CN109194424A - 一种eh-hcrsn中基于时延最小化的信道分配方法 - Google Patents
一种eh-hcrsn中基于时延最小化的信道分配方法 Download PDFInfo
- Publication number
- CN109194424A CN109194424A CN201810928005.9A CN201810928005A CN109194424A CN 109194424 A CN109194424 A CN 109194424A CN 201810928005 A CN201810928005 A CN 201810928005A CN 109194424 A CN109194424 A CN 109194424A
- Authority
- CN
- China
- Prior art keywords
- channel
- node
- time
- delay
- matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/14—Spectrum sharing arrangements between different networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Abstract
本发明请求保护一种基于时延最小化的信道分配方法。该方法首先在EH‑HCRSN网络中数据传输阶段,建立其数学模型;其次对可用信道概率、节点所用时间进行排序,并进行分组;再者,将已分组的节点分配给相应信道,并将节点‑信道矩阵X带入所建立的初始时延最小化数学模型中得出初始时间分配矩阵Tini;最后,对每条信道上的节点分配时间进行排序,得出最优时间分配矩阵T*,进而得出信道k上排在第n位的节点的对应信道分配矩阵X*,将T*与X*代入目标函数中可求出网络中节点平均时延的最小值;与粒子群算法相比,该算法能够解决信道最小时延优化问题,确保信道性能良好,并极大的降低了算法的时间复杂度。
Description
技术领域
本发明属于EH-HCRSN网络中信道分配问题,尤其是EH-HCRSN中时延最小化的信道分配问题。
背景技术
无线传感器网络(Wireless Sensor Networks,WSNs)作为一个已有十多年的历史的研究课题,已经被许多研究学者开拓应用于多个领域如环境监测、医疗保健及智能交通等等。在许多应用中,传感器所采集到的数据只在有限时间内有效,必须在失效前传达给相应的监测人员,这就要求数据具有较高的实时性。例如在森林火灾预警及医疗监测服务当中,发生突发事件的数据包需要尽快传达给相关人员。因此,提供实时服务是未来无线传感器网络需要实现的一个关键技术。但目前大多数无线传感器网络都工作在免授权频段,而各种无线通信技术(如Wifi、蓝牙等)的迅速发展使这些公用频段日益拥挤,各种无线技术之间的干扰也日趋严重[1]。在这种网络环境中,想要获取具有较高实时性的数据是非常困难的。
认知无线电(Cognitive Radio,CR)技术的出现使得次级用户(Secondary User,SU)可以伺机访问已授权给主要用户(Primary User,PU)的空闲频道,进而减少干扰。在WSN中引入CR技术,形成认知无线传感器网络(Cognitive Radio Sensor Network,CRSN)。CRSN网络的出现,使未授权频段上各种新兴技术之间的相互干扰问题可以得到有效的解决,从而为数据传输提供高质量的服务。但传统CRSN中能量有限,为了延长CRSN网络生命周期和节省部署成本,我们将能量收集(Energy Harvesting,EH)技术引入到频谱感知节点中,而其他传感器节点仍然采用传统电池驱动,这样就产生了另外一种新型网络:基于能量收集的节点异构的CRSN(EH aided node-Heterogeneous CRSN,EH-HCRSN)。
已有的研究时延的工作主要集中在CRN(Cognitive Radio Networks)、WSN、CRSN以及EH-WSN等几种网络环境下,而研究关于EH-HCRSN中时延性能的文献少之又少。为了保证EH-HCRSN中数据的实时性,本文提出了一种基于时延最小化的信道分配算法,这项工作涉及到频谱感知阶段所探测到的信道可用时间、每条信道的可用概率以及数据传输阶段的节点-信道分配与信道上节点的时间分配方案等多个参量,具有一定的挑战性。具体来说,本文首先通过频谱感知阶段确定可用信道数、可用信道时间长短以及每条信道的特性,为了使数据传输阶段节点的时延降低,频谱感知阶段的主要优化目标是使感知到可用信道数及信道可用时间尽可能多;在数据传输阶段,通过优化节点-信道分配及时间分配问题来最小化网络中所有数据传输节点的平均时延。
发明内容
本发明旨在解决以上现有技术的问题。提出了一种优化节点-信道分配及时间分配问题来最小化网络中所有数据传输节点的平均时延,以最短时间将数据及时传送到所需目的地的EH-HCRSN中基于时延最小化的信道分配方法。本发明的技术方案如下:
一种EH-HCRSN中基于时延最小化的信道分配方法,其包括以下步骤:
首先,在基于能量收集的节点异构的认知无线传感器网络EH-HCRSN的数据传输阶段,建立初始时延最小化问题数学模型和最终时延最小化问题数学模型;
