CN113472689B - 一种基于双缓存区AoI感知的物联网数据收集方法 - Google Patents

一种基于双缓存区AoI感知的物联网数据收集方法 Download PDF

Info

Publication number
CN113472689B
CN113472689B CN202110687173.5A CN202110687173A CN113472689B CN 113472689 B CN113472689 B CN 113472689B CN 202110687173 A CN202110687173 A CN 202110687173A CN 113472689 B CN113472689 B CN 113472689B
Authority
CN
China
Prior art keywords
sample
source node
aoi
transmitted
cache
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.)
Active
Application number
CN202110687173.5A
Other languages
English (en)
Other versions
CN113472689A (zh
Inventor
叶恒舟
郝薇
黄凤怡
韩海峰
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.)
Guilin University of Technology
Original Assignee
Guilin University of Technology
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 Guilin University of Technology filed Critical Guilin University of Technology
Priority to CN202110687173.5A priority Critical patent/CN113472689B/zh
Publication of CN113472689A publication Critical patent/CN113472689A/zh
Application granted granted Critical
Publication of CN113472689B publication Critical patent/CN113472689B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L49/00—Packet switching elements
    • H04L49/90—Buffering arrangements
    • H04L49/9047—Buffering arrangements including multiple buffers, e.g. buffer pools
    • 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
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/70—Admission control; Resource allocation
    • H04L47/82—Miscellaneous aspects
    • H04L47/826—Involving periods of time

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于双缓存区AoI感知的物联网数据收集方法，具体包括以下步骤：S1：提出一种基于双缓存区的数据存储与传输策略，对系统模型以及两个缓存区的样本存储与传输过程进行设计；S2：在步骤S1的策略提出后，构建物联网数据传输场景下的双缓存区AoI模型与平均加权AoI优化目标；S3：根据步骤S2得到的结果，设计选择函数，提出一种基于贪心策略的算法对该模型进行求解，完成源节点样本的调度与数据的收集。本发明利用基于双缓存区AoI模型的贪心策略减小平均加权AoI，根据链路与源节点的实时状况对源节点以及源节点上的新旧样本进行灵活选择，即使在链路资源或源节点能量受限的情况下，也能够尽力为物联网用户提供新鲜的数据，提高用户体验质量。

