CN109246788A - 网络中继的调度 - Google Patents

网络中继的调度 Download PDF

Info

Publication number
CN109246788A
CN109246788A CN201810602338.2A CN201810602338A CN109246788A CN 109246788 A CN109246788 A CN 109246788A CN 201810602338 A CN201810602338 A CN 201810602338A CN 109246788 A CN109246788 A CN 109246788A
Authority
CN
China
Prior art keywords
sensor
relay node
duty ratio
node
sensor reading
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.)
Pending
Application number
CN201810602338.2A
Other languages
English (en)
Inventor
V·纳塔拉加
A·维亚斯
J·J·西迪尔
K·兰甘纳坦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Intel Corp
Original Assignee
Intel Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Intel Corp filed Critical Intel Corp
Publication of CN109246788A publication Critical patent/CN109246788A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/22—Communication route or path selection, e.g. power-based or shortest path routing using selective relaying for reaching a BTS [Base Transceiver Station] or an access point
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/12—Wireless traffic scheduling
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H04L41/0813—Configuration setting characterised by the conditions triggering a change of settings
    • H04L41/0816—Configuration setting characterised by the conditions triggering a change of settings the condition being an adaptation, e.g. in response to network events
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/06—Testing, supervising or monitoring using simulated traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
    • H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
    • H04W88/16—Gateway arrangements
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)
  • Telephonic Communication Services (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

公开了用于准确地预测在传感器网络内的异常传感器读数的发生并且有利地使用这些预测来限制由在传感器网络内的中继节点使用的功率量的技术。一些示例分析异常传感器读数的空间和时间特性以预测未来发生。在这些示例中，针对异常传感器读数未被预测发生的时间周期，中继节点以降功率模式操作。同样，在这些示例中，只有在预测到异常读数的传感器与传感器网络的网关之间的路径中的中继节点以全功率模式操作。该特征允许其他的中继节点保持在降功率模式中，即使当在传感器网络中的其他地方预测到异常传感器读数。

