有效的数据传输和控制基于社会交往在社会机会主义的复杂网络

文摘

在投机取巧的复杂网络中,节点之间信息传输通过广播是不可避免的。广播的目的是将数据从源节点分发给网络中所有节点。在投机取巧的复杂网络,它主要用于路由发现和发布重要通知。然而,当大量的机会主义的复杂网络中节点传输信息同时,信号干扰将不可避免地发生。因此,我们提出一个低延迟广播算法基于连续干扰消除机会主义的复杂网络技术来提高传播延迟。这种算法,当社交网络广播,这个算法分析连续干扰消除的条件是否满足广播链接分配之间的传输时间片。如果条件得到满足,他们将在同一时间片,和避免干扰条件不满足时执行调度。通过比较实验与其他机会主义的复杂网络的经典算法,该方法具有出色的性能减少能源消耗和提高信息传输效率。

1。介绍

近年来,随着移动通信的发展机会主义的复杂网络出现在人们的视野。机会主义的复杂网络之间的差异和传统的网状网络主要是躺在他们节点部署不是统一的,节点的网络规模和初始位置提前没有设置,和不需要一个完整的源节点和目标节点之间的路径(1- - - - - -4]。当节点移动,两个节点可以输入的通信范围和交换数据(5]。机会主义的复杂网络能够处理的问题,很难解决与现有的无线技术网络,如网络分裂和延迟,可以满足网络通信,需要低成本和可怕的条件(6,7]。事实上,机会主义的概念的一部分来源于早期研究复杂网络在延迟容忍网络(DTN) [8]。目前,机会主义的复杂网络的主要应用领域包括野生动物跟踪、手持设备网络、车载网络,偏远地区网络传输(9,10]。

如今,随着5 g的时代,智能手机等移动设备,蓝牙,和平板电脑有显著增加,在各个地区广泛分布。因为人们总是把这些移动设备,这些设备有随机移动11,12]。通过这种方式,他们可以被视为一种社会节点,社区可以通过节点之间的关系建立了(13,14]。然而,当数据从源节点传送到网络中其他节点通过广播,在许多情况下,它是可取的,广播延迟可以尽可能低7]。因此,研究一种低延迟的广播算法具有重要的理论研究意义和实际应用价值的信息传输在机会主义的复杂网络15,16]。

有许多机会主义的复杂网络中的节点。通过这种方式,当大规模通信发生在一个社交网络,许多网络中的节点将同时传播信息(17]。因此,由于无线信号传输的广播特性,信号传输的节点将影响其他节点的数据接受其干扰范围内,和信号干扰是影响节点广播延迟的一个重要因素(18]。上述情况将导致较低的传输速率和高社交网络延迟。然而,事实证明(19),由于信号干扰的影响,在无线传感器网络的最小延迟广播问题是NP难题(nonpolynomial),所以很难设计一个多项式时间的优化算法。为了解决低延迟的问题在机会主义的复杂网络广播,研究者已经提出了很多近似算法。广播延迟是不断优化的近似优化近似最优算法的性能(20.- - - - - -22]。通过这些研究,大致比例不断降低,性能不断提高。物理干扰模型下的链路调度策略设计可以有效改善广播算法的实际性能(23,24]。然而,必须同时考虑所有数据链传输,这使得问题更加复杂和困难,和更大的研究挑战25]。

然而,上述研究工作设计了广播算法通过干扰避免调度技术(26]。之间,当有信号干扰广播链接,这些节点之间的传输的信息分发到不同的时间片,以避免相互干扰。虽然干扰避免调度技术可以有效地减少信号之间的干扰,它减少了广播链接的数量,可以同时传输,这并不有利于减少广播延迟。在本文中,一个贪婪的广播算法GreedyA(贪婪算法)是首次提出。该算法主要采用广度优先搜索树与源节点作为根节点分层社交网络中的节点(27,28]。然后GreedyA算法根据规则节点覆盖更多的节点数量优先成为父节点构造广播树。最后,周围的广播链路调度进行广播树使用分层技术调度和干扰避免调度的概念。以便更好的提高传输性能,提出了一种基于GreedyA广播算法(EDTC)算法,从而增加广播链接的数量,可以同时传输通过连续干扰消除技术(29日- - - - - -31日]。

本研究的主要贡献如下:(1)一个贪婪的广播算法,GreedyA。该算法使用分层技术调度的方法和避免干扰的传输时间片调度分配广播链接,它有效地解决了信号干扰的问题。但广播链接的数量,可以同时传播是有限的。(2)结合连续干扰消除技术,另一个低延迟EDTC的广播算法。这个算法是基于贪婪的广播算法GreedyA和充分利用连续干扰消除的好处进行广播链路调度。EDTC算法提高了信息传输的性能在放松机会主义的复杂网络的链路干扰限制和增加广播链接的数量,可以同时传输。(3)实验表明,使用EDTC在机会主义的复杂网络中信息传输算法具有良好的性能在减少能源消耗,提高数据传输效率。

本文分为五个部分。第一部分介绍了我们的研究。在第二部分中,我们简要地解释了相关工作。第三部分介绍了算法模型。在第四部分中,使用该算法进行仿真实验,和实验结果进行了分析。五部分总结了本研究。

2。相关工作

多年来,路由算法的研究一直是一个热点问题在投机取巧的复杂网络。到目前为止,已经提出了许多路由算法。其中,有很多算法应用于机会主义的复杂网络。下面将描述几种路由算法。

Vahdat和贝克尔32)提出了流行路由算法,其核心思想是利用几个会议节点传输信息。Lenando和Alrfaay33]研究了流行与社会功能改善机会的社交网络的路由性能。该算法的核心思想是利用节点的社会活动。与流行的协议相比,它可以提高传输速率和减少传输开销,平均延迟,平均啤酒花。Mundur et al。34]基于流行路由协议,提出了一种改进,它的核心思想是使用信息,消息传输抗干扰防止未来交换这些信息列表。使用这种技术,将会有更好的缓冲和网络利用率,从而提高信息传递延迟较低的百分比。全新加强流行路由实现容忍延迟网络从能源的角度来看,Rango et al。35提出了一种新的策略来动态调整 - - - - - -参数。这种策略认为移动节点的能量消耗和节点度增加或减少网络中分布式的数据量。这个策略,当节点的剩余能量较低,受欢迎的可伸缩性策略大大提高,和 - - - - - -参数也有所改善。相反,当移动节点具有良好的能源预算,更多的传输可以被允许的 - - - - - -参数可以减少传输概率增加。