Description

一种基于双缓存区AoI感知的物联网数据收集方法
技术领域
本发明涉及算法设计领域，尤其涉及一种双缓存区AoI感知的物联网数据收集方法。
技术背景
随着物联网的迅速发展，数据量也在以指数形式迅速增长。在数据量如此庞大的网络中，受到带宽的影响，链路中用于数据传输的资源受到限制，且各个源节点受到能量的限制，因此亟需一个合适的调度算法将受限的链路资源分配给能量受限的源节点，以满足用户对新鲜数据的需求。在传统的数据收集方法中，大多基于时延、吞吐量等指标对源节点分配资源以进行样本传输，但是时延较小而吞吐量很小或者吞吐量很大而时延较大都会导致用户接收到的数据不够新鲜。AoI(信息年龄)被定义为当前时间与接收节点处最新样本生成时间的差值，是一种新兴的数据新鲜程度度量方式，并且得到了越来越广泛的关注。AoI可以很好地避免以上问题的发生。
目前的AoI相关研究工作中，所建立的系统模型往往存在以下一个或多个问题：假设各个源节点是没有区别的，未考虑到它们的权重、采样周期、采样大小等不同；考虑一个时隙仅可调度一个源节点样本，而现有的传输技术可将时域和频域同时划分为小片段，从而在一个时隙内可以对多个源节点样本进行调度；未考虑到信道的不可靠性；未考虑到各个源节点传输信息时所耗费的能量。在所采用的调度方法中，仅是单一地调度新采集样本或是先前采集的旧样本，不能根据实时状况灵活应对，传输新样本可以较旧样本减少更多AoI，但一些大样本不易被传输完毕，部分传输后被丢弃造成资源浪费，导致数据新鲜度降低。
综上所述，设计一个合理的方法对各个源节点样本调度，从而对物联网中周期性采集的数据进行收集十分有必要，由此满足用户对数据新鲜程度的要求，进行数据的及时传输。
发明内容
为了解决上述技术问题，本发明提出了一种基于双缓存区AoI感知的物联网数据收集方法，该方法设计一种双缓存区数据存储与传输策略，建立了物联网数据传输场景下的双缓存区AoI模型与平均加权AoI优化目标函数，使用一种贪心算法来求解该模型，应用本发明能够实现对物联网中各源节点周期性采集的样本的合理调度，对数据的及时传输有着极其重要的意义。
为了达到上述目的，本发明的技术方案是：一种基于双缓存区AoI感知的物联网数据收集方法，包括以下步骤：
S1：提出一种基于双缓存区的数据存储与传输策略，对系统模型以及两个缓存区的样本存储与传输过程进行设计；
S2：在步骤S1的策略提出后，构建物联网数据传输场景下的双缓存区AoI模型与平均加权AoI优化目标；
S2.1：构建源节点的1号缓存区的AoI函数；
S2.2：构建源节点的2号缓存区的AoI函数；
S2.3：构建双缓存区策略中基站处各源节点的AoI函数；
S2.4：构建平均加权AoI目标函数；
S3：根据步骤S2得到的结果，设计选择函数，提出一种基于贪心策略的算法对该模型进行求解，完成源节点样本的调度与数据的收集。
本发明提出了一种基于双缓存区AoI感知的物联网数据收集方法，该方法得到一个使AoI最小化的调度序列，源节点根据此调度序列进行数据的传输，采用两个缓存区策略，保证调度时可以更加灵活地为用户提供新鲜的数据。
在上述技术方案的基础上，还可以做如下改进：
进一步，步骤S1具体包括以下步骤：
S1.1：系统模型设计中，基站根据当时的链路以及源节点状况灵活应对，通过对比分析来决定传输哪个源节点的样本以及此源节点的旧样本还是新样本，使用两个缓存区对数据进行缓存，以便进行选择与传输。1号缓存区用于存储传输了部分而未完全传输完毕的源节点样本，2号缓存区用于存储最新采集的且未被成功传输过的样本。
S1.2：1号缓存区样本传输过程中，若选择1号缓存区的样本传输，则减去所成功传输的样本大小。若2号缓存区样本完全传输并成功到达基站，则将1号缓存区原有样本丢弃。