Description

网络中继的调度
背景技术
空间分布的无线传感器网络(WSN)被广泛部署在物联网(IoT)应用中，诸如，环境监测系统、交通和停车监测系统、以及公用事业监测系统。这些系统的一个功能要求是捕捉在WSN中的异常读数或反常读数并且以时间限制的等待时间周期向网关报告这些异常读数。这个等待时间周期由特定的IoT应用定义。例如，在一些冷链物流应用中，传感器节点必须在1分钟内向网关报告异常的温度读数。诸如此类的短的等待时间周期显著地增大WSN内的功耗，因为WSN内的沿着路由路径到网关的中继节点必须连续地操作以接收、发送、或者路由异常的温度读数以符合等待时间周期。连续操作的中继节点可消耗高得多的功率，例如，在一些配置中，消耗网状WSN中的边缘节点的功率将近4倍。出于这个原因，中继节点可以支配WSN功率汲取并且缩短其操作寿命。
附图说明
图1是示出根据本公开的实施例配置的传感器网络的框图。
图2是示出根据本公开的实施例的异常预测过程的流程图。
图3是示出根据本公开的实施例的占空比调度过程的流程图。
图4是示出根据本公开的实施例的模型训练过程的流程图。
图5是根据本公开的实施例的可被用于实现传感器网络的各种组件的计算设备的框图。
具体实施方式
本文中所公开的系统和方法准确地预测在传感器网络内的异常传感器读数的发生并且有利地使用这些预测来限制由在传感器网络内的中继节点使用的功率量。在一些实施例中，本文所公开的系统和方法分析异常传感器读数的空间和时间特性以预测未来发生。在这些实施例中，针对异常传感器读数未被预测发生的时间周期，中继节点以降功率模式操作。同样，在这些实施例中，只有在预测到异常读数的传感器与传感器网络的网关之间的路径中的中继节点以全功率模式操作。这个特征允许其他的中继节点保持在降功率模式中，即使当在传感器网络中的其他地方预测到异常传感器读数时。这些优势使整个传感器网络能够比中继节点以全功率模式连续地操作的常规传感器网络消耗更少的功率。
一些实施例涉及包括传感器节点、中继节点、以及网关的传感器网络。传感器节点包括获取传感器读数以测量传感器网络的环境的一个或多个特性的环境传感器。传感器节点将描述所获取的传感器读数的数据传输到中继节点。这些中继节点接收数据并且将数据传输到网关。网关将传感器网络与一个或多个其他的通信网络进行连接并且将数据和/或数据的总结传输到其他的通信网络。
在一些实施例中，传感器节点中的每一个包括建模组件并且中继节点中的每一个包括调度组件。这些建模组件和调度组件组合工作以确保所有的异常传感器读数都被预测到、被获取并且被中继到网关。更具体地，建模组件被预配置成执行预测未来异常传感器读数的建模过程。在建模过程预测未来异常传感器读数的情况下，建模过程生成一个或多个占空比请求，并且将该一个或多个占空比请求传输到在传感器节点和网关之间的路径中的一个或多个中继节点。在一些实施例中，这些占空比请求包括描述占空比和持续时间的信息，该占空比和持续时间由传感器节点请求，以使该一个或多个中继节点能够在异常传感器读数被获取的时间处在全功率模式中。
建模过程可基于任何数量的预测技术，诸如，时间序列方法、人工智能方法、以及仿真方法。例如，在一些实施例中，建模过程可实现多项式曲线拟合、神经网络、和/或决策树。在至少一个实施例中，建模过程实现回归方法。在一些实施例中，建模组件通过将实际传感器读数与先前预测的传感器读数进行比较并且调整建模过程以减小实际传感器读数与由建模过程预测的传感器读数之间的误差，来周期性地重新配置建模过程以改善建模过程。
在一些实施例中，调度组件被配置成接收并处理占空比请求以实现在其中请求的占空比和调度。例如，当在至少一个实施例中根据该配置执行时，调度组件接收占空比请求、解析请求以标识所请求的占空比和持续时间、并且改变执行调度组件的中继节点的配置信息以实现所请求的占空比和持续时间。在这样做时，调度组件可将中继节点的操作从降功率模式改变成全功率模式用于所请求的持续时间，由此使中继节点能够接收、处理、并且转发任何预测到的异常传感器读数，如果它们发生的话。在所请求的调度的期满处，调度器将中继节点的配置信息恢复到它先前的状态。该重新配置导致中继节点以其降功率模式操作，由此相对于常规的、总是开启的中继节点节省功率。
下面详细讨论这些示例方面和实施例的其他方面、实施例和优点。此外，应该理解的是，前述信息和下面的详细描述仅仅是各个方面和实施例的说明性示例，并且旨在提供用于理解所要求保护的方面和实施例的性质和特征的概述或框架。对“实施例”、“其他实施例”、“示例”、“一些实施例”、“一些示例”、“替代的实施例”、“各种实施例”、“一个实施例”、“至少一个实施例”、“另一实施例”、“这个和其他的实施例”等的引用不一定是相互排斥的，并且旨在指示结合该实施例或示例描述的特定特征、结构或特性可被包括在至少一个实施例或示例中。。本文中此类术语的出现不一定都指代同一实施例或示例。本文公开的任何实施例或示例可以与任何其它实施例或示例组合。
而且，本文使用的措辞和术语是出于描述的目的，而不应被认为是限制性的。在本文中以单数形式引用的各示例、各实施例、各组件、各元素或各系统和各方法的各动作也可包含包括复数的实施例，并且在本文中以复数形式引用的任何实施例、组件、元素或动作也可包含仅包括单数的实施例。以单数或复数形式引用不旨在限制目前所公开的系统或方法，及其组件、动作或元素。本文使用的“包括”、“含有”、“具有”、“包含”、“涉及”及其变体意在涵盖其后列出的项目及其等同物以及附加项目。对“或”的引用可被解释为包含性的，使得使用“或”描述的任何术语可指示所描述的术语中的一个、多于一个以及全部。附加地，本文档和通过引用所结合的文档之间的不一致的术语用法的情况，在结合的引用中的用法应当被认为是对本文档的用法的补充；对于不可调和的不一致，以本文档中的术语用法为准。
总体概述
中继节点以全功率模式操作的功耗常常是浪费的，因为WSN通常在正常、非异常的状况下操作。虽然先前的工作已经探索定制硬件特征(诸如，唤醒收音机)的使用以降低中继节点功耗，但是该先前的工作未能利用传感器数据字段的属性来节省WSN功率。
