OEDDBOS:一个有效的数据分发策略与Sensor-Cloud节能系统

文摘

Sensor-cloud是一个发展中技术和流行范式为各种应用程序。它集成了无线传感器到云计算环境中。一方面,云计算提供了广泛的数据存储和分析,在传感器节点处理功能不可用。另一方面,数据分布(如时间同步和配置文件)总是这样的sensor-cloud系统中的一个重要主题,导致能源消费快速增长的传感器。在这篇文章中,我们旨在减少能源消耗的数据传播sensor-cloud系统和研究优化能源消耗与时变信道质量的多个节点使用相同的信道来传输数据。假设有一定概率节点竞争信道发送数据。然后,他们决定分发数据在信道质量节能后通道是否成功。首先,我们构造平均能量效率的最大化问题与延迟需求分发数据。然后,这个最大化问题转移的最优停止问题产生的最优停止规则。最后,阈值的最优传输速度在每一个时期都解决了利用最优停止理论,和数据分布的最优能源效率。 Simulation results indicate that the strategy proposed in this paper can to some extent improve average energy efficiency and delivery ratio and enhance energy optimization effect and network performance compared with other strategies.

1。介绍

传感器网络的快速发展,不同的无线传感器网络正迅速成为流行。无线传感器配备各种无线接口,如wi - fi,蓝牙,和蜂窝网络强大的无线通信功能。特别是,通过无线传感器网络和云计算结合,sensor-cloud系统出现的概念(1- - - - - -6]。云计算提供广泛的数据存储和分析和处理能力,而无线传感器负责收集数据。尽管云计算有助于突破很多无线传感器网络的限制,仍有其他需要解决的挑战。主要的问题是数据(时间同步和配置文件)分布和传播可以显著影响sensor-cloud系统的性能由于有限的能源供应。Sensor-cloud系统已经部署在许多应用领域,如农业、军事、医疗、环境监测、和制造业,特别是偏远山区或者大面积的森林,权力不能充电或不能提供持续的力量。传感器节点可以执行各种类型的数据通信与他人共享数据分发给其他人在其传输范围,例如,感觉到数据发送给一些水槽和云。水槽同步数据分发给所有传感器等等。另一方面,分发大量的数据将很快耗尽了力量和影响传感器的正常操作或水槽,特别是在某些地方及时供应的权力不能实现。因此,节能和性能保证的数据分发策略是研究的一个重要课题在这样sensor-cloud系统能源消耗和性能优化。

sensor-cloud的节点的通信系统中,无线信道的质量随时间随机变化,因为它的基本属性,多路径传播,和环境的干扰等等。如果选择了一个节点(传感器/水槽)传播数据信道质量状况良好时,产生的能源消耗在数据传播将有效地减少。在某些应用程序中,多个节点使用相同的信道分配数据,但只有一个节点可以在给定的时间范围内,使用它会导致传输碰撞和数据分配失败如果多个(不止一个)节点使用一个频道同时分发数据。为了减少传输碰撞造成的能源浪费,发送节点必须检测通道服务条件成功地接收响应信号与接收节点时,在给定的时间内分发数据接收节点(7,8]。和渠道服务质量评估的基础上的信号。当只有一个节点检测到使用的通道,发送节点决定是否继续分发数据通道服务质量而言,为了避免分布数据的能量消耗的增加,当通道服务质量状况较差。这个过程叫通道竞争发送节点检测通道服务条件。它是节约能源的关键为发送节点选择最优渠道服务质量分发数据的上下文中成功地争夺渠道。在[7),作者用最优停止理论研究能源效率问题当多个移动节点争夺相同的信道分配数据。但他们不考虑数据分布的延迟需求。因此,延迟约束的情况下的能源优化效果很差。此外,它有一个固定的时间长度的数据传输。传输能源效率会有所不同,如果在数据传输信道质量的变化。

在本文中,我们考虑sensor-cloud中的数据分布的延迟需求系统。也是符合现实情况的随机不同信道质量有一定的保持时间。的信道变化模型8]。发送节点决定分配时间的长度根据分发的数据量和通道占用时间。在[9),作者使用博弈论来研究多个移动节点的最优概率争夺相同的频道,然后减少传输碰撞的能源浪费。但它没有考虑信道质量分布能源消费的影响,这将影响节能的数据分布。