S1.3：2号缓存区样本传输过程中，若源节点采集新样本，则更新2号缓存区的样本。若2号缓存区样本进行部分传输且传输成功，则将样本的剩余未传输完毕的部分存储在1号缓存区。
进一步，步骤S2.1中，构建的源节点的1号缓存区的AoI函数，其形式如下：
Figure BDA0003125158730000031
其中，
Figure BDA0003125158730000032
表示t时隙源节点Si中r缓存区的AoI值；
Figure BDA0003125158730000037
表示Si的r缓存区内样本在t时隙还未传输时的剩余待传输样本大小；
ri(t)表示t时隙Si所选择的传输数据所在的缓存区，ri(t)∈{0,1,2}，其中0表示该源节点在t时隙未被调度，两个缓存区的样本均不可进行传输；
ci(t)指示t时隙Si传输的样本是否正确到达基站，若可正确达到则记为1。
进一步，步骤S2.2中构建的源节点的2号缓存区的AoI函数，其形式如下：
Figure BDA0003125158730000033
其中，Fi表示Si第一次采样的时隙；
Ti表示Si的采样周期。
进一步，步骤S2.3中构建的双缓存区策略中基站处各源节点在t+1时隙的AoI函数，计算公式如下：
Figure BDA0003125158730000034
其中，Ai(t)表示基站处Si在t时隙的AoI值；
Ui(t)表示t时隙基站上最新到达的Si样本的生成时间。
进一步，步骤S2.4中构建平均加权AoI目标函数，首先考虑到各节点的采样信息重要程度不同，采用权重归一化函数，那么可按照以下公式对权重作归一化处理：
Figure BDA0003125158730000035
Figure BDA0003125158730000036
其中，N表示源节点的个数；
wi表示各个源节点的归一化权重；
Wi表示各个源节点的权重；
Figure BDA0003125158730000041
表示平均加权AoI。
进一步，步骤S3具体包括以下步骤：
S3.1：设计源节点样本的选择函数；
S3.2：设计调度算法，基于贪心策略，在每个时隙内对各源节点两个缓存区中所存储的新旧样本进行调度，根据步骤S3.1设计的选择函数，选择选择函数值最大的源节点样本并分配链路资源，进行数据传输。时隙内每一次的资源分配都执行这样的流程，直至当前时隙的资源不再足够进行样本传输或没有源节点传输样本或每个节点都被调度过了，则当前时隙不再进行调度。
进一步，步骤S3.1中，具体包括步骤：
S3.1.1：构建源节点各缓存区中可传输最大样本容量函数，计算每个源节点缓存区在t时隙可以传输的最大样本容量，其确定公式如下：
Figure BDA0003125158730000042
其中，ATi r(t)表示Si的r缓存区在t时隙链路资源与源节点能量所可传输的最大样本容量；
Ei(t)表示Si在t时隙还未开始传输时剩余的能量；
ETi r(t)表示Si的r缓存区样本在时隙t传输完毕所需要的能量；
Eg表示保证每个源节点都可以正常工作的能量最小值；
RM(t)表示t时隙剩余链路资源；
Figure BDA0003125158730000043
表示Si的r缓存区在时隙t包括数据包包头在内的真正需要传输的数据包长度；
LAi(t)表示Si所剩下的能量可以传输的样本最大容量。
S3.1.2：构建AoI增益函数，t时隙传输Si的r缓存区样本，若能全部成功到达基站所能产生的AoI增益
Figure BDA0003125158730000044
计算公式如下：
Figure BDA0003125158730000051
S3.1.3：基于S3.1.1与S3.2.2，构建选择函数。选择函数值