因此，并且根据本文中所公开的至少一些实施例，传感器网络实现基于由传感器网络生成的传感器数据字段的特性的预测过程。在这些实施例中，传感器网络智能地控制中继节点的占空比以削减传感器网络的功耗同时满足严格的低等待时间的异常报告要求。这些预测过程可包括利用传感器字段的数据特性并且因此在任何异常传感器读数之前预测在传感器网络中的异常的基于学习的模型。在这些实施例中，在传感器网络中的中继节点的占空比被调谐为被预测将由传感器节点获取的数据流。作为该调谐的部分，中继节点被动态地设置为更长的降功率模式调度，降功率模式其显著地降低了中继节点的空闲侦听的功率汲取。作为该调谐的另一部分，中继节点被动态地设置为覆盖预测到的异常传感器读数的更短的全功率模式调度，其防止异常传感器读数未被报告。附加地，本文中所公开的至少一些实施例是基于软件的并且因此不需要在传感器网络内实现任何特殊的硬件。
系统架构
图1示出包括网关102、多个中继节点104A到104N、以及多个传感器节点106A到106N的传感器网络100。传感器网络100的节点可包括，例如，一个或多个IoT设备。如图1中所示，中继节点104A到104N中的每一个包括存储器108、至少一个接口110、至少一个处理器112以及至少一个调度器114。传感器节点106A到106N中的每一个包括存储器108、至少一个接口110、至少一个处理器112以及至少一个建模器118。
如图1中所示的，每一个存储器108可包含由处理器112中的一个可读和/或可写的易失性和/或非易失性数据存储(例如，只读存储器、随机存取存储器、闪存存储器、磁盘/光盘、和/或一些其他的计算机可读和可写介质)。存储器108尺寸被设计成并且被配置成存储可由处理器112中的一个执行的程序以及在执行期间由程序使用的数据中的至少一些。处理器112中的每一个包括可以执行由处理器112所支持的指令集定义的指令的各种计算电路，诸如，算术逻辑单元以及寄存器存储器。处理器112中的每一个可包括单核处理器、多核处理器、微控制器或一些其他的数据处理设备。接口110中的每一个包括使处理器112中的一个能够与在传感器网络100中的其他处理器112通信的通信电路，诸如，有线或无线以太网端口。传感器116中的每一个包括可以对传感器116附近的操作环境进行采样并且测量操作环境的一些特性的模拟和/或数据电路。例如，传感器中的每一个可包括温度传感器、气压计、加速度计或一些其他的传感器。
在一些实施例中，中继节点104A到104N中的每一个被配置成以至少全功率模式和降功率模式操作。当以全功率模式操作时，中继节点监测、接收以及处理入站通信。当以降功率模式操作时，中继节点不监测、接收和/或处理至少一些入站通信。相反，当以降功率模式操作时，中继节点执行对它标识何时保证转换到全功率模式而言必要的过程。这些过程可包括针对特殊类型的入站通信监测接口110和/或简单地执行当中继节点应当转换到全功率模式时期满的定时器。
如图1中所示，调度器114中的每一个包括可由处理器112中的一个执行并且被配置成接收并处理来自传感器节点106A到106N中的一个或多个的占空比请求的软件和/或硬件。在一些实施例中，这些占空比请求包括描述由传感器节点请求的用于中继节点的占空比的信息。例如，在一些实施例中，占空比请求包括定义所请求的占空比的一个或多个字段。可被请求的占空比的示例包括连续的占空比和周期性的占空比。根据连续的占空比执行的中继节点以全功率模式或降功率模式操作。根据周期性的占空比执行的中继节点根据指定的时间周期(例如，1分钟在全功率模式中接着4分钟在降功率模式中)在全功率模式和降功率模式之间交替。占空比的其他类型(例如，非周期性的占空比)被构想并且本文中所描述的实施例不限于特定的占空比。
在一些实施例中，占空比请求还包括定义所请求的占空比的总持续时间的至少一个字段。这个持续时间字段存储指定在返回到先前的或默认的占空比之前所请求的占空比应当被执行的总时间周期的信息。在一些实施例中，包括在占空比请求中的默认持续时间等于在其内传感器节点已经预测未来传感器读数的时间周期。这个时间周期在本文中被称为“预测时域(prediction horizon)”。另外，在至少一个实施例中，占空比请求不包括如上所述的存储实际占空比信息的字段，而是包括存储在中继节点的存储器108中的预定义占空比的标识符。这个预定义的占空比可包括类似于如上所述的占空比请求的信息。
在一些实施例中，在接收并且处理占空比请求中，调度器114中的每一个解析每一个请求、标识所请求的占空比、并且操纵存储在调度器114驻留在的中继节点的存储器108中的配置数据，以设置所请求的占空比。在占空比请求包括持续时间字段的一些实施例中，调度器114中的每一个被配置成标识持续时间字段并且针对所请求的持续时间操纵配置数据以执行所请求的占空比。在一些示例中，由调度器114中的每一个执行的调度过程的一个示例在下面参考图3进一步被描述。
如图1中所示的，建模器118中的每一个包括可由处理器112中的一个执行并且被配置成预测在预测时域内(例如，距离当前时间4分钟)的异常传感器读数的软件和/或硬件。在一些实施例中，在预测异常传感器读数中，建模器118中的每一个执行建模过程。可使用实际的或合成导出的数据来训练这个建模过程作为以下参考图2和图5进一步描述的整体异常预测过程的部分。该训练数据可包括表示各种异常场景(例如，主机点(host spot)异常、开门异常、空调故障异常等)的数据。尽管可以使用各种建模过程，但是在至少一个实施例中，建模器118中的每一个执行回归模型以预测来自传感器116的未来温度读数。等式1示出了在一些实施例中使用的示例回归模型。
Tt+K＝c0+c1*Tt+c2*Tt-1+c3*Tt-2+...+cP+1*Tt-p 等式1
在等式1中，Tt、Tt-1、Tt-2…Tt-P是历史温度读数并且系数C0、C1、C2,、C3、C4...,CP是在训练过程的执行期间所计算的参数以在训练数据中最小化预测的温度和真实的温度之间的误差。等式1预测在时间t+K处的温度，其中K表示预测时域。以下参考图2、图4和图5进一步描述这种训练过程的示例。
在一些实施例中，建模器118中的每一个被配置成在建模过程预测满足一个或多个预定义标准的一个或多个传感器读数的情况下声明异常传感器读数迫近。满足预定义标准的一个或多个传感器读数的示例包括超过阈值的传感器读数、超过阈值的在预定义时间窗口内获取的多个传感器读数、以及在预定义时间窗口内的具有超过阈值方差(variance)的方差的多个传感器读数。
