英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料

IEEE物联网杂志，第6卷，第2期，2019年4月

基于云的物联网网络中断最小化的最优中继方案

巴巴图恩吉·奥莫尼瓦、里亚兹·侯赛因、穆罕默德·阿迪勒、阿蒂夫·沙克尔、学生成员、电气和电子工程师学会、艾哈迈德·卡迈勒·塔希尔、学生成员、电气和电子工程师学会、卡迪尔·哈桑和沙赫扎德·马利克

摘要：在物联网生态系统中，光纤陀螺设备开始在中继数据和服务方面发挥关键作用。这些继电器可以是静态的，也可以是移动的，后者通过精心的继电器移动性设计为性能改进提供了新的自由度。除此之外，电源保护已经成为物联网中的一个普遍问题，设备受到电源限制，需要最佳的电源控制机制。在本文中，我们考虑一种基于多层云的物联网架构，其中移动/静态云节点充当放大和转发中继，将接收到的信息从传感器节点传输到更高层次的静态云设备，该设备提供一些本地化服务。通过联合优化云中继的移动模式和发射功率，有效地最小化了当前场景的中断概率。导出了停机可能性的封闭形式的解析表达式。此外，由于该公式化问题的困难性和非烦恼性，我们应用基于最速下降法的迭代算法来达到期望的目标。仿真表明，与固定位置和固定功率方案(即无优化)相比，优化位置固定功率方案的中断概率提高了62.7%，优化功率固定位置方案提高了79.3%，优化位置优化功率方案提高了94.2%。最后，我们提出了一个最优中继选择策略，从随机分布的中继候选中选择一个合适的中继节点。

关键词：基于云的物联网、非凸优化、最优中继选择策略、中断概率、最速下降法(SDM)。

手稿于2018年7月30日收到；2018年9月10日和2018年10月11日修订；已于2018年10月24日接受。发布日期:2018年10月30日；当前版本日期2019年5月8日。(通讯作者:巴巴通吉·奥莫尼瓦。)B.奥莫尼瓦在尼日利亚阿布贾118国家数学中心计算机科学项目工作。R.侯赛因、阿迪勒、沙克尔、塔希尔、哈桑和马利克供职于巴基斯坦伊斯兰堡COMSATS大学电气工程系(电邮:rhussain @ COMSats . edu . PK；adil34700@gmail.com；atif _ shake El @ comsats . edu . PK；ahmedkamaltahir @ ieee.orgQA deer . Hasan @ comsats . edu . PK；SMA lik @ comsat . edu . PK)。

一.导言

基于博客的物联网是一种分布式架构，它可以提供本地化服务，包括物联网终端设备的存储、处理、数据库操作、集成、安全和管理，充分利用其靠近网络边缘的优势。光纤陀螺设备以支持移动性以及实时处理来自各种物联网终端设备的数据和服务请求而闻名。例如，移动智能手机、智能手表或工业机器人都可能成为一种云设备，为任何网络物理系统(智能交通、智能电网、智能健康、智能建筑等)中的物联网终端设备提供本地控制和应用数据分析。)[1]。最近，工业4.0，也称为工业物联网，是制造业(采矿、纺织、食品、工厂等的计算机化。)[2]，见证了快速的技术进步，云装置(机器人)发挥了重要作用。随着机器类型通信的增加，越来越多的物联网传感器产生的大量实时数据将需要在网络边缘[3]-[5)进行及时响应和处理。因此，基于云的物联网有潜力提高物联网生态系统的整体性能，通过利用其“物”的邻近性和分布式架构来提供网络内的高效连接[6]。

物联网的愿景是互连异构设备[4]，传感器节点通常是环境中感知数据的主要来源，与其他物联网设备(通常是云设备)进行无线通信，以便将数据或控制消息传输到目标目的地。这种通信设置的一个缺点是，这些传感器功率受限，并且由于部署稀疏而常常被隔离。此外，这些传感器节点可能在任何时间点由于距离目标目的地很远或受到阻碍而经历服务质量(QoS)的降低[静态云节点(SFN)]，如图1所示。由于在传感器节点和目标目的地之间没有视线通信链路的可能性，中继可以是确保不间断通信的可行且有价值的替代方案。

在过去的几十年中，中继在无线通信领域有许多其他应用，一些应用在无线传感器网络[7)、车辆延迟容忍网络[8)、无人机通信网络[9)、[10)和中继辅助的D2D通信[11]中，仅举几例。这些工作中的大多数都有一个单一的目标，即通过最小化网络内的通信中断来提高系统性能。中继概念相当新，但在物联网网络中变得越来越突出，以协助长距离通信，[12]，云发挥了主要作用。然而，移动云/边缘节点通常是能量受限的，不像可连接到电源的SFNs。有了这个瓶颈，就有必要实施最佳的功率控制机制，以最大限度地减少通信中断，并以更有效的方式利用设备功率。策略是基于一些定义的目标，例如最小化中断概率，选择最佳中继。

