CN102307147A - 含有睡眠机制的非精确信息网络中节点等待时间预约机制 - Google Patents

Abstract

本发明公开了一种含有睡眠机制的非精确信息网络中节点等待时间预约机制。根据数据包到达路径下游节点的时间和此前路过该节点数据包时间间隔的上、下限，分段计算路径下游一定范围内节点的最佳等待时间，并对其进行预约。在计算中充分考虑非精确网络状态信息的统计学特性，使用随机状态参数置信区间对其数值在概率意义上的上下限进行估计，有效提高了计算精度。该方法在保证数据延迟符合约束的同时，通过优化网络节点总睡眠时间和节点状态转换的次数，在节约网络能量方面表现出优异且稳定的性能。

Description

含有睡眠机制的非精确信息网络中节点等待时间预约机制

技术领域

在含有睡眠机制的非精确信息网络中，根据状态信息参数的统计学特性，计算路径上每个节点下一次睡眠之前最佳等待时间并对其进行预约的方法，属于互联网节能技术领域，尤其涉及在延迟约束下降低非完全信息网络能量消耗的绿色网络领域。

背景技术

近年来，网络规模和能力的扩展导致网络中设备的能量消耗不断增大(参考文献：Towards Green Broadband Access Networks，P.Chowdhury，M.Tornatore，S.Sarkar，and B.Mukherjee，GLOBECOM，2009IEEE，pp.1-6，2009.)。为了应对这种趋势，“绿色网络”(参考文献：Greening of the Internet，M.Gupta and S.Singh，in Proc.ACM SlGCOMM，Vancouver，BC，Canada，Aug.2003.)的观念逐渐被应用于新一代网络的研究与规划中以降低其能量消耗。其中，使用最为广泛的策略是：允许网络中的部分节点在自身处于低数据流量状态时关闭数据收发设备，进入睡眠状态。此时，网络中需要路过该节点的数据被其上游节点的队列缓存，直到正处于睡眠的节点被重新唤醒之后，才被送回链路中继续传输。因此，上述节点睡眠机制在节约能量的同时，所需要付出的代价是以引入节点睡眠延迟的方式增加数据的端到端总延迟。

为了将延迟和能量消耗同时控制在可接受的范围，现有的文献广泛使用以下几种方法：例如在路径选择时，将节点的睡眠延迟作为路径代价的一部分，避开可能引入较大睡眠延迟的节点，数据仍然可以在满足延迟的约束下正常传输(参考文献：An average velocity-based routing protocol with lowend-to-end delay for wireless sensor networks，S.C.Choi，S.L.Gong，andJ.W.Lee，Communications Letters，IEEE，vol.13，pp.621-623，2009)。一旦一条路径被选出来加以使用，延迟控制策略可以通过预测数据到达路径上每个中间节点的时间，合理的安排每个中间节点的睡眠和唤醒时间，最大化这些节点的总睡眠时间(参考文献：Medium access control with coordinatedadaptive sleeping for wireless sensor networks，W.Ye，J.Heidemann，andD.Estrin，IEEE/ACM Trans.Networking，vol.12，pp.493-506，Jun.2004，与Green Wave：Latency and Capacity-Efficient Sleep Scheduling forWireless Networks，S.Guha，C.-K.Chau，and P.Basu，INFOCOM，2010Proceedings IEEE，pp.1-9，2010)。但这样做又会引入另一个问题，虽然进入睡眠状态可以节省能量，但节点频繁的在睡眠与活跃状态之间转换也会消耗可观的时间与能量(参考文献：Routing and Scheduling for Energy and DelayMinimization in the Powerdown Model，M.Andrews，A.Fernandez Anta，L.Zhang，and W.Zhao，INFOCOM，2010 Proceedings IEEE，pp.1-5，2010.)，因此有文献提出，节点周期性的将发往同一个目的节点的数据聚集起来，再以突发的方式统一进行传输，以减少节点的状态变换次数(参考文献：A fault-tolerant protocol for energy-efficient permutation routing in wirelessnetworks，A.Datta，IEEE Tran.Comput.，vol.54，pp.1409-1421，Nov.2009)。上述这些通过对网络状态信息的分析和计算，优化节点睡眠方法中普遍存在一个问题，其都假定节点获得的网络状态信息是精确的，并且在数据在相应路径上传输的过程中不发生变化(参考文献：QoS routing in networks withuncertain parameters，D.H.Lorenz and A.Orda，IEEE/ACM Transactionson Networking，vol.6，pp.768-778，1998)。事实上，基于网络状态信息的传播延迟、数据传输中路径中间节点和链路状态的改变，以及状态信息的读取和量化误差等原因，节点无法实时获得精确的的网络状态信息。近期已有文献针对非精确网络状态信息问题，提出了对路径计算方法的改进：在该方法中，将网络状态参数的和，近似为符合正态分布的随机变量的和，并给出其概率意义上的上限，将其应用于路径代价中。从而获得概率意义上最可能满足延迟约束的路径(参考文献：Two additive-constrained path selection in thepresence of inaccurate state information，Y.X.Zheng，T.Korkmaz，andW.H.Dou，Computer Communications，vol.30，pp.2096-2112，Jun.2007)。

