JP2018152879A - 通信ネットワークで消費されるエネルギーを最適化する通信システム、アクセスネットワークノードおよび方法 - Google Patents
通信ネットワークで消費されるエネルギーを最適化する通信システム、アクセスネットワークノードおよび方法 Download PDFInfo
- Publication number
- JP2018152879A JP2018152879A JP2018090383A JP2018090383A JP2018152879A JP 2018152879 A JP2018152879 A JP 2018152879A JP 2018090383 A JP2018090383 A JP 2018090383A JP 2018090383 A JP2018090383 A JP 2018090383A JP 2018152879 A JP2018152879 A JP 2018152879A
- Authority
- JP
- Japan
- Prior art keywords
- network
- node
- nodes
- duty cycle
- resource
- 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
Images
Classifications
-
- 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
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0225—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal
- H04W52/0229—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal where the received signal is a wanted signal
-
- 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
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0212—Power saving arrangements in terminal devices managed by the network, e.g. network or access point is master and terminal is slave
- H04W52/0219—Power saving arrangements in terminal devices managed by the network, e.g. network or access point is master and terminal is slave where the power saving management affects multiple terminals
-
- 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
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/16—Discovering, processing access restriction or access information
-
- 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
- H04W52/0206—Power saving arrangements in the radio access network or backbone network of wireless communication networks in access points, e.g. base stations
-
- 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
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0212—Power saving arrangements in terminal devices managed by the network, e.g. network or access point is master and terminal is slave
- H04W52/0216—Power saving arrangements in terminal devices managed by the network, e.g. network or access point is master and terminal is slave using a pre-established activity schedule, e.g. traffic indication frame
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q2209/00—Arrangements in telecontrol or telemetry systems
- H04Q2209/40—Arrangements in telecontrol or telemetry systems using a wireless architecture
- H04Q2209/43—Arrangements in telecontrol or telemetry systems using a wireless architecture using wireless personal area networks [WPAN], e.g. 802.15, 802.15.1, 802.15.4, Bluetooth or ZigBee
-
- 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
-
- 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
Abstract
【課題】複数のリソース制限ノードとアクセスネットワークノードとを含む通信ネットワークで消費されるエネルギーを最適化する、通信システム、および方法を提供する。
【解決手段】アクセスネットワークノードは、複数のリソース制限ノードのうちのリソース制限ノードについてのネットワーク状態に対する信念を、ネットワーク観察およびネットワーク観察の履歴プロファイルに基づいて推定し、複数のリソース制限ノードにおけるリソース制限ノード間の相関関係がリソース制限ノードのスリープデューティサイクルの変化が要求されていることを示すと決定し、特定の検出閾値を実現しながら、リソース制限ノードのスリープデューティサイクルを更新し、リソース制限ノードで消費される全体的なエネルギーを最適化するように動作可能な制御ユニットを備える。
【選択図】図8
【解決手段】アクセスネットワークノードは、複数のリソース制限ノードのうちのリソース制限ノードについてのネットワーク状態に対する信念を、ネットワーク観察およびネットワーク観察の履歴プロファイルに基づいて推定し、複数のリソース制限ノードにおけるリソース制限ノード間の相関関係がリソース制限ノードのスリープデューティサイクルの変化が要求されていることを示すと決定し、特定の検出閾値を実現しながら、リソース制限ノードのスリープデューティサイクルを更新し、リソース制限ノードで消費される全体的なエネルギーを最適化するように動作可能な制御ユニットを備える。
【選択図】図8
Description
本発明は、複数のリソース制限ノードとアクセスネットワークノードとを含む通信ネットワークで消費されるエネルギーを最適化する、通信システム、アクセスネットワークノードおよび方法に関する。
機械対機械(M2M)のネットワークおよびデバイスはますます多くなりつつあり、既存のセルラーネットワークの数を上回ることが見込まれる。しかしながら、IEEE802.15.4およびZigbeeなどの既存のパーソナルエリアネットワーク(PAN)規格は、特に、通信範囲を広げ、電力を低減しながらそのような多量のトラフィックを扱うようにはなされていない。いくつか例を挙げると、これらのネットワークは、スマートエネルギーメータ、温度/トラフィック監視、ボディエリアネットワークおよび産業オートメーションをはじめとする広範なアプリケーションをカバーすることが予想される。
機械対機械通信における1つの重要な検討事項は、ネットワークにおけるセンサノードまたは他のリソース制限ノードのバッテリ寿命である。機械対機械通信のためのセンサノードのバッテリ持続時間は、セルラー通信で見られるような数日、また現在のパーソナルエリアネットワークおよび機械対機械の規格における1、2か月未満ではなく、年単位であることが望ましい。
このことに鑑みると、センサノードは、これらの種々の動作モードにおけるデューティサイクルを低くし、ほとんどの時間、スリープモードになっていることが求められる。スリープモードでは、デジタル送信ブロック、電力増幅器、受信機チェーンおよびマイクロプロセッサなど、センサノードの送受信機部品のほとんどがオフにされる。情報をネットワークに転送するために、センサノードは、時折スリープモードからアクティブ送受信モードに遷移して、ネットワークとの間でデータをやり取りする。
センサノードのデューティサイクルを制御する1つの技術に、センサノードを同期させて、周期的にスリープモードからアクティブモードに立ち上げる(wake up)ものがある。アクティブモードでは、センサノードは、物理ネットワークをスキャンし、ネットワークとの間での情報転送を可能にする。この技術は、送受信する情報を有しているかどうかにかかわらず、センサノードが周期的にスリープモードからアクティブモードに立ち上がることになり、担う機能のないアクティブ状態へのセンサ遷移が必要となり得るため、不都合である。
センサノードのデューティサイクルを制御する別の技術に、センサノードがアイドル状態になった後、センサが物理ネットワークをスキャンし、ネットワークとの間での情報転送を可能にするアクティブモードに遷移するようにセンサノードを制御するものがある。アイドル状態は、送受信機能がオフにされ、使用されていないが、そのコントローラはすぐに使用され得るように電源が入っている状態である。したがって、アイドルモードでは、センサノードは送受信モードよりも電力の消費が少ないが、スリープモードのときよりは電力の消費が大きい。
センサノードのデューティサイクルを制御するさらに別の技術に、センサノードを周期的に立ち上げるものがある。センサまたはコーディネータからの事象に応じて、ネットワークでの送信が制御され得る。これは、感知するものの有無にかかわらずセンサノードを立ち上げる必要があり、それによって潜在的に電力を浪費するため、不都合である。
さらにまた別の技術では、ネイバのセンサノードがそれらのデューティサイクルを調整することができる。
上記の技術はすべて、通信を実現するために無線チャネルの感知および確認を必要とし、次いでこれが著しい量のエネルギーを消費する。したがって、上記の技術を使用するセンサノードは、1、2か月程度のバッテリ持続時間に制限される。特に、中規模から大規模のネットワークでは、センサノードは、ネットワークによる通信の更新に比較して、感知およびスリープサイクル管理にいっそう多くのエネルギーを費やすことがある。
したがって、センサノードのスリープデューティサイクルを最適化する機構を提供することが望ましい。
本発明の第1の態様によれば、アクセスネットワークノードおよび複数のリソース制限ノードを含む通信システムが提供され、アクセスネットワークノードは:複数のリソース制限ノードのうちのリソース制限ノードについてのネットワーク状態に対する信念を、ネットワーク観察およびネットワーク観察の履歴プロファイルに基づいて推定し、アクセスネットワークノード内のリソース制限ノードについての信念を動的に更新し、ネットワーク状態における更新された信念の重大度(severity)がリソース制限ノードのスリープデューティサイクルの変化が要求されていることを示すと決定し、複数のリソース制限ノードにおけるリソース制限ノード間の相関関係がリソース制限ノードのスリープデューティサイクルの変化が要求されていることを示すと決定し、特定の検出閾値を実現しながら、リソース制限ノードのスリープデューティサイクルを更新し、リソース制限ノードで消費される全体的なエネルギーを最適化するように動作可能な制御ユニットを備える。
ネットワーク状態における更新された信念の重大度ならびにリソース制限ノード間の相関関係が、リソース制限ノードのスリープデューティサイクルの変化が要求されていることを示すとき、制御ユニットは、特定の検出閾値を実現しながら、リソース制限ノードのスリープデューティサイクルを更新し、リソース制限ノードで消費される全体的なエネルギーを最適化するように動作可能であってもよい。
制御ユニットは、ネットワーク状態における更新された信念の重大度が、特定の検出閾値を実現しながらリソース制限ノードで消費される全体的なエネルギーを最適化するようにリソース制限ノードのスリープデューティサイクルの変化が要求されていることを示し、リソース制限ノード間の相関関係がリソース制限ノードのスリープデューティサイクルの変化が要求されていることを示していないと決定してよく、リソース制限ノードのスリープデューティサイクルの更新が実施されない。
ネットワーク状態における更新された信念の重大度がクリティカル事象を示すと制御ユニットが決定したときに、リソース制限ノードのスリープデューティサイクルが減少させられて、リソース制限ノードにスリープモードからアクティブモードにより頻繁に切り替えるようにトリガしてよい。
ネットワーク状態における更新された信念の重大度が事象重大度が低いことを示すと制御ユニットが決定したときに、リソース制限ノードのスリープデューティサイクルが増加させられて、リソース制限ノードにスリープモードからアクティブモードにより低頻度で切り替えさせるようにトリガしてよい。
ネットワーク状態における更新された信念の重大度の定義は、調節可能であり、適用要件、オペレータの選択、またはアプリケーションもしくはシステムオペレータによって定義される適応学習処理に依存していてもよい。
複数のリソース制限ノードにおけるリソース制限ノード間の相関関係は、ローカルノード間の地形的関係、リソース制限ノード間のアプリケーション相関関係、その無線チャネル間の統計的相関関係またはその組み合わせに基づいていてもよい。
ローカルノード間の地形的関係は、リソース制限ノードの、複数のリソース制限ノードのうちの他のノードに対する物理的近接度と、リソース制限ノードの、複数のリソース制限ノードのうちの他のノードに対する通信近接度とを含んでいてもよい。リソース制限ノード間のそのような相関関係は、ネイバテーブルとして分類されていてもよい。
