网络通信系统的voronoi图显示与能耗分析matlab仿真

1.程序功能描述

        两层基站（BS）组成整个通讯网络，第 1 层为 Macro 基站记为 ，第 2 层为 Micro 基站记为 ，均服从泊松分布，相互独立，在坐标为 10×10km 的面积内、按照泊松分布随机生成若干个点（随机抛洒两遍 nodes，两层叠加起来）。然后画成 voronoi 图： 也就是在相邻两个点（同种类的点）之间距离的二分之一处画一条线。同时分析网络系统的能耗。

 

2.测试软件版本以及运行结果展示

MATLAB2022a版本运行

 

 

 

3.核心程序

 

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123

%计算每个用户的信号的强度             for i = 1:Nu                 %针对Macro                 %选择最近的一个基站，计算对应的距离                 for j1 = 1:N1                     dist_tmp1(j1) = sqrt((xu(i)-x1(j1))^2 + (yu(i)-y1(j1))^2);                 end                 dist1 = min(dist_tmp1);                 P1(i) = Pt1*h*DeltaB1*dist1^(-alpha1);                   %针对Micro                 %选择最近的一个基站，计算对应的距离                 for j2 = 1:N2                     dist_tmp2(j2) = sqrt((xu(i)-x2(j2))^2 + (yu(i)-y2(j2))^2);                 end                 dist2 = min(dist_tmp2);                 P2(i) = Pt2*h*DeltaB2*dist2^(-alpha2);                 %选择较大的一个联结                 [V,I] = max([P1(i),P2(i)]);                 J(i)  = I;             end             %计算得到的J为每个用户对应选择的基站标号             J;               %根据如下规则计算SINR             %定义与 Macro层BS连接的用户集合             U1 = find(J==1);             %定义与 Micro层BS连接的用户集合             U2 = find(J==2);                 %计算SINR1和RATE1             %计算SINR2和RATE2             SINR1   = zeros(1,Nu);             SINR2   = zeros(1,Nu);             RATE1   = zeros(1,Nu);             RATE2   = zeros(1,Nu);             DeltaT1 = zeros(1,Nu);             DeltaT2 = zeros(1,Nu);               for i = 1:Nu                 %计算SINR1和RATE1                 if J(i) == 1                    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%                    for j1 = 1:N1                        dist_tmp1(j1) = sqrt((xu(i)-x1(j1))^2 + (yu(i)-y1(j1))^2);                    end                    for j2 = 1:N2                        dist_tmp2(j2) = sqrt((xu(i)-x2(j2))^2 + (yu(i)-y2(j2))^2);                    end                          [V1,I1]= min(dist_tmp1);                    dist1  = V1;                    FZ     = Pt1*h*dist1^(-alpha1);                    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%                    ind1   = 0;                    tmps   = [];                    for j1 = 1:N1                        if (j1 < I1) | (j1 >I1)                           ind1 = ind1 + 1;                           tmps(ind1) = Pt1*h*dist_tmp1(j1)^(-alpha1);                        end                    end                    FM1   = sum(tmps);                    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%                    tmps  = [];                    for j1 = 1:N2                        tmps(j1) = Pt2*h*dist_tmp2(j1)^(-alpha2);                    end                    FM2   = sum(tmps);                    SINR1(i)   = FZ/(FM1+FM2+10^(delta2/20)/1000);                    RATE1(i)   = B*log2(1+SINR1(i));                    DeltaT1(i) = epsl/RATE1(i);                 else                    SINR1(i)   = 0;                    RATE1(i)   = 0;                    DeltaT1(i) = 0;                 end                     %计算SINR2和RATE2                 if J(i) == 2                    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%                    for j1 = 1:N1                        dist_tmp1(j1) = sqrt((xu(i)-x1(j1))^2 + (yu(i)-y1(j1))^2);                    end                    for j2 = 1:N2                        dist_tmp2(j2) = sqrt((xu(i)-x2(j2))^2 + (yu(i)-y2(j2))^2);                    end                          [V2,I2]= min(dist_tmp2);                    dist2  = V2;                    FZ     = Pt2*DeltaB2*h*dist2^(-alpha2);                    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%                    tmps   = [];                    for j1 = 1:N1                        tmps(j1) = Pt1*h*dist_tmp1(j1)^(-alpha1);                    end                    FM1   = sum(tmps);                    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%                    tmps  = [];                    ind2  = 0;                    for j1 = 1:N2                        if (j1 < I2) | (j1 >I2)                           ind2 = ind2 + 1;                           tmps(ind2) = Pt2*h*dist_tmp2(j1)^(-alpha2);                        end                    end                    FM2   = sum(tmps);                    SINR2(i)   = FZ/(FM1+FM2+10^(delta2/20)/1000);                    RATE2(i)   = B*log2(1+SINR2(i));                    DeltaT2(i) = epsl/RATE2(i);                 else                    SINR2(i)   = 0;                    RATE2(i)   = 0;                    DeltaT2(i) = 0;                 end                end               %计算E             Pbs1 = zeros(1,Nu);             Pm1  = zeros(1,Nu);             Pbs2 = zeros(1,Nu);             Pm2  = zeros(1,Nu); 12_011m