在建模过程预测未来温度读数的一些实施例中，建模器118中的每一个被配置成在由建模过程预测的未来温度(例如，Tt+K)超过阈值(例如，15摄氏度)的情况下声明异常温度读数迫近。在其他的实施例中，建模器118中的一个或多个被配置成在由建模过程预测的未来温度超过由松弛因子调整的阈值的情况下声明异常温度读数迫近。在这些实施例中，松弛因子被设计成以生成假阳性(即，在一个异常温度读数没有发生的情况下声明其迫近)的代价消除假阴性(即，在一个异常温度读数发生的情况下没有声明其迫近)。松弛因子的值可凭经验确定并且可等于，例如，设置在距平均传感器读数值的两个标准偏差处的边界。
在一些实施例中，建模器118中的每一个被配置成响应于声明迫近的异常传感器读数而生成并且传输一个或多个占空比请求(如上所描述的)。这些占空比请求可被寻址到在声明迫近的异常传感器读数的传感器节点和网关102之间的路径上的中继节点。在一些实施例中，这些占空比请求包括在覆盖迫近的异常传感器读数的预测的定时(timing)的时间周期期间将处理请求的中继节点放置到它们的全功率模式中的所请求的占空比。
在一些实施例中，建模器118中的每一个被配置成执行当实际的传感器读数变得可用于与先前由建模过程预测的传感器读数进行比较时使用实际的传感器读数细化建模过程的训练过程。以下参考图3进一步描述这种训练过程的一个示例。另外，由建模器118中的每一个根据以上所描述的配置执行的过程的进一步示例在以下关联图2和4被提供。
虽然图1将建模器118示出为驻留在传感器节点内，但是在其他的实施例中，单个建模器118驻留在网关102内并且由网关102执行。附加地，应理解，网关102、中继节点104A到104N中的一个或多个、以及传感器节点106A到106N中的一个或多个可使用计算设备(诸如，以下参考图5所描述的计算设备)被实现。
方法
本文中所公开的一些实施例执行异常预测过程，诸如，在图2中所示的异常预测过程200。异常预测过程200可由传感器网络(诸如，以上参考图1所描述的传感器网络100)执行。由异常预测过程200执行的动作共同地构建、部署并且操作通过预测异常的发生并且控制传感器网络内的功率使用以匹配这些预测的发生来节省功率的传感器网络。
如图2中所示，异常预测过程200在动作202中开始，其中计算设备(诸如以下参考图5进一步描述的计算设备500)使用基准数据构建对传感器读数建模的过程。该基准数据可包括历史传感器读数和/或由仿真合成生成的传感器读数。例如，在正由传感器网络监测的环境特性包括温度的实施例中，基准数据可包括历史传感器读数和/或由传感器网络将被安装在其中的环境的计算流体动力学仿真生成的数据。在一些实施例中，计算设备使用回归分析来构建建模过程。例如，计算设备可以通过生成系数以最小化由等式1预测的未来温度与被包括在基准数据中的温度相比之间的误差来构建等式1。在建模过程被构建之后，它被安装在传感器网络的传感器节点的每一个内作为建模器(例如，建模器118)。
在动作204中，传感器网络被部署到它的指定的环境，并且在一些实施例中，使用从环境获取的实际传感器读数进一步训练建模过程。例如，在正由传感器网络监测的环境特性包括温度的实施例中，等式1的系数可被进一步调整以最小化由等式1预测的未来温度与被包括在从环境获取的实际温度传感器读数中的温度相比之间的误差。
在动作206中，传感器网络被放置到操作中并且至少一个建模器(例如，被容纳在传感器节点106A内的建模器)执行建模过程以预测异常传感器读数。在动作208中，建模器确定异常传感器读数是否是迫近的。如果是，则建模器执行动作210。否则，建模器执行动作212。
在动作210中，建模器生成占空比请求并且将该占空比请求传输到容纳建模器的传感器节点与网关(例如，网关102)之间的路径内的一个或多个中继节点(例如，中继节点104A到104N中的一个或多个)。这些占空比请求包括覆盖迫近的异常传感器读数的预测的定时的占空比。
在动作212中，建模器确定是否继续执行。例如，建模器可检查来自在传感器节点上执行的操作系统的通信以确定是否已经请求关闭(shutdown)。如果建模器确定执行应当继续，则建模器返回到动作206。否则，建模器终止异常预测过程200。
在本文中所公开的一些实施例执行占空比调度过程，诸如，在图3中所示的占空比调度过程300。占空比调度过程300可由中继节点(诸如以上参考图1所描述的中继节点104A到104N中的任何一个)执行。由占空比调度过程300执行的动作共同地使中继节点能够通过除了中继节点被预测从一个或多个传感器节点(诸如以上参考图1所描述的传感器节点106A到106N中的任何一个)接收到异常传感器读数的时间周期之外以降功率模式执行来节省功率。在这些时间周期期间，如由该一个或多个传感器节点经由一个或多个占空比请求所引导的，中继节点以全功率模式执行。
如在图3中所示的，占空比调度过程300在动作302中开始，其中中继节点经由接口(例如，中继节点104A的接口110)接收来自传感器节点的占空比请求。在动作304中，中继节点的处理器(例如，处理器112)解析占空比请求以确定所请求的占空比和持续时间。例如，处理器可解析占空比请求以标识在其期间中继节点以全功率模式操作达5分钟的周期性循环(periodic cycle)。在动作306中，中继节点执行所请求的占空比。该动作可包括处理器改变存储在中继节点的存储器(存储器108)中的配置信息以实现所请求的占空比。
在动作308中，处理器确定用于当前执行的占空比的持续时间是否已经期满。如果是，则处理器执行动作310。否则，处理器执行动作304。在动作310中，处理器将中继节点恢复到它先前的或默认的占空比并且占空比调度过程300结束。在一些实施例中，在动作310内，处理器改变配置信息以实现先前的或默认的占空比。例如，在动作310内，处理器可将占空比恢复到以降低的功率操作的连续模式。
本文中所公开的一些实施例执行模型训练过程，诸如，在图4中所示的模型训练过程400。模型训练过程400可由传感器节点(诸如以上参考图1所描述的传感器节点106A到106N中的任何一个)执行。由模型训练过程400执行的动作共同地使传感器节点能够细化被用于预测异常传感器读数的建模过程。