其次,对信道按照频谱感知阶段所得出的可用信道概率进行排序,得到信道分组;对节点按照所用时间进行排序,得到节点分组;
再次,将已分组的节点依次分配给相应信道得到节点-信道分配矩阵X,并将节点-信道分配矩阵带入所建立的初始时延最小化问题数学模型中求得初始时间分配矩阵Tini;
最后,根据初始时间分配矩阵Tini对每条信道上的节点分配时间进行排序,得出最优时间分配矩阵T*=[tk1 *,tk2 *...,tK *],进而得出信道k上排在第n位的节点的对应信道分配矩阵X*,将tk *与X*代入最终时延最小化问题数学模型中的目标函数中求出网络中节点平均时延的最小值。进一步的,所述建立时延最小化问题数学模型,具体包括:
初始时延最小化模型:
最终时延最小化模型:
T-τ:数据传输阶段的时间;为表示初始时延最小化的目标函数;表示最终时延最小化的目标函数;τ表示频谱感知阶段的时间;tn,k表示节点n在信道k上分配的传输时间;xn,k表示矩阵X中的元素,xn,k=1代表节点n被分配在信道k上传输,否则反之。信道k上的最大接入时间;βn为第n个节点要求的传输时间,约束条件1表示在信道k上分配的所有节点所用时间之和不能超过信道k最大可接入时间;约束条件2表示一个节点所用的时间不能超过数据传输阶段的总时间;约束条件3表示分配给一个节点的时间不能少于节点所需时间;约束条件4表示一个节点只在一个信道上传输。
进一步的,所述节点-信道矩阵X为二进制矩阵,矩阵元素xn,k=1代表节点n被分配在信道k上传输,同时建立N行K列的矩阵Tini,其中行表示数据节点编号,列表示可用信道编号,Tini是节点在信道上传输时间的初始分配矩阵,矩阵元素tn,k代表节点n在信道k上分配的传输时间,考虑到节点在信道切换时会带来额外的能耗和时延,规定一个节点只在一个信道上传输,即:
进一步的,所述每条信道上各节点的时间分配tk={t1,k,t2,k…,tn-1,k,tn,k},将每条信道上的tn,k按照由小到大的顺序排列得到元素表示第mn个节点被分配在了第n位传输,则信道k上所有节点的最小总时延为按照排序后的顺序依次调度节点在信道k上传输所得到的各节点传输时延之和。
进一步的,所述数据传输阶段前还包括频谱感知阶段,在频谱感知阶段探测可用信道及信道可用时间,对在信道上传输数据的节点来说,频谱感知阶段SS阶段探测到的可用信道有3种状态:
(1)可用,节点数据成功传输的概率为:
(2)不可用,信道上主用户实际存在,但频谱感知节点误检,数据传输中断的概率为:
(3)初始可用,但主用户中途返回发生冲突,数据传输中断的概率为:
进一步的,所述频谱感知阶段探测到的可用信道所处的不同状态,节点在信道上传输时所产生的时延也不同,mn节点在信道k上的平均时延由三部分组成:
(1)成功传输的时延:
(2)PU实际存在,但节点误检所导致的时延:
(3)PU中途返回,发生冲突导致的时延:
mn节点的平均时延:
则在信道k上传输的所有节点的平均时延之和;
表示在时间段中,信道k上发生碰撞的概率;表示最终时延最小化的目标函数;N表示网络中所有的数据传输节点数目。
最终,网络中所有传输节点的平均时延
基于时延最小化的信道分配方法主要包括以下步骤:
1)、对信道按照可用信道概率进行排序,得到信道分组,具体包括:将K个可用信道按照可用概率由大到小的顺序排列或按照碰撞概率由小到大的顺序排列,排序后的信道集合为:
2)、对节点按照所用时间进行排序,得到节点分组,具体包括:将N个数据传输节点按照所需时间由大到小排序,将排序后的节点集合平均分为或组。
3)、将分组后的节点集合依次分配给根据此分配结果求出初始节点-信道分配矩阵X,(此处假定约束条件1满足);
4)、将X代入初始时延最小化问题数学模型中求得初始时间分配矩阵Tini,根据Tini将每条信道上的节点分配时间排序,得出最优时间分配矩阵T*=[tk1 *,tk2 *...,tK *],进而得出信道k上排在第n位的节点的对应信道分配矩阵X*;
5)、将T*与X*代入初始时延最小化问题数学模型中可求出网络中节点平均时延的最小值。
本发明的优点及有益效果如下:
本发明1、该方法能够求解EH-HCRSN网络中最小时延问题并且确保可用信道性能良好。
2、针对求解EH-HCRSN网络中最小时延问题,该方法与常用粒子群算法相比极大的降低了时间复杂度。
3、该算法优化了节点-信道分配及时间分配问题来最小化网络中所有数据传输节点的平均时延,能够满足EH-HCRSN网络中以最短时间将数据及时传送到所需目的地的要求。
附图说明
图1是本发明提供优选实施例EH-HCRSN网络中的网络时序图。
图2是EH-HCRSN网络中基于时延最小化的信道分配方法流程图。
图3是基于时延最小化的信道分配方法与粒子群算法求得最小时延比较图。
图4是可用信道相同时基于时延最小化的信道分配方法与粒子群算法求得最小时延比较图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
本发明解决上述技术问题的技术方案是:
如图1所示为EH-HCRSN网络中的网络时序图,EH-HCRSN网络中包含2类节点:装载有EH模块的SS节点和电池供电的DS节点。EH-HCRSN运行有两个阶段:(1)频谱感知阶段;(2)数据传输阶段。在第一阶段,装载有EH模块的SS节点协同感知频谱,以检测授权可用的空闲信道。在第二阶段,数据节点利用可用信道传输数据。