　　

 

4.本算法原理

       网络通信系统的Voronoi图显示与能耗分析是一种结合网络通信和图形学的方法，用于研究网络中各个节点之间的连接关系和能量消耗情况。通过Voronoi图，我们可以直观地展示网络中各个节点的可达性和连接关系，同时分析网络的能耗分布和优化方法。

 

       Voronoi图，也称为泰森多边形，是一种基于点集的分割图形。在这个图中，每个点被表示为一个顶点，每个顶点周围区域内的其他点都距离该点最近。通过Voronoi图，我们可以将一个连续的平面分割为若干个不重叠的区域，使得每个区域都包含一个顶点。

 

       在网络通信系统中，我们可以将网络中的各个节点作为Voronoi图的顶点，节点之间的连接关系作为边。通过这种方式，我们可以将网络拓扑结构转化为图形结构，从而更直观地展示网络的连接关系。

 

       Voronoi图的生成主要依赖于计算几何中的一些基本算法。以下是生成Voronoi图的基本步骤：

 

确定顶点集：在网络通信系统中，顶点集可以由网络中的各个节点构成。

确定距离函数：距离函数用于计算任意两个节点之间的距离。在Voronoi图中，距离函数通常采用欧几里得距离或曼哈顿距离。

计算最小生成树：最小生成树是一种包含所有顶点且边权值最小的树形结构。在网络通信系统中，最小生成树可以用于表示网络中各个节点之间的连接关系。常用的最小生成树算法有Prim算法和Kruskal算法。

生成Voronoi图：根据最小生成树和距离函数，我们可以生成Voronoi图。在生成过程中，对于每个顶点，我们计算其周围区域内的其他顶点距离该点的距离，并将这些顶点连接起来形成边。最终得到的图形就是Voronoi图。

       在网络通信系统中，能耗是一个重要的性能指标。能耗分析旨在研究网络中各个节点的能量消耗情况，以便进行优化和节能。在进行能耗分析时，我们可以考虑以下几个方面：

 

传输能耗：节点在传输数据时需要消耗能量。传输能耗与传输距离、传输速率以及传输功率等因素有关。一般来说，传输距离越远，传输速率越高，传输功率越大，则传输能耗也越大。

接收能耗：节点在接收数据时也需要消耗能量。接收能耗与接收速率、接收功率等因素有关。一般来说，接收速率越高，接收功率越大，则接收能耗也越大。

处理能耗：节点在处理数据时需要消耗能量。处理能耗与处理器的时钟频率、指令执行能耗等因素有关。一般来说，处理器的时钟频率越高，指令执行能耗越大，则处理能耗也越大。

空闲能耗：节点在空闲状态下也需要消耗能量。空闲能耗与节点的待机功耗等因素有关。一般来说，节点的待机功耗越大，则空闲能耗也越大。