据现有报道，尚未有针对非精确网络状态信息，根据随机状态变量的统计学特性，优化已经获得的路径上的节点与睡眠效果方法。所以本发明的目的在于，在Y.X.Zheng等人提出的网络状态信息的概率意义上限的框架下，提供一种灵活、高效的方法，优化路径上从睡眠状态被唤醒的节点在进入下一次睡眠之前的等待时间，从而在保证数据端到端延迟符合约束的前提下，通过增加节点总睡眠时间，和减少节点在睡眠、清醒状态之间的转换次数，达到节约网络能量的目的。

为了进一步解释上述内容，下面给出几个重要的定义：

1、绿色网络中节点的睡眠机制及其造成的睡眠延迟：

给定由N个节点和E条链路构成的网络G(N，E)。网络中任意节点u拥有活跃与睡眠两种状态，当节点处于活跃状态时，路过该节点的数据被无延迟的转发往下游链路端口；当节点处于睡眠状态时，数据被缓存在其上游节点的队列中，直到该节点被唤醒才能继续传输，因此该节点会对路径上传输的数据造成睡眠延迟。对于实际网络，当数据开始在一条路径上传输，在到达这条路经上某个正在睡眠的节点之前，实际上已经经历了此前的上游路径造成的延迟，所以这个睡眠节点实际导致的睡眠延迟del_{sleep_dyma}[u]为该节点预计的唤醒时间减去当前时间(即该节点自身的睡眠延迟del_sleep[u])，再扣除掉此前源节点S到该睡眠节点u的路径延迟时间del(P_S-u)以后的数值。当该节点自身的睡眠延迟del_sleep[u]小于此前链路的延迟del(P_S-u)时，该数值为0。显然，上述睡眠延迟是一个动态数值，当同一个睡眠节点处在不同路径、或同一条路径的不同位置时，其造成的睡眠延迟的数值是不同的。

${\mathrm{del}}_{\mathrm{sleep}\_\mathrm{dyna}}\left(u\right)=\left\{\begin{array}{cc}{\mathrm{del}}_{\mathrm{sleep}}\left(u\right)-\mathrm{del}\left(P_{S-u}\right)& {\mathrm{del}}_{\mathrm{sleep}}\left(u\right)\≥\mathrm{del}\left(P_{S-u}\right)\\ 0& \mathrm{otherwise}\end{array}\right.---\left(1\right)$

$\mathrm{wheredel}\left(P_{S-u}\right)=\underset{\mathrm{link}(a-b)\∈P_{S-u}}{\mathrm{\Σ}}{\mathrm{del}}_{\mathrm{basic}}(a-b)+\underset{\mathrm{node}\left(m\right)\∈P_{S-u},m\≠u}{\mathrm{\Σ}}{\mathrm{del}}_{\mathrm{sleep}\_\mathrm{dyna}}\left(m\right)$