因此,本文提出了一个最优的能源效率分布策略数据分布在sensor-cloud系统节点竞争相同的频道。和最大分布延迟约束的数据分布也被认为是。在sensor-cloud系统中,发送节点参与渠道竞争有一定概率,观察通道质量成功竞争到信道后,然后决定是否发布数据基于信道质量状况。选择最优能源效率时刻的数据分布,实现节能。优化能源效率意味着数据分布的平均每单位能源消耗达到最大值。阻止问题的观察和通过发送节点分配数据不断观察通道质量选择一个好的通道质量最优停止规则(10,11)问题。在这个stop-rule问题,发送节点不断观察信道质量的变化和取得的停止时间的预期回报能源效率最大化。然后,需要分发数据的行动实现最大化的目标预期的回报。

本文组织如下。部分2回顾了相关的研究工作。部分3介绍了sensor-cloud模型和优化问题。部分4介绍了最佳能效数据传播策略基于最优停止理论。部分5显示仿真结果和分析。最后,我们得出结论,指出进一步研究的一些可能的方向6。

2。相关研究工作

数据分布一直是一个热门话题在分布网络,和它的应用是广泛应用于各种网络,如特设网络,社交网络,无线传感器网络。研究人员广泛的关注数据分布应用程序及其研究目标包括减少能源消耗,增加吞吐量,减少延迟。

目前,无线传感器网络的集成,提出了云在许多体系结构和研究框架1,2,12]。大多数的这些作品研究的三层体系结构关注下沉和云之间的发布/订阅通信层,试图将传感器和水槽之间的通信层。在[13- - - - - -15),作者主要专注于改善sensor-cloud性能提高一个优化问题。

在[13),作者提出了一个叫CEB的三层体系结构(云、边缘和下)。提高可伸缩性和能源效率,CEB使用两种算法优化云之间的数据传输速率和边缘层以及边缘和传感器层,分别。执行优化对传感器节点的能量消耗。在[14],作者集中在推挽式传感器和云之间的混合通信层通过边缘层。他们想出一个传感器和水槽节点的优化算法对不同的目标。目的是为了发现每个节点的最优传输速度。数据的优化方面进行了产量、带宽和能源消耗。在[15),探讨了如何解决能源问题的约束sensor-cloud基础设施,以改善其性能和延长它的生命周期,在实践中这是必要的。在此基础上,提出了一种sensor-cloud优化策略来提高它的生命周期和能源效率。整数线性规划、策略制定可以确定最优数量的推或拉时期数据收集或请求,从而最大化传感器层的寿命。此外,它优化sensor-cloud一生对能耗的传感器和水槽不同的推拉机制。

另一方面,另一个在不同的文学研究工作已经提到,如在7- - - - - -9,16]。在[7),作者认为多个发送终端参与渠道与平等竞争概率和在给定的时间内传输数据。他们使用最优停止理论推导出的最优传输速度传播的数据发送终端,实现更大的传播单位能源消耗的数据量和更高的能源效率。在[9),作者研究了能量优化问题的数据传播从概率的角度参与无线网络信道竞争。博弈论应用于推导最优概率多个发送终端参与渠道竞争减少数据传输碰撞的能量消耗和数据传播。在[16),作者研究了最优控制的角度洪水数据在移动社交网络传播。更重要的是,通过动态规划,时间最优控制信号的传播问题是解决了,网络总成本最小化。

在[8),作者研究分布式机会调度问题,多个发送终端争夺相同的渠道数据移动ad hoc网络中传播。最优停止理论的基础上,本文提出了一个最优停止问题为了最大化网络吞吐量。并计算最优传输速率发送终端的逆向归纳方法,从而最大化整个网络的吞吐量。然而,本文不考虑数据传输延迟的情况,假设发送终端总是有足够的数据分布。在[17),作者研究数据传播问题时,信道质量变化随机移动网络。本文解决了基于最优传输速度阈值的最优停止理论实现最大的网络吞吐量。为此,它还使用非合作的游戏开发用户的最好的回应策略。