在优化节点-信道分配方案过程中,我们建立二进制矩阵X为节点—信道分配矩阵,矩阵元素xn,k=1代表节点n被分配在信道k上传输,否则反之。同时建立N行K列的矩阵Tini,其中行表示数据节点编号,列表示可用信道编号,Tini是节点在信道上传输时间的分配矩阵,矩阵元素tn,k代表节点n在信道k上分配的传输时间。考虑到节点在信道切换时会带来额外的能耗和时延,我们规定一个节点只在一个信道上传输,即:
进一步的,每条信道上各节点的时间分配tk={t1,k,t2,k…,tn-1,k,tn,k},我们将每条信道上的tn,k按照由小到大的顺序排列得到元素表示第mn个节点被分配在了第n位传输。则信道k上所有节点的最小总时延Dk为按照排序后的顺序依次调度节点在信道k上传输所得到的各节点传输时延之和。
进一步的,基于频谱感知阶段探测到的可用信道及信道可用时间,对在信道上传输数据的节点来说,SS阶段探测到的可用信道有3种状态:
(1)可用,节点数据成功传输的概率为:
(2)不可用,信道上主用户实际存在,但频谱感知节点误检,数据传输中断的概率为:
(3)初始可用,但主用户中途返回发生冲突,数据传输中断的概率为:
进一步的,根据SS阶段探测到的可用信道所处的不同状态,节点在信道上传输时所产生的时延也不同。mn节点在信道k上的平均时延由三部分组成:
(1)成功传输的时延:
(2)PU实际存在,但节点误检所导致的时延:
(3)PU中途返回,发生冲突导致的时延:
mn节点的平均时延:
则在信道k上传输的所有节点的平均时延之和:
最终,网络中所有传输节点的平均时延:
如图2所示为基于时延最小化的信道分配方法的设计流程图。具体过程如下:
步骤1:将数据传输阶段的时延最小化问题建立为如下模型:
T-τ:数据传输阶段的时间;信道k上的最大接入时间;βn为第n个节点要求的传输时间。约束条件1表示在信道k上分配的所有节点所用时间之和不能超过信道k最大可接入时间;约束条件2表示一个节点所用的时间不能超过数据传输阶段的总时间;约束条件3表示分配给一个节点的时间不能少于节点所需时间;约束条件4表示一个节点只在一个信道上传输。
步骤2:将K个可用信道按照可用概率由大到小的顺序排列(或按照碰撞概率由小到大的顺序排列),排序后的信道集合为:
步骤3:将N个数据传输节点按照所需时间由大到小排序,将排序后的节点集合平均分为(或组);
步骤4:将分组后的节点集合依次分配给根据此分配结果求出节点-信道分配矩阵X,(此处假定约束条件1满足);
步骤5:将X代入如下模型:
为按照分配矩阵X计算所得的网络中所有节点的平均时延,Dk为按照分配矩阵X计算得出的信道k上传输的所有节点的平均时延之和。当X已知时,上述模型可转化为非线性约束问题,求解即得初始时间分配矩阵Tini;
步骤6、根据初始时间分配矩阵Tini,将每条信道上的节点分配时间按照由小到大的顺序排列,得出最优时间分配矩阵T*=[tk1 *,tk2 *...,tK *],进而得出信道k上排在第n位的节点的对应信道分配矩阵X*;
步骤7、将T*与X*代入目标函数中可求出网络中节点平均时延的最小值。
从图3、4中可以看出,基于时延最小化的信道分配方法能够明显降低网络中节点的传输时延。
而在时间复杂度方面,PSO算法的时间复杂度约为:O(PM(D+5NK)),P:PSO算法的最大迭代次数;M:粒子群规模大小;D:目标搜索空间的维数;N:数据节点个数;K:可用信道数。本文提出的基于时延最小化的信道分配方法算法时间复杂度为:O((N+K)2)。在上述仿真中,D=NK。由分析可知,基于时延最小化的信道分配算法的时间复杂度远小于PSO算法的时间复杂度。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (10)
1.一种EH-HCRSN中基于时延最小化的信道分配方法,其特征在于,包括以下步骤:
首先,在基于能量收集的节点异构的认知无线传感器网络EH-HCRSN的数据传输阶段,建立初始时延最小化问题数学模型和最终时延最小化问题数学模型;
其次,对信道按照频谱感知阶段所得出的可用信道概率进行排序,得到信道分组;对节点按照所用时间进行排序,得到节点分组;
再次,将已分组的节点依次分配给相应信道得到节点-信道分配矩阵X,并将节点-信道分配矩阵带入所建立的初始时延最小化问题数学模型中求得初始时间分配矩阵Tini;
最后,根据初始时间分配矩阵Tini对每条信道上的节点分配时间进行排序,得出最优时间分配矩阵T*=[tk1 *,tk2 *...,tK *],进而得出信道k上排在第n位的节点的对应信道分配矩阵X*,将tk *与X*代入最终时延最小化问题数学模型中的目标函数中求出网络中节点平均时延的最小值。
2.根据权利要求1所述的一种EH-HCRSN中基于时延最小化的信道分配方法,其特征在于,所述建立时延最小化问题数学模型,具体包括:
初始时延最小化模型:
最终时延最小化模型:
T-τ:数据传输阶段的时间;为表示初始时延最小化的目标函数, 表示最终时延最小化的目标函数;τ表示频谱感知阶段的时间;tn,k表示节点n在信道k上分配的传输时间;xn,k表示矩阵X中的元素,xn,k=1代表节点n被分配在信道k上传输,否则反之,信道k上的最大接入时间;βn为第n个节点要求的传输时间,约束条件1表示在信道k上分配的所有节点所用时间之和不能超过信道k最大可接入时间;约束条件2表示一个节点所用的时间不能超过数据传输阶段的总时间;约束条件3表示分配给一个节点的时间不能少于节点所需时间;约束条件4表示一个节点只在一个信道上传输。