2、节点最短的有效睡眠时间

考虑到节点频繁的在睡眠与活跃状态之间转换也会消耗可观的时间与能量(参考文献：Routing and Scheduling for Energy and Delay Minimization inthe Powerdown Model，M.Andrews，A.Fernandez Anta，L.Zhang，and W.Zhao，INFOCOM，2010 Proceedings IEEE，pp.1-5，2010.)，节点的每次睡眠时间存在一个阈值，使得睡眠节约的能量恰好等于该节点完成一次状态转换消耗的能量，这个阈值被成为最短的有效睡眠时间sleep_min。等待时间长于sleep_min没有意义，因为在此期间，节点进行一次有效睡眠节省的能量大于睡眠引起的状态转换的能量代价。

3、节点的等待时间

当处于睡眠状态的节点v被唤醒时，其拥有一段等待时间wait_v，用来传输因为此前的睡眠被阻塞的数据包和在此期间新到来的数据包。

4、含有睡眠机制的网络中的路径延迟和可行路径：

网络中任意连接节点a与b的链路a→b的基本代价包括其自身延迟del_basic(a→b)和自身可靠性rel_basic(a→b)。

在实际的路由计算中，链路的实际延迟被计为其自身延迟与其末端节点造成的睡眠延迟的和。当其末端节点处于活跃状态时，睡眠延迟的数值为0.

del(a→b)＝del_basic(a→b)+del_{sleep_dyma}(b)(2)

一条从源节点S到目的节点D的路径的端到端总延迟，等于其中各段链路延迟的和

$\mathrm{del}\left(P_{S-D}\right)=\underset{a-b\⋐P_{S-D}}{\mathrm{\Σ}}\mathrm{del}(a\→b)=\underset{a-b\⋐P_{S-D}}{\mathrm{\Σ}}[{\mathrm{del}}_{\mathrm{basic}}(a\→b)+{\mathrm{del}}_{\mathrm{sleep}\_\mathrm{dyma}}\left(b\right)]---\left(3\right)$

当路径端到端数据传输延迟小于等于约束del_{dead_line}(P_S-D)时，则称该路径为一条可行路径。

del(P_S-D)≤del_{dead_line}(P_S-D)(4)

5、网络中的非精确状态信息及其概率意义上的上限：

网络中节点通过获取其他节点和链路的状态(例如延迟等)，进行路经计算和唤醒处于睡眠状态的节点等操作。但是由于读取、量化误差，以及在数据传输的过程中，路径上的节点和链路的状态随时间发生变化等原因，其所获得的数值与真实的数值存在误差，从而造成了网络状态信息的非精确性。

为了应对上述网络状态信息的非精确性问题，在端到端延迟约束的网络中，对于随机性近似符合正态分布的加性随机变量(例如延迟等)，通过收集一定时间之内该变量的一组数值作为样本，使用其置信区间上限的数值，作为该参数概率意义上的上限。近似符合正态分布的加性随机变量之和的概率上限，为其各自概率上限的和。

6、随机变量样本的置信区间：

假设获得n个相互独立的随机变量，x₁，……，x_n的均值为

，样本标准差为s，则其置信度为α的置信区间可以表示为：

$[{\stackrel{\‾}{x}-t}_{1-\frac{\mathrm{\α}}{2}}(n-1)\frac{s}{\sqrt{n}},{\stackrel{\‾}{x}+t}_{1-\frac{\mathrm{\α}}{2}}(n-1)\frac{s}{\sqrt{n}}]$

其中 $\stackrel{\‾}{x}=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i$ $s=\sqrt{\frac{1}{n-1}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(x_i-\stackrel{\‾}{x})}^2}---\left(5\right)$

7、路径的跳数：

路径路过节点(包括位于其末端的节点)的总数称为该路径的跳数。

发明内容

本发明公开了一种在含有非精确状态信息的绿色网络中，根据网络状态信息的统计学特性，制定路径上节点相邻的两次睡眠之间的最佳等待时间，并进行预约的方法。其包含以下步骤与内容：