ローカルノード間の相関関係尺度は、ネットワーク状態によって影響を受ける可能性の高い通信ネットワークの部分のスリープデューティサイクルが更新され、ネットワーク状態によって影響を受ける可能性の低い通信ネットワークの部分のスリープデューティサイクルが変化しないことを確実にするフィルタであってもよい。任意の相関関係尺度の選択は、システムオペレータまたは適用要件に依存する。
通信ネットワークの初期化において、リソースノードのスリープデューティサイクルは、最適化されたスリープデューティサイクルであってもよく、スリープ管理の方法は、通信ネットワークが動作している間、影響を受けるノードのスリープデューティサイクルを動的に更新し、スリープデューティサイクルが確実に最適化されるようにする。
通信ネットワークの初期化において、スリープ管理の方法は、スリープデューティサイクルのパラメータについての任意の開始値を決定してもよく、通信ネットワークが動作している間、スリープデューティサイクルを動的に更新し、スリープデューティサイクルが確実に最適化されるようにする。
ネットワーク状態に対する信念更新は、異なる戦略ペアについてのゲーム理論的利得関数を有する多段階のベイズ方法を使用して推定されてもよい。
ネットワーク状態に対する信念更新は、ベイズルールおよびネットワーク観察の組とともにベイジアンナッシュ均衡分析を使用して推定されてもよい。
ネットワーク状態に対する信念更新は、ロバストかつ低オーバーヘッドの統計的方法を使用して推定されてもよい。ネットワーク状態に対する信念更新は、指数型重み付き移動平均(EWMA)法、カルマンフィルタ、ニューラルネットワーク、またはそれに類するもののような、任意の機械学習法を使用して推定されてもよい。
本発明の第2の態様によれば、複数のリソース制限ノードを含む通信ネットワーク内のアクセスネットワークノードが提供され、アクセスネットワークノードは、複数のリソース制限ノードのうちのリソース制限ノードについてのネットワーク状態に対する信念を、ネットワーク観察およびネットワーク観察の履歴プロファイルに基づいて推定し、アクセスネットワークノード内のリソース制限ノードについての信念を動的に更新し、ネットワーク状態における更新された信念の重大度がリソース制限ノードのスリープデューティサイクルの変化が要求されていることを示すと決定し、複数のリソース制限ノードにおけるリソース制限ノード間の相関関係がリソース制限ノードのスリープデューティサイクルの変化が要求されていることを示すと決定し、特定の検出閾値を実現しながらリソース制限ノードのスリープデューティサイクルを更新し、リソース制限ノードで消費される全体的なエネルギーを最適化するように動作可能な制御ユニットを備える。
本発明の第3の態様によれば、複数のリソース制限ノードおよびアクセスネットワークノードを含む通信ネットワークにおいて消費されるエネルギーを最適化する方法が提供され、方法は:複数のリソース制限ノードのうちのリソース制限ノードについてのネットワーク状態に対する信念を、ネットワーク観察およびネットワーク観察の履歴プロファイルに基づいて推定するステップと、アクセスネットワークノード内のリソース制限ノードについての信念を動的に更新するステップと、ネットワーク状態における更新された信念の重大度がリソース制限ノードのスリープデューティサイクルの変化が要求されていることを示すと決定するステップと、複数のリソース制限ノードにおけるリソース制限ノード間の相関関係がリソース制限ノードのスリープデューティサイクルの変化が要求されていることを示すと決定するステップと、特定の検出閾値を実現しながら、リソース制限ノードのスリープデューティサイクルを更新し、リソース制限ノードで消費される全体的なエネルギーを最適化するステップとを含む。
本発明の第4の態様によれば、コンピュータ上で実行されたときに、上記の第3の態様の方法を実施するように動作可能なコンピュータプログラム製品が提供される。
本発明のさらに別の具体的かつ好ましい態様が、添付の特許請求の範囲の独立請求項および従属請求項に規定されている。
次に、一例にすぎないが、本発明の実施形態による装置および/または方法のいくつかの実施形態が、添付の図面を参照しながら説明される。
図1は、異種アプリケーション、すなわちアプリケーション1およびアプリケーション2を有する典型的なM2M通信ネットワーク10を示す図である。M2Mネットワーク10は、たとえばセンサネットワークであってもよく、また、M2Mゲートウェイ18を介して複数のM2Mデバイス14、16と通信しているアクセスネットワーク12を含んでいてもよい。M2Mゲートウェイ18は、アクセスネットワーク12のアクセスネットワークノードであると考えられてもよい。図1のM2Mネットワーク10において、第1の複数のM2Mデバイス14は第1のアプリケーション1に関連付けられていてもよく、第2の複数のM2Mデバイス16は第2のアプリケーション2に関連付けられていてもよい。たとえば、M2Mデバイス14はエネルギーメータであってもよく、M2Mデバイス16は工業センサであってもよい。実際、M2Mデバイスは、限定はしないが、エネルギーメータ、工業センサ、ボディエリアネットワークおよびスマートシティモニタなど、多様な範囲のアプリケーションに関連し得る。
M2Mデバイス14、16のそれぞれは、通信ネットワーク10のリソース制限ノードであると考えられてもよい。たとえば、M2Mデバイス14、16は、バッテリから給電され、バッテリの持続時間がM2Mデバイスの動作寿命を制限するという点において、エネルギー/電力が制限されていると言える。M2Mデバイスは空間的に制限されていると言えることもまた認識されたい。
M2Mデバイスのバッテリ寿命を延ばすためには、M2Mデバイスが、できるだけ長い時間スリープモードに維持されることが望ましい。したがって、エネルギー消費量を低減し、バッテリ持続時間を延ばすために、通信ネットワークにおけるM2Mデバイスのスリープデューティサイクルを最適化する方法を提供することが望ましい。
ネットワーク10におけるすべてのセンサノード14、16がほとんどの時間をスリープモードで費やし、その一方で、要求されたときに必要なペイロードをセンサノードが確実に送信できるようにすることが全体的な目的であることに留意することが重要である。送信するために、センサノード(M2Mデバイス)はまた、アクセスゲートウェイから、ダウンリンク/アップリンク制御、推定チャネル、マルチアクセスなどについてのコマンドを感知することもできなければなければならない。この感知行動は必須であり、エネルギー消費を必要とすることに留意されたい。短いペイロードを送信する密なネットワークでは、この感知動作において消費される電力は、送信動作よりも著しく大きくなることがある。頻繁なチャネル感知は、物理層およびスケジューラの極めて良好な推定結果を提供するが、その引き換えにエネルギーの増加を伴う。
さらに、M2M通信ネットワーク10は、エネルギーメータ、工業センサ、ボディエリアネットワーク、スマートシティモニタなどをはじめとするアプリケーションの異種の組を、各アプリケーションが異なる送信要件によって規定された状態でカバーすることが必要とされる。言い換えれば、異種ノードの密なネットワークでは、いずれの(whom or which)センサを立ち上げるかは、M2Mデバイスのバッテリ寿命が1年か5年かの差であることもある。いつ、またいずれを立ち上げるかは、M2Mデバイスのジョブ(アプリケーション)、それらが配置されている場所、それらの優先度、およびそれらがネットワークにおけるM2Mデバイスの他の組にどのように関連付けられているかに依存する。
さらに、M2Mデバイスのデューティサイクルおよび動作はまた、環境の変化にも依存することに留意されたい。あるM2Mデバイスの変化は、前記デバイスに接続されたデバイスの組に影響を及ぼすことがある。そのような変化は動的に考慮されるべきである。
異種アプリケーション、異種ネットワークならびに物理的要件およびデバイスの多様な組に対するデューティサイクルの最適化は、既存のMAC層スリープサイクル管理技術を使用して排他的に実現することはできない。さらに、既存のMAC層スリープサイクル管理技術は、M2Mデバイスの感知および確認(スリープ→受信→送信)を定期的に必要とし、これが著しい量のエネルギーを消費する。中規模から大規模のネットワークにおいて、ノードは、データの送信よりも著しく多くのエネルギーを感知および同期に費やすことに留意されたい。
全体的なエネルギーが最小化されるように、M2Mデバイスがスリープになる時点、感知する時点および送信する時点を指定するために、クロスレイヤアルゴリズムが提供される。言い換えれば、通信ネットワークのリソース制限ノードにおいて消費される全体的なエネルギーを最小化するための最適なスリープデューティサイクルを決定する方法が提供される。
提案される手法は、通信のための物理的要件を検討することによってリンクレベルから開始することができ、M2Mデバイスがスリープになる時点を特定する。続いて、全体的なエネルギーを最小化するためにすべてのM2Mデバイスがネットワークにどのようにアクセスすべきかを特定する。全体的なエネルギーを最小化することに焦点を当てて、スリープ、送信、マルチアクセスおよび感知/スケジューリングが実施される。これは、スペクトル効率を最大化することに焦点が当てられる既存のマルチアクセス技術およびセルラーシステムからは外れている。
さらに、提案される手法はまた、ネットワークレベルの手法から開始してもよく、スリープおよび通信のサイクルを最適化するために、アプリケーション、優先度、物理特性、環境および/またはネイバに基づいて異なるM2Mデバイスを統合して、物理層、MAC層、制御層およびアプリケーション層にまたがるクロスレイヤの解決策を提供する。
最適なリンクレベルデューティサイクル
図1の通信ネットワーク10におけるセンサノード14、16などのM2M通信デバイスが提供される。M2Mデバイスは、スリープする、送信する、受信するなどといった通信要件を有する。特定のアプリケーション、トラフィックおよび物理的要件(セルラー、エネルギーメータなど)についてこのM2Mデバイスを仮定すると、全体的なエネルギーが最小化されるようにデバイスがスリープ状態でいることができる最長の時間が求められる。
図1の通信ネットワーク10におけるセンサノード14、16などのM2M通信デバイスが提供される。M2Mデバイスは、スリープする、送信する、受信するなどといった通信要件を有する。特定のアプリケーション、トラフィックおよび物理的要件(セルラー、エネルギーメータなど)についてこのM2Mデバイスを仮定すると、全体的なエネルギーが最小化されるようにデバイスがスリープ状態でいることができる最長の時間が求められる。
情報理論的デューティサイクル
消費される全体的なエネルギーを最小化するための最適なスリープデューティサイクル、感知(制御)デューティサイクルおよび送信デューティサイクルが推定される。ここで、デューティサイクルは、スリープモードの時間対全体時間の比率に対応する。容量の通信理論的表現から開始して、ネットワーク内の任意のM2Mデバイスがスリープしていられる最大時間が、リソース制限ノードにおけるエネルギー消費を最小化するために導出され得る。
消費される全体的なエネルギーを最小化するための最適なスリープデューティサイクル、感知(制御)デューティサイクルおよび送信デューティサイクルが推定される。ここで、デューティサイクルは、スリープモードの時間対全体時間の比率に対応する。容量の通信理論的表現から開始して、ネットワーク内の任意のM2Mデバイスがスリープしていられる最大時間が、リソース制限ノードにおけるエネルギー消費を最小化するために導出され得る。
アップリンク送信モード、スリープモード、感知(制御)モードおよびマルチアクセスモードについての全体的なエネルギー消費が、所与の送受信機および信号送信アーキテクチャについてモデル化され、導関数に基づく技術を使用して解決される。一例では、これは異なるM2MデバイスおよびM2Mアプリケーションを考慮するために一般化され得る。したがって、送受信機における全体的なエネルギーを最小化する信号送信技術およびデューティサイクルが決定される。
マルチアクセススケジューリング−複数のユーザへの拡張
信号送信技術およびデューティサイクルはマルチアクセス方式を伴う。N個のそのようなM2Mデバイスが時間およびスペクトルを共有するシナリオでは、全体的なエネルギー消費を最小化するために、リソースがどのように割り当て/スケジューリングされ得るかを決定することが望ましい。
信号送信技術およびデューティサイクルはマルチアクセス方式を伴う。N個のそのようなM2Mデバイスが時間およびスペクトルを共有するシナリオでは、全体的なエネルギー消費を最小化するために、リソースがどのように割り当て/スケジューリングされ得るかを決定することが望ましい。
全体的な時間および周波数リソースのブロックは異なる時間的およびスペクトルのリソースブロックに分解されることが可能であり、これらのブロックは、全体的なエネルギーを最小化しつつ、要求される信号対干渉雑音比(SINR)レベルを満たすために、ネットワーク内の特定のM2Mデバイスについて選択され得る。
一例では、通信尺度(metric)の品質は物理リンクおよびSINR尺度(metric)によって規定され、通信のコストはエネルギー消費量によって規定される。「moveRight」処理の変形がこれらの時間および周波数リソースブロックを決定するために使用されてもよく、このブロックでは、コストを招いている電力消費およびSINR閾値およびリンク品質などの関連した尺度(metric)が導入される。次いで、この処理はこれらの制約間のトレードオフを決定することができる。
この方法体系は、スリープモード、送信モードおよび受信モードをもつ任意の通信システムについての最適なデューティサイクルを推定することになり、これが、電力消費を最小化することができる最適なデューティサイクルとなる。一例では、M2Mゲートウェイ18またはアクセスネットワーク12において計算が実施される。これはM2Mネットワークには限定されず、たとえばフェムトセルまたはエネルギー維持基地局(ESBS:energy sustaining base station)がほとんどの時間、スリープ状態である異種セルラーネットワークにも適用され得る。
最適なネットワークレベルデューティサイクル
上記は、所与のM2Mデバイスおよびアプリケーションについての全体的なエネルギー消費を最小化する最適なリンクレベルデューティサイクルおよびマルチアクセス技術を決定する機構を説明している。M2M通信の目立つ特徴は、多様なアプリケーションおよびネットワークを扱うことである。したがって、より正確な感知およびエネルギー消費の低減のために、リンクレベルM2Mネットワークを拡張して多様なアプリケーションを扱い、それらの依存性を推定し、それらのデューティサイクルを更新することが望ましい。