Spyropoulos et al。36)提出了一个简单的解决方案称为喷雾等,努力克服缺点的流行路由和其他基于洪泛的计划。该算法可以避免固有的性能难题上计划。为了避免喷雾等算法随机和盲目转发决策延迟容忍网络中,薛et al。37]提出了一种喷雾和基于平均等算法转移概率在延迟容忍网络。算法的核心思想是利用通过预测转发消息。黄等。38)提出了一种喷雾和等待路由基于位置预测在社交网络。算法的主要思想是,在等待阶段,每个中继节点使用多项式插值预测未来的位置。的副本可以将消息转发到另一个中继节点接近目标没有等待目标节点。这个解决方案充分利用移动信息,这样可以将消息传递到目的地更快。耆那教等。39]提出增强模糊基于逻辑的喷雾和路由协议等待延迟容忍网络。该算法的核心思想是实现高传输速率通过适当的聚合多个消息参数。实验证明,与其他喷雾变异等路由协议相比,该缓冲区管理方案成功实现的目标提高交货率和开销比例。

洪水路由策略,最初生成的多个副本节点用于转发。网络节点有大量信息冗余和高度依赖网络资源。为了减少网络资源的消耗更大程度上,提出了一种基于预测的路由策略。Dhurandher et al。40)提出了一种基于历史路由预测在投机取巧的复杂网络。该算法的核心思想是利用运动历史模型节点的行为。马尔可夫预测用来作出预测和选择最好的下一个节点。Yu et al。41)提出了一个基于接触时间的概率路由算法和消息冗余。该算法估计节点的传输概率根据遇到的历史信息和接触时间。通过使用一个控制复制方案中,可以将消息在多路径并行传输。

基于上下文感知的路由策略,选择最好的传输路径通过环境敏感参数通过中间节点可以极大地提高网络性能。黄(42)提出了社会关系机会主义路由(为)算法。它主要是基于社会关系、社会概况、和社会流动模式。计算最优中继节点进行路由数据交付率最大化。他们证明,该算法可以达到最高的数据传输速率最高的路由效率的社会环境。徐et al。43)提出了一个基于社会相似的智能分布式路由算法。这个算法可以使用中的社会环境信息网络来预测移动通过BP神经网络网络节点的属性。这个路由决策充分考虑时间和空间移动节点的属性。通过仿真实验,在其他现有著名算法的比较,他们发现他们的算法可以提高网络适应拓扑变化的能力。

然而,在社交网络上,由于无线信号的广播特性,会有无线信号之间的干扰,这将使接收节点无法正确接收的消息。低延迟的广播算法的相关研究介绍以下关于物理干扰模型。

Yu et al。24)研究的基本通信原语在非结构化无线网络的物理干扰模型和方法从多个节点分配广播消息和最小延迟整个网络。他们证明了提出的随机分布式算法可以完成 时间片有更高的概率,是网络直径、节点的数量,需要发送广播消息,然后呢是网络规模。

田et al。44]提出两个全球广播分布确定算法基于信号干扰加噪声比模型。在这两个算法,任何节点都可以成为源节点,其余节点分为不同的层从源节点根据他们的距离。广播消息传输一层一层地从源节点到所有其他节点。第一个算法,通过精心选择多个每一层的最大独立集的子集,大多数并发传输可以允许的。它的时间复杂度是 。第二个算法,以提高运行时间减少重复广播消息的数量在每一层,也就是说,消除冗余的广播在同一层。理论分析表明,第二个算法的时间复杂度 。

然而,上述研究工作都没有使用连续干扰消除技术设计低延迟广播算法。在投机取巧的复杂网络,不同的网络节点有不同的信号干扰。如何合理选择转发节点,同时增加链接的数量,可以传播很有挑战性。连续干扰消除技术可以有效地解码所需信号的干扰信号。因此,网络性能得到了改进。然而,据我们所知,没有研究工作连续干扰消除技术应用于广播算法来减少社会机会主义的复杂网络的广播延迟,因此有必要进行深入的研究。

3所示。材料和方法

3.1。网络模型

本文认为一个投机取巧的复杂网络米节点。每个传感器节点使用半双工无线通信全向天线,和最大传输距离是相同的。基于节点无线通信的特点,网络被建模为一个单位圆图 。一组包含网络中的所有节点,集包括所有在网络边缘。两个节点之间存在一条边当且仅当它们之间的距离小于或等于最大传输距离。

假设节点之间的时间同步,调度时间分成若干个时间片的长度相同。每个节点可以完成发送或接收的数据在一个时间片。本文认为物理干扰模型的信号干扰模型。也就是说,当一个节点的信噪比不低于某个阈值,节点可以正确解码所需的信号。

3.2。问题定义

本文研究机会主义的复杂网络的广播问题,其中源节点需要传输数据的所有传感器节点在时间片1。当所有传感器节点接收数据从源节点,广播任务完成。广播调度是用来分配每个节点的传输时间片。本文的目的是确定如何优化所有节点接收源节点数据的延迟和确保计划数据传输信号不会互相干扰。

定义1。BDPIM(物理干扰模型下的广播延迟)的问题。考虑到无线传感器网络 和一个源节点j物理干扰模型下,广播算法设计,这样所有节点可以接收数据从源节点广播最低的延迟。
现有的工作证明,BDPIM问题是一个NP-difficult问题[16),因此不可能设计一个多项式时间的优化算法。为了降低算法的时间复杂度和算法的优化性能尽可能低延迟广播与多项式时间算法设计需要。
在投机取巧的复杂网络中,节点使用“storage-carry-forward”路由模式来实现节点之间的通信。当我们分析机会主义的复杂网络中的节点,我们必须首先知道它的特点。因此,我们指出,所有社会复杂网络节点满足下列条件。
我们可以定义,在时间 ,社区的模块化可以表示为 其中,是社区的模块化。的总重量是优势。代表社区边缘的总重量 。 表示节点的总体水平在社区。

条件1。如果在一个投机取巧的复杂网络的节点,然后边形成的重量与网络中其他节点的增加,总重量社区将会增加。上述情况将会增加的相关性程度的机会主义的复杂网络中的社区。

证明。ProofAt时间 ,模块化的社区 ,然后,模块化后时间的变化 可以表示为 然后, 我们可以得到 。因此我们只需要证明 ;然后,我们可以得到 。
换句话说, 然而,我们也知道是网络中的节点,和社区网络中有饱和度大于 。总之,我们可以增加体重可增加相关性社区在社会网络的机会。也就是说,我们可以得到,如果一个节点属于这种投机取巧的复杂网络,其重量会影响社区的相关性在社会网络的机会。