1、网络中的节点根据状态信息广播获知网络的基本状态参数：包括网络中任意连接节点a与b的链路a→b的延迟del_basic(a→b)，网络中每个正处于睡眠状态节点v预计的唤醒时间time_{awake_v}，以及此前长度为一次最短有效睡眠sleep_min的一段时间内，路过节点u的各个数据之间的时间间隔。当处于睡眠状态的节点v被唤醒时，其拥有一段等待时间wait_v，用来传输因为此前的睡眠被阻塞的数据包和在此期间新到来的数据包。

2、准备发送本地数据包的源节点，以及刚从睡眠状态被唤醒，队列中有等待继续传输的数据包的节点u，使用公式6计算该数据包到达路径上下游每个节点v的时间下限del_min(P_u-v)和时间上限del_max(P_u-v)。其中，时间下限del_min(P_u-v)与时间上限del_max(P_u-v)分别为，路径P_u-v上节点u下游链路的延迟下限∑del_min(a-b)与下游睡眠节点的睡眠延迟下限∑del_{sleep_min}(w)的和，以及路径P_u-v上节点u下游链路的延迟上限∑del_max(a-b)与下游睡眠节点的睡眠延迟上限∑del_{seleep_max}(w)的和。路径上节点u下游链路的延迟下限和上限，根据非精确链路延迟信息的统计学特性，分别为此前长度等于一次最短有效睡眠的一段时间内，该链路的延迟状态的样本均值和标准差的置信区间的下限和上限，其中

与s_del(a-b)分别代表此前长度为一次最短有效睡眠sleep_min的时间内收集的，节点u的下游链路a→b的延迟样本的均值和标准差。α为置信区间的置信度，本文中取值为0.99。假设一个数据包传输过程中，其路径上的节点最多睡眠一次，故路径上下游节点睡眠延迟的下限为0(即在该数据包到达前被其他数据传输请求唤醒)；其上限可以用其预计的唤醒时间time_{awake_v}减去当前时间time_curr，再减去该数据包从节点u到下游节点v延迟的上限del_max(P_u-v)的方法获得(即按照当前预计的唤醒时间被唤醒)。

${\mathrm{del}}_{\min }\left(P_{u-v}\right)=\underset{\mathrm{link}(a-b)\∈P_{u-v}}{\mathrm{\Σ}}{\mathrm{del}}_{\min }(a-b)+\underset{\mathrm{node}\left(w\right)\∈P_{u-v},w\≠v}{\mathrm{\Σ}}{\mathrm{del}}_{\mathrm{sleep}\_\min }\left(w\right)$

${\mathrm{del}}_{\max }\left(P_{u-v}\right)=\underset{\mathrm{link}(a-b)\∈P_{u-v}}{\mathrm{\Σ}}{\mathrm{del}}_{\max }(a-b)+\underset{\mathrm{node}\left(w\right)\∈P_{u-v},w\≠v}{\mathrm{\Σ}}{\mathrm{del}}_{\mathrm{sleep}\_\max }\left(w\right)$

where ${\mathrm{del}}_{\min }(a-b)=\stackrel{\‾}{\mathrm{del}}(a-b)-t_{1-\frac{\mathrm{\α}}{2}}(n-1)\frac{s_{\mathrm{del}(a-b)}}{\sqrt{n}}---\left[6\right]$

${\mathrm{del}}_{\max }(a-b)=\stackrel{\‾}{\mathrm{del}}(a-b)+t_{1-\frac{\mathrm{\α}}{2}}(n-1)\frac{s_{\mathrm{del}(a-b)}}{\sqrt{n}}$

del_{sleep_min}(w)＝0

del_{sleep_max}(w)＝time_{awake_w}-time_curr-del_max(P_u-w)

对于计算出的时间下限与当前时间time_curr之差小于最短的有效睡眠时间sleep_min的不处于睡眠状态的节点，发出预约请求。将该数据包的的紧急程度及其到达的时间上限del_max(P_u-v)一起通知该下游节点v。数据包的紧急程度为该数据包从源节点S到节点u已经消耗的时间del(P_S-u)除以端到端传输延迟的约束del_{dead_line}(P_S-D)得到的数值(显然，对于端到端延迟符合约束的可行路径，数据包在其中任何位置计算的紧急程度数值都不大于1，即del(P_S-u)/del_{dead_line}(P_S-D)≤1)。