上記は、所与のM2Mデバイスおよびアプリケーションについての全体的なエネルギー消費を最小化する最適なリンクレベルデューティサイクルおよびマルチアクセス技術を決定する機構を説明している。M2M通信の目立つ特徴は、多様なアプリケーションおよびネットワークを扱うことである。したがって、より正確な感知およびエネルギー消費の低減のために、リンクレベルM2Mネットワークを拡張して多様なアプリケーションを扱い、それらの依存性を推定し、それらのデューティサイクルを更新することが望ましい。
異種アプリケーションについてのM2Mノード間の依存性は、地理的な近接度、(火災警報を有する温度センサなどの)アプリケーション間の依存性、特定のM2Mデバイスの優先度、または類似の伝搬環境による可能性がある。
全体的なエネルギーを最小化する最適なデューティサイクル解決策は、これらの依存性を考慮することができる。密なネットワークにおいて正確な感知に消費されるエネルギーは、送信モードおよびスリープモードよりも大きいので、スリープと感知のデューティサイクルは上記の依存性およびネットワークネイバ情報と関連付けられていてもよい。この情報は、M2Mノードからの種々の精度が低い感知推定結果を結合することによって、感知精度を向上させるために使用され得る。
具体的には、地理的位置情報、アプリケーション/M2Mデバイス優先度、リンクレベルデューティサイクルなどを含む確率尺度を使用して所与のネットワーク内の任意のM2Mデバイス同士を接続する処理が、一例に従って提案される。この尺度は、ネットワーク内のすべてのノードに対応して積み重ねられ得る。異種アプリケーションのスリープについての最適な動作モードおよびデューティサイクルを推定し、全体的なエネルギーを最小化するデューティサイクルをスキャンするために、固有分解(Eigen decomposition)、または類似の分解技術が、積み重ねられた確率尺度に対して実施され得る。
最適なリンクレベルデューティサイクルを決定するステップと、最適なネットワークレベルデューティサイクルを決定するステップの2つのステップは、クロスレイヤのデューティサイクル最適化と呼ばれる傘の下で指定され得る。
図2は、一例によるクロスレイヤのデューティサイクル最適化を概略的に示す。図2では、ステップ201から20Nにおいて、通信ネットワーク内の1からNのアプリケーションのそれぞれについて最適なリンクレベルデューティサイクルが決定される。次いで、これらの最適なリンクレベルデューティサイクルは、ステップ22において、最適なネットワークレベルデューティサイクルの決定に使用される。
次に、図2におけるクロスレイヤのデューティサイクル最適化がより詳細に説明される。図1の通信ネットワーク10などのネットワークは、エネルギーメータ、トラフィックモニタ、データセンサなどに接続された、エネルギーの制約があるM2Mデバイス(M2MD)を含む。これらのM2Mデバイスは、規則的または不規則的にM2Mゲートウェイと通信し、情報を転送する。
そのようなノードの数をNとし、各ノードが、信号送信技術(PSK、FSKなど)を使用して帯域幅W(Hz)、通信範囲Rn(m)で、毎日Kn回、ペイロードLnビットn∈{1,…,N}を通信しているとする。この場合、KnおよびLnはアプリケーションの目的(エネルギーメータなど)に依存する。所与のアプリケーションでは、パラメータの残りは、物理層およびマルチアクセスシナリオによって規定される。
M2Mデバイスは、エネルギーを節約するために、ほとんどの時間、スリープモードになっていることが想定される。M2Mデバイスは、全体的なネットワークと通信するために、スリープモードからアクティブモードに遷移する。M2Mデバイスのアクティブモードにおけるエネルギー消費は以下の表1に示される。
表1は、M2Mデバイスのどの構成要素が各モードのそれぞれで動作し、それらのモードのそれぞれでの電力消費量がどれだけかを示す。モード間の遷移は、周期的か、またはネットワーク要件、ノード要件、クリティカル事象などによって駆動されるかのいずれかであり得る。表1に見られるように、M2Mデバイスができるだけ長い時間スリープモードになっていることが望ましい。
最適なリンクレベルデューティサイクルの推定
特定のアプリケーション、トラフィックおよびマルチアクセス技術に対応する、エネルギーの制約があるM2Mデバイスまたはエネルギー維持基地局(ESBS)を仮定すると、全体的なエネルギー消費を最小化するために、M2Mデバイス(またはESBS)のスリープ、立ち上がり、送信、および感知の時点を指定するリンクレベルアルゴリズムおよびM2M動作が提供される。M2Mノードにおいて消費される全体的なエネルギーを最小化するマルチアクセスアルゴリズムが提供される。
特定のアプリケーション、トラフィックおよびマルチアクセス技術に対応する、エネルギーの制約があるM2Mデバイスまたはエネルギー維持基地局(ESBS)を仮定すると、全体的なエネルギー消費を最小化するために、M2Mデバイス(またはESBS)のスリープ、立ち上がり、送信、および感知の時点を指定するリンクレベルアルゴリズムおよびM2M動作が提供される。M2Mノードにおいて消費される全体的なエネルギーを最小化するマルチアクセスアルゴリズムが提供される。
デューティサイクル最適化のための通信理論的アルゴリズム
毎日Kn回通信する所与のM2Mノードについての全体的なエネルギーを最小化する最適なスリープデューティサイクル:
毎日Kn回通信する所与のM2Mノードについての全体的なエネルギーを最小化する最適なスリープデューティサイクル:
エネルギーモデル:アップリンク送信モードのM2Mノードを考慮されたい。ビット送信のために所与のM2Mデバイスで消費される全エネルギーは:
であり、式中、ηとεはそれぞれ、電力増幅器の効率と、信号送信方式のピーク対平均値比とに対応し、PthとPcktはそれぞれ、通信理論的電力消費(信号送信、コーディングおよびデジタル処理を含む)と、送受信機における回路電力消費とに対応し、PslとEmaはそれぞれ、スリープモードでの電力消費と、マルチアクセスのためのエネルギーに対応し、TslとTtxはそれぞれ、スリープモードとLnビットの送信とに費やされる時間に対応する。マルチアクセスリソースの推定に要求される時間およびスリープモードとアクティブモードの間の遷移時間を無視すると、全体時間はTtot=Tsl+Ttxであり、スリープデューティサイクルは
である。
情報理論的観点からは、所与の信号送信技術および物理層仕様、通信範囲などについて、Lnビットの通信に消費されるエネルギーを最小化するのに実現可能な最大の伝送速度Rmを求めることが望ましい。
一例における全体的なエネルギーを最小化するスリープデューティサイクルを推定するために、情報理論的コスト(2)がエネルギーモデル(1)に含められる。一例では、Ptotはαに関して表される。αに関するPtotの偏導関数が求められ、
は0に等しくされる。Etotを最小化する最適なアルファすなわちスリープデューティサイクルについての条件は、以下によって規定される:
一例によれば、物理的要件および信号制約のリストのための最適なデューティサイクルを推定する方法体系が提案される。図3は、最適なリンクレベルデューティサイクルを推定するための処理フローを示し、これは、式(1)を訴えて(suing)所与のM2Mデバイスにおける全エネルギー消費をモデル化するステップ32、式(2)を用いて所与の物理リソースについての情報理論的コストを求めるステップ34、スリープデューティサイクルαに関する式(2)の偏導関数の等式をたてるステップ36、およびスリープデューティサイクルを推定するステップ38を含む。
理解されるように、最適なリンクレベルデューティサイクルを推定する上記の方法は、異なる値Pckt、ηおよびεについて修正され得る。
さらに、最適なリンクレベルデューティサイクルの推定は、特定のサービス品質に対する全体的なエネルギーを最小化するマルチアクセスアルゴリズムに拡張されてもよい。上記の導出では、異なる通信モードの最適なスリープデューティサイクルは、全体的なエネルギーを最小化しつつ、スケジューリングされたマルチアクセス送信が使用されると仮定して推定される。スケジューリングは、空間的、時間的、スペクトルまたは符号領域などの利用可能なリソースに対して実施され得る。M2Mノードの複雑性を下げるために、マルチアンテナおよびレイク受信機タイプのアーキテクチャは省略されてもよく、時間的リソースおよびスペクトルリソースが検討されてもよい。この場合、全体的なスペクトルと送信時間はそれぞれ、K個の周波数ビンと時間点のブロックに分割させる。
リソースを時間τn=[τ1…τK]および周波数ビンwn=[w1…wK]に割り当てた状態で、M2Mノードn∈{1、…、N}を考える。ここでKは特定のアプリケーションに対応する。このタイプの割り当ては、たとえば3GPP規格に従ったものに類似している。目的は、アップリンク送信における全体的なエネルギーが特定のSINRについて最小化されるように、これらのビンをスケジューリングすることである。ノードnについてのM2MゲートウェイにおけるSINRの閾値:γnは、ノードnからの受信された信号エネルギー対すべての他のノードについての全体的な信号エネルギーの比として規定される。γnの値は、誤り率の所望の確率に関連付けられてもよい。マルチアクセスの問題は、全体的なSINRがこれらのリソースに対して最大化されるように適切なτnおよびwnを選択することとして特定され得る。
各M2Mデバイスからの送信電力は最小に維持される。これは、以下の式で規定されるように送信電力の制約によって特定される:
式中、gnはチャネル利得であり、パイロット信号を使用して推定されるか、または前の推定結果から推定される。目的は、τnおよびwnを推定することである。
数学的には、上記の問題は、典型的な凸最適化技術を用いて定式化され得る。複雑性の低いスケジューリング技術が提供される。この手法は、修正された形態の「moveRight」処理である。moveRightの元の形態は、リソースをスケジューリングする複雑性の低い手法を提供するが、SINRレベルおよびエネルギー消費についての尺度は提供しない。一例では、これらの因子が含められる。続いて、これらのブロックが、コスト
を最大化しつつ、式(4)における不等式制約を満たすかどうかが確認される。提案される処理は以下の通りである:
− 各τnについて0でないブロックのランダムな組を用いて開始
− For τnおよびwn−1
− If (4)の制約を満たしつつ、
○ Then wn=[wn−1]
○ Else wn=[wn−1 1]
− If サイズ(wn)≧K
○ Then τn+1=[τn 1]
○ Else τn+1=[τn]
− forループを終了
− 各τnについて0でないブロックのランダムな組を用いて開始
− For τnおよびwn−1
− If (4)の制約を満たしつつ、
○ Else wn=[wn−1 1]
− If サイズ(wn)≧K
○ Then τn+1=[τn 1]
○ Else τn+1=[τn]
− forループを終了
最適なネットワークレベルデューティサイクルの推定
上で説明したように、所与のアプリケーションについての最適なリンクレベルデューティサイクルの推定およびマルチアクセス技術が提案される。M2Mネットワークは、異なるアプリケーション、トラフィックおよびリソース制約に対応するノードを含むことに留意されたい。したがって、無線リンクの品質および位置の物理層推定をMAC層アドレス指定および事象誘発の技術ならびにより上層のアプリケーションと統合する、クロスレイヤの最適化技術がさらに提案される。
上で説明したように、所与のアプリケーションについての最適なリンクレベルデューティサイクルの推定およびマルチアクセス技術が提案される。M2Mネットワークは、異なるアプリケーション、トラフィックおよびリソース制約に対応するノードを含むことに留意されたい。したがって、無線リンクの品質および位置の物理層推定をMAC層アドレス指定および事象誘発の技術ならびにより上層のアプリケーションと統合する、クロスレイヤの最適化技術がさらに提案される。
ネットワークレベルにおける感知精度の向上
感知モードは不可欠であり、M2Mゲートウェイにおける推定精度に直接的に関連付けられる。これは以下によって向上させることができる:
a.直接的またはブロードキャストネットワーク:頻繁なパイロット信号をアクセスネットワークからM2Mノードに送り、それらの応答から、チャネル状態、マルチアクセス、センサ読み取りなどを、エネルギー消費量の増加という代償を払って推定する。
b.ネットワークネイバ探索:あるいは、センサは、このネットワークにアクセスするネイバのリストを提供することができる。ネイバのリストおよびそれらの感知情報の品質に応じて、アクセスネットワークは、センサノードのデューティサイクルを再度推定し、向上させることができる。異種アプリケーションに貢献する図1の異種ネットワークを考慮されたい。M2Mデバイスの通信機能および感知機能は、異なるアプリケーションに貢献するネイバのノードからの情報を使用して大幅に向上させることができる。
感知モードは不可欠であり、M2Mゲートウェイにおける推定精度に直接的に関連付けられる。これは以下によって向上させることができる:
a.直接的またはブロードキャストネットワーク:頻繁なパイロット信号をアクセスネットワークからM2Mノードに送り、それらの応答から、チャネル状態、マルチアクセス、センサ読み取りなどを、エネルギー消費量の増加という代償を払って推定する。
b.ネットワークネイバ探索:あるいは、センサは、このネットワークにアクセスするネイバのリストを提供することができる。ネイバのリストおよびそれらの感知情報の品質に応じて、アクセスネットワークは、センサノードのデューティサイクルを再度推定し、向上させることができる。異種アプリケーションに貢献する図1の異種ネットワークを考慮されたい。M2Mデバイスの通信機能および感知機能は、異なるアプリケーションに貢献するネイバのノードからの情報を使用して大幅に向上させることができる。
この手法は、ノードの一部がそのエネルギーによって厳しく制約を受け、極めて少ない感知サイクルを要求する場合に特に有用となり得る。この手法は、全体的なネットワークのレイアウトおよびその接続についての知識を要求する。この情報が利用可能になると、各ノードについての正確な感知情報が、接続されたノードのリストからの低頻度のチャネル感知情報の処理から推測され得る。言い換えれば、ネットワークネイバの推定は、いくつかの精度の低いM2M感知モードから、向上した感知推定結果をもたらす。