条件2。在一个投机取巧的复杂网络,如果节点满足条件 ,那么它会被分开节点的社区 。

证明。我们首先假设社区分为两个:和 ,在节点和在不同的社区。社会的总重量减少。然后, 当总重量减少,我们可以表达公式 如上所述,我们可以知道,如果两个节点在社区和满足的条件 ,那么社会分裂。

条件3。为节点在机会网络中,如果它的边缘连接到节点和这条边是唯一的边缘节点 ,当节点之间的权重和下降,节点仍不能脱离社会。

证明。如果社区划分,那么它必须满足以下三个条件: 随着重量的变化,公式可以表示为 它可以被理解为 因为 然后 所以,最后,我们可以得到 是假的。
通过上面的证明,我们可以得到结论,在机会主义的复杂网络的节点,如果它的边缘连接到另一个节点,这条边是唯一的边缘节点,当两个节点之间的权重下降,节点仍不能脱离社会。
总之,如果一个节点在一个投机取巧的复杂网络,那么它应该满足上述条件。

3.3。连续干扰消除的基本理论

对于无线信号的干扰特性,传统的算法通常采用的想法干扰避免广播链路调度安排。与传统干涉规避方法不同,本文认为采用连续干扰消除技术增加广播链接的数量,可以同时传输来提高信息传输的性能。连续干扰消除multipacket接收技术,它可以解码所需的数据信息相互矛盾的信号,从而有效降低无线网络的信号干扰。在接收节点的迭代检测连续干扰消除,最强的信号解码,而其他信号干扰。

条件是一个信号满足SIC在接收节点,其信号噪声比(SINR)网络性能不低于特定的阈值。我们将尝试解码的信号最强的信号强度时,接收信号的冲突。这时,其他传输信号被视为噪音。如果解码成功,接收节点删除信号。然后,接收节点试图解码最强悍的信号。这一过程持续进行直到所有信号中提取或解码失败。在这个过程中,所有的信息在冲突中进行信号逐渐可以解码,然后可以获得所需的信息。这个过程称为SIC的序列检测功能。很明显,弱信号的解码需要所有强大的成功解码信号作为一个先决条件。换句话说,在冲突信号,弱信号依赖于强有力的信号。

首先,本文介绍了节点在通信领域之间的关系,如图1。源节点直接相互传输信息,然后是源节点到其他节点的信息传输的通信通过广播域。在通信领域,我们定义源节点和1米传感器节点。

摘要噪声功率的定义是 ,特定的阈值会连续干扰消除 ,和两个节点之间的距离和是 。当两个数据链接和同时传输,根据连续干扰消除技术的约束,是否该节点R₁可以解码的信号吗年代₁有以下三种情况:(1) 是独立于 。 和同时传输。节点仍然可以解码的信号吗的干扰下 。必须满足下列条件: 其中,和显示节点的信号强度收到两个发送节点和 。不同的信号衰落模型可以获得不同的接收信号的优点。为方便分析,本文使用相同的信号衰落模型(24];也就是说,和可以按照下列公式计算: 其中,和代表节点的信号传输能力和 ,分别;代表了信号衰减指数和值范围从2到6。通过修改方程(14)和(15),该算法也可以扩展到其他信号衰落模型。如图2,当节点的距离到节点比节点的距离远吗到节点 ,可以满足上述条件。(2) 取决于 。 和同时传输。在节点 ,节点的信号更强,满足连续干扰消除的条件。因此,节点的信号可以作为干扰信号。首先,节点的信号是解码,然后信号被移除,因此解码节点的信号吗 。需要满足以下条件:

如图3,当节点的距离到节点是拉近距离的节点到节点 ,可以满足上述条件。

干扰 。 和同时传输。任何信号作为干扰信号不满足连续干扰消除的条件。节点不能解码的信号节点 ;也就是说,它同时符合以下两个条件:

如图4,当节点的距离到节点和节点的距离到节点是相似的,可以满足上述条件。

第一两种情况,当两个链接传输数据同时,节点仍然可以解码节点的信号吗 。在第三个案例中,节点不能解码的信号节点 。基于上述特点,连续干扰消除技术,本文将专门设计不同的链路调度策略来最大化可以同时传送数据链接的数量,从而减少广播延迟。

在[45),我们可以看到一个好的连续干扰消除技术应用在单一和复合天线OFDM系统。其中,SIC-OF系统已经应用于各种著名的网络实现,如细胞、特设,轨道平台。在[46),我们可以看到SIC在上行MIMO系统的应用。在这篇文章中,他们研究能源效率当非线性successive-interference取消(原文如此)接收器在BSs和提供一个渐近分析的总传输功率为零迫使原文如此。结果,计算结果如图所示,使用碳化硅的EE接收机可能明显高于EE使用线性接收机。

3.4。贪婪的广播算法

虽然理论贪婪的广播算法的延迟通常是在最坏的情况下,它通常可以获得良好的平均延迟实验。因此,本文首先考虑设计一个贪婪的广播算法(GreedyA)在这一节中。然后,在该算法的基础上,在接下来的部分,我们设计一个低延迟广播算法结合连续干扰消除技术。所示的GreedyA算法算法的伪代码1。

GreedyA算法使用一层广播调度,调度方法的第一步是构建一个广度优先搜索树与源节点作为根节点和所有节点划分为不同的层。的目的,有效提高广播算法的性能,避免信号干扰,必须确定的父子节点关系。无线信号有广播的特点。为了减少广播转发节点,根据规则的节点优先覆盖最多的节点为父节点,该算法构造的广播树一层一层地从顶层开始。

广播树构造后,广播调度执行一层一层地从顶部层。后,广播数据传输节点的上一层完成后,下一层的节点执行广播数据传输。在每一层中,每个节点与子节点是取出,然后传输节点分配的时间片。时间片分配方法从最初的调度时间片这一层和分析节点是否有信号干扰的节点计划在当前时间片。判断信号干扰的存在的基础是假设节点可以执行广播数据传输的节点被安排在同一时间在当前时间片和分析这些节点的接收节点。如果接收节点的SINR小于特定的阈值 ,假定的假设是不正确的;即有节点和节点之间的信号干扰,计划在当前时间片。

因为GreedyA算法不适用连续干扰消除技术,只要上述情况发生时,两个链接被认为相互干扰。采取的策略执行干扰避免调度算法,也就是说,将干扰链接分成不同的数据传输时间片。在算法1代表了所有节点的传输时间片分配时间片,是一个正整数。然而,代表非空的元素的数量包含在一组 ,这也代表了所有计划节点的最大传输时间片。