3.根据权利要求1所述的一种EH-HCRSN中基于时延最小化的信道分配方法,其特征在于,所述节点-信道矩阵X为二进制矩阵,矩阵元素xn,k=1代表节点n被分配在信道k上传输,同时建立N行K列的矩阵Tini,其中行表示数据节点编号,列表示可用信道编号,Tini是节点在信道上传输时间的分配矩阵,矩阵元素tn,k代表节点n在信道k上分配的传输时间,考虑到节点在信道切换时会带来额外的能耗和时延,规定一个节点只在一个信道上传输,即:
4.根据权利要求1所述的一种EH-HCRSN中基于时延最小化的信道分配方法,其特征在于,所述每条信道上各节点的时间分配tk={t1,k,t2,k...,tn-1,k,tn,k},将每条信道上的tn,k按照由小到大的顺序排列得到元素表示第mn个节点被分配在了第n位传输,则信道k上所有节点的最小总时延为按照排序后的顺序依次调度节点在信道k上传输所得到的各节点传输时延之和。
5.根据权利要求1-4之一所述的一种EH-HCRSN中基于时延最小化的信道分配方法,其特征在于,所述数据传输阶段前还包括频谱感知阶段,在频谱感知阶段探测可用信道及信道可用时间,对在信道上传输数据的节点来说,频谱感知阶段SS阶段探测到的可用信道有3种状态:
(1)可用,节点数据成功传输的概率为:
(2)不可用,信道上主用户实际存在,但频谱感知节点误检,数据传输中断的概率为:
(3)初始可用,但主用户中途返回发生冲突,数据传输中断的概率为:
6.根据权利要求5所述的一种EH-HCRSN中基于时延最小化的信道分配方法,其特征在于,所述频谱感知阶段探测到的可用信道所处的不同状态,节点在信道上传输时所产生的时延也不同,mn节点在信道k上的平均时延由三部分组成:
(1)成功传输的时延:
(2)PU实际存在,但节点误检所导致的时延:
(3)PU中途返回,发生冲突导致的时延:
mn节点的平均时延:
则在信道k上传输的所有节点的平均时延之和;
表示在时间段中,信道k上发生碰撞的概率;表示最终时延最小化的目标函数;N表示网络中所有的数据传输节点数目;
最终,网络中所有传输节点的平均时延
7.根据权利要求1所述的一种EH-HCRSN中基于时延最小化的信道分配方法,其特征在于,所述对信道按照可用信道概率进行排序,得到信道分组,具体包括:将K个可用信道按照可用概率由大到小的顺序排列或按照碰撞概率由小到大的顺序排列,排序后的信道集合为:
8.根据权利要求1所述的一种EH-HCRSN中基于时延最小化的信道分配方法,其特征在于,所述对节点按照所用时间进行排序,得到节点分组,具体包括:N个数据传输节点按照所需时间由大到小排序,将排序后的节点集合平均分为或组。
9.根据权利要求1所述的一种EH-HCRSN中基于时延最小化的信道分配方法,其特征在于,将分组后的节点集合依次分配给假定约束条件1满足,根据此分配结果求出初始节点-信道分配矩阵X。
10.根据权利要求1所述的一种EH-HCRSN中基于时延最小化的信道分配方法,其特征在于,将X代入初始时延最小化问题数学模型中求得初始时间分配矩阵Tini,根据Tini将每条信道上的节点分配时间排序,得出最优时间分配矩阵T*=[tk1 *,tk2 *...,tK *],进而得出信道k上排在第n位的节点的对应信道分配矩阵X*;
将T*与X*代入最终时延最小化问题数学模型中可求出网络中节点平均时延的最小值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810928005.9A CN109194424B (zh) | 2018-08-15 | 2018-08-15 | 一种eh-hcrsn中基于时延最小化的信道分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810928005.9A CN109194424B (zh) | 2018-08-15 | 2018-08-15 | 一种eh-hcrsn中基于时延最小化的信道分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109194424A true CN109194424A (zh) | 2019-01-11 |
CN109194424B CN109194424B (zh) | 2021-03-23 |
Family
ID=64935856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810928005.9A Active CN109194424B (zh) | 2018-08-15 | 2018-08-15 | 一种eh-hcrsn中基于时延最小化的信道分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109194424B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113543061A (zh) * | 2021-07-14 | 2021-10-22 | 广东工业大学 | 一种能量收集型物联网的传感器能量分配方法和装置 |