总体而言,研究人员解决问题的数据在不同的网络传播背景,如特设网络和社会网络,并使用不同的优化方法,如最优停止理论、博弈论和启发式算法。但最终目标是减少能源消耗和数据传播优化网络性能。然而,一些研究不考虑数据传输延迟的问题,而另一些则不考虑信道质量的随机变化。

在[18,19),我们研究的数据传输能耗,随机信道质量变化的无线网络和得到一个最优传输速率使用最优停止理论来解决一个常数数据生成速率和可变数据生成率。因此,基于我们之前的工作,我们运用我们的方法和模型研究能源效率问题延迟约束数据sensor-cloud系统中类似的问题存在。能源消耗为用户和研究人员,也是一个严重的问题,信道质量随时间变化的特点。因此,在本文中,我们的目标是提高网络能效同时确保sensor-cloud系统的性能。本文的主要贡献包括以下方面。(1)考虑到情况下,信道质量随时间随机变化,并具备了一定的持有时间,能源效率模型和最优的能源效率模型中多个节点争夺相同的渠道数据传播sensor-cloud系统的构造。(2)构建基于最优平均能量效率最优停止规则问题获得近似最优停止规则。在最大传输延迟,使用最优停止理论来解决最优传输速度阈值数据传输信道质量维护期间。

3所示。网络模型和问题描述

3.1。网络模型

在sensor-cloud系统中,如水槽节点发送一个数据与最大延迟 。传感器的间隔 。传感器的传输范围之外的水槽节点不能直接接收的数据,和其他传感器接收数据需要分发数据。sensor-cloud系统中的数据分布模型图所示1。

冲突的传输和数据分布的失败将会出现如果多个水槽使用相同的信道传播数据和多个(不止一个)传感器封装在传输干扰范围。然而,数据传输会成功如果只有一个水槽使用通道同时传输数据。通道将被闲置,如果没有数据传输。为了检测通道的状态,发送接收数据传送到接收传感器的持续时间 。传输成功,如果成功返回的应答信号接收传感器 。这种成功的传播被认为是一种成功的竞争信道的发送节点,和渠道竞争时期。假定信道质量是在一段时间举行 。这意味着发送水槽竞争成功的渠道和获得机会继续传播一段数据 。事实上,这段时间被称为一个频道的竞争和数据传播。很明显,渠道竞争时期满足 。自随机信道质量的变化随着时间的推移,发送接收成功竞争通道,发现通道质量根据承认收到发回的信号功率值的节点。数据将被传播,如果通道的品质是很不错的。否则,机遇是放弃。其他节点必须等待下一个循环再次参与渠道竞争如果发送节点选择分发数据。另一方面,发送节点不能参与渠道竞争的剩余时间本轮如果它放弃了英吉利海峡,但其他节点可以继续争夺渠道。一轮渠道竞争和数据传播过程如图2。

3.2。问题描述

假设的数量发送节点使用相同的频道在传输干扰范围内。这些节点参与渠道竞争等概率 ,和值是 。在每一轮的渠道竞争,发送节点竞争信道的概率 。如果只有一个节点竞争信道,信道竞争是成功的,也就是第一轮渠道竞争成功,并发送节点为代表 。条件是当前信道质量是好的,继续传播数据,而其他竞争等待下一轮的通道。或节点停止传播数据,退出这一轮渠道竞争,和等待参加下一轮,而剩下的发送节点继续竞争。当只有一个节点竞争信道,第二轮是宣布成功,节点代表了 。然后,执行相同的操作 。显然,节点成功地为第一轮竞争和继续传播数据,如果在当前周期的通道质量好。否则,每个节点成功占据了通道必须放弃使用通道,从而成功地争夺次了。因此,成功的渠道竞争的可能性th轮是

的总时间预期渠道竞争 在一轮成功的竞争过程。竞争对每个发送节点的数量 在竞争。在每一轮的总时间的竞争,竞争的期望 。与发送节点的传输能耗和每场比赛的时间 ,竞争能源消费 。因此,预期的竞争发送节点的功耗在每一轮的渠道竞争。发送节点赢得渠道竞争传播数据在第一轮如果信道质量是好的。预期的时间竞争剩下的时间长度是传播 。

