣的环境中运行，因此对于确保敏感信息的完整性和机密性，安全是十分重要的。为此，需要很好地保护网络，使其免受入侵和欺骗。由于传感器节点的受约束的计算和通信能力，传统的加密技术并不适用。相反，轻量级和特定于应用程序的体系结构是首选。
能量充电方法是无线传感器网络研究领域的最后一个方向。无线传感器网络的主要优势之一是它们预先建立的基础设施的独立性。也就是说，在大多数常见场景中，传统的电源管理方受限于两点：传感器节点的尺寸有限和传感器节点保持的电池容量。为了使传感器网络成为环境中无处不在的一部分，应使用替代电源。因此，环境能量再充电被认为是一种有前途的方法：如果节点配备了有可再生能量的换能器，则替代能量可以显着增加节点的自主性。
能量消耗是决定传感器网络寿命的最重要因素，因为通常的传感器节点由电池驱动并且具有非常低的能量资源。这使得能量优化在传感器网络中变得更加复杂，因为它不仅涉及降低能耗，而且还需要尽可能地延长网络的寿命。这可以通过具有能量意识的设计和操作来完成。这确保了能量感知也被并入到通信传感器节点组和整个网络中，而不仅仅是在各个节点中
本文提出了一种关于可重复充电无线传感器网络(R-WSN)的理念，着重讨论了通过创新的方式来解决WSN的工作效率受限制的问题。这一问题的解决，将有助于提高网络的工作效率、改善整体性能、减少功率限制，还有助于延长网络的使用寿命。本文中还提出了一种能源充电方法，该方法将极大地促进WSN的发展，而且能够满足未来这一领域中的专家与研究人员的发展要求。
本文还总结了关于现有WSN的影响和不足，即WSN已被广泛应用，而目前最重要的问题之一是如何改善传感器节点的网络寿命。本文中提出的方法将使用无线充电器，即使用移动充电器(MC)为R-WSN充电，以延长网络寿命和获取较高的网络效率。
本文分析了过去在该领域的相关研究中未发现的一些问题，如大量使用能源以确保网络的良好连接和信息的交换控制，消耗更多能源资源以建立和维护网络组件之间的通信。当网络组件间的通信建立起来后，便可取消节点内用于选举集群簇头(CH)的通信，选举CH将成为基站(BS)的任务。BS将向整个节点发送关于新集群头部的消息控制，因此扇区中的所有节点都可以进行通信，以节省节点能量。除此之外，BS本身还有很多优点，例如资源丰富、受限更少、行为特征不受限制等。BS已经成为WSN中不可或缺的存在，原因之一是其没有功率限制，它可以将R-WSN字段划分为多个部分。根据BS的规定，如果剩余功率低于最小值，则允许任何节点发送再充电请求。此时，MC电压也降低，随着时间的变化，允许MC每次巡航为多个节点充电。本文还专注于一种特殊模式，用于对按优先级给发送最多数量的充电请求的扇区进行充电，这将有助于在节点充电时减少更多的能源浪费。
本文通过观察BS的并发同步交换提出了一个特定的模型。在模型中，MC可以确定它是否可以在完成第一个任务后对附加段进行再充电，即在MC离开之前给已经计划内的扇区节点充电。计算完到达下一扇区所需要消耗的能量和在下一扇区要重新充电的节点数(节点消耗相同的能量)之后，MC即可确定返回BS所需的剩余MC功率。除此之外，在处理快速检测传感器领域中的故障节点时，本文提出的模型将使用BS功能来收集和分析数据，实现在使用Air-R替换故障节点时达到最高性能。
在这项研究中，无论是通过目标充电模型还是目标替代方法，将利用这些能源模型方法的集合。实际上，研究中利用的所有能量模型方法都将有助于提高WSN的生命周期和效率。正确应对无线充电技术在传感器网络中的影响已经成为网络设计的一个新方面，能量也因此成为无线传感器的网络部署中最难以跨越的障碍之一。由于无线传感器节点的尺寸较小，传统的电池供电的传感器网络将被节点可容纳容量有限这一特点所限制。
近来，绝大多数研究都假设：每个传感器的传感器速率和能量消耗率都是固定且预先给出。但是，就不同的应用场景(例如事件发现)而言，每个传感器的灵敏度和功耗率都会随时间变化。因此，当前市面上现有的解决方案不适用于动态能耗和灵敏度应用等相关场景。另外，这些方案还存在一些缺点，如无线充电的问题，如在使用移动充电器进行数据收集时，移动基站虽然已知最短行程距离，却必须要根据负载移动。它将移动到负载较重的区域以收集数据，而且还必须为没电的传感器充电。相关的研究人员并没有考虑减少MC的工作量以及提高运输效率，这能使得R-WSN更具可持续性。