既存のIEEE802.15.4規格およびたとえば100−1000のノードを有する中規模から大規模のネットワークでは、感知モード中に消費されるエネルギーは、短いペイロードの送信で消費されるエネルギーよりも大きい。M2Mノードにおけるこの感知時間を向上させるために、既存のネットワークはネットワークレベル情報を無視している。リンクレベルデューティサイクルの推定から得られたデューティサイクルは、ネットワークレベルマップを活用することによって上記のように更新される。
所与のネットワーク内のノード間の関係を分析する1つの効果的な方法は、共分散技術の使用によるものである。センサデータから得られる共分散尺度(metric)は、物理層のアプリケーションおよび位置特定をもたらすことができる。これは、特定のM2Mノードの1ホップのネイバ値と組み合わされてもよく、ネットワークとMAC層のマップを提供することができる。
これらの2つの尺度の重み付けされた組み合わせは、クロスレイヤのマップを提供することができる。センサゲートウェイは、局所的なネイバカバレッジ、種々の適用要件および所与のトリガされた事象情報などを考慮して、立ち上がりデューティサイクルを推定する。この手法は、十分な処理電力を利用できる状態で、センサゲートウェイまたはアクセスネットワークにおいて推定される。
クロスレイヤのM2Mネットワーク最適化
リンクレベルデューティサイクルが上記のように推定される、N個のノードを有する所与のネットワークを考慮されたい。最初に、スリープデューティサイクルが考慮され、その後、感知と送信のデューティサイクルが導入される。最適なスリープモードデューティサイクルは、N×1ベクトルtsl=[Tsl,1,…,Tsl,N]Tを用いて表現され、ここでTsl,iは、スリープモードで費やされる時間に対応する。Tsl,iの初期値は、リンクレベルデューティサイクルのアルゴリズムから得られる。
リンクレベルデューティサイクルが上記のように推定される、N個のノードを有する所与のネットワークを考慮されたい。最初に、スリープデューティサイクルが考慮され、その後、感知と送信のデューティサイクルが導入される。最適なスリープモードデューティサイクルは、N×1ベクトルtsl=[Tsl,1,…,Tsl,N]Tを用いて表現され、ここでTsl,iは、スリープモードで費やされる時間に対応する。Tsl,iの初期値は、リンクレベルデューティサイクルのアルゴリズムから得られる。
分かりやすくするために、すべてのセンサが同じアプリケーションに対応すると仮定するが、これは、以下でより詳細に記載するように、さまざまなアプリケーションについて一般化され得る。特定のノードj,j∈{1,…,N}の優先度または重みはwjを用いて表される。他のパラメータの中でも、センサiとセンサjの間のリンク品質は、リンク尺度(metric)または距離尺度(metric)di,jによって特定される。これらの尺度は、ネットワーク初期化フェーズに取得され、これ以降固定され得る。次いで、物理層の観点からは、任意の2つのセンサの相関関係を以下の情報または確率の尺度を用いて表すことができる:
cは定数であり、Pthはあらかじめ定義された何らかの閾値に対応する。アルゴリズムの複雑性は、異なる値のPthを設定することによって変化させられ得る。確率測度pi,jは、異なるデューティサイクルTsl,j∀j∈{1,N}に関係している。Nノードのネットワーク全体についての確率の遷移の組は、確率測度を以下のN×N行列として積み重ねることによって得ることができる:
異種アプリケーションについての最適なデューティサイクルアルゴリズム
エネルギーを最小化する目的は、確率尺度行列(5)によって特定されるように、接続、重みおよびアプリケーションに対して単位正規ベクトルtslを更新することによって実現される。初期tslは、これらのネットワーク接続を考慮しておらず、その累積デューティサイクルは、ネットワークネイバ情報を使用して更新されるtsl:
よりも常に小さくなることに留意されたい。
エネルギーを最小化する目的は、確率尺度行列(5)によって特定されるように、接続、重みおよびアプリケーションに対して単位正規ベクトルtslを更新することによって実現される。初期tslは、これらのネットワーク接続を考慮しておらず、その累積デューティサイクルは、ネットワークネイバ情報を使用して更新されるtsl:
最適化関数は、個々のデューティサイクルTsl,jについて制限を規定することはない。たとえば、最適tslはいくつかの0入力があってもよい。実際のセンサネットワークについては、各センサが少なくとも最小限の時間Tminの間、チャネルを感知する必要があるので、これは許容できないはずである。
上記においては、Tminは、規定の省電力を実現するために特定のM2Mデバイスがスリープ状態でなければならない最小限の時間に対応する。この値は、最適なリンクレベルデューティサイクル推定処理から得られる。これは、以下の不等式制約として表すことができる:
Tsl,j≧Tmin j∈{1,…,N}
Tsl,j≧Tmin j∈{1,…,N}
pi,i=1およびPi,j<1、∀i≠jと仮定するのが妥当である。言い換えれば、Pは対角優位行列である。Pは列フルランクを有する。
1.Pは、センサ間の無線伝搬および距離に依存し、センサのランダム分布、優先度およびTsn,jについて、Pは対称正方行列であると仮定するのが妥当であることに留意されたい。
2.(6)から、制約のない解はPの固有分解から得られる。
3.上記の特性から、固有分解は、固有値と固有ベクトルの個別の組をもたらす。
4.対称のフルランク行列pについて、これらの個別の固有値が降順に配列されるとき、tslを最も支配的な固有値に対応する固有ベクトルとして選択することが、確率遷移行列を最小にする:
tsl=uN ここで、[u1,…,uN,λ1,…,λN]=eig{P} (7)
5.言い換えれば(7)、所与のネットワークについての最適なスリープ時間は、tslに比例するデューティサイクルを有することによって与えられる。
1.Pは、センサ間の無線伝搬および距離に依存し、センサのランダム分布、優先度およびTsn,jについて、Pは対称正方行列であると仮定するのが妥当であることに留意されたい。
2.(6)から、制約のない解はPの固有分解から得られる。
3.上記の特性から、固有分解は、固有値と固有ベクトルの個別の組をもたらす。
4.対称のフルランク行列pについて、これらの個別の固有値が降順に配列されるとき、tslを最も支配的な固有値に対応する固有ベクトルとして選択することが、確率遷移行列を最小にする:
tsl=uN ここで、[u1,…,uN,λ1,…,λN]=eig{P} (7)
5.言い換えれば(7)、所与のネットワークについての最適なスリープ時間は、tslに比例するデューティサイクルを有することによって与えられる。
図4は、最適なネットワークレベルデューティサイクルを推定する処理を示す。図4に見られるように、処理は、図3に示された処理の最後であるステップ40で開始する。ステップ42では、M2Mデバイス間の接続は、確率尺度を用いて表される。ステップ44では、スリープデューティサイクルのように、確率尺度が積み重ねられる。制約のない場合において、ステップ46では、積み重ねられた確率行列の固有分解が、全体的なエネルギー消費量を最小化するために計算される。ステップ48では、支配性の最も低い固有値に対応する固有ベクトルが、最適なスリープデューティサイクルを提供するために求められる。
最適な感知デューティサイクルのためのアルゴリズムの拡張
スリープデューティサイクルを更新する式(5)および(6)は、制御信号を得るために、感知モードで動作するM2Mノードについて拡張されてもよい。最適な感知モードデューティサイクルは、N×1ベクトルtsn=[Tsn,1,…,Tsn,N]Tを用いて表され、式中、Tsn,iは、感知モードで費やされる時間に対応する。初期値Tsn,iは、リンクレベルデューティサイクル推定アルゴリズムから得られる。
スリープデューティサイクルを更新する式(5)および(6)は、制御信号を得るために、感知モードで動作するM2Mノードについて拡張されてもよい。最適な感知モードデューティサイクルは、N×1ベクトルtsn=[Tsn,1,…,Tsn,N]Tを用いて表され、式中、Tsn,iは、感知モードで費やされる時間に対応する。初期値Tsn,iは、リンクレベルデューティサイクル推定アルゴリズムから得られる。
上記の式から、更新された感知時間Tsn,i(tsn)≧Tsn,iおよびネットワーク感知モードの品質は、リンクレベル感知時間よりも良好である。感知情報の精度はTsn,i(tsn)に比例することに留意されたい。したがって、確率測度は、以下のいずれかを行うために使用され得る:
− 特定のサービス品質(たとえば、初期Tsn,i)を実現するために要求されるスキャンデューティサイクルの低減。これは次いで、スキャンフェーズの間に各センサで消費される全体時間を低減し、したがって、スキャンモードにおけるエネルギー消費を最小化する。
− 低いデューティスキャンサイクルの組からの所与のセンサのより正確なチャネル/動作状態の提供。
− 特定のサービス品質(たとえば、初期Tsn,i)を実現するために要求されるスキャンデューティサイクルの低減。これは次いで、スキャンフェーズの間に各センサで消費される全体時間を低減し、したがって、スキャンモードにおけるエネルギー消費を最小化する。
− 低いデューティスキャンサイクルの組からの所与のセンサのより正確なチャネル/動作状態の提供。
上記の処理は、所与のネットワークについての最適なスリープデューティサイクルを推定する。同手法は、アップリンク通信モードにおけるセンサの組からの送信時間を修正するために、確率尺度を用いて拡張されてもよい。
最適ネットワークレベルデューティサイクルアルゴリズムの一般化
確率尺度は、MAC層およびアプリケーション層に対応するパラメータを含めるために一般化され得る。そのような場合、パラメータの残りは一定に維持され、確率尺度のみを修正する。各M2Mデバイスが1ホップのネイバの推定を行うと仮定する。1ホップのネイバの推定は、適度に複雑性の低い演算(精密でないRSSI強度に基づく)であることに留意されたい。
確率尺度は、MAC層およびアプリケーション層に対応するパラメータを含めるために一般化され得る。そのような場合、パラメータの残りは一定に維持され、確率尺度のみを修正する。各M2Mデバイスが1ホップのネイバの推定を行うと仮定する。1ホップのネイバの推定は、適度に複雑性の低い演算(精密でないRSSI強度に基づく)であることに留意されたい。
異種アプリケーションについての確率尺度情報を含めると:
式中、wi,jは、2つの異なるアプリケーションに対処するノードiとjの間の重みまたは優先度を表す。アクセスネットワークは、この重みを測定値に基づいて推定することができる。
たとえば、xiおよびxjは、センサiおよびjからのメッセージを示す、M2Mゲートウェイで受信されたLnビットシーケンスに対応するものとする。M2Mゲートウェイは、アプリケーションの詳細を有していなくてもよい。そのような場合には、これらの2つのシーケンス間の自己相関が、これらの2つのメッセージ間の関係の測定値を提供することになろう:
理解されるように、クロスレイヤのデューティサイクル最適化は、アドホックネットワークのセットアップにおけるクロスレイヤの最適化に拡張されてもよい。たとえば、異種アプリケーションを有するアドホックネットワークについてのルーティングまたはスプリット制御プレーンを有する異種セルラーネットワークについてのマルチアクセス。
異種アプリケーションを有するアドホックネットワーク:
より一般的なアドホックネットワーク空間に拡張されるときに、トラフィックのボトルネックを考慮するためのルーティングアルゴリズムのネットワークレベル最適化が提案されている。しかしながら、ノードは必ずしもエネルギーが制限されておらず、最適化コストはM2Mネットワークのものとは異なっていてもよい。しかしながら、上記のアルゴリズムは、この問題のために再度定式化され得る。たとえば、最適なネットワークレベル処理によって、ルーティングプロトコルの性能を高めるために、ネイバの協働が使用されてもよい。
より一般的なアドホックネットワーク空間に拡張されるときに、トラフィックのボトルネックを考慮するためのルーティングアルゴリズムのネットワークレベル最適化が提案されている。しかしながら、ノードは必ずしもエネルギーが制限されておらず、最適化コストはM2Mネットワークのものとは異なっていてもよい。しかしながら、上記のアルゴリズムは、この問題のために再度定式化され得る。たとえば、最適なネットワークレベル処理によって、ルーティングプロトコルの性能を高めるために、ネイバの協働が使用されてもよい。
スプリット制御プレーンを有する異種セルラーネットワークについてのマルチアクセス:
制御プレーンを分割し、かつ、ネットワーク配備を容易にし、ハンドオーバの失敗を緩和し、エネルギーの節約を実現するために、異種セルラーネットワークについてのネットワーク構成が提案されている。それらのトラフィック要件に応じて、ユーザ機器の組は、マクロセルまたはスモールセルのいずれかによって制御され得る。これらのトラフィック要件ならびにそれらのマクロセルおよびスモールセルとの相関関係は、最適なネットワークレベルデューティサイクルに類似した問題として定式化され得るもので、対応するセル選択技術が使用され得る。
制御プレーンを分割し、かつ、ネットワーク配備を容易にし、ハンドオーバの失敗を緩和し、エネルギーの節約を実現するために、異種セルラーネットワークについてのネットワーク構成が提案されている。それらのトラフィック要件に応じて、ユーザ機器の組は、マクロセルまたはスモールセルのいずれかによって制御され得る。これらのトラフィック要件ならびにそれらのマクロセルおよびスモールセルとの相関関係は、最適なネットワークレベルデューティサイクルに類似した問題として定式化され得るもので、対応するセル選択技術が使用され得る。
上記のクロスレイヤデューティサイクル最適化の手法は、クロスレイヤの最適化モデルを使用してバッテリ寿命を著しく延ばすことを可能にし、異種アプリケーションをネットワークおよび物理的なセットアップと統合する。
したがって、上記は、各エネルギー制約デバイスまたはM2Mデバイスが、これらのデバイスにおける全体的なエネルギー消費が最小化されるように、異種アプリケーションにサービス提供するネットワーク内で動作する必要がある最適なスリープデューティサイクルを推定するための物理層、MAC層およびより上層のアルゴリズムを記載している。ただし、感知精度およびスリープデューティサイクルの最適化を維持するために、完全または不完全な情報のいずれかをネットワークの状態の適応学習に提供するのがさらに望ましい。
上記のクロスレイヤのデューティサイクルの最適化は、適応学習を含む相互作用的なスリープ管理システムのための出発点として使用され得る。あるいは、相互作用的な技術が、たとえば、ランダムに選択されたデューティサイクルから開始し得る。しかしながら、ランダムに選択されるデューティサイクルパラメータの使用に比べて、最適なクロスレイヤのデューティサイクルの推定の使用と組み合わせることで、相互作用的なスリープ管理システムが最適な性能を実現するためにコストが最小化できる(たとえば、エネルギー、帯域幅および待ち時間)ことに留意されたい。