在正常情况下,数据传播主体在一定期限内实际应用和数据没有传输最后期限将被丢弃。本文假定最大数据延迟 。如果成功发送节点竞争信道和携带的分布式数据将达到最大延迟 ,然后分发数据无论信道质量避免丢弃数据由于超时。显然,发送节点的预期竞争加起来 ,和相应的预期的能源竞争 。预计时间是竞争 ;因此,剩下的传输的时间长度 。

根据香农公式,当发送节点的传输能耗,信道质量更好、透射率更大。这意味着更多的数据被发送节点传播的同时,更多的数据是通过使用相同的权力。能源效率的定义是数据位的数量可以传播单位焦耳的能量。我们的目标是获得最大或最优能源效率当发送节点竞争成功的通道数据传播和提高能源效率的数据传播的保证数据传输延迟。

4所示。优化能源效率数据传播策略基于最优停止理论

4.1。建设最优的能源效率问题

假设发送节点成功获得的渠道一轮的竞争信道争用和设置通道传输速率 。然后,数据传播节点的能源效率

在这里,是传输速率,能源消耗总竞争和参考之前发送节点得到传播的机会。,它被称为总能耗检测,计算从通道的下一轮竞争最后一次成功后数据传输,包括能源消耗在这一轮竞争和参考。参考能源消耗是基本的能源消耗中的每个发送节点的当前设备活动状态(包括闲置和传输状态)。代表实际的传输时间,是由分布的数据量和传输速度 。这是定义如下:

为了减少能源消耗,每个发送节点最大化自己的能源效率达到最佳的能源效率。因此,最佳的能源效率发送传感器可以定义如下:

每个发送节点竞争信道的概率 。获得成功的通道后,立即决定传播数据或放弃使用频道根据当前信道传输速率和传播的数据量。传播数据将被丢弃,如果发送节点期望获得更高的能源效率。否则,数据立即传播。发送节点,基于传播的数据量,连续观察成功竞争信道的质量状况和作出决定是否要使用数据传播的渠道。显然,这个问题是最优停止规则问题,发送节点选择最优时间停止观察和分发数据获取最佳的能源效率。最优停止理论提供了理论分析基础和可行的解决方案。

4.2。最优停止规则优化能源效率的问题

发送节点收到数据后的最大延迟 ,节点开始争夺渠道和观察的质量通道被成功地竞争。如果信道质量最优的能源效率标准,它会传播数据;否则,它将等待下一轮的竞争。如果发送节点携带数据继续观察到的最大延迟达到最后期限时,它必须传播数据后占据通道,避免由于过度延迟数据丢弃。因此,发送节点参与渠道竞争 轮。如果发送节点中的数据获取渠道和分销th ( )圆的,它的能量效率

在(5),代表了传输速率得到发送节点th圆;是实际的时间长度的数据传播在这个时刻,这是定义在(3);代表预期的竞争的能源消耗。是参考发送节点的功耗和 是参考能源消耗。因为发送节点传播数据后成功的渠道竞争th,能源效率的th轮应

它被称为一个数据传播,指的是流程从发送节点竞争信道来赢得竞争和传播数据。事实上,一个数据分布包含一个或多个回合的渠道竞争和一个数据传播。被定义为通道的数量竞争轮数据传播th。即时间竞争时期通道中断和数据传播开始,这被称为停止时间。如果发送节点反复传播数据次,相应的停止时间序列 。传播率序列 。实际的传输时间序列长度 。能源消费总量序列检测 。其中, , ,和代表实际传输速率,传输时间长度,和总能源消耗数据的发送节点竞争信道后传播次分别th轮。基于(5)和(6),发送节点的平均能量效率

根据大数定律,(7)转化为以下:

在这里,和 ,分别代表竞争的数学期望和轮数据传播之前,这也是渠道竞争的停止时间。与数据受制于最大的传播延迟 ,的最大停止时间由信道争用 。停止时间信道争用的定义是 。所以最大的问题本文的平均能量效率

根据(11)和(12),最优平均能量效率(平均价值的最大单位能源传输的数据量)

此外,公式(13)是由一个转换方程转换为以下:

公式(14)是一个平均能效最大化问题有关预期回报的最大化关于 ,奖励的作用是

因此,平均能效最大化问题(12)转化为一个最优停止问题。

的目的(16)是获得最佳的制动时间 通道的竞争,以获得最优平均能量效率 。所以,我们有

的平均能效最大化问题公式(17)是一个有限的最优停止问题,遵循一个最优停止规则(见文献[4])。本文解决了逆最优停止问题的归纳。和发送节点获得一个最优的传输速度阈值时停止争夺渠道和传播数据在每一个时期 。