在下面,GreedyA算法的主要思想是通过引入通信域如图1。首先,所有节点分为4层根据广度优先搜索树的概念。如图5的层数,我们可以得到每个节点在通信领域。

根据每个节点的层,我们可以构建一个广度优先搜索树,如图6。

根据规则的节点优先覆盖最多的节点为父节点,该算法构造的广播树一层一层地从顶层开始 。例如,节点覆盖的节点的数量在层是最大的,所以节点被选中的父节点 , ,和在层 。如图7,我们可以得到最后的广播树。通过上述GreedyA算法的概念,我们列出了三种情况下,在传输过程中可能遇到的信号干扰在社区1中,社区和社区3。

下一步的GreedyA执行连锁广播调度算法。采用的方法是避免干扰调度。因为只有一个发送节点,调度和层很简单。在层,在节点分派传输时间片,它需要分配节点的传输时间片 。如图8,无论节点的信号和会影响各自的接收节点进行了分析;也就是说,下面的SINR接收节点是否一个特定的阈值。如果不影响,节点和可以安排在同一时间片传输;否则,节点将安排在下一个时间片,以避免传播信号干扰。

在层,在节点分派传输时间片,它需要分配节点的传输时间片和 。如图9,首先,分析了节点的信号和会影响各自的接收节点,接收节点的SINR是否低于特定的阈值。如果不影响,节点和可以安排在同一时间片传输;否则,节点将安排在下一个时间片,以避免传播信号干扰。分析了节点的信号和会影响各自的接收节点。如果不影响,节点和可以安排在同一时间片传输;否则,节点将安排在下一个时间片,以避免传播信号干扰。运输时间节点之间的关系和上面也进行了分析。

3.5。基于连续干扰消除的广播算法

值得注意的是,该方法采用广播链中的GreedyA算法调度的想法干扰避免调度。然而,结合连续干扰消除技术可以增加广播链接的数量,可以在一定程度上同时传输。在本节中,设计一个低延迟广播算法EDTC基于连续干扰消除技术和GreedyA算法进一步提高传输性能。EDTC算法的步骤和GreedyA算法基本上都是相同的,但主要的区别在于,判断干扰是否广播联系的基础;也就是说,伪代码中的第10行是不同的。这两个广播链接和 ,不相互干扰,GreedyA算法的判断依据如下:

公式(7)要求接收节点的SINR的两个链接必须高于特定的阈值。然而,EDTC算法的判断是基于两个链接之间的干扰在SIC条件下,满足

其中,判断结果。它不同于GreedyA算法,当是独立于或取决于 ,EDTC算法认为不会干扰 。因此,干扰限制放松,可以同时传输的广播链接数量增加,这有利于提高信息传输的性能。

在广播链路调度图所示的例子9,如果情况如图10存在,节点更接近节点 ;因此,GreedyA算法分析是否节点将干扰节点从节点接收信号 。因此,两个发送节点不能同时进行数据传输,需要执行干扰避免调度。然而,在结合连续干扰消除技术,EDTC算法分析了接收节点 ,可以首先解码的信号吗节点,然后删除信号。因此,节点的信号获得,同时两个发送节点传输的数据不会影响正常的接收节点接收数据。

因为在EDTC算法的实际应用中,可能有多个广播链接。因此,有必要分析多个广播链接的累积干扰影响;也就是说,需要考虑多个干扰信号的影响公式的分母(13)和(16)。

3.6。算法性能的理论分析

3.6.1。正确分析

定理1。GreedyA算法提供了一个正确的广播调度方案。

认证。考虑整个机会主义的复杂网络作为连接网络。GreedyA算法首先分层节点,然后构造广播树,最后使用分层技术调度信息传输的方法。避免干扰的传输时间片调度分配每个发送节点。因为广播树覆盖了所有节点在整个网络中,每个节点都有父节点。也就是说,广播数据可以从源节点传送到网络中所有节点。接下来,分析了广播转发节点树是否已经安排它的父节点广播数据节点在发送数据之前。此外,考虑是否安排播放链接会影响由于干扰信号的正确接收数据。

根据广播树的建筑规则,转发节点的父节点的节点高一个档次。因为在每一层调度的结束后,安排时间片将设置为最大计划传输时间片+ 1。因此,转发节点的传输时间片必须小于任何节点的传输时间片在前一层。

的想法干扰避免GreedyA所采用的调度算法的传输时间片分配广播链接。也就是说,当两个广播链接相互干扰,两个广播链接分配给不同的传输时间片。我们可以理解,当两个广播链接相互干扰,两个广播链接分配给不同的时间片来传播。因此,将广播链接不会影响由于干扰信号的正确接收数据。

定理2。EDTC算法提供了一个正确的广播调度方案。

认证。EDTC算法的步骤类似于GreedyA算法的步骤,和唯一的区别是判断链接是否干预的基础。根据连续干扰消除的基本思想,当两个链接有依赖关系,接收节点可以正确解码所需的数据信号。因此,广播链EDTC预定的算法也可以实现数据的正确接收。

操作。时间复杂度的分析

定理3。GreedyA算法的时间复杂度 。

认证。EDTC算法的第一步是构建一个广度优先搜索树分层所有节点,它需要遍历每个节点。所以,时间开销 。第二步是建立一个广播树,这决定了节点之间的亲子关系。规则与覆盖最多的节点需要分析每个节点的邻居,所以时间开销 ;最后一步是广播调度级别的级别。当执行广播调度在每一层,有必要考虑是否有一个干扰不同的广播链接之间的关系;因此,每一层的广播调度时间开销 。因为总层数 ,最后一步需要时间。因此,所有步骤的时间开销可以总结这个定理。

定理4。EDTC算法的时间复杂度 。

认证。EDTC算法的步骤和GreedyA算法基本上是相同的。主要的区别是判断干扰的基础。因此,通过类似于定理证明4,它可以获得EDTC算法的时间复杂度 。

3.6.3。分析空间的复杂性

定理5。GreedyA算法的空间复杂度 。

认证。分析每一步的临时存储空间GreedyA算法的工作过程。第一步是构建一个广度优先搜索树和分层节点。你的邻居节点的信息需要存储在工作过程中。因为节点最多邻居节点,这一步是空间的复杂性 。第二步是建立一个广播树。你的邻居节点的信息也需要存储在工作过程中,空间复杂度 。最后一步是执行广播调度根据广播树。在操作期间,安排播放链接信息需要存储。空间复杂度是 。合成空间复杂性的所有步骤后,可以获得GreedyA算法的空间复杂度 。