図5は、一例による相互作用的なスリープ管理処理を概略的に示す。図5に見られるように、相互作用的なスリープ管理処理は、ステップ52において図2のクロスレイヤのデューティサイクルの最適化から始まっても、ステップ54においてリンクレベルデューティサイクルのランダムな値で始まってもよい。出発点にかかわらず、処理はステップ56に進み、このステップで、以下で説明するように、動的な相互作用的スリープ管理処理が感知履歴および事象重大度(severity)に基づいて実施される。
相互作用的なスリープ管理システムにおいて2つの重要技術が提案される:
・ ネットワーク状態についての動的な更新:感知現象とM2Mネットワークの間の相互作用をモデル化するための多段階の動的なベイジアンゲーム理論の使用が提案される。ゲームは、ネットワーク内のトラフィック状態を動的に学習することによりM2Mデバイスにスリープデューティサイクルの調整をさせる。
・ スリープデューティサイクルパラメータの相互作用的制御:ネットワーク状態に関する提供された動的な更新に基づいて、M2M通信のための相互作用的なスリープ管理システムが提案される。このスリープ管理システムは、ネットワーク状態の分析から始まり、ネットワーク全体のスリープデューティサイクルパラメータを効率的に調整し、これには、更新されたネットワーク状態と、アプリケーションおよびローカルノード間のトポロジカルな関係を仮定している。これらの更新および調整は、たとえば、動的なベイジアンゲームモデルまたは相互作用的な機械学習技術のいずれかによって行われ得る。
・ ネットワーク状態についての動的な更新:感知現象とM2Mネットワークの間の相互作用をモデル化するための多段階の動的なベイジアンゲーム理論の使用が提案される。ゲームは、ネットワーク内のトラフィック状態を動的に学習することによりM2Mデバイスにスリープデューティサイクルの調整をさせる。
・ スリープデューティサイクルパラメータの相互作用的制御:ネットワーク状態に関する提供された動的な更新に基づいて、M2M通信のための相互作用的なスリープ管理システムが提案される。このスリープ管理システムは、ネットワーク状態の分析から始まり、ネットワーク全体のスリープデューティサイクルパラメータを効率的に調整し、これには、更新されたネットワーク状態と、アプリケーションおよびローカルノード間のトポロジカルな関係を仮定している。これらの更新および調整は、たとえば、動的なベイジアンゲームモデルまたは相互作用的な機械学習技術のいずれかによって行われ得る。
原理的には、M2Mネットワーク動作は、ゲーム理論の方法およびネットワークを連続的に学習するために使用されるゲームの均衡状態によって環境の変化に反応する動的なネットワークとしてモデル化される。ゲームの均衡状態は、競合する状況(すなわち、M2Mネットワークが直面する同じ状況)における正確で信頼性のある解をもたらす。そのような予測は、クロスレイヤのデューティサイクルの最適化ならびにアプリケーションおよびトポロジカルな要件と組み合わせて、変化するネットワーク全体のデューティサイクルパラメータの調節を容易にする。
上記のすべての技術は必ずしもM2M通信のセットアップまたはエネルギー効率の良い最適化には限定されず、エネルギーの最小化または任意の他の目的、たとえば、異種アプリケーションを有するアドホックネットワークのためのルーティングおよびデューティサイクル管理、スプリット制御プレーンを有する異種セルラーネットワークのためのマルチアクセスならびにクロスレイヤのCDMAネットワークのための不確実な情報によるゲーム理論的電力制御などに焦点を当てた任意のアドホックネットワークセットアップに容易に拡張され得ることに留意されたい。
複数のM2Mノード14、16およびM2Mゲートウェイ18を有するネットワークを含む図1の異種通信ネットワーク10を考慮されたい。クロスレイヤのデューティサイクルの最適化を推定するための上記の処理は、ネットワークが経時的に、またランダムな事象によって変化しない場合に、全体的なエネルギーを最小化するのに十分である。通常、異種アプリケーションをサポートする任意のM2Mネットワークは、周期的かつランダムなバースト的トラフィックに対処し、変化するトポロジに対応することが要求されることになろう。トラフィックのランダムでバースト的な性質および変化するトポロジは、静的かつ周期的なスリープと立ち上がりの動作とともに使用されるとき、感知現象に対するネットワークの応答を制限し、これが変化の大きい性能をもたらす可能性があり、たとえばサービス品質の低下を招く。
動的ゲームおよび戦略
全体的な感知のランダムな変更を考慮するために、感知現象とネットワークの相互作用をモデル化した動的なベイジアンゲーム理論に基づいた適応ネットワークアーキテクチャが提案される。提案される手法は、ネットワークのトラフィック状態が変化したときは必ず、デューティサイクルパラメータおよびネットワーク接続をリソースが制約されたノードに提供し、それによって、M2Mノードに自らのスリープデューティサイクルを調整させる。一例による2プレーヤの静的ベイジアンゲームは以下のように定義される:
一方のプレーヤは全体的な感知現象を表し、プレーヤiとして識別される。他方のプレーヤ(プレーヤjとして識別される)は、感知現象を検出し、それに応答するように設計されたM2Mノードのグループを表す。
全体的な感知のランダムな変更を考慮するために、感知現象とネットワークの相互作用をモデル化した動的なベイジアンゲーム理論に基づいた適応ネットワークアーキテクチャが提案される。提案される手法は、ネットワークのトラフィック状態が変化したときは必ず、デューティサイクルパラメータおよびネットワーク接続をリソースが制約されたノードに提供し、それによって、M2Mノードに自らのスリープデューティサイクルを調整させる。一例による2プレーヤの静的ベイジアンゲームは以下のように定義される:
一方のプレーヤは全体的な感知現象を表し、プレーヤiとして識別される。他方のプレーヤ(プレーヤjとして識別される)は、感知現象を検出し、それに応答するように設計されたM2Mノードのグループを表す。
プレーヤの行動戦略について、プレーヤiは以下の行動セットを有する:
1.現象トリガ戦略をとる(T)、または
2.現象トリガ戦略をとらない(NT)
1.現象トリガ戦略をとる(T)、または
2.現象トリガ戦略をとらない(NT)
プレーヤiの行動戦略は独立しており、ランダムである。
プレーヤjは以下の行動セットを有する:
1.スリープ、遷移および送信戦略をとる(STT)(ノードは、事前に構成された周期的な立ち上げまたは現象トリガによって、スリープモードからアクティブモードに変更し、感知およびデータアップロードを実施し、最終的にスリープモードに戻る)。
2.スリープおよび遷移戦略をとる(ST)(センサノードは、事前に構成された周期的な立ち上げトリガによってスリープモードからアクティブモードに変更し、データアップロードなしで感知を実施し、最終的にスリープモードに戻る)、
3.スリープ戦略をとる(S)(センサノードはスリープモードのままである)。
1.スリープ、遷移および送信戦略をとる(STT)(ノードは、事前に構成された周期的な立ち上げまたは現象トリガによって、スリープモードからアクティブモードに変更し、感知およびデータアップロードを実施し、最終的にスリープモードに戻る)。
2.スリープおよび遷移戦略をとる(ST)(センサノードは、事前に構成された周期的な立ち上げトリガによってスリープモードからアクティブモードに変更し、データアップロードなしで感知を実施し、最終的にスリープモードに戻る)、
3.スリープ戦略をとる(S)(センサノードはスリープモードのままである)。
上記の行動戦略により、プレーヤiおよびjのすべての潜在的な行動がカバーされる。
プレーヤiの行動選択はプレーヤjには知られていないので、このゲームは、センサ現象がクリティカルな状態とみなされる場合はTおよびNT戦略を論理的に仮定し、センサ現象が正常な状態とみなされる場合にのみ、NT戦略を論理的に仮定する。そのような不確実な信念はプレーヤiのタイプに存在する(プレーヤiのクリティカルな状態または正常な状態はプレーヤjに対する秘密情報である)が、その逆は同様ではない。
コストと利得の間の相互作用的関係
表2は、プレーヤiおよびjの戦略形態を示し、プレーヤの戦略の異なる組み合わせの利得関数をまとめている。ゲーム行列において、一方のプレーヤはその目的を達成することを狙い、W>0である報酬Wを得る一方で、相手のプレーヤは損失−Wを被る。そのようなモデルは、ゲームプレーヤ間に等しい利得と損失が存在すると仮定している。これは、両者が自らの理由で利己的に動くので、論理的である。たとえば、プレーヤjは、プレーヤiのトリガの識別および報告に成功するように設定される。そのような成功により、プレーヤjは報酬Wを稼ぐが、プレーヤiは代価−Wを支払い、その逆も同様である。
表2は、プレーヤiおよびjの戦略形態を示し、プレーヤの戦略の異なる組み合わせの利得関数をまとめている。ゲーム行列において、一方のプレーヤはその目的を達成することを狙い、W>0である報酬Wを得る一方で、相手のプレーヤは損失−Wを被る。そのようなモデルは、ゲームプレーヤ間に等しい利得と損失が存在すると仮定している。これは、両者が自らの理由で利己的に動くので、論理的である。たとえば、プレーヤjは、プレーヤiのトリガの識別および報告に成功するように設定される。そのような成功により、プレーヤjは報酬Wを稼ぐが、プレーヤiは代価−Wを支払い、その逆も同様である。
この相互作用では、ノードのトリガ検出は100%信頼できるものではない可能性が高く、したがって、αは、実際のトリガがあれば、正のトリガ検出確率を表し、βは、実際のトリガがなければ、トリガの検出の誤警報確率を表し(検出は正を示すが、トリガが生成されない場合は誤警報を指す)、α、β∈[0、1]である。いずれかの行動戦略を用いることは、選択された行動に依存するコストも導入する。トリガTを生成し、STT、STおよびSの戦略をとるコストは、それぞれCT、CSTT、CST、およびCSによって示され、P’は誤検出のペナルティであり、ここで、すべて0より大きく、Wより小さい。それぞれのコストパラメータは、ゲームにおける合理的な相互作用のために構成され、M2M通信における因子(物理要件およびネットワーク要件)を考慮に入れる。
プレーヤjの行動戦略のコストは、2つの基準、すなわちエネルギーと帯域幅を含み、これは、この2つが無線通信における最も重要なリソースであるためである。プレーヤiの行動戦略のコストは実在しない価値0である。そのようなコストパラメータおよび報酬もまた、無線通信についての金銭的価値にモデル化され得る。この表では、プレーヤiおよびjの期待利得(EP)は、戦略の組み合わせでの期待報酬とその対応するコストの和に等しい。それは、1つのゲームステージにおける生成されたトリガの数であるパラメータKをもつすべての戦略ペアの仮想的な結果を算出する。このパラメータは、センサトラフィックに関連付けられる(リンクレベル最適化におけるM2MノードnについてのペイロードパラメータLnならびにネットワークレベル最適化における異種アプリケーションの共通の感知目的および局所的なネイバの関係によって決まる、そのようなパラメータの集約された値に紐付けられる)。
プレーヤiの合理的な行為は、任意のときと場所において現象を作り出すことであり、プレーヤjの合理的な行為は、感知した現象を効率的に報告することである。この性質は、プレーヤが自らの目標を成し遂げる(自らの利得尺度(metric)を最大化する)ことだけを目指す利己的な行為を招く。一方のプレーヤの利得が最大化され、他方のプレーヤに向上の余地がある場合、そのような戦略組み合わせは、両方のプレーヤに共通に受け入れられることはない。プレーヤの両方が参加に合意する条件は、自身の最大利得が実現される(共通の最適性)と両プレーヤが信じる均衡戦略の組み合わせの使用のみである。したがって、提案されるゲームモデルについてのベイジアンナッシュ均衡(BNE)が分析される。
ベイジアンナッシュ均衡
プレーヤiの不確実なタイプ(正常またはクリティカル)を考慮し、確率論的パラメータμが、この不確実性を評価するために案出される。この確率論的パラメータμは、プレーヤiのタイプに対するプレーヤjの信念と考えることができる。この分析では、μは、プレーヤらが決定を下すときの自身についての共通の事前確率である。
プレーヤiの不確実なタイプ(正常またはクリティカル)を考慮し、確率論的パラメータμが、この不確実性を評価するために案出される。この確率論的パラメータμは、プレーヤiのタイプに対するプレーヤjの信念と考えることができる。この分析では、μは、プレーヤらが決定を下すときの自身についての共通の事前確率である。
プレーヤiが戦略セット(そのタイプがクリティカルである場合はT、正常である場合はNT)を選択した場合、プレーヤjのSTT、STおよびSの戦略の期待利得は、それぞれEPj(STT)、EPj(ST)およびEPj(S)として示される。表3は提案されるゲームの均衡関係をまとめている:
同様に、プレーヤiが戦略セット(そのタイプがクリティカルである場合はNT、正常である場合はNT)を選択した場合、プレーヤjにとって優位な戦略は、μの値が何であっても戦略Sを使用することである。そのような状況では、プレーヤiにとっての最適な戦略は、プレーヤiのタイプがクリティカルな場合に、Tに変更することである。この分析は、前回のケースと同じになり、純粋なBNEではなくなる。
混合BNE戦略:
上記の分析では、ゲーム全体についての純粋なBNE戦略セットは発見されない。したがって、混合戦略BNEが導出される。Pは、プレーヤiが、そのタイプがクリティカルな場合にトリガを生成する確率であるものとする。STT、STおよびSの戦略を使用するプレーヤjの期待利得が、確率Pについて定式化される。プレーヤiの戦略の均衡については、EPj(S)=EPj(非S)=EPj(STT)+EPj(ST)を課す。これは、T戦略を使用するプレーヤiの確率P*を導出する。同様に、プレーヤjの戦略の均衡Q*を算出する。導出される混合BNE戦略セットは以下の通りである:
・ プレーヤiおよびjは、プレーヤiのタイプがクリティカルな場合に、それぞれ確率P*およびQ*をもつそれらの戦略セットをとる
・ プレーヤiのタイプが正常な場合に、プレーヤiはNTをとるだけである
・ プレーヤiのタイプがクリティカルであることに対するプレーヤjの信念はμである。
ここで
である。