图 1 多层云架构描绘了物联网生态系统中的中继场景

策略是基于一些定义的目标，例如最小化中断概率，选择最佳中继。

A.相关文献

有几项工作是关于使用中继来改善网络内的通信。在[7]中，提出了一种分散的WSN协议，其中“适当的”节点决定充当中继，而不需要任何中央协调器。中继站和目的地的平均信噪比(SNR)的推导是假设源和节点之间的距离以及信道终端之间的链路完全是随机的。然而，这项工作考虑了每个继电器以相同的功率传输并具有固定位置的模型。他们的工作中[8]提出了一个双向中继方案，以最大限度地减少两个相距较远的相邻道路单元之间的未覆盖区域内通信车辆的中断。将内点算法应用于该公式化问题，寻找目标车辆的最优速度。导出的模型没有考虑中继选择中的信道效应。在[9]中提出了一种重复的中继选择技术来提高分组差错率(PER)性能，其中转发的数据被分成多个段，并且基于更新的信道状态信息在传输每个段之前重新选择中继。然而，这种策略以牺牲网络内的公平性为代价来提高PER性能。在[10]中，提出了一种无人机中继网络的联合功率控制和轨迹优化方案。本文采用梯度下降算法有效地最小化了中断概率。然而，这项工作没有考虑在存在多个中继候选的情况下的中继选择策略。

作为一个整体，物联网领域完成了大量的工作，然而，与物联网中继相关的工作仍处于初级阶段。的工作提出了一种基于覆盖的绿色中继辅助D2D通信，在异构蜂窝网络中具有双基站。所提出的资源分配方法使得物联网服务可用，并且最小化了微微中继基站的整体能量消耗。它通过有效地平衡微微中继基站之间的剩余绿色能量来最大化绿色能量的使用，从而节省网上能量。然而，所使用的中继是静态基站，假设宏小区内的设备被完全覆盖，不考虑通信中的超时。在[12]中，从可实现的自由度和逆向分析两个方面对圆形多中继多输入多输出干扰(CMMI)信道的自由度进行了研究。基于线性处理技术，提出了该模型的一般DoF可实现性问题。所提出的CMMI网络模型可以作为构建复杂物联网网络的基本组件。本文通过一些数学推导，在模型设计中考虑了通道参数。然而，该工作仅关注于多输入多输出多中继信道的性能优化。此外，这一想法的实际实施可能需要进一步的工作。

实际上，物联网传感器分散在智能建筑应用的房间和走廊、智能交通的道路和车辆、智能医疗的患者和医疗设施中，并嵌入智能电网应用的仪表和家用电器中。这些物联网传感器节点(ISNs)可以在任何时间点通过云中继向目的节点传输数据或服务请求。未来物联网网络的成功将在很大程度上取决于多层云层的人工老化方式，在这种情况下，可以提供本地化服务。本文的一个主要动机是工业4.0，其中云设备(工业机器人)可用于提供中间服务，以及在智能工业设备之间传递重要信息。此外，用于农业种植园、工业、停车场和军事监控区(情报收集)的监控无人机也可用于在网络中传递信息。这种无人侦察机能够主动改变位置，以提高通信性能。本文旨在强调中继在未来物联网中的重要性。

值得注意的是，由于容易出错的链路，传输的数据包经常会丢失或损坏，这使得中继成为一种可行的选择。部署物联网网络时需要考虑的另一个关键问题是，通过潜在中继节点提供冗余链路，最大限度地减少中断。在具有多个活动中继候选者的网络中，中继节点的最佳选择可以显著提高网络的效率，并随后提高目的地[的目标性能度量。最近，在继电器选择策略的发展方面的研究努力已经加强了[13]。直觉上，继电器选择

图 2 使用静态/移动RFN的物联网通信系统模型

[14]开发了一个框架，用于随机分布空间节点的无线能量收集中继辅助底层认知网络(WEH-RCRNs)。将未使用的频谱重新用于传输数据和获取环境能量作为电源是大规模物联网部署的有效方法。提出了一种WEH无线电通信网络中的中继选择技术，以选择一种有助于传输的合适中继。然而，主要的焦点是能源归属，而不是中继通信。在[的工作主要集中在基于正交频分多址的无线物联网网络中的资源分配，还包括信道分配和功率控制，以满足SINR的要求。资源分配问题被表述为混合整数线性规划问题。此外，基于中继的通信模型被导出并用于中继选择。本文的局限性在于，它选择最接近源的继电器作为最佳继电器，这可能不是在所有情况下都有效。在[16]，一种新的射频能量收集中继策略被提出用于物联网。工作中考虑的网络实体是源、中继和目的地。研究了能量收集对网络生命周期和延迟等指标的影响，以得出最优中继策略。然而，这项工作没有考虑信道变化，而信道变化是物联网不可或缺的特征。