如在图4中所示的，模型训练过程400在动作402中开始，其中传感器节点从传感器(例如，传感器116)获取传感器读数。在动作404中，传感器节点的处理器(例如，处理器112)将传感器读数结合到存储在传感器节点的存储器(例如，存储器108)中的一组历史传感器读数中。在动作406中，处理器细化被用于预测异常传感器读数的建模过程并且模型训练过程400结束。在一些示例中，该细化过程在传感器节点的操作期间被周期性地执行并且计算将预测的传感器读数与在操作期间所获取的并被存储在历史传感器读数组中的实际传感器读数之间的误差最小化的建模过程的参数(例如，在回归模式中的系数、在神经网络模型中的链接和权重等)。
过程200到400中的每一个描绘了在特定的示例中的一个特定的动作序列。可通过或使用如本文所讨论的专门配置的一个或多个计算设备来执行包括在这些进程中的动作。一些动作是可选的，并且由此可根据一个或多个示例被省略。附加地，可改变动作的顺序，或者可添加其他动作，而不背离本文所讨论的系统和方法的范围。此外，应理解，优化技术(诸如，功率高效的数据收集以及负载平衡(例如，经由压缩采样))可在不脱离本公开的范围的情况下与本文中所描述的其他过程结合使用。
计算设备
图5示出可被使用以实现如本文中所描述的传感器网络的各种组件的计算设备500。如所示，计算设备500包括存储器502、至少一个处理器504以及至少一个接口506。虽然这些组件的特定类型和型号可在计算设备之间改变，但可以理解，每个计算设备均包括处理器、存储器和接口。
接口506包括一个或多个物理接口设备(诸如输入设备、输出设备和组合输入/输出设备)以及被配置成驱动设备的操作的软件栈。接口设备可接收输入或提供输出。更具体地，输出设备可提供用于外部呈现的信息而输入设备可从外部源接收信息或生成信息。接口设备的示例包括键盘、鼠标、跟踪球、话筒、触摸屏、打印设备、显示屏、扬声器、网络接口卡、环境传感器等等。接口设备允许可编程设备交换信息以及与诸如用户和其他系统之类的外部实体进行通信。
存储器502包括可由处理器504读取和/或写入的易失性和/或非易失性(即，非暂态的或非瞬态的)数据存储。存储器502存储在计算设备500的操作期间使用或操纵的程序和数据。存储在存储器502中的程序是可由该至少一个处理器504执行的一系列指令。存储器502可包括相对高性能的数据存储，诸如寄存器、高速缓存、动态随机存取存储器以及静态存储器。存储器502可进一步包括相对低性能、非易失性、计算机可读和/或可写的数据存储介质，诸如闪存或者光盘或磁盘。各实施例可将存储器502组织成特殊的，并且在一些情形中独特的结构以存储支持本文所公开的组件的数据。这些数据结构可被特别配置成保存存储空间或增加数据交换性能并且可被调整大小且可被组织成存储用于特定数据和数据类型的值。
在一些实施例中，为了实现和/或控制专门组件，处理器504执行导致被操纵的数据的一系列指令(即，一个或多个程序)。处理器504可以是本领域已知的任意类型的处理器、多处理器、微处理器或控制器。处理器504经由互连机制(诸如总线或一些其他数据连接)连接至存储器502和接口506并与存储器502和接口506通信数据。此互连机制在图5中通过连接计算设备内的组件的线来表示。在操作中，处理器504使数据和/或经编码的指令从存储器502中的非易失性数据存储介质被读取并被写入到高性能数据存储。处理器504操纵数据和/或执行在高性能数据存储内的经编码的指令并且在处理完成之后将经操纵的数据复制到数据存储介质。
虽然计算设备500作为能够执行本文所公开的过程的计算设备的示例被示出，但是实施例不限于图5所示的计算设备。例如，各过程可由具有与图5所示的那些不同的架构或组件的一个或多个计算设备来执行。例如，可编程设备可包括专门编程的专用硬件(诸如专用集成电路(ASIC)、场可编程门阵列(FPGA)、复杂可编程逻辑设备(CPLD)以及其他硅中实现)或者被定制成执行本文所公开的过程的其他硬件。因此，如本文所公开的计算设备的组件可以软件、硬件、固件或其任意组合来实现。
例如，如上所描述的，处理器504可以是通用处理器。然而，当执行如本文所描述的(例如，如图2-4中任一者所描绘的)特定软件过程时，处理器504变成能够执行以下操作的专用处理器：能够基于所接收的输入数据作出特定的基于逻辑的判定，并且进一步能够提供可被用于控制或以其他方式通知要被处理器504和/或与处理器504通信地耦合的其他处理器或电路执行的后续处理的一个或多个输出。处理器504以特定方式对特定输入刺激作出反应并基于该输入刺激生成对应输出。从这个意义上来说，根据一个实施例的处理器504的结构被图2-4中任一者所示的过程限定。而且，在一些示例情形中，处理器504通过一系列逻辑转变(其中处理器504内部或外部的各种内部寄存器状态和/或其他位单元状态可被设置成逻辑高或逻辑低)继续进行。逻辑转变的此特定序列由到处理器504的电输入信号的状态来确定，并且专用结构由处理器504在执行图2-4所示的过程的每个软件指令时有效地假定。特别地，那些指令预期要被接收的各种刺激并相应地改变所牵连的存储器状态。以这种方式，处理器504可生成并存储或以其他方式提供有用的输出信号。因此，可以理解，处理器504在软件过程的执行期间变成专用机器，其能够仅处理特定输入信号并且基于每个指令执行期间所执行的一个或多个逻辑操作来呈现特定输出信号。在至少一些示例中，处理器504被配置成执行其中软件被存储在与处理器504耦合的数据存储设备(例如，存储器502)中的功能，并且该软件被配置成使处理器504继续进行导致该功能被执行的一系列各种逻辑操作。
进一步的示例实施例
以下示例涉及进一步的实施例，大量的排列和配置将根据这些实施例变得显而易见。
示例1是一种中继节点，包括：存储指定中继节点以降功率模式周期性地操作的配置信息的存储器；网络接口；以及与存储器和网络接口耦合的至少一个处理器。该至少一个处理器被配置成：经由网络接口接收占空比请求；重新配置配置信息以指定中继节点按在占空比请求中所指定地进行操作；以及按在配置信息中所指定地操作中继节点。
示例2包括示例1的主题，其特征在于，该至少一个处理器被进一步配置成：经由网络接口接收来自传感器节点的传感器数据；以及将传感器数据传输到网关。
示例3包括示例1或示例2的主题，其特征在于，占空比请求指定中继节点以全功率模式操作一持续时间。
示例4包括示例3的主题，其特征在于，该至少一个处理器被进一步配置成重新配置配置信息以指定中继节点响应于持续时间的期满而以降功率模式周期性地操作。
示例5是一种传感器节点，包括：存储器；网络接口；传感器，该传感器被配置成获取至少一个传感器读数；以及至少一个处理器，该至少一个处理器与存储器以及网络接口耦合。该至少一个处理器被配置成：预测至少一个未来传感器读数；将该至少一个未来传感器读数与至少一个预定义标准进行比较；以及响应于该至少一个未来传感器读数满足该至少一个预定义标准：生成占空比请求；以及将占空比请求传输到至少一个中继节点。
示例6包括示例5的主题，其特征在于，该至少一个预定义标准包括阈值并且该至少一个未来传感器读数满足该至少一个预定义标准包括该至少一个未来传感器读数超过阈值。
示例7包括示例5或示例6的主题，其特征在于，该至少一个未来传感器读数包括在预定义时间窗口内获取的多个未来传感器读数，该至少一个预定义标准包括阈值，并且该至少一个未来传感器读数满足该至少一个预定义标准包括该多个未来传感器读数中的每一个未来传感器读数超过阈值。
示例8包括示例5-7中任一项的主题，其特征在于，该至少一个未来传感器读数包括在预定义时间窗口内获取的多个未来传感器读数，该至少一个预定义标准包括阈值方差，并且该至少一个未来传感器读数满足该至少一个预定义标准包括该多个未来传感器读数的方差超过阈值方差。
示例9包括示例5-8中任一项的主题，其特征在于，该至少一个处理器被配置成至少部分地通过执行预测在预测时域内的未来传感器读数的模型来预测该至少一个未来传感器读数，并且被进一步配置成生成包括等于预测时域的持续时间的该占空比请求。
示例10包括示例9的主题，其特征在于，模型包括回归模型、多项式曲线拟合模型、神经网络模型以及决策树模型中的一个或多个。
示例11包括示例9或示例10的主题，其特征在于，该至少一个处理器进一步被配置成：接收该至少一个传感器读数；以及使用该至少一个未来传感器读数以及该至少一个传感器读数细化模型。
示例12是一种传感器网络，该传感器网络包括至少一个中继节点以及至少一个传感器节点。该至少一个中继节点被配置成：周期性地以降功率模式操作；接收占空比请求；以及按在占空比请求中所指定地进行操作。该至少一个传感器节点被配置成：预测至少一个未来异常传感器读数；响应于预测到该至少一个未来异常传感器读数而生成占空比请求；以及将占空比请求传输到该至少一个中继节点。
示例13包括示例12的主题，进一步包括网关，其中该至少一个中继节点被进一步配置成：接收来自该至少一个传感器节点的传感器数据；并且将传感器数据传输到网关。
示例14包括示例12或示例13的主题，其特征在于，占空比请求指定该至少一个中继节点以全功率模式操作一持续时间。
示例15包括示例14的主题，其特征在于，该至少一个中继节点被进一步配置成响应于持续时间的期满而周期性地以降功率模式操作。
示例16包括示例12-13中任一项的主题，其特征在于，该至少一个传感器节点被进一步配置成至少部分地通过执行预测在预测时域内的未来传感器读数的模型来预测该至少一个未来异常传感器读数，并且被进一步配置成生成包括等于预测时域的持续时间的该占空比请求。
示例17包括示例16的主题，其特征在于，模型包括回归模型、多项式曲线拟合模型、神经网络模型以及决策树模型中的一个或多个。
示例18包括示例16或示例17的主题，其特征在于，该至少一个传感器节点被进一步配置成：获取至少一个传感器读数；以及使用该至少一个未来异常传感器读数以及该至少一个传感器读数细化模型。
示例19是一种控制由包括至少一个中继节点和至少一个传感器节点的传感器网络消耗的功率的方法。该方法包括以下的动作：以降功率模式操作该至少一个中继节点；预测在该至少一个传感器节点处的至少一个未来异常传感器读数；以及响应于预测到该至少一个未来异常传感器读数而以全功率模式操作该至少一个中继节点。
示例20包括示例19的主题，其特征在于，以全功率模式操作该至少一个中继节点包括：响应于预测到该至少一个未来异常传感器读数而生成占空比请求；将占空比请求传输到该至少一个中继节点；由该至少一个中继节点接收占空比请求；以及按在占空比请求中所指定地操作该至少一个中继节点。
示例21包括示例20的主题，其特征在于，按在占空比请求中所指定地操作该至少一个中继节点包括以全功率模式操作该至少一个中继节点达在所述占空比请求中所指定的一持续时间，并且该方法进一步包括响应于持续时间的期满而以降功率模式操作该至少一个中继节点。
示例22包括示例19-21中的任一项的主题，其特征在于，预测该至少一个未来异常传感器读数包括执行预测在预测时域内的未来传感器读数的模型。
示例23包括示例22的主题，其特征在于，执行模型包括执行回归模型、多项式曲线拟合模型、神经网络模型以及决策树模型中的一个或多个。
示例24包括示例22或示例23的主题，其特征在于，进一步包括：获取至少一个传感器读数；以及使用该至少一个未来异常传感器读数以及该至少一个传感器读数细化模型。
示例25包括示例24的主题，其特征在于，获取至少一个传感器读数包括获取至少一个温度传感器读数。
示例26是一种利用指令编码的非瞬态计算机可读介质，所述指令在由一个或多个处理器执行时使用于控制由包括中继节点的传感器网络消耗的功率的过程被实施。该过程包括以下的动作：周期性地以降功率模式操作中继节点；由中继节点接收占空比请求；重新配置存储在中继节点上的配置信息以指定中继节点按在占空比请求中所指定地进行操作；以及按在配置信息中所指示的操作中继节点。
示例27包括示例26的主题，其特征在于，该过程进一步包括：由中继节点接收来自传感器节点的传感器数据；以及由中继节点将传感器数据传输到网关。
示例28包括示例26或示例27的主题，其特征在于，占空比请求指定中继节点以全功率模式操作一持续时间。
示例29包括示例28的主题，其特征在于，该过程进一步包括重新配置配置信息以指定中继节点响应于持续时间的期满而周期性以降功率模式进行操作。
本文所使用的术语和表达被用作描述性而非限制性的术语，在使用此类术语和表达时，不旨在排除所示出的和所描述的特征(或其某些部分)的任何等效内容，应当认识到，在权利要求书的范围之内，各种修改都是可能的。相应地，权利要求书旨在涵盖所有此类等效内容。本文描述了各种特征、方面和实施例。如本领域技术人员将理解的，各个特征、方面和实施例易于彼此组合及进行变化和修改。本公开应该因此被认为包含此类组合、变化和修改。本公开的范围不是由该详细描述限制而是由所附权利要求限定。将来提出的要求本申请优先权的申请可以以不同的方式要求所公开的主题，并且通常可包括如在此多方面地公开或以其他方式展示的一个或多个限制的任意集合。

Claims (25)

1.一种中继节点，包括：
存储器，所述存储器存储指定所述中继节点以降功率模式周期性地操作的配置信息；
网络接口；以及
至少一个处理器，所述至少一个处理器与所述存储器和所述网络接口耦合并且被配置成：
经由所述网络接口接收占空比请求；
重新配置所述配置信息以指定所述中继节点按在所述占空比请求中所指定地进行操作；以及
按在所述配置信息中所指定地操作所述中继节点。
2.如权利要求1所述的中继节点，其特征在于，所述至少一个处理器被进一步配置成：
经由所述网络接口接收来自传感器节点的传感器数据；以及
将所述传感器数据传输到网关。
3.如权利要求1所述的中继节点，其特征在于，所述占空比请求指定所述中继节点以全功率模式操作一持续时间。
4.如权利要求1到3中任一项所述的中继节点，其特征在于，所述至少一个处理器被进一步配置成重新配置所述配置信息，以指定所述中继节点响应于所述持续时间的期满而以所述降功率模式周期性地操作。
5.一种传感器节点，包括：
存储器；
网络接口；
传感器，所述传感器被配置成获取至少一个传感器读数；以及
至少一个处理器，所述至少一个处理器与所述存储器和所述网络接口耦合并且被配置成：
预测至少一个未来传感器读数；
将所述至少一个未来传感器读数与至少一个预定义标准进行比较；以及
响应于所述至少一个未来传感器读数满足所述至少一个预定义标准：
生成占空比请求；以及
将所述占空比请求传输到至少一个中继节点。
6.如权利要求5所述的传感器节点，其特征在于，所述至少一个预定义标准包括阈值，并且所述至少一个未来传感器读数满足所述至少一个预定义标准包括所述至少一个未来传感器读数超过所述阈值。
7.如权利要求5所述的传感器节点，其特征在于，所述至少一个未来传感器读数包括在预定义时间窗口内获取的多个未来传感器读数，所述至少一个预定义标准包括阈值，并且所述至少一个未来传感器读数满足所述至少一个预定义标准包括所述多个未来传感器读数中的每一个未来传感器读数超过所述阈值。
8.如权利要求5所述的传感器节点，其特征在于，所述至少一个未来传感器读数包括在预定义时间窗口内获取的多个未来传感器读数，所述至少一个预定义标准包括阈值方差，并且所述至少一个未来传感器读数满足所述至少一个预定义标准包括所述多个未来传感器读数的方差超过所述阈值方差。
9.如权利要求5到8中任一项所述的传感器节点，其特征在于，所述至少一个处理器被配置成至少部分地通过执行预测在预测时域内的未来传感器读数的模型来预测所述至少一个未来传感器读数，并且被进一步配置成生成包括等于所述预测时域的持续时间的所述占空比请求。
10.如权利要求9所述的传感器节点，其特征在于，所述模型包括回归模型、多项式曲线拟合模型、神经网络模型以及决策树模型中的一个或多个。
11.如权利要求9所述的传感器节点，其特征在于，所述至少一个处理器被进一步配置成：
接收所述至少一个传感器读数；以及
使用所述至少一个未来传感器读数和所述至少一个传感器读数细化所述模型。
12.一种传感器网络，包括：
至少一个中继节点，所述至少一个中继节点被配置成：
周期性地以降功率模式操作；
接收占空比请求；以及
按在所述占空比请求中所指定地进行操作；以及
至少一个传感器节点，所述至少一个传感器节点被配置成：
预测至少一个未来异常传感器读数；
响应于预测到所述至少一个未来异常传感器读数而生成所述占空比请求；以及
将所述占空比请求传输到所述至少一个中继节点。
13.如权利要求12所述的传感器网络，进一步包括网关，其中所述至少一个中继节点被进一步配置成：
接收来自所述至少一个传感器节点的传感器数据；以及
将所述传感器数据传输到所述网关。
14.如权利要求12所述的传感器网络，其特征在于，所述占空比请求指定所述至少一个中继节点以全功率模式操作一持续时间。
15.如权利要求14所述的传感器网络，其特征在于，所述至少一个中继节点被进一步配置成响应于所述持续时间的期满而周期性地以所述降功率模式操作。
16.如权利要求12到15中任一项所述的传感器网络，其特征在于，所述至少一个传感器节点被进一步配置成至少部分地通过执行预测在预测时域内的未来传感器读数的模型来预测所述至少一个未来异常传感器读数，并且被进一步配置成生成包括等于所述预测时域的持续时间的所述占空比请求。
17.一种控制由包括至少一个中继节点和至少一个传感器节点的传感器网络消耗的功率的方法，所述方法包括：
以降功率模式操作所述至少一个中继节点；
预测在所述至少一个传感器节点处的至少一个未来异常传感器读数；以及
响应于预测到所述至少一个未来异常传感器读数而以全功率模式操作所述至少一个中继节点。
18.如权利要求17所述的方法，其特征在于，以全功率模式操作所述至少一个中继节点包括：
响应于预测到所述至少一个未来异常传感器读数而生成占空比请求；
将所述占空比请求传输到所述至少一个中继节点；
由所述至少一个中继节点接收所述占空比请求；以及
按在所述占空比请求中所指定地操作所述至少一个中继节点。
19.如权利要求18所述的方法，其特征在于，按在所述占空比请求中所指定地操作所述至少一个中继节点包括以所述全功率模式操作所述至少一个中继节点达在所述占空比请求中所指定地一持续时间，并且所述方法进一步包括响应于所述持续时间的期满而以所述降功率模式操作所述至少一个中继节点。
20.如权利要求17到19中任一项所述的方法，其特征在于，预测所述至少一个未来异常传感器读数包括执行预测在预测时域内的未来传感器读数的模型。
21.如权利要求20所述的方法，进一步包括：
获取至少一个传感器读数；以及
使用所述至少一个未来异常传感器读数和所述至少一个传感器读数细化所述模型。
22.如权利要求21所述的方法，其特征在于，获取所述至少一个传感器读数包括获取至少一个温度传感器读数。
23.一种中继节点，包括：
用于周期性地以降功率模式操作所述中继节点的装置；
用于由所述中继节点接收占空比请求的装置；
用于重新配置存储在所述中继节点上的配置信息以指定所述中继节点按在所述占空比请求中所指定地进行操作的装置；以及
用于按在所述配置信息中所指定地操作所述中继节点的装置。
24.如权利要求23所述的中继节点，其特征在于，所述占空比请求指定所述中继节点以全功率模式操作一持续时间。
25.如权利要求24所述的中继节点，进一步包括用于重新配置所述配置信息以指定所述中继节点响应于所述持续时间的期满而周期性地以所述降功率模式进行操作的装置。
CN201810602338.2A 2017-07-11 2018-06-12 网络中继的调度 Pending CN109246788A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/646,504 US10448415B2 (en) 2017-07-11 2017-07-11 Scheduling of network relays
US15/646,504 2017-07-11