CN114599026A (zh) * | 2020-12-07 | 2022-06-07 | 中国移动通信集团吉林有限公司 | 一种下载速率的优化方法、装置、存储介质和基站 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120155399A1 (en) * | 2010-12-08 | 2012-06-21 | SmartNet Communications LLC | Channel allocation method in multi-channel cognitive radio network |
AU2015101185A4 (en) * | 2015-07-26 | 2015-10-08 | Macau University Of Science And Technology | Power control method for spectrum sharing cognitive radio network |
CN105050191A (zh) * | 2015-08-27 | 2015-11-11 | 山东大学 | 基于时延QoS与公平的多用户安全认知网络资源分配方法 |
CN106412927A (zh) * | 2016-09-19 | 2017-02-15 | 西安电子科技大学 | 协同传输能量收集认知无线电网络最佳资源分配方法 |
-
2018
- 2018-08-15 CN CN201810928005.9A patent/CN109194424B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120155399A1 (en) * | 2010-12-08 | 2012-06-21 | SmartNet Communications LLC | Channel allocation method in multi-channel cognitive radio network |
AU2015101185A4 (en) * | 2015-07-26 | 2015-10-08 | Macau University Of Science And Technology | Power control method for spectrum sharing cognitive radio network |
CN105050191A (zh) * | 2015-08-27 | 2015-11-11 | 山东大学 | 基于时延QoS与公平的多用户安全认知网络资源分配方法 |
CN106412927A (zh) * | 2016-09-19 | 2017-02-15 | 西安电子科技大学 | 协同传输能量收集认知无线电网络最佳资源分配方法 |
Non-Patent Citations (2)
Title |
---|
ZHONGLIANG LIANG,ET AL.: "Delay Performance Analysis for Supporting Real-Time Traffic in a Cognitive Radio Sensor Network", 《IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS》 * |
张芮铭: "基于能量收集的认知无线传感器网络能量管理策略研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114599026A (zh) * | 2020-12-07 | 2022-06-07 | 中国移动通信集团吉林有限公司 | 一种下载速率的优化方法、装置、存储介质和基站 |
CN114599026B (zh) * | 2020-12-07 | 2023-08-18 | 中国移动通信集团吉林有限公司 | 一种下载速率的优化方法、装置、存储介质和基站 |
CN113543061A (zh) * | 2021-07-14 | 2021-10-22 | 广东工业大学 | 一种能量收集型物联网的传感器能量分配方法和装置 |
CN113543061B (zh) * | 2021-07-14 | 2023-06-27 | 广东工业大学 | 一种能量收集型物联网的传感器能量分配方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109194424B (zh) | 2021-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kabara et al. | MAC protocols used by wireless sensor networks and a general method of performance evaluation | |
Li et al. | Clustering routing based on mixed integer programming for heterogeneous wireless sensor networks | |
Rajpoot et al. | Multiple parameter based energy balanced and optimized clustering for WSN to enhance the Lifetime using MADM Approaches | |