4.3。优化能源效率的最优停止规则

发送节点在每个时期参加渠道竞争 ,观察通道质量获得信道后,然后确定当前时刻是最佳的能源效率传播数据。和决定依赖于未来的期望值信道质量。停止发送节点的奖励和传播数据信道竞争 当它成功竞争信道的时间 。如果它放弃传播数据,发送节点将会得到奖励。

在这里, 和传输速度序列值的代表 。根据最优停止规则(5,12),如果实际的奖励数据传播等于或大于预期的回报 后发送传感器实现信道竞争成功 ,数据将被传播。相反,发送节点放弃使用通道和继续参加下一轮的竞争。因此,条件是发送节点传播数据获取通道后的时间满足

命题1。当 和近似满足停止规则 ,规则是最优的,

证明。根据(15),有

代表了预期竞争发送传感器的能源消耗 。它的值是

数据以来的最大延迟 ,发送节点不需要考虑成功竞争到信道后的传输速度 ,即。,the transmission rate threshold of是0。然后是 在哪里定义在(7)。传输速率的累积传播函数,然后呢代表了最大传输速率。因此,数据的传输速率传输节点成功后传播渠道的竞争满足

根据(7),我们可以看到 。

因此,发送节点的传输速度阈值停止渠道竞争和传播数据开始是

所以有

定义在(7)。根据(19),发送节点的传输速度阈值停止信道竞争,开始传播数据是

同样,传输速度阈值获得1是 。

总之,传输速度阈值传输传感器的时间 被定义为(20.)。当满足传输速率 ,(19)是单调的。因此,近视的命题1的最优停止规则。

4.4。优化能源效率基于最优停止Theory-OEDDBOS数据传播策略

根据分段近视最优停止规则4所示。3最优停止问题,最优停止规则(16)是

在这里,是发送传感器的最优传输速度阈值 ,这是定义在(20.)。接下来,我们解决最优平均能量效率根据(13)。

鉴于累积传播功能的随机变量的频道,随机变量的累积传播功能通道的传输速率是派生的 。发送节点的概率成功竞争到通道 在时间 。因此,发送节点传播数据的概率时间1 ,而数据不能传播的概率 。如果发送节点在时间1不传播数据,然后继续参与渠道竞争时间2,等等。发送节点传播数据的概率是

传输速度的预期价值和预期的时间长度发送节点的数据传播是

传输数据的期望值,预期的能源消耗,预计检测发送节点的能源消费总量从1是 在哪里定义在(7)。最后,最优平均能量效率得到解决(13)。解决方案的过程可以详细描述如下。

步骤1。初始化平均能量效率 。

步骤2。计算传输速度阈值用公式(20.),让 。

步骤3。如果 ,然后运行步骤4;否则,运行步骤5。

步骤4。计算用公式(20.),让 ,然后返回到步骤3。

步骤5。计算传输数据的期望值 ,预期的能源消耗 ,和预期的检测发送节点的能源消费总量( ) 根据公式(33),(34)和(35)。计算用公式(13)。如果 (一个给定的错误) ,返回到步骤2;否则, 。

步骤6。结束。

因此,OEDDBOS如图的流程图3。

上面的算法使用牛顿迭代法来计算最优平均能量效率根据给定的初始值 。这种迭代方法收敛到最优值平方,结果三次迭代后趋于稳定。根据最优平均能量效率 ,一个最优的传输速度阈值数据传播成功后发送传感器获得的渠道竞争在最优停止规则(30.)。

最优率阈值是传播的阈值数据后发送传感器获得一个通道使用机会 。也是速度阈值的平均值的数据传播单位能耗是最大的。该阈值控制有效地发送节点传播数据的时间。发送节点在每一轮参与渠道的竞争 。最优停止规则策略是验证是否当前传输速度达到最优传输速度阈值在赢得渠道竞争。发送节点传播数据如果当前的传输速率值大于或等于最优阈值。否则,放弃使用通道和通道下一轮的竞争仍在继续。连续发送节点执行渠道竞争和数据根据给定最优停止传播策略,提高平均每单位能源消耗的数据量和数据传输速率,从而达到能量优化效果的前提下保证传播的数据吞吐量。