3、若下游节点v收到了一个路径上游数据包的预约请求，根据公式7，计算根据该预约请求的最佳等待时间wait_{v_new}(P_u-v)。其中time_min(v)与time_max(v)表示根据非精确链路延迟信息的统计学特性，路过节点v的数据之间的时间间隔的下限和上限，其数值由此前长度为一次最短有效睡眠sleep_min的时间内收集的，路过节点v数据时间间隔的样本均值和标准差所计算的置信区间的上、下限得到。α为置信区间的置信度，本文中取值为0.99。若数据包的到达时间上限del_max(P_u-v)小于路过节点v的数据之间的时间间隔下限time_min(v)，等待时间等于time_min(v)，使节点每次被唤醒后能传输足够多的数据，避免其睡眠被频繁的唤醒所打断。若del_max(P_u-v)在time_min(v)与time_min(v)之间，等待时间等于del_max(P_u-v)。若del_max(P_u-v)长于time_max(v)，其超出的部分被乘以数据包的紧急程度del(P_S-u)/del_{dead_line}(P_S-D)，在节点每次被唤醒时传输更多数据包和挤占该节点睡眠时间之间取得平衡。节点的等待时间最长不能超过最短的有效睡眠时间sleep_min，否则将会在数据包到来之前错过一次可以通过睡眠节约能量的机会。

${\mathrm{wait}}_{v\_\mathrm{new}}\left(P_{u-v}\right)=$

$\left\{\begin{array}{cc}\mathrm{Max}[{\mathrm{del}}_{\max }\left(P_{\mathrm{curr}-v}\right),{\mathrm{time}}_{\min }\left(v\right)]& {\mathrm{del}}_{\max }\left(P_{\mathrm{curr}-v}\right)\&le;{\mathrm{time}}_{\max }\left(v\right)\\ {\mathrm{time}}_{\max }\left(v\right)+[{\mathrm{del}}_{\max }\left(P_{\mathrm{curr}-v}\right)-{\mathrm{time}}_{\max }\left(v\right)]\&CenterDot;\frac{\mathrm{del}\left(P_{S-u}\right)}{{\mathrm{del}}_{\mathrm{dead}\_\mathrm{line}}\left(P_{S-D}\right)}& \\ & {\mathrm{time}}_{\max }\left(v\right)<{\mathrm{del}}_{\max }\left(P_{\mathrm{curr}-v}\right)\&le;{\mathrm{sleep}}_{\min }\\ {\mathrm{sleep}}_{\min }& {\mathrm{del}}_{\max }\left(P_{\mathrm{curr}-v}\right)>{\mathrm{sleep}}_{\min }\end{array}\right.---\left[7\right]$

where ${\mathrm{del}}_{\max }\left(P_{S-v}\right)=\underset{\mathrm{link}(a-b)\&Element;P_{S-v}}{\mathrm{\&Sigma;}}{\mathrm{del}}_{\max }(a-b)+\underset{\mathrm{node}\left(m\right)\&Element;P_{S-u},m\&NotEqual;u}{\mathrm{\&Sigma;}}{\mathrm{del}}_{\mathrm{sleep}}\left(v\right)$

${\mathrm{del}}_{\min }\left(P_{S-v}\right)=\underset{\mathrm{link}(a-b)\&Element;P_{S-v}}{\mathrm{\&Sigma;}}{\mathrm{del}}_{\min }(a-b)$

若没有上游数据包的预约请求，节点的等待时间被自身设置为time_min(v)。若节点v根据不同的上游数据包预约请求，计算出了多个最佳等待时间。选取其中最长的一个，作为节点v预计的等待时间。

本发明具有以下优点：

(1)本发明所涉及的方法，在计算可行的候选路径时，以简单、可行的方式，将链路和睡眠节点对数据造成的延迟合并入总路径延迟中，从而可以方便的预测数据包到达下有节点的时间。在对睡眠节点对数据造成的睡眠延迟进行的计算的过程中，充分考虑了此前数据在路径中已经经历的延迟的影响，更精确的得到了路径端到端总延迟的预测数值。

(2)本发明所涉及的方法，充分考虑非精确网络状态信息的统计学特性，使用随机状态参数置信区间对其数值在概率意义上的置信区间，获得数据包到达路径下游节点的时间和此前路过该节点数据包时间间隔的上、下限，并以此为基础计算路径下游一定范围内节点的最佳等待时间，简单、有效提高了计算精度。虽然本方法在设计中，重点考虑了含有睡眠机制的绿色网络，但是在其他非精确信息网络中，这种使用置信区间确定随机状态参数上、下限的方法也同样可以提高路由或对节点行为控制的精确性。

(3)本发明所涉及的方法，由于只在路径的源节点和阻塞数据包的睡眠节点等少数位置发起下游节点等待时间的预约，并且每次预约只影响一定范围内下游节点的运作，故并未显著增加数据路由的总运算复杂度，其运算量与传统的路由方法相似，并且可以通过简单的改变预约范围，随着路由器CPU的负载和实际的网络情况的变化实时的进行调整，在CPU能力允许的条件下，取得尽可能高的预约精确性。虽然本方法在设计中，重点考虑了含有睡眠机制的绿色网络，但是在其他非精确信息的动态网络中，这种兼具不含预约的分布式控制和只在源节点一次性预约的集中式控制优点的、含有自适应分段式预约的控制方式也同样可以在精确性与实时性之间取得平衡。所以此方法具有广泛的适用性，尤其适合嵌套在具有端到端延迟约束的绿色网络中其他复杂的路由方法中。

附图说明

图1：本发明提出方法的流程图。

图2：本发明提出的方法在仿真中使用的网络拓扑图。

图3：仿真结果图。其中：

(a)，(b)，(c)分别表示网络中数据端到端延迟的峰值，平均每个节点在的总睡眠时间占仿真时间的比例，以及平均每个节点的状态转换次数。

具体实施方式

为了更好的验证本发明提出的方法的性能，将其分别应用在规则拓扑结构的24节点NSF网络中进行了仿真。网络中的每一条链路拥有随机变化且无相关性的延迟代价(数值在[0，4]区间内)。数据包的端到端延迟的约束被设定为20。

方法的性能使用对平均每个节点300次随机生成的目的节点的路由请求的执行的平均效果来进行评估。用作性能评估的参数包括：网络中数据端到端延迟的峰值，平均每个节点在的总睡眠时间占仿真时间的比例，以及平均每个节点的状态转换次数。用于对比的方法包括：(a)不含延迟控制和预约机制，采用固定式等待时间的分布式节点控制方法；(b)利用节点的睡眠时间进行延迟控制，在一次性集中式预约中不考虑网络状态信息非精确性，只采用最低等待时间的节点控制方法；(c)本文方法，即利用节点的睡眠时间进行延迟控制，在含有延迟控制的分段式预约中，根据随机状态参数的统计学特性，利用置信区间的上、下限计算最佳等待时间的节点控制方法。

图3中，在网络处于中、低数据流量时，数据包的端到端延迟主要由节点的睡眠延迟组成，所以随着表示网络中表示数据流量大小的负载比例因数的降低，所有方法的延迟峰值都有所上升。只有含有延迟控制的方法能将端到端延迟精确控制在约束范围内，不含延迟控制的分布式方法造成的延迟，在网络处于中等流量时就开始超出约束，并且表现出不收敛的趋势。在节点平均的总睡眠时间方面，虽然不含延迟控制的分布式方法取得了最长的睡眠时间，但是本文的算法的效果与之非常接近，而不考虑网络状态信息非精确性的方法在网络中含有更多睡眠节点时，在计算节点最佳的等待时间时会产生更多的误差，从而造成已经进入睡眠的节点被频繁唤醒，影响了总睡眠时间。对于节点的平均状态转换次数，由于对随机变量的统计学上、下限进行了精确的预测，本文算法再一次取得了明显优于不考虑网络状态信息非精确性的方法的结果，甚至接近于不含延迟控制方法。节点总睡眠时间和状态转换次数的结果，在网络不同数据流量下相似的趋势，证明了本文方法的稳定性。上述结果表明，只有本文中的节点等待时间预约机制能在保证数据包端到端延迟符合约束的前提下，通过增加网络中节点睡眠时间，并减少节点状态转换次数，达到节约网络能量的目的。

综上所述，本方法达到了预期的目的。

Claims (4)

1.含有睡眠机制的非精确信息网络中节点等待时间预约机制，其特征在于包含以下主要步骤：

网络中的节点根据状态信息广播获知网络的基本状态参数：包括网络中每个正处于睡眠状态节点预计的唤醒时间，以及此前长度等于一次最短有效睡眠的一段时间内，网络中各链路的延迟和路过该节点的各个数据之间的时间间隔；当处于睡眠状态的节点被唤醒时，其在进入下一次睡眠之前拥有一段等待时间，用来传输因为此前的睡眠被阻塞的数据包和在此期间新到来的数据包；

准备发送本地数据包的源节点，或正处于睡眠状态、并发现队列中有等待其被唤醒才能继续传输的数据包的节点u，计算该数据包到达路径上下游每个节点v的时间下限和时间上限；其中，时间下限与时间上限分别为，路径上节点u下游链路的延迟下限与下游睡眠节点的睡眠延迟下限的和，以及路径上节点u下游链路的延迟上限与下游睡眠节点的睡眠延迟上限的和；对于计算出的时间下限与当前时间之差小于最短的有效睡眠时间的处于活跃状态的节点，发出预约请求；将该数据包的紧急程度及其到达的时间上限一起通知该下游节点v；

若下游节点v收到了一个路径上游数据包的预约请求，根据路过节点v的数据之间的时间间隔(以下简称数据间隔)，和预约请求中数据包的紧急程度及其到达的时间上限，计算基于该数据包预约请求的最佳等待时间：若数据包的到达时间上限小于路过节点v的数据间隔下限，等待时间等于该数据间隔下限，使节点每次被唤醒后能传输足够多的数据，避免其睡眠被频繁的唤醒所打断；若数据包的到达时间上限在数据间隔下限与数据间隔上限之间，等待时间等于数据包的到达时间上限；若数据包的到达时间上限长于该数据间隔上限，其超出的部分被乘以数据包的紧急程度，在节点每次被唤醒时传输更多数据包和挤占该节点睡眠时间之间取得平衡；节点的等待时间最长不能超过节点最短的有效睡眠时间，否则将会在数据包到来之前错过一次可以通过睡眠节约能量的机会；若没接到路径上游数据包的预约请求，节点v的等待时间被设置为路过该节点数据之间的时间间隔下限；若节点v收到不同的上游数据包发出的多个预约请求，并计算出了多个最佳等待时间，选取其中最长的一个，作为节点v的等待时间。

2.如权利要求1所述的方法，其中路径上节点u下游链路的延迟下限和上限，根据非精确链路延迟信息的统计学特性，分别为此前长度等于一次最短有效睡眠的一段时间内，该链路的延迟状态的样本均值和标准差的置信区间的下限和上限(本文中置信区间的置信度取值为0.99，以下同上)；本文假设一个数据包传输过程中，其路径上的节点最多睡眠一次，故路径上下游节点睡眠延迟的下限取值为0(即在该数据包到达前被其他数据传输请求唤醒)；其上限可以用其预计的唤醒时间减去当前时间，再减去该数据包从节点u到下游节点v延迟的上限)的方法获得(即按照当前预计的唤醒时间被唤醒)。

3.如权利要求1所述的方法，其中路过节点v的数据间隔的下限和上限，根据非精确链路延迟信息的统计学特性，分别为此前长度等于一次最短有效睡眠的一段时间内，路过该节点数据的时间间隔的样本均值和标准差的置信区间的下限和上限。

4.如权利要求1所述的方法，其中数据包的紧急程度为该数据包从源节点S到节点u已经消耗的时间除以其端到端传输延迟的约束得到的数值(显然，对于端到端延迟符合约束的可行路径，数据包在其中任何位置计算的紧急程度数值都不大于1)。

Images