定理6。EDTC算法的空间复杂度 。

认证。EDTC算法的步骤和GreedyA算法基本上是相同的。主要的区别是判断干扰的基础。不需要额外的存储空间的判断过程。因此,这个定理可以通过证书建立类似于定理5。

4所示。结果与讨论

实验评估EDTC算法的性能,我们测试它与机会主义的复杂网络环境(一个)。此外,为了更好地判断其性能,EDTC将与其他四个算法:ICMT(信息缓存管理算法和数据传输)1),SECM(状态估计和缓存管理算法)47),喷雾和等待路由算法(36],GreedyA算法。下面是介绍这些算法的原则:(1)ICMT:该算法是一种基于节点数据信息缓存管理和传输算法信息缓存。实现调整缓存的目的,该算法计算节点通过识别你的邻居节点之间的传输概率,然后调整缓存数据分布,确保传输概率较高的节点优先访问信息。同时,邻居节点共享的缓存任务节点,有效地分配数据1]。(2)SECM:评价节点的概率在项目通过建立一个方法来识别周围的邻居,确保项目高概率获取信息的第一个节点,实现调整缓存的目的(47]。(3)喷雾等:该算法成功地克服了缺点的流行路由和其他flood-based计划,避免固有的性能难题上计划(36]。(4)此外,我们比较建议EDTC GreedyA算法算法。我们提出的算法是基于GreedyA贪婪的广播算法的算法,充分利用连续干扰消除的好处安排广播链接《社交网络》中,放松的极限链接干扰和增加广播链接的数量,可以同时传输。通过比较两种算法之间的模拟实验数据,我们可以看到更清晰的影响连续干扰消除技术在社交网络中的信息传播。

在仿真实验中,我们主要是评估算法的性能基于以下参数:(1)交货率:这个参数代表的可能性选择中继节点在传输过程中。交货率是一个重要的指标的绩效评估机会主义社交网络,它直接反映了数据分布机制的性能。(2)平均开销:成功的网络开销一对节点之间传输信息可以表示为该参数,指的总数的比值差异转发消息副本在网络和消息的总数成功交付给目的节点。(3)能源消耗:这个参数代表了在传输过程中能量消耗。(4)平均端到端延迟:这个参数代表的平均延迟两个节点之间传输信息。端到端网络延迟时间时生成一个消息的时候成功地交付给目的节点。

在仿真实验中,我们设置其参数如下:最大传输距离是35米,信号传输功率为1300 W,噪声功率为1.5 W,信号衰减指数是2。其他参数环境配置如表所示1。

EDTC算法,特定阈值的大小将直接影响是否接收节点可以解码获得的信号,将它从混合信号,从而得到所需的信号。因此,不同的特定阈值将导致EDTC算法在信息的传播表现出不同的性能。为了更好地解释特定的阈值和传输性能之间的关系,本文运用主观判断来设置特定的阈值为1.5,2.5,3.5,4.5和5.5的实验。

首先,通过数据(11日)- - - - - -11 (d),我们可以发现,无论价值他们的交货率,平均开销,而平均端到端延迟都倾向于稳定。对能源消费,随着时间的推移,它逐渐增加。通过比较获得的实验数据曲线与不同的阈值,它的值可以发现,当阈值过高或过低,在社交网络信息传输的性能不是很理想。例如,当= 1.5,消息传递率仅维持在0.56左右,而当= 5.5,能源消耗是最。这是因为标准是否接收节点可以解码的信号是由特定的阈值。当特定的阈值不断增加,解码干扰信号的条件变得越来越严重,这样的传播性能EDTC算法显示了一定的上升趋势。然而,随着特定阈值持续增加,干扰信号不能有效地解码,从而减少信息传输的性能。但是,当特定的阈值区间[2.5,3.5],可以获得更好的传播效果。为了更好地验证EDTC算法的性能在随后的实验中,我们设置了特定的阈值为3.5。

通过仿真实验,我们发现四个参数之间的关系和时间计算数据所示12- - - - - -15。

首先,在图12,我们将展示每个算法的交货率之间的关系在仿真实验和仿真实验。我们从图可以清楚地看到,交货率最低的是喷雾和等待路由算法(复制= 30)和SECM。它们的值分别是0.31 - -0.36和0.35 - -0.39。我们可以知道当喷雾和等待路由算法(复制= 30)和SECM算法用于信息传输,因为他们使用洪水方法来传输信息的节点在社区里,大量的信息丢失。尤其是对喷雾和等待路由算法,我们可以看到,当副本的数量是30,其交货率明显低于当副本的数量是15。喷雾的交货率和等待路由算法(复制= 15)是0.41 - -0.47。因此,过度复制的数据是一个重要的原因的交货率的减少喷雾和等待路由算法。然而,在ICMT算法,其所有数据包的传输依赖于缓存的合作,有效地使用缓存空间。达到提高交货率的目的。这可以从图中找到12的交货率实验数据使用ICMT算法是0.53 - -0.59,147%超过SECM。至于EDTC算法提出,因为当信息传输,节点在同一个社区是用来构造一个广播树,和适当的选择转发节点层次通过报道传播。这样,节点的可靠性和价值是全面考虑,和最高的节点综合效用值准确地发现,避免信号干扰当数据并行传播并保证消息到达目的节点的概率。正因为如此,它大大提高了社交网络的交货率。可以看出它的交货率达到0.66,这是最高的在这些算法。GreedyA算法,因为它是有限的广播链接的数量,可以同时传输,交货率低于EDTC算法。然而,由于它使用分层技术调度和干扰避免调度方法,它的传输时间片分配广播链接,它有效地解决了信号干扰问题,所以它的交货率比喷雾和等待和SECM算法,在一个相对较高的水平。

从图13,我们可以得到路由开销和时间之间的关系。在社交网络的传输算法,如果缺乏一个缓存管理方法来维护信息传输节点满足其邻国时,大量的冗余数据将被接收缓存,因此增加了开销。因此,在仿真实验中,通过应用SECM算法获得的平均开销和喷雾等算法高。ICMT算法,总体开销低且稳定,但它增加了在早期阶段,在2小时达到峰值,然后开始下降并稳定。因为当使用EDTC算法来传输信息,通过构建广播树,消息总是可以交付到正确的节点,从而避免不必要的节点转发的数量和减少网络中转发消息的副本。这些改善网络拥塞和有效降低网络开销。像EDTC算法,GreedyA算法的平均开销也维持在一个理想的水平。