上記の分析では、ゲーム全体についての純粋なBNE戦略セットは発見されない。したがって、混合戦略BNEが導出される。Pは、プレーヤiが、そのタイプがクリティカルな場合にトリガを生成する確率であるものとする。STT、STおよびSの戦略を使用するプレーヤjの期待利得が、確率Pについて定式化される。プレーヤiの戦略の均衡については、EPj(S)=EPj(非S)=EPj(STT)+EPj(ST)を課す。これは、T戦略を使用するプレーヤiの確率P*を導出する。同様に、プレーヤjの戦略の均衡Q*を算出する。導出される混合BNE戦略セットは以下の通りである:
・ プレーヤiおよびjは、プレーヤiのタイプがクリティカルな場合に、それぞれ確率P*およびQ*をもつそれらの戦略セットをとる
・ プレーヤiのタイプが正常な場合に、プレーヤiはNTをとるだけである
・ プレーヤiのタイプがクリティカルであることに対するプレーヤjの信念はμである。
ここで
そのようなBNE分析を使用して、ネットワークにおいて共通に受け入れられる利得を実現するスリープ管理ポリシーが設計され得る。
ネットワークの変化を考慮するための動的なベイジアンゲーム
上記のBNE分析は、プレーヤ同士の相互作用についての共通の事前確率μを仮定している。実際のアプリケーションでは、そのようなパラメータは、ネットワーク環境およびプレーヤの相互作用に依存する。たとえば、ネットワーク内のノードのトラフィック生成が大きい場合は、大きい値のμが割り当てられ得る。したがって、上記のベイジアンゲームモデルは、プレーヤjがゲーム履歴に従ってプレーヤiのタイプに対する自身の信念を連続的に更新する、進化的かつ動的なベイジアンゲームに拡張され得る。この連続的ゲームは、各ステージの継続時間が立ち上がりサイクルの平均間隔に等しいn個のゲームステージで行われる。全ゲームステージにおけるプレーヤの利得は同じままである(ゲームの進行に伴うプレーヤ利得の割引係数はなし)。Hi(t)は、ゲームステージtまでのプレーヤiの履歴プロファイルであり、OAi(t)は、ゲームステージtにおけるプレーヤiの観察された行動であり、PTiは、プレーヤiの秘密のタイプ(クリティカルまたは正常)であり、
は、プレーヤiのあらゆる潜在的な秘密のタイプであり、α0は、観察成功率(事象が正確に観察される確率)であり、β0は、事象を観察する誤警報確率であるものとする。ベイズルールに基づいて、プレーヤiがクリティカルであることに対するプレーヤjの事後信念が以下の通り導出される。
上記のBNE分析は、プレーヤ同士の相互作用についての共通の事前確率μを仮定している。実際のアプリケーションでは、そのようなパラメータは、ネットワーク環境およびプレーヤの相互作用に依存する。たとえば、ネットワーク内のノードのトラフィック生成が大きい場合は、大きい値のμが割り当てられ得る。したがって、上記のベイジアンゲームモデルは、プレーヤjがゲーム履歴に従ってプレーヤiのタイプに対する自身の信念を連続的に更新する、進化的かつ動的なベイジアンゲームに拡張され得る。この連続的ゲームは、各ステージの継続時間が立ち上がりサイクルの平均間隔に等しいn個のゲームステージで行われる。全ゲームステージにおけるプレーヤの利得は同じままである(ゲームの進行に伴うプレーヤ利得の割引係数はなし)。Hi(t)は、ゲームステージtまでのプレーヤiの履歴プロファイルであり、OAi(t)は、ゲームステージtにおけるプレーヤiの観察された行動であり、PTiは、プレーヤiの秘密のタイプ(クリティカルまたは正常)であり、
図6は、上記のような反復的信念予測処理を概略的に示す。図6に見られるように、処理は、多段階の動的なベイジアンゲームが開始されるステップ62において開始する。ステップ64では、表2に示されるように、異なる戦略ペアについての利得関数を有する静的ベイジアンゲーム形成が実施される。ステップ66では、ベイジアンナッシュ均衡分析が実施される。ステップ67では、事後信念更新が実施され、これは行動履歴68および観察された行動69を考慮している。
M2M通信のための動的なベイジアンゲームの応用
図7はスリープ制御動作の例を示す。図7において、アクセスネットワークノードサービングゲートウェイ(SG)は、第1のセンサノード(ノード1)、第1のセンサノードに極めて近接している第2のセンサノード(ノード2)ならびに第1および第2のセンサノードから離れている第3のセンサノード(ノード3)と通信している。最初に、ノード1、ノード2およびノード3のデューティサイクルは長い感知間隔TDを有する。すなわち、センサノードのそれぞれはアクティブモードに遷移し、時間間隔TDにおいて感知送受信機能を実施する。長い感知間隔TDを有するこのモードは、低感知モードと呼ばれることもある。
図7はスリープ制御動作の例を示す。図7において、アクセスネットワークノードサービングゲートウェイ(SG)は、第1のセンサノード(ノード1)、第1のセンサノードに極めて近接している第2のセンサノード(ノード2)ならびに第1および第2のセンサノードから離れている第3のセンサノード(ノード3)と通信している。最初に、ノード1、ノード2およびノード3のデューティサイクルは長い感知間隔TDを有する。すなわち、センサノードのそれぞれはアクティブモードに遷移し、時間間隔TDにおいて感知送受信機能を実施する。長い感知間隔TDを有するこのモードは、低感知モードと呼ばれることもある。
特定の時間において、クリティカル事象(トリガ事象)がノード1において生じる。このクリティカル事象は、センサノード1のセンサが、アクセスネットワークへの送信を必要とするデータを有するものであってもよい。このクリティカル事象は、事象重大度に対する信念更新を実施するアクセスネットワークノードSGに報告される。この場合、SGは、重大度が高いことと、ノード1が、長い感知間隔TDよりも更新感知間隔TUが短い高感知モードになるべきであることを示す。
ノード2がノード1に地理的に近接しており、そのためノード1で生じたクリティカル事象がノード2でも生じる可能性があるとき、ノード1におけるクリティカル事象が理由で、ノード2において可能性のあるクリティカル事象を予想して、ノード2のデューティサイクルはまた、感知間隔TDを有する高感知モードに変更すべきであるとSGは決定する。
ある期間の後、SGは、事象重大度についてのさらなる信念更新を実施してもよい。別のクリティカル事象が検出されることなく一定期間が経過すると、SGは、重大度が現在低いことと、ノード1が、長い感知間隔TDを有する低感知モードになるべきであることを示す。この時点で、SGはまた、ノード2もまた低感知モードになるべきであることを示す。図7はノード1と同時に低感知モードに戻るノード2を示すが、こうでなくてもよく、ノード2にクリティカル事象がなければ、ノード2はノード1より前に低感知モードに戻ってもよいことを認識されたい。
ここで、ノード3は地理的にノード1および2から遠く離れて配置されているので、GWは、ノード1のクリティカル事象を考慮してノード3が高感知モードに変更する必要があるとは決定しないことに留意するのが重要である。
図8は、図7のスリープ制御動作に対応するスリープ制御のフレームワーク70を示す。フレームワーク70は、導出された最適なスリープデューティサイクルのパラメータに基づいて、全ノードがそのスリープモードおよび立ち上がりモードを維持すると仮定する。さらに、ネイバノードは、事象検出の上昇する時間的確率のために、非同期でこのパラメータに追従する。
図8は2段階のスリープ制御フレームワークを示し、この中でSGは、観測された感知データおよび感知履歴72を使用して、事象重大度についてのその信念を導出し、センサノードの感知デューティサイクルを更新する。デューティサイクルの最終決定について2つのフィルタが存在する。一方は、上述され、図6に示されるような信念更新システムに基づく事象重大度74の定義であり、他方は、感知された現象によって影響を受けるネットワークの部分がスリープデューティサイクル調整を実施できるようになり、ネットワークの残りが変更されない感知カバレッジの定義である。このフィルタの両方は、アプリケーションに依存する。これらの2つのフィルタの結果に応じて、センサノードのデューティサイクルは、低感知モード78または高感知モード82であることが要求される。
図7のフレームワークでは、ネットワークの感知履歴72はストレージユニットに格納されている。センサノードからの感知履歴および観察に基づいて、感知事象の重大度についての信念更新74は、アクセスネットワークノードまたはアクセスネットワークによって実施され得る。この信念更新74は、図6に示されたアルゴリズムに従い、上記のように実施され得る。信念更新74に基づいて、特定の感知ノードについての感知事象の重大度が決定されてもよい(76)。事象重大度は、センサノードが高感知モードであるべきことを示すクリティカル事象であると決定されるか、またはセンサノードが低感知モードであるべきことを示す正常事象であると決定され得る。高感知モードでは、感知ノードは、低感知モードより頻繁にその感知動作を実施することができる。
図7では、事象重大度が正常であると決定され、重大ではない場合に、フレームワークは、低感知モード78になるように感知ノードに指示する。事象重大度が重大であると決定された場合に、フレームワークはカバレッジに基づくフィルタリングを実施し、この中で、デューティサイクルがネットワークのカバレッジに基づいて変更されるべきかどうかが決定される。たとえば、ネットワークにおける感知事象がクリティカルであると決定されるが、この感知事象が、問題となる特定の感知ノードから遠い感知ノードで生じる場合に、特定の感知ノードのデューティサイクルは、高感知モード82に更新されなくてもよく、低感知モード78のままでもよい。逆に、ネットワークにおける感知事象がクリティカルであると決定され、この感知事象が、地理的かつ問題の特定の感知ノードからのネットワークレベルの両方において近い感知ノードで生じる場合に、特定の感知ノードのデューティサイクルは、低感知モード78から高感知モード82に更新されてもよい。
この位置マッピングフィルタ80はさらに、不要なノード立ち上げによるエネルギー消費量を最小化する。感知カバレッジの定義に関して、アプリケーションおよび任意の関連する検出の単一または複数の目的を仮定すると、全ノードの影響されるゾーンを画定する事実上のカバレッジマップが構築され得る。
図8における2つのフィルタはアプリケーション依存的であり、新たな基準を有する細粒度の複数段階のスリープ制御のために拡張され得る。
相互作用的なリソース管理技術の性能
図9は、事後信念更新に対する一連の観察された事象の影響を示す。数値シミュレーションの組が、提案されるベイジアンゲームモデルを示すために実施されている。目標は、ゲーム形成およびゲームプレーヤ間の均衡戦略を分析することである。この分析では、α、β、W、K、P’、CSTT、CST、CS、α0およびβ0のパラメータのデフォルト値は、それぞれ0.9、0.01、1、1、5、0.9、0.025、0.001、0.9、および0.01である。これらは通信仕様に従って構成される。たとえば、コストパラメータCSTT、CST、およびCSの比は、Chipcon ASのCC2420無線送受信機チップに基づく。表記(α、β)および(α0、β0)は、チャネル状態、センサ部品などに依存し、異なる目的を担う。αおよびβは、ゲーム相互作用についての利得関数に使用され、α0およびβ0は、信念更新処理における観察の誤りを推定するために使用される。報酬WおよびペナルティP’は仮想パラメータであり、プレーヤの行為をモデル化するために使用される。評価において、本発明者らは、プレーヤjの事後信念更新の分析のために、調査されたパラメータを調節している。
図9は、事後信念更新に対する一連の観察された事象の影響を示す。数値シミュレーションの組が、提案されるベイジアンゲームモデルを示すために実施されている。目標は、ゲーム形成およびゲームプレーヤ間の均衡戦略を分析することである。この分析では、α、β、W、K、P’、CSTT、CST、CS、α0およびβ0のパラメータのデフォルト値は、それぞれ0.9、0.01、1、1、5、0.9、0.025、0.001、0.9、および0.01である。これらは通信仕様に従って構成される。たとえば、コストパラメータCSTT、CST、およびCSの比は、Chipcon ASのCC2420無線送受信機チップに基づく。表記(α、β)および(α0、β0)は、チャネル状態、センサ部品などに依存し、異なる目的を担う。αおよびβは、ゲーム相互作用についての利得関数に使用され、α0およびβ0は、信念更新処理における観察の誤りを推定するために使用される。報酬WおよびペナルティP’は仮想パラメータであり、プレーヤの行為をモデル化するために使用される。評価において、本発明者らは、プレーヤjの事後信念更新の分析のために、調査されたパラメータを調節している。
一般に、信念更新システムは、ネットワークの変更を迅速かつ正確に取り込み、それについての応答(信念更新)を生成する。このゲーム構成では、クリティカル事象についての応答は、正常事象についての応答よりも速い。ゲームパラメータを調節することによって、信念更新の結果が変わり得る。
上記の動的管理手法は、変化するネットワークについてのスリープデューティサイクルの動的管理を可能にする。これは、動的管理をネットワーク、物理層およびアプリケーション層と統合し、クロスレイヤの最適化モデルと相互作用的なスリープ管理の組み合わせを使用して、バッテリ寿命を著しく延ばす。
本発明は他の特定の装置および/または方法において具体化されてもよい。説明された実施形態は、あらゆる点において例示にすぎず、限定するものではないと解釈されるべきである。特に、本発明の範囲は、本明細書における説明および図ではなく、添付の特許請求の範囲によって示される。特許請求の範囲と均等の意味および範囲に属する変更はすべてその範囲に含まれることになる。
Claims (15)
- アクセスネットワークノードおよび複数のリソース制限ノードを含む通信システムであって、アクセスネットワークノードが、
複数のリソース制限ノードのうちのリソース制限ノードについてのネットワーク状態に対する信念を、ネットワーク観察およびネットワーク観察の履歴プロファイルに基づいて推定し、
アクセスネットワークノード内のリソース制限ノードについての信念を動的に更新し、
ネットワーク状態における更新された信念の重大度がリソース制限ノードのスリープデューティサイクルの変化が要求されていることを示すと決定し、
複数のリソース制限ノードにおけるリソース制限ノード間の相関関係がリソース制限ノードのスリープデューティサイクルの変化が要求されていることを示すと決定し、
特定の検出閾値を実現しながら、リソース制限ノードのスリープデューティサイクルを更新し、リソース制限ノードで消費される全体的なエネルギーを最適化する
ように動作可能な制御ユニット