Figure BDA0003125158730000052
的确定公式如下：
Figure BDA0003125158730000053
其中，我们采用非理想信道，可能会产生样本的传输失败，每个源节点以pi∈(0,1]的概率使得样本可以正确到达基站。
本发明的优点在于：
(1)本发明构建了物联网数据传输场景下的双缓存区AoI模型，避免了现有模型对节点异构性、一个时隙内可调度多个源节点样本、信道不可靠性、传输能耗等一个或多个方面的忽视，以及仅考虑单一缓存区而不能基于所建立的模型设计算法对源节点处新旧样本进行选择的问题的出现；
(2)本发明提出了基于贪心策略的双缓存区AoI感知的数据收集方法，所设计的调度算法可以对源节点以及源节点处的新旧样本进行选择，具有灵活性，为用户提供更新鲜的数据。
附图说明
图1系统模型示意图。
图2选择源节点的1号缓存区样本收集流程图。
图3选择源节点的2号缓存区样本收集流程图。
图4基于双缓存区AoI感知的物联网一次数据收集流程图。
具体实施方式
下面结合附图详细说明本发明的优选实施方式。
为达到本发明的目的，提出一种物联网数据收集方法，该方法是基于双缓存区AoI感知的贪心策略来实现的。一种基于双缓存区AoI感知的物联网数据收集方法具体实施步骤如下：
S1：提出一种基于双缓存区的数据存储与传输策略，对系统模型以及两个缓存区的样本存储与传输过程进行设计；
S2：在步骤S1的策略提出后，构建物联网数据传输场景下的双缓存区AoI模型与平均加权AoI优化目标；
S3：根据步骤S2得到的结果，设计选择函数，提出一种基于贪心策略的算法对该模型进行求解，完成源节点样本的调度与数据的收集。
为了进一步地优化本发明的实施效果，在步骤S1中，分别对系统模型以及两个缓存区数据存储与传输策略进行设计，步骤S1具体包括以下步骤：
S1.1：系统模型设计中，基站根据当时的链路以及源节点状况灵活应对，通过对比分析来决定传输哪个源节点的样本以及此源节点的旧样本还是新样本，使用两个缓存区对数据进行缓存，以便进行选择与传输。
如图1所示，为了决定传输哪个源节点的样本以及是传输新样本还是旧样本，本发明提出了一种抢占式的两个缓存区策略。假设每个源节点存在两个缓存区，缓存区的序号r∈{1,2}，每个源节点上至多可以存在两个等候传输的样本，它们通过共享信道将样本传输给基站。1号缓存区用于存储传输了部分而未完全传输完毕的源节点样本，2号缓存区用于存储最后采集的且未被成功传输过的数据。
S1.2：1号缓存区样本传输过程中，若是部分传输的旧样本在1号缓存区等待，新样本在2号缓存区等待，两个样本都在源节点缓存区等待，在下一次调度到此源节点时，若继续选择传输1号缓存区的旧样本，且可使其在下一时隙全部正确到达基站，那么在下一时隙1号缓存区为空，若传输不完或传输失败，则下一时隙源节点处仍保留两个待传输样本。若2号缓存区样本完全传输并成功到达基站，则将1号缓存区原有样本丢弃。
如图2所示，其中，RM(t)表示t时隙剩余链路资源，ATi r(t)表示源节点Si的r缓存区在t时隙链路资源与源节点能量所可传输的最大样本容量，lh表示数据包包头长度，每次样本的传输都会消耗链路资源。用zi(t)来记录Si在t时隙是否被调度，若被调度了则置为1，因为数据的传输是需要时间的，一个源节点在一个时隙内仅可被调度一次。ELi(t)表示Si在t时隙完成传输后剩余的能量，Ei(t)表示Si在t时隙还未开始传输时剩余的能量，ETi(t)表示Si的样本在时隙t传输所消耗的能量，每次传输都会消耗源节点处的能量。使用ci(t)来指示Si的样本在t时隙是否传输成功，如果未成功则记为0。
Figure BDA0003125158730000061