图14显示了能源消费和刺激时间之间的联系。在仿真实验中,能源消耗增加。其中,因为喷雾和等待路由算法需要通过喷雾来传达信息,它的能耗是最大的。从图可以看出14在6小时,其能源消费达到540。ICMT算法,因为它可以通过合作有效的数据交换节点,它保留了更多的能量继续传播,所以它的能源消耗数据可以保持低水平。能源消耗数据通过应用SECM算法类似于ICMT算法。EDTC算法,它不同于洪水达到最高的交付率数据传输没有任何成本,导致大量的能源消耗在数据传输。EDTC和GreedyA算法传播信息传输通过选择最合适的节点,以分层的方式,从而确保交付率和保持低消费。

在图15我们显示,平均传输延迟和时间之间的关系。从图可以看出15社交网络中的传输延迟使用SECM算法非常高主要是因为喷雾步骤是由节点。ICMT算法使用一个合作机制来实现节点缓存空间的合理利用。这减少了传播延迟,但效果不是很明显。不难发现其中最好的算法来减少传输延迟算法喷雾和等待路由算法,这主要是因为邻居和合作节点之间传输数据时使用的节点,和大量的共享缓存可用于传输。根据无线信号的广播特性,节点只需要广播一次传输数据覆盖范围内节点。对我们提出EDTC算法,这是一个广播树构造根据规则覆盖节点的数量最高优先级的父节点。此外,避免信号干扰通过连续干扰消除技术以增加同步传输的数量。如图15,它的平均传输延迟是维持在一个非常低的值。与EDTC算法相比,GreedyA算法具有较低的广播链接可以同时传输,所以它的播放延迟高于EDTC算法。

总之,在交货率的四个方面,开销平均能源消耗,和平均端到端延迟,我们可以得出这样的结论:EDTC比其他四个算法更好的性能。然而,对于平均端到端延迟,EDTC的性能比喷雾等路由算法。

在社会网络中,节点缓存有很大影响算法的传输效率。因此,我们继续做仿真实验来测试缓存对这四个参数的影响。获得的实验数据,我们的数据所示16- - - - - -19。

在图16,我们将展示交货率和缓存之间的关系。当缓冲区很小,网络不能满足消息缓存需求由于大量的消息副本,和旧的消息将由新的快速挤出,导致大量的数据包被丢弃。因此,五个算法的交货率不高当缓存很低。但随着缓冲容量的增加,传输速率有不同程度的增加。其中,因为喷雾和等待路由算法(复制= 30)用洪水传播信息的方法,需要较高的缓存大小,其交货率是最低的。然而,EDTC和GreedyA算法,节点只需要广播一次传输数据覆盖范围内节点。因为GreedyA算法由并发广播链接的数量有限,交货率略低。从实验结果可以看出,EDTC交货率最高。至于ICMT和喷雾和等待路由算法的应用程序(复制= 15)在传输信息的过程中机会主义的复杂网络,增加节点缓存,改善交通条件,交货率增加了50%以上。

加油开销和缓存之间的关系如图17。一般来说,随着缓存的增加,网络中节点的丢包变得更小、更消息可以成功传输,头顶的正变得越来越低。如图17,SECM算法的开销是最大的,因为许多冗余数据由节点注入。随着节点缓存的增加,平均开销应用喷雾和等待路由算法(复制= 30)从310年到136年减少。同样,喷雾的开销和等待路由算法(复制= 15)从281年到98年减少。但是他们下降的比例远低于EDTC和ICMT算法。它可以发现,通过增加节点缓存,减少路由开销的目的节点的社区可以实现。随着缓存的增加,GreedyA算法的平均开销也从280减少到117。

能源消耗和缓存之间的关系如图18。实验结果表明,增加节点缓存,EDTC算法的能量消耗在机会主义的复杂网络可以保持在48。GreedyA也有良好的性能,和能源消耗是稳定在76。其他三个算法的能耗有显著增加。因为喷雾和等待路由算法使用“喷”的方法和所有邻居接收数据包,其能耗是最大的。在两个实验中使用喷雾和等待路由算法、喷雾等路由算法(复制= 30)与一个更大的复制数据消耗更多的能量。ICMT算法,效果缓冲区管理方法可以减少能源消耗。所以它的能源消耗小于喷雾和等待路由算法。

如图19,平均交付延迟之间的关系和缓存可以获得。图19表明,平均延迟降低节点缓存增加。SECM算法的平均延迟一般高,这主要是因为很多概率计算任务是由节点。ICMT算法,随着节点缓存的增加,平均延迟降低178 - 56。EDTC算法,意味着延迟几乎稳定在41。这表明缓存的大小影响很小的平均延迟EDTC算法。此外,贪婪算法产生的延迟比较高,这表明,生成的多个并发连接连续干扰消除技术可以减少社交网络信息传输的延迟。喷雾和路由算法等,虽然增加的平均延迟降低节点缓存。然而,对于复制= 30,平均延迟明显低于复制= 15。

在实际社会网络中,信息传递方法的选择也对算法的性能有很大的影响。为了测试我们的提议EDTC算法,在接下来的仿真实验,我们选择三种不同的模型来评估EDTC算法的性能。这三个模型SPMBM(最短路径地图运动),随机路点(RWP)和随机漫步(RM)模型(48]。

图20.显示了EDTC交付率的变化在不同的移动模型的算法。这可以从图中找到20.SPMBM模型下的交货率获得最高,最后达到0.679。使用RM模型实验,6日的交货率达到峰值0.583小时。然而,在应用RWP模型的情况下,达成的峰值0.626 4小时。一般来说,EDTC算法的交货率高于RM SPMBM模型和RWP模型。此外,RWP模型比RM模型。

我们可以得到的变换EDTC在不同的模型从图算法的路由开销21。一般来说,在应用的过程中EDTC算法这三种模式下的信息传输,随时间变化相对较小的开销,它仍然在108∼117。这个实验表明,不同模型的选择几乎没有影响造成的延迟EDTC信息传输的算法。

图22显示了能源消耗的差异随着时间的推移,不同的模型。一般来说,能源消耗在所有三个模型随时间增加。能源消耗的三个模型之间的差异很小。结果表明,EDTC算法具有稳定的节点信息传输性能,不消耗了大量的能量,当模型的变化。

我们可以得到EDTC算法的信息在不同的模型从图的平均延迟23。三种模式下获得的平均延迟传播几乎是漂浮在183年至216年之间,这表明EDTC算法可以有效地传递信息。

5。结论

在本文中,我们提出一个投机取巧的复杂网络数据传输和控制基于连续干扰消除技术。该算法执行广播链路调度通过分层技术调度和干扰避免调度。链路调度策略设计与连续干扰消除技术来增加广播链接的数量,可以同时传输。这有效地解决了信号干扰的问题在一个opportunity-complex网络数据传输。在实验阶段,我们与其他经典算法相比,该算法的机会主义的复杂网络。实验结果表明,该算法具有良好的传输能力。相对于GreedyA算法,因为它增加广播链接的数量,可以同时传输,实现更好的传输性能。随后,与测试的目的不同的移动模型的影响在EDTC算法,我们分别测试了算法基于SPMBM RWP, RM模型。实验结果表明,该算法具有良好的性能在每个模型。将该算法应用于信息传播机会主义的复杂网络可以大大降低节点能耗,传播延迟和提高数据传输效率。 In the future work, this method can adopt to big data environment to solve the problem in transmission.