を備える、通信システム。 - ネットワーク状態における更新された信念の重大度ならびにリソース制限ノード間の相関関係が、リソース制限ノードのスリープデューティサイクルの変化が要求されていることを示すとき、制御ユニットが、特定の検出閾値を実現しながら、リソース制限ノードのスリープデューティサイクルを更新し、リソース制限ノードで消費される全体的なエネルギーを最適化するように動作可能である、請求項1に記載の通信システム。
- ネットワーク状態における更新された信念の重大度が、特定の検出閾値を実現しながらリソース制限ノードで消費される全体的なエネルギーを最適化するようにリソース制限ノードのスリープデューティサイクルの変化が要求されていることを示し、リソース制限ノード間の相関関係がリソース制限ノードのスリープデューティサイクルの変化が要求されていることを示していないと制御ユニットが決定したときに、リソース制限ノードのスリープデューティサイクルの更新が実施されない、請求項1または2に記載の通信システム。
- ネットワーク状態における更新された信念の重大度がクリティカル事象を示すと制御ユニットが決定したときに、リソース制限ノードのスリープデューティサイクルが減少させられて、リソース制限ノードにスリープモードからアクティブモードにより頻繁に切り替えるようにトリガする、請求項1から3のいずれか一項に記載の通信システム。
- ネットワーク状態における更新された信念の重大度が事象重大度が低いことを示すと制御ユニットが決定したときに、リソース制限ノードのスリープデューティサイクルが増加させられて、リソース制限ノードにスリープモードからアクティブモードにより低頻度で切り替えるようトリガする、請求項1から4のいずれか一項に記載の通信システム。
- 複数のリソース制限ノードにおけるリソース制限ノード間の相関関係が、ローカルノード間の地形的関係、リソース制限ノード間のアプリケーション相関関係、その無線チャネル間の統計的相関関係またはその組み合わせに基づく、請求項1から5のいずれか一項に記載の通信システム。
- ローカルノード間の地形的関係が、リソース制限ノードの、複数のリソース制限ノードのうちの他のノードに対する物理的近接度と、リソース制限ノードの、複数のリソース制限ノードのうちの他のノードに対する通信近接度とを含む、請求項6に記載の通信システム。
- ローカルノード間の相関関係尺度が、ネットワーク状態によって影響を受ける可能性の高い通信ネットワークの部分のスリープデューティサイクルが更新され、ネットワーク状態によって影響を受ける可能性の低い通信ネットワークの部分のスリープデューティサイクルが変化しないことを確実にするフィルタである、請求項1から7のいずれか一項に記載の通信システム。
- 通信ネットワークの初期化において、リソースノードのスリープデューティサイクルが、最適化されたスリープデューティサイクルであり、スリープ管理の方法が、通信ネットワークが動作している間、影響を受けるノードのスリープデューティサイクルを動的に更新し、スリープデューティサイクルが確実に最適化されるようにする、請求項1から8のいずれか一項に記載の通信システム。
- 通信ネットワークの初期化において、スリープ管理の方法が、スリープデューティサイクルのパラメータについての任意の開始値を決定し、通信ネットワークが動作している間、スリープデューティサイクルを動的に更新し、スリープデューティサイクルが確実に最適化されるようにする、請求項1から8のいずれか一項に記載の通信システム。
- ネットワーク状態に対する信念更新が、異なる戦略ペアについてのゲーム理論的利得関数を有する多段階のベイズ方法を使用して推定される、請求項1から10のいずれか一項に記載の通信システム。
- ネットワーク状態に対する信念更新が、ベイズルールおよびネットワーク観察の組とともにベイジアンナッシュ均衡分析を使用して推定される、請求項11に記載の通信システム。
- 複数のリソース制限ノードを含む通信ネットワーク内のアクセスネットワークノードであって、
複数のリソース制限ノードのうちのリソース制限ノードについてのネットワーク状態に対する信念を、ネットワーク観察およびネットワーク観察の履歴プロファイルに基づいて推定し、
アクセスネットワークノード内のリソース制限ノードについての信念を動的に更新し、
ネットワーク状態における更新された信念の重大度がリソース制限ノードのスリープデューティサイクルの変化が要求されていることを示すと決定し、
複数のリソース制限ノードにおけるリソース制限ノード間の相関関係がリソース制限ノードのスリープデューティサイクルの変化が要求されていることを示すと決定し、
特定の検出閾値を実現しながら、リソース制限ノードのスリープデューティサイクルを更新し、ソース制限ノードで消費される全体的なエネルギーを最適化する
ように動作可能な制御ユニット
を備える、アクセスネットワークノード。 - 複数のリソース制限ノードおよびアクセスネットワークノードを含む通信ネットワークにおいて消費されるエネルギーを最適化する方法であって、
複数のリソース制限ノードのうちのリソース制限ノードについてのネットワーク状態に対する信念を、ネットワーク観察およびネットワーク観察の履歴プロファイルに基づいて推定するステップと、
アクセスネットワークノード内のリソース制限ノードについての信念を動的に更新するステップと、
ネットワーク状態における更新された信念の重大度がリソース制限ノードのスリープデューティサイクルの変化が要求されていることを示すと決定するステップと、
複数のリソース制限ノードにおけるリソース制限ノード間の相関関係がリソース制限ノードのスリープデューティサイクルの変化が要求されていることを示すと決定するステップと、
特定の検出閾値を実現しながら、リソース制限ノードのスリープデューティサイクルを更新し、リソース制限ノードで消費される全体的なエネルギーを最適化するステップと
を含む、方法。 - コンピュータ上で実行されたときに、請求項14に記載の方法を実施するように動作可能なコンピュータプログラム製品。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP13360034.6 | 2013-10-31 | ||
EP13360034.6A EP2869644B1 (en) | 2013-10-31 | 2013-10-31 | A communications system, an access network node and a method of optimising energy consumed in a communication network |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016527365A Division JP2017500778A (ja) | 2013-10-31 | 2014-09-26 | 通信ネットワークで消費されるエネルギーを最適化する通信システム、アクセスネットワークノードおよび方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018152879A true JP2018152879A (ja) | 2018-09-27 |
JP6498818B2 JP6498818B2 (ja) | 2019-04-10 |
Family
ID=49765437
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016527365A Withdrawn JP2017500778A (ja) | 2013-10-31 | 2014-09-26 | 通信ネットワークで消費されるエネルギーを最適化する通信システム、アクセスネットワークノードおよび方法 |
JP2018090383A Active JP6498818B2 (ja) | 2013-10-31 | 2018-05-09 | 通信ネットワークで消費されるエネルギーを最適化する通信システム、アクセスネットワークノードおよび方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016527365A Withdrawn JP2017500778A (ja) | 2013-10-31 | 2014-09-26 | 通信ネットワークで消費されるエネルギーを最適化する通信システム、アクセスネットワークノードおよび方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10560893B2 (ja) |
EP (1) | EP2869644B1 (ja) |
JP (2) | JP2017500778A (ja) |
KR (1) | KR101837580B1 (ja) |
CN (1) | CN105684524B (ja) |
WO (1) | WO2015062690A1 (ja) |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10117244B2 (en) * | 2013-02-28 | 2018-10-30 | Nokia Solutions And Networks Oy | Uplink carrier selection for reduced bandwidth machine type communication devices |
CN105682200B (zh) * | 2016-02-19 | 2018-11-30 | 中南大学 | 一种用于移动目标监测的节点占空比设定方法 |
US10212639B2 (en) | 2016-07-26 | 2019-02-19 | At&T Intellectual Property I, L.P. | Method and apparatus for dynamic data path selection for narrow band wireless communication |
US9781259B1 (en) | 2016-07-27 | 2017-10-03 | At&T Intellectual Property I, L.P. | Method and apparatus for asset location tracking in a communication network |
JP6592608B2 (ja) * | 2016-08-12 | 2019-10-16 | 華為技術有限公司Huawei Technologies Co.,Ltd. | リソース選択の方法、装置及びデバイス |
CN108171957B (zh) * | 2016-12-07 | 2021-11-30 | 中兴通讯股份有限公司 | 抄表方法及装置、系统、通信网关 |
US11049005B2 (en) | 2017-03-22 | 2021-06-29 | At&T Intellectual Property I, L.P. | Methods, devices and systems for managing network video traffic |
US10410133B2 (en) | 2017-03-22 | 2019-09-10 | At&T Intellectual Property I, L.P. | Methods, devices and systems for managing network video traffic |
US10313967B2 (en) | 2017-04-13 | 2019-06-04 | Microsoft Technology Licensing, Llc | Power efficient base station |
US10085213B1 (en) * | 2017-05-15 | 2018-09-25 | Apple Inc. | Device, system, and method for a high power mode for a cellular connection |
US11323375B2 (en) | 2017-12-27 | 2022-05-03 | Nec Corporation | Communication device, communication method, and computer readable medium |
CN109656697B (zh) * | 2018-12-07 | 2023-03-10 | 华侨大学 | 一种双模式资源受限周期任务能耗优化方法 |
CN110087310B (zh) * | 2019-05-14 | 2021-01-26 | 南京邮电大学 | 一种干扰环境下无线定位网络资源分配方法 |
CN110730493A (zh) * | 2019-10-22 | 2020-01-24 | 北京邮电大学 | 一种基于博弈过程的网络干扰控制方法及装置 |
CN112788558B (zh) * | 2019-11-11 | 2022-05-24 | 中国科学院深圳先进技术研究院 | 数据通信方法及相关设备 |
US11395221B2 (en) * | 2019-11-13 | 2022-07-19 | Schlage Lock Company Llc | Wireless device power optimization utilizing artificial intelligence and/or machine learning |
CN111092674A (zh) * | 2019-11-29 | 2020-05-01 | 全球能源互联网研究院有限公司 | 一种电力认知无线网络的资源分配方法及装置 |
CN111478811B (zh) * | 2020-04-07 | 2022-07-01 | 中国人民解放军国防科技大学 | 一种基于双层信息流传递的网络关键点分析方法 |
CN111478813B (zh) * | 2020-04-07 | 2022-07-01 | 中国人民解放军国防科技大学 | 一种基于单层信息流传递的网络关键点分析方法 |
US11387883B2 (en) * | 2020-04-28 | 2022-07-12 | The Boeing Company | Estimator for determining updates to an estimated local state vector |
CN114339962B (zh) * | 2020-09-29 | 2023-07-14 | 中国移动通信集团设计院有限公司 | 基站节能方法、装置及系统 |
CN114339774A (zh) * | 2020-09-30 | 2022-04-12 | 北京三星通信技术研究有限公司 | 频谱资源共享方法、装置、电子设备及存储介质 |
CN112291010B (zh) * | 2020-10-09 | 2021-10-01 | 中国人民武装警察部队工程大学 | 一种基于匹配博弈的多域光网络流量疏导方法 |
CN112188507A (zh) * | 2020-10-21 | 2021-01-05 | 中国联合网络通信集团有限公司 | 传感节点的控制方法及装置 |