表示Si的r缓存区内样本在t时隙传输完毕后的剩余待传输样本大小。
Figure BDA0003125158730000062
表示Si的r缓存区内样本在t时隙还未传输时的剩余待传输样本大小。若未传输成功，则传输前后剩余待传输样本大小相同，若可以传输成功，则减去可以传输的大小即可，传输1号缓存区样本对2号缓存区样本没有影响。
S1.3：2号缓存区样本传输过程中，若2号缓存区样本还未进行过成功的传输，新的采样时隙到达，则直接丢弃旧样本，将最新采集的样本存储在2号缓存区。如图3所示，若2号缓存区样本传输失败，则两个缓存区内剩余待传输样本大小不变。若2号缓存区样本进行部分传输且传输成功，则将样本的剩余未传输完毕的部分存储在1号缓存区，丢弃1号缓存区原有的样本。
进一步，基于S1中所设计的策略，步骤S2具体包括以下步骤：
S2.1：构建源节点的1号缓存区的AoI函数；
S2.2：构建源节点的2号缓存区的AoI函数；
S2.3：构建双缓存区策略中基站处各源节点的AoI函数；
S2.4：构建平均加权AoI目标函数；
这里，步骤S2.1中构建的源节点的1号缓存区在t时隙的AoI函数，计算公式如下：
Figure BDA0003125158730000071
其中，
Figure BDA0003125158730000072
表示t时隙Si中r缓存区的AoI值；
ri(t)表示t时隙Si所选择的传输数据所在的缓存区，ri(t)∈{0,1,2}，其中0表示该源节点在t时隙未被调度，两个缓存区的样本均不可进行传输。
若由于传输完毕或因为之前2号缓存区样本全部成功传输到了基站而丢弃了1号缓存区样本，1号缓存区没有等待传输的样本，此时1号缓存区AoI为0；如果t-1时隙选择传输2号缓存区样本，传输成功但仅传输了部分样本，t时隙此样本会被放在1号缓存区进行存储；如果t-1时隙不传输或者传输1号缓存区样本但未传输完毕，或者样本由于信道不可靠而未传输成功，则1号缓存区样本AoI在t时隙直接增加1。
进一步，步骤S2.2中构建的源节点的2号缓存区在t时隙的AoI函数，计算公式如下：
Figure BDA0003125158730000081
其中，Fi表示Si第一次采样的时隙；
Ti表示Si的采样周期。
如果新样本到达，则会将2号缓存区的旧样本丢弃，因此，如果2号缓存区上有存储的样本则一定是最新采集的样本。
进一步，步骤S2.3中构建的双缓存区策略中基站处各源节点在t+1时隙的AoI函数，计算公式如下：
Figure BDA0003125158730000082
其中，Ai(t)表示基站处Si在t时隙的AoI值；
Ui(t)表示t时隙基站上最新到达的Si样本的生成时间。
进一步，步骤S2.4中构建平均加权AoI目标函数，首先考虑到各节点的采样信息重要程度不同，采用权重归一化函数，那么可按照以下公式对权重作归一化处理：
Figure BDA0003125158730000083
Figure BDA0003125158730000084
其中，N表示源节点的个数；
wi表示各个源节点的归一化权重；
Wi表示各个源节点的权重；
Figure BDA0003125158730000085
表示平均加权AoI。
进一步，步骤S3具体包括以下步骤：
S3.1：设计源节点样本的选择函数；
S3.2：根据步骤S3.1设计的选择函数，设计调度算法。设计调度算法时不能单单考虑一个源节点样本的传输，可能对此源节点的传输虽然能够减少单个源节点的AoI值，但不能够充分发挥链路资源的最大价值，造成链路资源的浪费，导致其他源节点AoI值迅速增加。本发明基于贪心策略，每个时隙内各源节点上两个缓存区中的样本都参与调度计算，根据步骤S3.1设计的选择函数，选择选择函数值最大的源节点样本并分配链路资源，进行数据传输。