BS具有许多特点，如资源丰富、无限的处理能力、超大计算能力、巨大的内存、对物理站点的访问等。这些特点使BS成为R-WSN的强大支撑。本文提出的方法也将涉及BS的其他重要特点，例如将WSN字段分成小部分、可以进行CH选择这导致节点内的通信减少，以便在这些部分内的传感器之间选择CH。但是现如今，它尚未充分用于能源充电计划。
本文还介绍了如何通过在RWSN中采用移动充电器(MC)来提高网络效率(例如：减少每次巡航的MC行程距离，这一举措可减少MC工作量并且延长WSN寿命)。本文中提出了一种机制：将感应场分成可能等距但与基站距离不同的分区，并通过采用称为基于扇区的充电计划(SBCS)的新计费机制来解决最小化MC工作。该计费机制用于需要发送许多计费请求并迫切需要有效的传感器计费算法的扇区的计费行程中，应用计费机制来调度MC。该机制的工作原理如下：首先，利用BS自身的功能，将R-WSN场划分成多个扇区然后选择每个扇区的CH，以减少节点内通信。其次，将充电生产率表示为非确定性问题，然后进行实验模拟，以评估所提出机制的性能。最后，在与FirstComeFirstServe(FCFS)和Shortest-Available-Job-First(SAJF)等其它机制进行了广泛的比较后，最终实验结果表明，该SBCS机构可增加约20％充电生产率、降低约30%移动充电器负荷，延长R-WSN的生命周期。
本文同时提出了一种新的传感器替代技术SBR，重点是研究R-WSN的网络部署方式，并将其有效地应用于复杂的地理环境。SBR假设所有节点具有相同的能量、容量和传输能力。这些节点可以在部署后第一次自动确定其位置。现有的研究现象表明：在检测网络中的故障或损坏的节点时，出现的若干未知问题可能会影响网络可持续性、数据收集和现场监视结果。而该种方法在检测和处理大型监测领域中出现的相关问题时会显示出良好的结果。SBR机制的工作流程如下：现有的基站从监控域中的节点接收再充电请求，分析这些请求，并检查哪个节点发送了大量异常再充电请求，然后发送Air-R，用新功能性节点替换故障节点。事实上，SBR的网络可持续性为78%，但是如果不采用目标SBR，该比率小于37％。因此，网络的性能和可持续性随SBR而增加。显然，由于故障节点的早期和快速检测，SBR技术可以在大型网络中有效地工作，可通过研究和分析从节点到基站的再充电请求(以及Air-R的特性)成功地发现故障，以便到达确切的扇区，并在适当的时间替换故障节点。
最后，本文还研究了该领域中大热的研究内容：如何提高WSN效率，特别是是配备了充电功能的R-WSN，如何确保其连续性和尽可能长的使用寿命。因此，本文提出了一种增强启发式负载均衡算法(EHLA)，能够有效地平衡整个R-WSNs域的流量负载，并利用BS等网络资源对网络进行划分，从而使移动充电器的行驶距离(MCTD)最小化。本文在应用EHLA算法而非最短路径路由算法后，通过广泛的仿真实验，将其与其它簇类算法，如旅行商问题(TSP)、最接近下一个工作优先算法(NJNP)进行了比较。仿真结果表明，采用EHLA网络划分方案模型而不是其它聚类方法，可以有效降低约21%移动充电器的移动距离。
本研究由六章组成，组织结构如下：
在第一章，介绍了无线传感器网络的概况及其特点，传感器节点的硬件设计，论文的研究动机和问题的定义、概述、贡献以及论文的组织结构。
在第二章，针对可充电无线传感器网络中充电或功率转移与基于扇区的充电计划的集成进行文献综述，介绍了无线传感器网络中功率转移和充电过程方法的发展历史。
在第三章中，介绍在可充电无线传感器网络中基于扇区的充电方案。在第四章中，介绍所提出的SBR方法，采用扇区替代和利用Air-R来实现R-WSN的可持续性。在第五章中，提出了一种基于网络划分方案的R-WSN增强启发式负载均衡算法，称为(EHLA)。
最后，对论文进行了总结，讨论了有待解决的问题，并对今后的工作提出了新的方向。