数据可用性

数据用于支持本研究的发现正在禁运,而研究成果商业化。请求数据,本文的发表之后的12个月内,将被相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究得到了国家自然科学基金(61672540)和湖南省自然科学基金(2018 jj3299和2018 jj3682)。

引用

1. j·吴、陈z和m .赵”信息缓存管理和数据传输算法在投机取巧的社交网络,”无线网络,25卷,不。6,2977 - 2988年,2019页。视图:出版商的网站|谷歌学术搜索
2. 王y和j·吴,“Social-tie-based移动机会主义的社交网络,信息传播”学报2013年IEEE 14日国际研讨会”的世界无线、移动和多媒体网络”2013年6月,马德里,西班牙,。视图:出版商的网站|谷歌学术搜索
3. c .江、陈y和k·j·r·刘”在社会网络演化动力学的信息扩散,”IEEE信号处理,卷62,不。17日,第4586 - 4573页,2014年。视图:出版商的网站|谷歌学术搜索
4. j .罗j .吴,吴y”先进数据交付策略基于multiperceived社区在社会复杂网络与物联网”复杂性卷,2020篇文章ID 3576542, 15页,2020年。视图:出版商的网站|谷歌学术搜索
5. 苏问:徐,z, k, p .任和x沈,“流行在移动社交网络信息传播机会链接,”IEEE新兴主题计算,3卷,不。3、399 - 409年,2015页。视图:出版商的网站|谷歌学术搜索
6. f . z . Li, x, z关,和h·陈,“矿业异构影响和间接信任推荐。”访问IEEE,8卷,第21290 - 21282页,2020年。视图:出版商的网站|谷歌学术搜索
7. j·吴、陈z和m .赵”有效的基于社会化在机会网络中节点信息传输,”计算机网络卷,129年,第305 - 297页,2017年。视图:出版商的网站|谷歌学术搜索
8. k .朱w·李,傅x和l .张“机会主义的移动社交网络数据路由策略:分类和开放的挑战,”计算机网络卷,93年,第198 - 183页,2015年。视图:出版商的网站|谷歌学术搜索
9. a . Socievole e . Yoneki f . De Rango和j·Crowcroft说“ML-SOR:消息路由使用多层社交网络在通信机会,”计算机网络卷,81年,第219 - 201页,2015年。视图:出版商的网站|谷歌学术搜索
10. j·吴、陈z和m .赵”社区重组和重复节点遍历的算法在投机取巧的社交网络,”对等网络和应用程序,13卷,不。3、940 - 947年,2020页。视图:出版商的网站|谷歌学术搜索
11. c .江、陈y和k·j·r·刘”图形进化游戏的信息扩散在社交网络,”IEEE选定的主题在信号处理杂志》上,8卷,不。4、524 - 536年,2014页。视图:出版商的网站|谷歌学术搜索
12. Xiong, x, z . Li h . Chen和x Xiong,“拓扑influence-aware建议在社交网络上,”复杂性卷,2019篇文章ID 6325654, 12页,2019。视图:出版商的网站|谷歌学术搜索
13. m . r . Schurgot c Comaniciu, k . Jaffres-Runser“超越传统DTN路由:社交网络的机会交流,“IEEE通讯杂志,50卷,不。7,155 - 162年,2012页。视图:出版商的网站|谷歌学术搜索
14. d .张郭,周x, z . Wang和诉Raychoudhury,“机会主义的移动社交网络的动态社区创建机制,”学报2011年IEEE第三国际会议上隐私、安全、风险和信任和2011年IEEE第三社会计算国际会议美国,IEEE,波士顿,MA, 2011年10月。视图:出版商的网站|谷歌学术搜索
15. j·吴、陈z和m .赵”一个高效的数据包迭代和传播算法在投机取巧的社交网络,”环境智能和人性化计算杂志》上,1卷,2019页。视图:出版商的网站|谷歌学术搜索
16. r·甘地,a米希拉,美国的高“最小化广播在特设网络延迟和冗余,“IEEE / ACM交易网络,16卷,不。4、840 - 851年,2008页。视图:出版商的网站|谷歌学术搜索
17. 美国学术界。黄,H.-C。吴,s . s . Iyengar“源在无线网络播出。”IEEE并行和分布式系统,23卷,不。10日,1908 - 1914年,2012页。视图:出版商的网站|谷歌学术搜索
18. c . s .瓦兹和m·k·瓦拉纳西。,“The degree-of-freedom regions of MIMO broadcast, interference, and cognitive radio channels with no CSIT,”IEEE信息理论,卷。58岁的没有。8,5354 - 5374年,2012页。视图:出版商的网站|谷歌学术搜索
19. d .赵K.-W。下巴,r . Raad”近似算法在责任骑车无线传感器网络广播,”无线网络,20卷,不。8,2219 - 2236年,2014页。视图:出版商的网站|谷歌学术搜索
20. f .熊l .王,王x, y . Liu”观点的分析和应用模型与多个主题互动,”混乱:一个跨学科的非线性科学》杂志上,27卷,不。2017年8篇文章ID 083113。视图:出版商的网站|谷歌学术搜索
21. f .熊和Z.-Y。李,“有效的方法抑制扩散的流行动态,“科学报告,7卷,不。1、1 - 14,2017页。视图:出版商的网站|谷歌学术搜索
22. f .熊、刘y和j . Cheng”建模和预测意见形成和信任在在线社交网络传播,”非线性科学与数值模拟通信,44卷,第524 - 513页,2017年。视图:出版商的网站|谷歌学术搜索
23. g . j . Wu Yu, p .关,“兴趣特征概率预测方法在社会机会网络,”IEEE访问,7卷,不。1,第59012 - 59002页,2019。视图:出版商的网站|谷歌学术搜索
24. d . Yu Q.-S。华,y, j . Yu和f·c·m·刘”高效的分布式多个消息的广播在非结构化的无线网络,”IEEE INFOCOM学报2013年的诉讼2013年4月,IEEE,意大利都灵,。视图:出版商的网站|谷歌学术搜索
25. j .吴x, y . Tan,“医院评价机制基于移动健康物联网系统在社交网络上,“计算机在生物学和医学卷,109年,第147 - 138页,2019年。视图:出版商的网站|谷歌学术搜索
26. s, r·胡S.-F。Fung, g .长,j .江和c,“学习图嵌入与对抗的训练方法,”IEEE控制论,50卷,不。6,2475 - 2487年,2019页。视图:出版商的网站|谷歌学术搜索
27. s, r, g, j .江l .姚明,和c,“敌对的正规化图autoencoder图嵌入,”2018年,http://arxiv.org/abs/1802.04407。视图:谷歌学术搜索
28. z l . Wang, f .熊d·杨,s .锅和z燕,“影响geo-social传播网络:多目标优化的角度来看,“IEEE控制论,1-13,2019页。视图:出版商的网站|谷歌学术搜索
29. z l . Wang, d, t . Ku, b .郭和h·马,“协作已被称作移动群体感知机会D2D网络”ACM传感器网络交易,15卷,不。3、外墙面,2019页。视图:出版商的网站|谷歌学术搜索
30. h .梁和t·鲍德温概率评级auto-encoder个性化推荐系统,”《24日ACM国际会议信息和知识管理,墨尔本,澳大利亚,2015年。视图:出版商的网站|谷歌学术搜索
31. x h . Chen, s .锅,f .熊”识别主题关系在科学文献使用主题建模、”IEEE工程管理,1-13,2019页。视图:出版商的网站|谷歌学术搜索
32. a . Vahdat d·贝克尔,“流行部分连接Ad Hoc网络路由,“技术。代表,杜克大学,杜伦大学,数控,美国,2000年,技术报告cs - 2000 - 06。视图:谷歌学术搜索
33. h . Lenando和m . Alrfaay EpSoc:类似epidemic-based路由协议在投机取巧的移动社交网络,”移动信息系统卷,2018篇文章ID 6462826、8页,2018。视图:出版商的网站|谷歌学术搜索
34. p . Mundur m·塞利格曼和g·李,“与免疫力在延迟容忍网络流行路由,”学报》2008 - 2008年亚IEEE军事通信会议美国圣地亚哥,IEEE CA, 2008年11月。视图:出版商的网站|谷歌学术搜索
35. f . d . Rango s·阿梅里奥,p法齐奥,“增强的流行路由在延迟容忍网络从能源的角度来看,“美国无线通信和移动计算国际会议2013年7月,意大利撒丁岛。视图:出版商的网站|谷歌学术搜索
36. t . Spyropoulos k Psounis, c . s . Raghavendra”喷雾等:一个有效的路由方案间歇性连接移动网络,”《全新2005 ACM SIGCOMM车间实现容忍延迟网络美国宾夕法尼亚州,费城2005人。视图:出版商的网站|谷歌学术搜索
37. 曹j .雪x粉丝,y, j .方和j·李,“喷雾和等待路由基于平均交付概率在延迟容忍网络,”《2009国际网络安全会议上,无线通讯和可信计算,卷2,IEEE,布拉格,捷克共和国,2009年4月。视图:出版商的网站|谷歌学术搜索
38. w·黄、张s和w·周”喷雾和等待路由基于位置预测在投机取巧的复杂网络,”学报》2011年第3计算机研究和开发国际会议,卷2,IEEE,上海,中国,2011年3月。视图:出版商的网站|谷歌学术搜索
39. s . Jain m·乔v . n . g . j .苏亚雷斯和j·j·罗德里格斯,“增强模糊基于逻辑的喷雾和路由协议等待延迟容忍网络”国际通信系统杂志》上卷,29号12日,第1843 - 1820页,2016年。视图:出版商的网站|谷歌学术搜索
40. s . k . Dhurandher d·k·沙玛Woungang,和s Bhati”HBPR:基于历史预测的路由infrastructure-less投机取巧的复杂网络,”学报2013年IEEE 27日国际会议上先进的信息网络和应用程序(AINA)IEEE,巴塞罗那,西班牙,2013年3月。视图:出版商的网站|谷歌学术搜索
41. c . Yu, z, d .姚明,f . Lu和h·金,“概率路由算法基于时间和消息延迟容忍网络中冗余联系,“国际通信系统杂志》上卷,29号16,2416 - 2426年,2016页。视图:出版商的网站|谷歌学术搜索
42. z . g . Yu陈,j .吴”量化社会关系建立在信任路由算法在投机取巧的社交网络,”EURASIP无线通讯和网络》杂志上,卷2019,不。1,2019。视图:出版商的网站|谷歌学术搜索
43. f .徐,徐问:z Xiong et al .,“智能分布式路由方案基于社会相似性为移动社交网络,”未来一代计算机系统卷,96年,第480 - 472页,2019年。视图:出版商的网站|谷歌学术搜索
44. x, j . Yu l . Ma g . Li和x Cheng“分布式sinr下确定的广播算法模型,”IEEE INFOCOM学报》2016 - 35届IEEE计算机通信国际会议美国CA, IEEE,旧金山,2016年4月。视图:出版商的网站|谷歌学术搜索
45. n i Miridakis和d·d·Vergados”调查连续干扰消除单天线的性能和复合天线OFDM系统,”IEEE通信调查和教程15卷,第335 - 312页,2012年。视图:谷歌学术搜索
46. j . t . Liu,郭,j . Xi, y,和z,“能源效率与连续干扰消除上行巨大的MIMO系统,”IEEE通信信,21卷,不。3、668 - 671年,2016页。视图:出版商的网站|谷歌学术搜索
47. j·吴、陈z和m .赵”SECM:状态估计和缓存管理算法在机会网络中,“《华尔街日报》的超级计算,卷75,不。5,2629 - 2647年,2019页。视图:出版商的网站|谷歌学术搜索
48. j .吴邦国委员长和z陈,“数据决策和基于移动数据传输健康记录在无线网络传感器设备,“无线个人通信,卷90,不。4、2073 - 2087年,2016页。视图:出版商的网站|谷歌学术搜索

版权

版权©2020卫浴杨等。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。