如图4所示，每个源节点的两个缓存区都有相应的选择函数值，将Si在t时隙较大的选择函数值记为SEi(t)，使用MS(t)表示t时隙所有源节点中最大的选择函数值，从当前时隙未被调度过且可以对样本进行传输的源节点处寻找源节点以及相应的缓存区样本，保证其选择函数值在所有源节点样本中是最大的，对这样的样本分配链路资源，进行一次数据传输。t时隙内每一次的资源分配都执行这样的流程，直至当前时隙的资源不再足够进行样本传输或没有源节点传输样本或每个节点都被调度过了，则当前时隙不再进行调度。
进一步，步骤S3.1中，具体包括步骤：
S3.1.1：构建源节点各缓存区中可传输最大样本容量函数，其确定公式如下：
Figure BDA0003125158730000091
其中，ETi r(t)表示Si的r缓存区样本在时隙t传输完毕所需要的能量；
Eg表示保证每个源节点都可以正常工作的能量最小值；
Figure BDA0003125158730000092
表示Si的r缓存区在时隙t包括数据包包头在内的真正需要传输的数据包长度；
LAi(t)表示Si所剩下的能量可以传输的样本最大容量。
S3.1.2：构建AoI增益函数，t时隙传输Si的r缓存区样本，若能全部成功到达基站所能产生的AoI增益
Figure BDA0003125158730000093
计算公式如下：
Figure BDA0003125158730000094
S3.1.3：基于S3.1.1与S3.2.2，构建选择函数。选择函数中同时考虑到剩余链路资源、源节点处剩余能量、剩余待传输样本大小及传输其所需的能量、AoI增益、信道不可靠性、各源节点样本的权重等因素。选择单位链路资源能减少更多AoI且信道可靠性与源节点权重较高的源节点样本，充分发挥信道每一资源的最大价值。同时，对于真正能减少AoI的样本优先传输，即源节点能量与链路资源都足够传输的源节点缓存区样本。此后再从当前时隙无法传输完毕的源节点中选择进行尽力交付。因此，选择函数值
Figure BDA0003125158730000101
的确定公式如下：
Figure BDA0003125158730000102
其中，本发明采用非理想信道，可能会产生样本的传输失败，每个源节点样本以pi∈(0,1]的概率正确到达基站。
综上，本发明提出了一种基于双缓存区AoI感知的物联网数据收集方法，通过对系统模型以及两个缓存区数据存储与传输策略进行设计，构建物联网数据传输场景下的双缓存区AoI模型与平均加权AoI优化目标，设计选择函数，采用贪心算法求解该模型得到一个调度序列，为解决在能量与链路资源受限情况下的多个时间敏感型源节点样本同时需要传输到共同基站上去，以及传输新样本还是旧样本的问题，本发明提供基于AoI感知的双缓存区样本调度传输方法。
该方法的核心是先设计双缓存区数据存储与传输策略，基于此策略构建双缓存区AoI模型以及优化目标，然后使用贪心算法求解该问题，最后得到时隙内的调度序列决定哪个源节点以及源节点上的哪个样本可以进行样本传输以满足用户对数据新鲜度的要求。
本发明提出了一种基于双缓存区AoI感知的物联网数据收集方法，该方法可以保证无论链路资源与源节点能量是否充足，都可以根据链路与各源节点实时状况灵活地得到一个合理的调度序列，该调度序列决定了基站处调度哪个源节点以及源节点上的哪个样本进行传输，尽力使平均加权AoI较小，从而达到用户获得新鲜数据的需求，具有灵活性。
对于本发明的优选实施方式，应当指出，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (1)