5。实验结果和分析

本节比较了优化能源效率数据传播策略基于最优停止理论与其他数据传播策略提出了相关研究,然后分析和评估平均能量效率和每种策略的平均传输速率。的策略相比,本文包括以下三个。(1)节能优化分布式机会调度策略(EEODOS)。发送节点一旦参与渠道竞争的可能性 每隔一个周期 。竞争是成功的,当只有一个节点竞争信道。然后,节点决定立即传播数据或放弃传播和继续争夺渠道根据当前的传输速度是否大于或等于最优传输速度阈值。发送节点传播数据的持续时间(2)节能数据传播策略基于博弈论(EEDDBG)。发送节点参与渠道竞争一次每隔一段有一个最优的概率 。并成功的只有一个节点竞争信道的竞争。然后,节点传播数据。事实上,传播的持续时间取决于大小的数据包的传输速率和容量分布,在最优概率依赖于数量的节点参与竞争(3)随机竞争数据传播策略(随机)。发送节点参与渠道竞争概率 每隔一个周期 。竞争成功当只有一个节点竞争信道。然后,剩余时间节点传播数据的当前信道占用时间的质量。数据传播的持续时间取决于数据包的传输速率和容量分布。无线信道的衰落是一个小规模的消退。及其衰落模型通常是建模为瑞利分布或Rician分布(20.]。在仿真中,发送节点和接收节点有相同的信道条件累积分布函数。根据渠道获得概率密度函数(15),加上香农公式[(4),传输速率的累积分布函数对最大速率根据瑞利和Rician分布如下: 在哪里是信道增益方差相关的值。是信道带宽。噪声功率谱密度。是主要的峰值信号振幅。和第一种是Marcum吗 - - - - - -函数。每个参数的值在仿真实验显示在表中1。

根据分析部分4,发送节点的传输速度阈值密切相关的值等参数的数据量是传播 ,参与竞争的节点的数量 ,英吉利海峡持有期 ,信道争用期 ,参考功耗 ,等等。图4显示最优平均能量效率之间的关系和瑞利和Rician分布的参数。

首先,当数据分布的数量很小,竞争能源消耗的比例传输节点的传输能耗大,和价值很小。如果该值的太大,发送节点不断减少了传输速率阈值以确保数据传输的延迟,减少的价值 。其次,随着节点数量的增加,传输速度阈值的值减少。然后,随着通道保存期扩展时,可用的通道的传输时间成功收购后增加。和竞争能源消耗的比例周期内的传输能耗减少,而的价值增加。接下来,竞争越小 ,较小的能源消费的竞争和更大的价值 。最后,连续发送节点的功耗是处于打开状态。因此,更大的价值是,小的价值是多少。

5.1。平均能量效率

能源效率的总量的比例是传播的数据发送节点的总能量消耗。和平均能量效率是指每个发送节点的平均能量效率,代表平均传播单位能源消耗的数据量以及数据传播效率的单位能源消耗。平均能量效率越高,数据量更大的传播实现每单位能源消耗和节约更多的能量。图5比较每种策略的平均能量效率时,瑞利和Rician分布有不同的参数。

在图5OEDDBOS-1显示OEDDBOS情况下Rician分布,OEDDBOS-2是瑞利分布。和其他三个策略是相同的。从图5,OEDDBOS达到最大的平均能量效率。其保存效果是最好的。OEDDBOS获得最优发送节点的传输速度阈值利用最优停止理论在每个时期 ,基于分布式数据的数量 ,传感器的数量参与竞争 ,英吉利海峡持有期 ,渠道竞争时期 ,和功耗的价值参考 。这是证明,最高的平均能量效率可以达到这个阈值。基于博弈理论,EEDDBG获得发送节点的最优概率参与竞争。这种策略旨在减少能源消耗的冲突的渠道竞争。然而,它没有考虑信道质量的随机变化和平均能量效率的概率分布有关通道传输速率。随机既没有获得最优的概率参与竞争,也不选择时的传输速率信道质量状况良好。此外,其平均能源效率相对比较低。最优停止理论的基础上,EEODOS获得最优传输速度阈值。然而,最大传输延迟的数据没有考虑阈值,导致一些数据被丢弃,因为超过了期限,从而缺乏剧增的数据有更高的传输速率阈值。EEODOS还不考虑信道质量保持时间的长度。发送节点参与渠道竞争的数据传输完成后如果传输速度没有达到阈值。 And its competitive energy consumption greatly increased. Meanwhile, the time length of the data transmission is given, which will result in the data transmission rate changing during the dissemination process, affecting the average energy efficiency.