Publications (1)

Publication Number Publication Date
CN109246788A true CN109246788A (zh) 2019-01-18

Family

ID=64745267

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810602338.2A Pending CN109246788A (zh) 2017-07-11 2018-06-12 网络中继的调度

Country Status (3)

Country Link
US (1) US10448415B2 (zh)
CN (1) CN109246788A (zh)
DE (1) DE102018209285A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111426806A (zh) * 2020-03-27 2020-07-17 渤海大学 基于物联网手段对水产品冷链物流保鲜程度自动监测预警方法
CN112188538A (zh) * 2020-09-30 2021-01-05 华晋焦煤有限责任公司 一种采空区无线自组网地面模拟测试方法

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10996664B2 (en) * 2019-03-29 2021-05-04 Mitsubishi Electric Research Laboratories, Inc. Predictive classification of future operations
CN115473615A (zh) * 2021-06-11 2022-12-13 北京三星通信技术研究有限公司 接收和发送数据和/或控制信息的方法和设备

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7405597B1 (en) * 2005-06-30 2008-07-29 Transmeta Corporation Advanced repeater with duty cycle adjustment
US7539882B2 (en) * 2005-05-30 2009-05-26 Rambus Inc. Self-powered devices and methods
JP2007300572A (ja) * 2006-05-08 2007-11-15 Hitachi Ltd センサネットシステム、センサネット位置特定方法
US7852761B2 (en) * 2006-09-07 2010-12-14 Sap Ag Duty cycle control for networks of nodes
ES2621942T3 (es) * 2011-11-16 2017-07-05 Agt International Gmbh Procedimiento y sistema para selección de sensor espacio-temporal
EP2932610A4 (en) * 2012-09-07 2016-10-05 Univ Virginia Patent Found SMALL POWER TRIGGER SOURCE
EP3010408B1 (en) * 2013-06-21 2022-08-10 Northeastern University Sensor system and process for measuring electric activity of the brain, including electric field encephalography
JP2016110317A (ja) * 2014-12-04 2016-06-20 ソニー株式会社 情報処理装置、情報処理方法およびプログラム
WO2016188680A1 (en) * 2015-05-22 2016-12-01 Sony Corporation Communications terminals, infrastructure equipment and methods, for ue:s acting as relays
US10404535B2 (en) * 2015-12-11 2019-09-03 Kabushiki Kaisha Toshiba Method for managing the configuration of a wireless connection used to transmit sensor readings from a sensor to a data collection facility
US9929772B2 (en) * 2016-02-05 2018-03-27 Apana Inc. Low power, high resolution automated meter reading and analytics
US10181980B2 (en) * 2016-10-29 2019-01-15 Facebook, Inc. Controlling a hybrid node to operate as one of a first group of nodes or as one of a second group of nodes of a wireless network
US10448326B2 (en) * 2016-11-18 2019-10-15 Kabushiki Kaisha Toshiba Method and device for routing and scheduling in a multi-hop network
US10252710B2 (en) * 2017-05-10 2019-04-09 Toyota Motor Engineering & Manufacturing North America, Inc. Utilizing missed prediction

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111426806A (zh) * 2020-03-27 2020-07-17 渤海大学 基于物联网手段对水产品冷链物流保鲜程度自动监测预警方法
CN112188538A (zh) * 2020-09-30 2021-01-05 华晋焦煤有限责任公司 一种采空区无线自组网地面模拟测试方法
CN112188538B (zh) * 2020-09-30 2022-08-26 华晋焦煤有限责任公司 一种采空区无线自组网地面模拟测试方法

Also Published As

Publication number Publication date
US10448415B2 (en) 2019-10-15
US20190021100A1 (en) 2019-01-17
DE102018209285A1 (de) 2019-01-17

Similar Documents

Publication Publication Date Title
CN109246788A (zh) 网络中继的调度
US11050577B2 (en) Automatically learning and controlling connected devices
CN113810953B (zh) 一种基于数字孪生的无线传感网络资源调度方法及系统
Hac Wireless sensor network designs
Stankovic Research directions for the internet of things
CN104635663B (zh) 用于装置的分级管理的方法和系统
CN104639601B (zh) 一种代理网络的装置的方法及代理装置
CN108419453B (zh) 一种照明灯控制方法及其装置、照明灯
WO2019131527A1 (ja) 汎用学習済モデルの生成方法
CN104869581B (zh) 经由无线传感器网络内的标签传播确定故障节点
US11669059B2 (en) Autonomous and semantic optimization approach for real-time performance management in a built environment
CN107872776B (zh) 用于室内监控的方法、装置、电子设备及存储介质
CN109219808A (zh) 分布式系统的上下文特征数据驱动的顺序联合查询方法
WO2015041577A1 (en) Methods, apparatuses, and computer program products for configuring and collecting information from sleepy devices
Cook et al. Learning to control a smart home environment
Fernández-Montes et al. Software reference architecture for smart environments: Perception
Han et al. A novel deep-learning-based robust data transmission period control framework in iot edge computing system
Mahmud et al. Power profiling of context aware systems: a contemporary analysis and framework for power conservation
Losev et al. Infographic oriented management model of cyber-physical systems during a building life cycle
CN105721516B (zh) 基于物联网和通信网络的神经元系统及其神经元装置
CN114322260B (zh) 空调自动驾驶、模型训练和预测方法、装置及设备
Podpora et al. Intelligent real-time adaptation for power efficiency in sensor networks
Tynan et al. Multi-agent system methodology for wireless sensor networks
Drungilas et al. Cloud interconnected affect reward based automation ambient comfort controller
Di Lecce et al. IoT based cooperative agents architecture: Lightweight applications for smart cities

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