1.一种基于双缓存区AoI感知的物联网数据收集方法，其特征在于，具体包括以下步骤：
S1：提出一种基于双缓存区的数据存储与传输策略，对系统模型以及两个缓存区的样本存储与传输过程进行设计；
S2：在步骤S1的策略提出后，构建物联网数据传输场景下的双缓存区AoI模型与平均加权AoI优化目标；
S2.1：构建源节点的1号缓存区的AoI函数；
S2.2：构建源节点的2号缓存区的AoI函数；
S2.3：构建双缓存区策略中基站处各源节点的AoI函数；
S2.4：构建平均加权AoI目标函数；
S3：根据步骤S2得到的结果，设计选择函数，提出一种基于贪心策略的算法对该模型进行求解，完成源节点样本的调度与数据的收集；
所述步骤S1具体包括以下步骤：
S1.1：系统模型的设计中，使用1号与2号两个缓存区分别对部分传输的旧样本与新样本进行缓存，基站根据当时的链路以及源节点状况灵活调度源节点样本；
S1.2：1号缓存区样本传输过程的设计中，若选择1号缓存区的样本传输，则减去所成功传输的样本大小；若2号缓存区样本完全传输并成功到达基站，则将1号缓存区原有样本丢弃；
S1.3：2号缓存区样本传输过程的设计中，若源节点采集新样本，则更新2号缓存区的样本；若2号缓存区样本进行部分传输且传输成功，则将样本的剩余未传输完毕的部分存储在1号缓存区；
所述步骤S2.1中构建源节点的1号缓存区的AoI函数，其形式如下：
Figure FDA0003648468600000011
其中，
Figure FDA0003648468600000012
表示t时隙源节点Si中r缓存区的AoI值；
Figure FDA0003648468600000013
表示Si的r缓存区内样本在t时隙还未传输时的剩余待传输样本大小；
ri(t)表示t时隙Si所选择的传输数据所在的缓存区，ri(t)∈{0,1,2}，其中0表示该源节点在t时隙未被调度，两个缓存区的样本均不可进行传输；
ci(t)指示t时隙Si传输的样本是否正确到达基站，若可正确达到则记为1；
所述步骤S2.2中，构建源节点的2号缓存区的AoI函数，那么可按照以下公式作计算：
Figure FDA0003648468600000021
其中，Fi表示Si第一次采样的时隙；
Ti表示Si的采样周期；
所述步骤S2.3中，构建双缓存区策略中基站处各源节点在t+1时隙的AoI函数，其形式如下：
Figure FDA0003648468600000022
其中，Ai(t)表示基站处Si在t时隙的AoI值；
Ui(t)表示t时隙基站上最新到达的Si样本的生成时间；
所述步骤S2.4中，构建平均加权AoI目标函数，那么可按照以下公式计算：
Figure FDA0003648468600000023
其中，N表示源节点的个数；
wi表示各个源节点的归一化权重；
Figure FDA0003648468600000024
表示平均加权AoI；
所述步骤S3具体包括以下步骤：
S3.1：设计源节点样本的选择函数；
S3.2：根据步骤S3.1设计的选择函数，设计调度算法；每个时隙内源节点两个缓存区中的样本都参与调度计算，基于贪心策略，选择选择函数值最大的源节点样本并分配链路资源；
所述步骤S3.1中对源节点样本的选择函数进行设计，具体包括步骤：
S3.1.1：构建源节点各缓存区中可传输最大样本容量函数，其确定公式如下：
Figure FDA0003648468600000031
其中，ATi r(t)表示源节点Si的r缓存区在t时隙链路资源与源节点能量所可传输的最大样本容量；
Ei(t)表示Si在t时隙还未开始传输时剩余的能量；
ETi r(t)表示Si的r缓存区样本在时隙t传输完毕所需要的能量；
Eg表示保证每个源节点都可以正常工作的能量最小值；
RM(t)表示t时隙剩余链路资源；
Figure FDA0003648468600000032
表示Si的r缓存区在时隙t包括数据包包头在内的真正需要传输的数据包长度；
LAi(t)表示Si所剩下的能量可以传输的样本最大容量；
lh表示数据包包头长度；
S3.1.2：构建AoI增益函数，t时隙传输Si的r缓存区样本，若能全部成功到达基站所能产生的AoI增益
Figure FDA0003648468600000033
计算公式如下：
Figure FDA0003648468600000034
S3.1.3：基于S3.1.1与S3.2.2，构建选择函数，选择函数值
Figure FDA0003648468600000035
确定公式如下：
Figure FDA0003648468600000036
其中，pi∈(0,1]表示Si样本正确到达基站的概率。
CN202110687173.5A 2021-06-22 2021-06-22 一种基于双缓存区AoI感知的物联网数据收集方法 Active CN113472689B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110687173.5A CN113472689B (zh) 2021-06-22 2021-06-22 一种基于双缓存区AoI感知的物联网数据收集方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110687173.5A CN113472689B (zh) 2021-06-22 2021-06-22 一种基于双缓存区AoI感知的物联网数据收集方法