CN107820321B (zh) | 一种基于蜂窝网络的窄带物联网中大规模用户智能接入方法 | |
CN104168661B (zh) | 一种满足公平性条件的最大化网络生存期传输调度方法 | |
Varshney et al. | Variants of LEACH routing protocol in WSN: A comparative analysis | |
KR100856882B1 (ko) | 대규모 센서 네트워크에서의 효율적인 에너지 소비를 위한동심원 형태의 클러스터링 방법 | |
Choudhary et al. | A hybrid fuzzy-genetic algorithm for performance optimization of cyber physical wireless body area networks | |
CN109194424A (zh) | 一种eh-hcrsn中基于时延最小化的信道分配方法 | |
Rady et al. | Energy‐efficient routing protocol based on sink mobility for wireless sensor networks | |
Kiani et al. | Designing a dynamic protocol for real-time Industrial Internet of Things-based applications by efficient management of system resources | |
Farhad et al. | Survey of dynamic super-frame adjustment schemes in beacon-enabled IEEE 802.15. 4 networks: AN application’s perspective | |
Matin et al. | Intelligent hierarchical cluster-based routing | |
Pritom et al. | A multiconstrained QoS aware MAC protocol for cluster-based cognitive radio sensor networks | |
Imoize et al. | Development of an energy-efficient wireless sensor network model for perimeter surveillance | |
Alawadhi et al. | IEEE 802.15. 4 MAC protocol optimisation in body sensor networks: a survey, outlook and open issues | |
Xia et al. | A coordinated mechanism for multimode user equipment accessing wireless sensor network | |
Mtopi et al. | MultiHop optimal time complexity clustering for emerging IoT applications | |
Gopikrishnan et al. | DEDC: Sustainable data communication for cognitive radio sensors in the Internet of Things | |
Zhou et al. | A multiple-dimensional tree routing protocol for multisink wireless sensor networks based on ant colony optimization | |
Mishra et al. | Analysis of power aware protocols and standards for critical E-health applications | |
Khssibi et al. | Enhancement of the traffic differentiation architecture for WBAN based on IEEE 802.15. 4 | |
Feng et al. | Dynamic cluster heads selection and data aggregation for efficient target monitoring and tracking in wireless sensor networks | |
Kim et al. | An AHP-based interface and channel selection for multi-channel MAC protocol in IoT ecosystem | |
CN101489302B (zh) | 资源分配方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |