文摘

在移动互联网的事情,有许多挑战,包括传感器的传感技术,如何以及何时加入合作传播,以及如何选择合作传感器。为了解决这些问题,我们研究了组合预测基于多层次传感器的传感技术,建筑在我们提出了基于阈值自适应机会合作控制机制等活动概率,距离,传输功率,和数量的继电器传感器,考虑到信号噪声比和中断概率。更重要的是,继电器传感器会做自测实时为了判断加入合作传播,维持最佳的合作与高性能传输状态。数学分析结果表明,该自适应机会合作控制方法可以表现得更好的吞吐量比,包错误率和延迟,和能源效率,而直接传输和机会主义的合作方法。

1。介绍

移动物联网的传感、收集、处理的无线数据等等都依赖于高密度部署传感器。然而,由于传感器的限制和挑战1,2),例如,动态的无线连接,带宽有限,容易干扰通道,能量有限,计算能力,和有限的存储,很难保证服务质量(QoS)移动物联网应用程序(也)。

随机变化的3,4的传感器和物联网(物联网)特别严重影响系统性能如流动性、活动概率和信道质量。有一个关键问题在数据传输也何时以及如何构建最优合作数据通信的基础上,传感器和网络状态。

在本文中,我们研究如何以及何时选择最优传感器与一些阈值预测的基础上,构建可靠、实时、高资源效率和有效的数据传输控制的进展,也服务的,满足多样化需求。

剩下的纸是组织如下。相关的工作和我们的工作对象是节中阐述2。部分3描述了数据控制事件序列的随机性验证。节4,我们设计一个组合预测方法基于多层次传感器的传感技术也获得阈值并给出分析基础。机会合作的方案控制方法用于保证实时、高效、可靠的数据传输,也部分所示5。部分5还提出了基于组合预测自适应机会合作控制机制,包括实现的细节。数学结果部分6。最后,我们总结论文部分7。

2。相关工作

物联网依赖于高密度data-sensing部署传感器之间的协作,实现收集和处理(5,6];然而传感器在物联网是自限性的大小、能源、数据存储、处理能力、数据传输和无线带宽,所以合作进展考虑这些因素。

一方面,众所周知,传感器可以有效地提高系统资源的利用率和网络的性能。然而,有一些关键问题的合作交流也(7,8),包括何时开始合作沟通,传感器加入合作过程,以及如何建立合作传输控制机制。克利斯朵夫提出的这种视觉的方法基于一种联合网络由传感器(9]。针对集群和多路媒体访问控制(MAC)计划,Jonghun金和李克服干扰组流动对物联网(可靠的无线通信服务10]。

另一方面,传感器的状态,也就是受到传输功率的影响,信道质量,距离,或活动概率,可以直接影响协同通信的性能。所以合作传输的过程应该是自适应并迅速重建。在[11),作者把无线频道根据隐式ACK和提出了协议,能够选择的路由路径按照链接质量。简单的和健壮的无线个域网收发器(12)设计,能够支持传输距离为1.2公里,60公里/小时的速度移动。在文章的研究13),能源消耗的链路状态路由和动态multi-path-optimized马奈对需求进行了比较和分析。

特别是,进步的机会合作,如何有效减少能源消耗的物联网传感器是一个关键的问题,用于提高系统吞吐量,传输延迟,和可靠性。因为我们先前的研究介绍了马尔可夫链模型的基础上自动重发请求(ARQ)和混合ARQ研究服务质量的特点和设计支持的服务质量策略和动态优先级(14],energy-efficiency-aware自适应中继选择算法,基于信号噪声比(信噪比)提出了实现更高的系统吞吐量和更低的延迟(15]。的作者(16]特征之间的双向影响人类和投机取巧的物联网和讨论了技术挑战,然后提出了参考体系结构发展中机会主义的物联网系统。Rosarioa等人提出的链接质量和地理beaconless或者协议有效的移动多媒体网络视频传播的东西(17]。格里高利Katsaros等人定义一个新的合作领域,提出了机会主义的框架可以提供协作服务。

一句话,由于特殊的物理和电气性能的传感器和动态物联网拓扑中,尤其是应用服务的多样性在复杂的环境中,很难满足实际应用的需要和多样性来保证服务质量通过使用直接传输或固定合作传输控制方法。因此,它是必要的和重要的考虑和研究自适应机会多级遥感预测方法,它不仅可以预测未来物联网的趋势,但也建立最好的机会合作传播。

3所示。随机性验证的事件序列

在物联网数据传输在一定的时间间隔,事件控制过程按照排列顺序的事件序列。收集到的事件序列的动态特性可由相关系数分析与显著性水平,用于判断序列是否满足数据传输控制事件的随机特性的预测。

让表示收集到的数据序列;相关系数可以得到 在这里,。

如果满足下列不等式,随机性的事件序列应该特点:

在这里,表示权重系数根据显著性水平。

为了分析的动态特性和事件序列,将从4到8;该步骤是1。将一个矩阵。结果如表所示1。

以下的结论可以从表中获得1。(1)事件序列的随机性质时小于或等于0.05。(2)事件序列的随机性质时大于或等于5,是0.1。(3)事件序列的随机性质时大于或等于6和是0.2。(4)事件序列没有时的随机性质大于或等于0.3。

4所示。基于遥感的多层次组合预测方法

当物联网的数据通信受到周期性波动的影响,动态拓扑,和随机干扰,很难预测无线传输事件。所以,加权移动平均法可以消除这些混杂因素,为了明确有效的传输控制事件趋势预测。

的统计丢包时间从物联网为基础的实际传播过程是用来预测下一个包丢失的时间。事件预测值可以计算的加权移动平均预测价值根据事件 在这里,表示后的加权移动平均周期性运动。表示加权权重。

然后,和包丢失时间预测的根据统计值,用于评价这种方法的可靠性和实时性能。在这里,从6到10组。设置为以下三组数据: , , 。预测结果如图所示1和表2。

加权移动平均法的实时性能分析总结表2和图1如下。(1)蓝色区域代表的预测时间不同的参数设置。(2)亮绿色代表11日实际统计数据;酒红色代表12日实际统计数据。(3)时更好的实时性能更小。这意味着预测的值更接近实际的预测价值。

与此同时,可靠性分析如图2,结论如下。(1)当小加权权重必须不是太小;否则误差太大。(2)当更大的错误是少,可靠性较高。(3)选择合适的加权权重应该基于预测的需求。(4)数组的长度增加时可以减少预测误差,提高可靠性加权权重数组的每个元素是相等的。

多样性感知加权移动平均法能够选择最好的预测参数设置来分析和预测高可靠性和实时性能,但是它必须有,过去的实际统计数据。很难满足这一条件特别是在物联网的早期时间,存储大量的数据,将会增加系统的负担。

指数平滑预测方法只需要两个值:最新的测量和预测价值。预测的事件如下: 在这里,表示后的预测价值周期性的运动,表示光滑的权重。

然后,和包丢失时间预测的根据统计值,用于评价这种方法的可靠性和实时性能。设置从0.1到1。结果如图所示3。

从图3,下面被发现。(1) 10时应小于0.5预测基于9实际值,还有一个最优值。(2)11日和12日时间预测时,应大于0.5,存在一个最佳值。(3)在以后的活动,最好的应该是接近1。

总之,加权移动平均法可以选择最好的和基于预测的要求,但也有过去的统计数据和足够的存储空间。指数平滑法预测可以预测事件的趋势考虑没有过去的统计数据和遥感的可靠性和及时性。然而,加权移动平均预测精度比其他要好。由于多级遥感组合预测方法基于支持多样性预测提出了请求,给出工作流图4。

5。自适应机会合作控制机制

在物联网中,发送传感器传输数据接收传感器。假设有m - 1邻居传感器,加入合作传输,接收传感器的信噪比可以计算 在这里,表示发送数据发送能耗的传感器,表示高斯白噪声方差,美联社的活动概率是传感器,设置从0到1,TP的传输功率传感器,代表传感器之间的信道质量和接收传感器,表示近地参考传感器的距离,表示信号传播的速度发送传感器,是比特误码率,表示噪声带宽。故障概率可以计算出 在这里,代表的信噪比阈值。

根据公式(5)和(6),图5给出了分析结果的信噪比和与据美联社,,TP,可获得的阈值,给出如下。(1)据美联社和阈:(,),(,),(,)和(,)。(2)阈值的和:(,),(,),(,)和(,)。(3)TP和阈:(,),(,),(,)和(,)。

因此,自适应机会合作传输控制机制(CF-OCT),提出了基于多级遥感组合预测方法和阈值。系统体系结构如图6。

之后,提出了CF-OCT的基本思想及其在发送传感器和继电器实现传感器详细说明如下。

发送数据的传感器。(1)的值,,可以获得与传感器的物理和电气性能。,,可以通过实际测量或统计数据。

(2)被定义为网络状态。这里,APs表示数组的美联社。同样的,年代,TPs,s表示数组,分别。然后发送通道状态信号序列。

(3)初始化的水平我感应的决定:让美联社控制事件序列x步骤(4)至(7)将被执行。

(4)Randomness_Test (X),这是用来测试是否甚至序列X的随机性和最好的价值和。在这里,Randomness_Test (X)的动态特性的函数事件序列检测方法。

检测数据是否存储在过去:如果有这些数据,一步将被执行。否则,检测是否有足够的存储空间,将执行步骤(7)时,没有足够的空间。如果满足条件,一步将被执行。

(6)WeightedMA (X)将调用,用于预测趋势的事件与最好的加权移动平均法和基于遥感预测需求。在这里,WeightedMA (X)加权移动平均法的功能。

(7)指数(X)将被称为,用来预测事件趋势的最好的指数平滑法通过多级传感方法。在这里,指数(X)指数平滑方法的功能。

(8)那(美联社)称,这是用来计算活动概率阈值。同样,那()将要求获得合作传感器数量阈值 。在这里,那()是计算的阈值的功能,这可能是,,或TP。

(9)我认为决定执行水平。机会合作传输控制方案基于选择将被创建传感器,美联社的比美联社阈值大。

(10)如果数据发送传感器接收到的反馈系统或合作传感器,II级决定。步骤(11)将被执行。

(11)II级初始化发送决定:让是控制事件序列x的步骤(4)至(7)将被执行。

(12)那()将被用于计算距离阈值。获得合作传感器数量阈值通过调用那()。

(13)进行II级感应的决定。机会合作传输控制方案基于选择将被创建传感器,比阈值。

(14)如果数据发送传感器接收到的反馈系统或合作传感器、第三级感应决定。步骤(15)将被执行。

(15)初始化水平三世发送决定:让TP控制事件序列x的步骤(4)至(7)将被执行。

(16个),那(TP)将被用于计算传输功率阈值。获得合作传感器数量阈值通过调用那()。

(17)在第三级感知决策。机会合作传输控制方案基于选择将被创建传感器、TP的比TP阈值大。

合作传感器。在合作定义传感器(18)网络状态。然后发送通道状态信号序列。

(19)如果这个传感器已被我感应的决定,选择步骤(20)将被执行。如果选择了II级感应决定,步骤(21日)将被执行。否则,步骤(22)将被执行。

(20)的反馈发送给发送传感器美联社AP小于阈值。

(21)发送反馈发送传感器时小于阈值。

(22)发送反馈发送传感器TP小于TP阈值。

6。绩效评估

在这项工作中,我们模拟、分析和评价直接传输的性能(DT),机会合作传输(10月),提出CF-OCT基于活动的概率。参数设置和环境条件如表所示3。

绩效评估的主要指标支持移动物联网的应用程序服务列出如下。(1)延迟:之间的端到端延迟发送传感器和接收传感器将仅仅计算。(2)吞吐量:统计数据包大小在接收传感器获得成功。(3)节能:比能量的能源消费总量的成功接收的数据。

图7显示了四个性能指标作为活动的概率函数。结果表明:活动概率和遥感方法对移动互联网的数据传输质量产生重大影响的事情。我们可以观察到巨大的使用CF-OCT改善性能,与DT甚至10月活动较低的传感器或通道的移动互联网质量通道,CF-OCT总是保持良好的性能,而延迟和数据包和DT和10月减少错误率,几乎接近于零。吞吐量和能源效率的继续增加,逐渐接近于1。原因是,不仅可以组合预测方法预测事件控制趋势基于多级遥感减少端到端延迟,而且自适应机会合作控制策略提高了能源利用效率,从而创造最优传输控制方案;因此,系统吞吐量的利用率增加,可靠性提高。

7所示。结论

有巨大的潜力数据传输控制事件的预测和投机取巧的合作来提高性能的移动物联网服务的多样性。本研究工作的目标是克服各种各样的移动物联网传感器的局限性;我们提出自适应机会合作传输控制机制基于多级遥感组合预测方法。

这项工作的主要贡献如下。首先,考虑不同的预测方法的特点,介绍了基于多级遥感传感器的组合预测方法在移动互联网的东西。第二,机会合作与多样性阈值控制策略旨在确保数据包有最佳的传输路径和控制进度。最后,提出自适应机会合作机制,共同努力通过上面的组合预测方法,为了提高通信性能和保证服务质量的移动互联网的东西。

相比,数学结果表明,与现有的典型的直接传输和机会合作,建议的机制大大提高数据传输质量和实现显著增长的实时性能,可靠性、吞吐量和能源效率。结果,确定建议的机制是有效的和可行的数据多样性通信在移动互联网的东西。

利益冲突

作者宣称他们没有金融和个人关系与他人或组织不当会影响他们的工作;没有专业或其他任何性质的个人利益或在任何产品,服务,和/或公司可能被视为影响的位置,或审查。

承认

这项工作是支持的技术项目下的常熟市卫生局批准号csws201303。