5.2。平均传输速率

传输速率的数据量的比例是被发送成功传播传播节点的数据量。因为数据的最大延迟的要求,超过延迟的数据将被丢弃。的平均传输速度是平均每个传输节点的传输速度。它代表的比例的数据延迟要求在网络中的传播。平均传输速率也成功的数据传播的概率。平均传输速率越大,越少的数据丢弃由于超时。图6显示的意思比较平均每个策略随着瑞利和遗传性Rician分布有不同的参数。

图的描述6具有相同的含义如图5。均值是指平均价值的平均传输速率当参数值在一定范围内。值范围为每个参数都是一样的,如图5。从图6,OEDDBOS更高的平均传输速率。OEDDBOS选择信道质量的时候(也就是有好处。,the transmission rate is high) to transmit data according to the amount of data to be disseminated和减少被丢弃的数据量,由于延迟。只要发送节点的数据量是传播,将参与渠道竞争和传播后获得的数据通道,从而增加了传输速率。在随机的,发送节点参与渠道竞争的时期 。发送节点获得的渠道占据了剩余的时间 ,无论数据传播的数量。这将导致一些数据被丢弃之前传输机会由于超出了延迟。平均传输速率时发送节点的数量变化是最小的。因为当增加,每个传输节点的传输机会减少,因此,传输速率降低。平均传输中值较小的数据量是可变的。作为不断增加,每个发送的数据量,可以传播的传感器是有限的。和一些数据丢弃由于过度延迟,导致降低传输速率。通道持有期的变化 ,竞争时期 ,功耗和参考不影响均值的平均传输速率,但主要影响平均能量效率。平均传输速率很小,当数据传播的变化。因为不断下降,数据传播的数量继续增加,和被丢弃的数据量超出了延迟增加,因此,传输速率降低。

6。结论

在sensor-cloud系统中,多个传感器/水槽通常使用相同的信道同时传输数据在传输干扰范围内,将传输碰撞,导致数据传输失败。针对数据传播sensor-cloud系统降低能耗,本文主要关注的是能源消耗与时变信道质量优化问题当多个传感器使用相同的信道传播数据。传感器发送的数据有一定概率争夺渠道。传感器决定是否分配数据在信道质量节能成功后通道。我们构建的平均能效最大化问题与延迟需求分发数据。然后,这个最大化问题转移到一个最优停止问题生成最优停止规则。最后,阈值的最优传输速度在每一个时期都解决了利用最优停止理论,和数据分布的最优能源效率。仿真结果表明,本文提出的策略可以在一定程度上提高平均能量效率和交付率和加强能源优化效果和网络性能与其他策略相比。

数据可用性

图的数据用于支持本研究的结果包括在本文中。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究是由中国国家自然科学基金批准号。61562006和61562006下,部分下的广西自然科学基金批准号。2013 gxnsfga019006和2016 gxnsfba380181。