在这种背景下，提出了一种最佳中继方案，最大限度地减少通信中断，并可由系统开发人员轻松部署，以构建一个强大的基于光纤的物联网网络。

综上所述，在第三节中，我们提出了一个基于SDM的迭代算法，该算法适用于不同的中继站，以最小化我们的目标。在第四节中，我们考虑了在通信空间内存在多个中继候选的情况，因此，我们提出了一个最佳中继选择策略来选择合适的链路。第五节介绍了结果和讨论。最后，第六节总结了本文。

B.我们的工作和贡献

我们的工作考虑了在基于云的物联网网络中最小化中断概率的移动性和功率控制约束。本文的主要贡献总结如下。

(1)在我们基于云的物联网中继场景中，我们采用基于最速下降法(SDM)的中断最小化技术来解决公式化的非凸问题，从而显著地最小化从源到目的地的中断概率。

(2)我们提出了一种迭代算法，该算法能有效地最小化三种方案中的目标:a)优化位置优化功率(OLOP)；b)优化定位固定电源(OLFP)；以及c)优化功率固定位置(OPFL)方案，当与固定位置和固定功率(FLFP)方案相比时，所有这些方案产生更好的性能。所用方案的选择取决于中继设计和部署(静态或移动)。

(3)我们提出了一个最优的中继选择策略，该策略基于选择一个合适的链路，该链路以最小的收敛值最小化中断。这一提议的策略将确保公平性，也将有助于确保功率受限的云继电器的寿命。

二.系统模型和问题表述在本节中，我们考虑一种情况，即由于障碍物的存在，信息系统网络打算将感应数据传输到SFN，而两者之间没有视距链路。因此，需要部署一个中继云节点(RFN)来辅助从信息系统网络到SFN的通信。与传统的静态中继方案不同，我们使用具有一定自由度的RFN，即具有改变其位置的能力。RFN充当放大和转发中继，在国际空间站和SFN之间提供无处不在的通信。在本文中，我们将重点放在RFN提供的通信上，而忽略了智能网和SFN之间直接通信的可能性，目的是强调中继在未来物联网中的巨大优势。

如图2所示，我们考虑一个笛卡儿平面，其坐标分别为ISN和SFN(0，0)和(1，0)。我们假设传输阶段为K个时隙。RFN在时隙t的坐标给出为(x(t)，y(t))，0le;tle;k。RFN的初始和最终位置可以分别给出为(x0，y0)和(xf，yf)。利用坐标，我们可以把国际空间站和RFN之间的距离表示为

(1)

此外，SFN和RFN之间的距离如下

C.纸张组织

本文的其余部分组织如下。在第二节中，基于光纤陀螺的物联网通信系统模型是 (2)

在传输期间，RFN可以动态地调整其位置，以提高服务质量。我们假设两个连续的ISN在t个时隙中向RFN传输数据的时隙，然后RFN将在(t 1)个时隙中放大并转发接收到的数据。在两个时隙中，我们假设在通信节点之间有完美的同步，如在[17]。现在，ISN和RFN之间的间隔是t时隙中的Dt I和(t 1)时隙中的Dt I。此外，SFN和RFN之间的间隔是t时隙中的Dt S和(t 1)时隙中的Dt S。我们还假设中继在两个连续时隙中的位置变化为delta;

类似地，在时隙t和(t 1)中，我们将ISN和RFN的发射功率分别表示为铂1和铂2以及铂1和铂2。接下来，为了推导出断电概率，我们将RFN的接收功率表示为[10]。 (3)

我们还将(t 1)时隙内SFN从RFN接收的功率表示为

(4)

其中beta;t1和beta;t S分别是ISN到RFN和RFN到SFN的信道系数，建模为N (0，1)，alpha;是路径损耗指数。我们进一步将RFN的接收信号表示为噪声分量的函数，其被建模为N (0，N0) [13]

(5)

其中xi;t1是来自ISN的单位能量信号，RFN接收到的噪声分量表示为Nt 0R。RFN放大接收信号，

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[608404]，资料为PDF文档或Word文档，PDF文档可免费转换为Word