Publications (2)

Publication Number Publication Date
CN113472689A CN113472689A (zh) 2021-10-01
CN113472689B true CN113472689B (zh) 2022-07-19

Family

ID=77868951

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110687173.5A Active CN113472689B (zh) 2021-06-22 2021-06-22 一种基于双缓存区AoI感知的物联网数据收集方法

Country Status (1)

Country Link
CN (1) CN113472689B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114039918B (zh) * 2021-10-09 2023-07-18 广东技术师范大学 一种信息年龄优化方法、装置、计算机设备及存储介质
CN114390630B (zh) * 2021-11-29 2024-05-07 暨南大学 基于信息年龄的物联网通信方法、装置、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106681794A (zh) * 2016-12-07 2017-05-17 同济大学 基于兴趣行为的分布式虚拟环境缓存管理方法
CN109640370A (zh) * 2019-02-02 2019-04-16 北京邮电大学 一种基于信息新鲜度的车联网传输方法及装置
CN112888004A (zh) * 2021-02-08 2021-06-01 华南理工大学 一种物联网中多源节点信息更新的信息年龄优化方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7299038B2 (en) * 2003-04-30 2007-11-20 Harris Corporation Predictive routing including the use of fuzzy logic in a mobile ad hoc network
US10505859B2 (en) * 2016-11-10 2019-12-10 The Government Of The United States Of America, As Represented By The Secretary Of The Navy Packet deadlines in a queue to control the age of information
CN112235836B (zh) * 2020-11-17 2022-06-17 上海交通大学 一种工业边缘网络系统架构和资源调度方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106681794A (zh) * 2016-12-07 2017-05-17 同济大学 基于兴趣行为的分布式虚拟环境缓存管理方法
CN109640370A (zh) * 2019-02-02 2019-04-16 北京邮电大学 一种基于信息新鲜度的车联网传输方法及装置
CN112888004A (zh) * 2021-02-08 2021-06-01 华南理工大学 一种物联网中多源节点信息更新的信息年龄优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Link Resource Allocation Strategy Based on Age of Information and Sample Extrusion Awareness in Dynamic Channels;Hengzhou Ye,Wei Hao,Fengyi Huang;《IEEE》;20210615;全文 *
基于信息年龄优化的多信道无线网络调度方法;王恒，段思勰，谢鑫;《电子与信息学报》;20210611;全文 *

Also Published As

Publication number Publication date
CN113472689A (zh) 2021-10-01

Similar Documents

Publication Publication Date Title
CN113472689B (zh) 一种基于双缓存区AoI感知的物联网数据收集方法
CN110581808B (zh) 一种基于深度强化学习的拥塞控制方法及系统
EP1104962B1 (en) Wireless communications system
CN102918887B (zh) 用于动态的信道和传输速率选择的方法和设备
Anh et al. Deep reinforcement learning for time scheduling in RF-powered backscatter cognitive radio networks
US20020186665A1 (en) Efficient path learning in network
US20070019599A1 (en) Apparatus and method for scheduling transmission of data packets in a multichannel wireless communication system
MX2011001484A (es) Aparato de comunicacion, programa de generacion de datos de transmision y metodo de generacion de datos de transmision.
CN1345518A (zh) 在移动通信系统中动态调整连接状态的方法和装置
US20050054359A1 (en) Mobile communications system, radio base station, scheduling apparatus, scheduling method employed in the same, and program therefor
CN109814999B (zh) 一种地面站资源调度方法
KR20060136112A (ko) 휴대 인터넷 시스템의 스케줄링 장치 및 그 방법
KR101756574B1 (ko) 셀룰러 무선 통신 네트워크에서 공동 수신을 수행하기 위한 방법들 및 네트워크 노드들
CN109548156B (zh) 一种单信道时分多址星簇自组网时隙资源分配方法
US20230409962A1 (en) Sampling user equipments for federated learning model collection
CN109802773B (zh) 一种社交信任度感知的协作无线网络数据传输方法
Sakib et al. A deep learning method for predictive channel assignment in beyond 5G networks
CN109347902B (zh) 边缘计算网络中兼顾优先级与公平性的数据协同传输方法
US7606195B2 (en) Method and device for dynamically scheduling radio resources of streaming media services
JP2009503973A (ja) 端末の送信電力を減少させるための無線資源の割り当て
CN114205374B (zh) 基于信息时效性的传输和计算联合调度方法、装置及系统
JP2011259307A (ja) 無線リソース割当装置、基地局装置および無線リソース割当方法
Huang et al. Multimedia over cognitive radio networks: Towards a cross-layer scheduling under Bayesian traffic learning
CN106686399B (zh) 一种基于联合缓存架构的网络内视频缓存方法
US20080152031A1 (en) Uplink scheduling method and apparatus in communication system

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
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20211001

Assignee: Guangxi Great Wall Broadband Network Service Co.,Ltd.

Assignor: GUILIN University OF TECHNOLOGY

Contract record no.: X2022450000522

Denomination of invention: A Data Collection Method of Internet of Things Based on Double Buffer AoI Perception

Granted publication date: 20220719

License type: Common License

Record date: 20221229