引用

1. A . Alamri w·s·安萨里,m·m·哈桑·m·s·侯赛因A . Alelaiwi和m·A·侯赛因”调查sensor-cloud:架构、应用程序和方法,“国际期刊的分布式传感器网络,9卷,不。2、2013。视图:出版商的网站|谷歌学术搜索
2. z Jiandian, t . Wang j . Weijia p . Shaoliang和g . Wang Sensor-Cloud调查,“计算机研究与发展》杂志上,54卷,不。5,925 - 939年,2017页。视图:谷歌学术搜索
3. m·g . t . Wang, A . Liu z . A .下榻的饭店和金,“一个安全的物联网服务架构与一个有效的基于云计算和边缘计算动力学平衡,”IEEE物联网》第六卷,没有。3、4831 - 4843年,2019页。视图:出版商的网站|谷歌学术搜索
4. m . j . t . Wang, a . Liu z . a .下榻的g . Wang和w·贾”光纤陀螺仪的计算和存储卸载在物联网数据同步”IEEE物联网》第六卷,没有。3、4272 - 4282年,2019页。视图:出版商的网站|谷歌学术搜索
5. 方l . t . Wang, w . et al .,“一个全面的可信赖的数据收集方法在sensor-cloud系统中,“IEEE大数据,p . 2019。视图:出版商的网站|谷歌学术搜索
6. m . Yuriyama和t . Kushida Sensor-cloud基础设施——物理与虚拟传感器传感器管理云计算”2010年第13次国际会议上基于网络的信息系统2010年,页1 - 8、高山、日本。视图:出版商的网站|谷歌学术搜索
7. a . Garcia-Saavedra和a . Banchs p Serrano”节能优化分布式机会调度。”IEEE通信信,18卷,不。6,1083 - 1086年,2014页。视图:出版商的网站|谷歌学术搜索
8. h·陈和j·s·巴拉,“分布式机会调度与分配模型,无线自组网”IEEE在选定地区通讯》杂志上没有,卷。31日。11日,第2337 - 2324页,2013年。视图:出版商的网站|谷歌学术搜索
9. a . Antonopoulos和c . Verikoukis“多人游戏理论MAC节能数据传播策略,”IEEE无线通信,13卷,不。2、592 - 603年,2014页。视图:出版商的网站|谷歌学术搜索
10. y . Chow, h·罗宾斯,d . Siegmund远大前程》:最优停止理论1971年,霍顿•米夫林公司,波士顿,MA。
11. t·弗格森最优停止和应用程序、数学。部门,加州大学洛杉矶分校,CA,美国,2006年,汤姆/停止/ Contents.html https://www.math.ucla.edu/。
12. p . Boonma和j·铃木”可互操作的发布/订阅通信无线传感器网络和接入网络之间”2009年第六届IEEE消费者通讯和网络会议,页1 - 6、拉斯维加斯、NV,美国,2009年。视图:出版商的网站|谷歌学术搜索
13. y徐、s·希拉勒、m .泰国和m . Scmalz”优化推/拉信封节能cloud-sensor系统”学报》第14届ACM国际会议上建模、分析和模拟无线和移动系统——MSWiM‘11,页17-26,纽约,纽约,美国,2011年。视图:出版商的网站|谷歌学术搜索
14. j·d·h·Phan铃木s Omura和k . Oba”向sensor-cloud集成作为服务:云集成传感器网络,优化三层通信”《第八届国际会议上的身体区域网络,页355 - 362年,布鲁塞尔,比利时,2013年。视图:出版商的网站|谷歌学术搜索
15. l·b·萨阿德,b . Tourancheau一生sensor-cloud系统的优化,”2015年第七届国际会议上新技术、流动性和安全性(特种加工)2015年,页1 - 5,巴黎,。视图:出版商的网站|谷歌学术搜索
16. c . Pin-Yu S.-M。陈,c . Kwang-Cheng”最优控制在网络流行的信息传播,”IEEE控制论,44卷,不。12日,第2328 - 2316页,2014年。视图:出版商的网站|谷歌学术搜索
17. d .郑、w .通用电气和j .张“分布式机会调度与随机访问ad hoc网络:一个最优停止的方法,”IEEE信息理论,55卷,不。1,第222 - 205页,2009。视图:出版商的网站|谷歌学术搜索
18. 彭y . g . Wang,赵问:“最佳能效数据传播策略基于移动网络,最优停止理论”计算数据和社交网络陈,x, a . Sen, w·李,和m .泰国,Eds。卷,11280在计算机科学的课堂讲稿施普林格。视图:出版商的网站|谷歌学术搜索
19. y彭、g . Wang和n .王”节能传输策略对移动网络,运用最优停止的方法”移动信息系统卷,2016篇文章ID 8981251, 16页,2016年。视图:出版商的网站|谷歌学术搜索
20. 麻省理工学院Poulakis,公元和p . Constantinou”Channel-aware机会传输调度节能无线网络连接”,IEEE车辆技术,卷62,不。1,第204 - 192页,2013。视图:出版商的网站|谷歌学术搜索

版权

版权©2020 Qifei赵等。这是一个开放的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。