KR102597112B1 (ko) * | 2021-04-26 | 2023-11-01 | 충북대학교 산학협력단 | 게임 이론을 이용한 스마트 팩토리 환경의 무선 센서 네트워크 자원 할당 방법 및 이를 기록한 기록매체 |
CN113242584B (zh) * | 2021-06-22 | 2022-03-22 | 重庆邮电大学 | 超密集异构无线网络中基于神经网络的网络选择方法 |
CN113676981A (zh) * | 2021-08-13 | 2021-11-19 | 上海庆科信息技术有限公司 | 一种代理节点确定方法、装置、设备及可读存储介质 |
CN117896740A (zh) * | 2024-03-13 | 2024-04-16 | 武汉科技大学 | 一种智能家居无线传感器网络部署方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090070279A1 (en) * | 2007-09-11 | 2009-03-12 | Bae Systems Plc | Estimating the efficacy of a mathematical model of system behaviour |
JP2010148027A (ja) * | 2008-12-22 | 2010-07-01 | Hitachi-Ge Nuclear Energy Ltd | センサネットワークシステム及びセンサノードの管理方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020199102A1 (en) * | 2001-06-21 | 2002-12-26 | Carman David W. | Method and apparatus for establishing a shared cryptographic key between energy-limited nodes in a network |
US7542437B1 (en) * | 2003-10-02 | 2009-06-02 | Bbn Technologies Corp. | Systems and methods for conserving energy in a communications network |
US20060013172A1 (en) * | 2004-07-16 | 2006-01-19 | Nokia Corporation | RSSI threshold selection for channel measurements based on RSSI of the received packets |
KR100606084B1 (ko) * | 2004-08-17 | 2006-07-28 | 삼성전자주식회사 | 광대역 무선 접속 통신 시스템에서 이동 단말기의 슬립 식별자 업데이트 시스템 및 방법 |
US7590589B2 (en) * | 2004-09-10 | 2009-09-15 | Hoffberg Steven M | Game theoretic prioritization scheme for mobile ad hoc networks permitting hierarchal deference |
US8301176B1 (en) * | 2007-05-07 | 2012-10-30 | Marvell International Ltd. | Increasing the stand-by time of wireless devices |
US8930989B2 (en) * | 2007-08-20 | 2015-01-06 | AdsVantage | System and method for providing supervised learning to associate profiles in video audiences |
KR20090090461A (ko) | 2008-02-21 | 2009-08-26 | 삼성전자주식회사 | 무선 센서 네트워크에서 센서 노드의 수명 연장 방법 및이를 위한 시스템 |
EP2247145A1 (en) * | 2009-04-28 | 2010-11-03 | Motorola, Inc. | Paging in a cellular communication system |
JP2012169969A (ja) * | 2011-02-16 | 2012-09-06 | Sony Corp | 無線通信装置、基地局、無線通信方法、プログラムおよび無線通信システム |
US9002393B2 (en) * | 2011-03-09 | 2015-04-07 | Interdigital Patent Holdings, Inc. | Desynchronized network access in M2M networks |
DE202012004204U1 (de) | 2011-05-03 | 2012-06-15 | Central Iron & Steel Research Institute | Abgeschrägte Schmalseitenkupferplatte für Gussform mit trichterförmig gekrümmter Oberfläche |
EP2547140A1 (en) * | 2011-07-11 | 2013-01-16 | Koninklijke Philips Electronics N.V. | Method for configuring a node |
KR101293160B1 (ko) | 2011-09-26 | 2013-08-12 | 성균관대학교산학협력단 | 무선센서 네트워크에서 트래픽 양의 변화에 따른 효율적인 스케줄링 방법 및 장치 |
WO2013180523A1 (ko) * | 2012-05-31 | 2013-12-05 | 엘지전자 주식회사 | 무선 통신 시스템에서 스케줄을 통합하기 위한 방법 및 장치 |
-
2013
- 2013-10-31 EP EP13360034.6A patent/EP2869644B1/en active Active
-
2014
- 2014-09-26 US US15/029,051 patent/US10560893B2/en not_active Expired - Fee Related
- 2014-09-26 KR KR1020167014581A patent/KR101837580B1/ko active IP Right Grant
- 2014-09-26 WO PCT/EP2014/002631 patent/WO2015062690A1/en active Application Filing
- 2014-09-26 JP JP2016527365A patent/JP2017500778A/ja not_active Withdrawn
- 2014-09-26 CN CN201480059706.3A patent/CN105684524B/zh active Active
-
2018
- 2018-05-09 JP JP2018090383A patent/JP6498818B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090070279A1 (en) * | 2007-09-11 | 2009-03-12 | Bae Systems Plc | Estimating the efficacy of a mathematical model of system behaviour |
JP2010148027A (ja) * | 2008-12-22 | 2010-07-01 | Hitachi-Ge Nuclear Energy Ltd | センサネットワークシステム及びセンサノードの管理方法 |
Non-Patent Citations (1)
Title |
---|
宮坂拓也、川原圭博、浅見徹: "エナジーハーベスティングWSNにおける電力管理手法が通信特性に与える影響の検討", 電子情報通信学会技術研究報告 VOL.110 NO.130, vol. 第110巻, JPN6019004117, 8 July 2010 (2010-07-08), JP, pages 131 - 138, ISSN: 0003973406 * |
Also Published As
Publication number | Publication date |
---|---|
CN105684524B (zh) | 2019-12-20 |
EP2869644B1 (en) | 2017-12-27 |
JP6498818B2 (ja) | 2019-04-10 |
KR20160082691A (ko) | 2016-07-08 |
CN105684524A (zh) | 2016-06-15 |
EP2869644A1 (en) | 2015-05-06 |
US10560893B2 (en) | 2020-02-11 |
WO2015062690A1 (en) | 2015-05-07 |
KR101837580B1 (ko) | 2018-04-19 |
JP2017500778A (ja) | 2017-01-05 |
US20160242117A1 (en) | 2016-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6498818B2 (ja) | 通信ネットワークで消費されるエネルギーを最適化する通信システム、アクセスネットワークノードおよび方法 | |
JP6266773B2 (ja) | 全体的なエネルギー消費を最小化するための最適なデューティサイクルを決定する通信システムおよび方法 | |
Elappila et al. | Survivable path routing in WSN for IoT applications | |
Alsheikh et al. | Markov decision processes with applications in wireless sensor networks: A survey | |
Han et al. | Energy-efficient channel management scheme for cognitive radio sensor networks | |
Di Francesco et al. | Reliability and energy-efficiency in IEEE 802.15. 4/ZigBee sensor networks: An adaptive and cross-layer approach | |
Pinto et al. | An approach to implement data fusion techniques in wireless sensor networks using genetic machine learning algorithms | |
US8514789B2 (en) | Cognitive channel adaptation in wireless sensor networks | |
Yau et al. | Application of reinforcement learning to wireless sensor networks: models and algorithms | |
Ali et al. | Energy efficient techniques for M2M communication: A survey | |
Durresi et al. | Delay-energy aware routing protocol for sensor and actor networks | |
Liu et al. | TALENT: Temporal adaptive link estimator with no training | |
Munir et al. | Optimization approaches in wireless sensor networks | |
Gherbi et al. | Distributed energy efficient adaptive clustering protocol with data gathering for large scale wireless sensor networks | |
Vikram et al. | Load aware channel estimation and channel scheduling for 2.4 GHZ frequency band based wireless networks for smart grid applications | |
Kordafshari et al. | A joint duty cycle scheduling and energy aware routing approach based on evolutionary game for wireless sensor networks | |
Spathi et al. | Learning-Automata-Based Energy Efficient Model for Device Lifetime Enhancement in LoRaWAN Networks | |
Nuvolone | Stability analysis of the delays of the routing protocol over low power and lossy networks | |
Barrachina-Munoz et al. | Towards energy efficient lpwans through learning-based multi-hop routing for the uplink | |
Sreenath | Performance Evaluation of a standard reliable, fault tolerant Software Defined Wireless Sensor Network with an extended early inactive problem | |
Venkataramanan et al. | Hierarchical MAC protocol with adaptive duty-cycle adjustment algorithm for wireless sensor network | |
Liang | On wireless sensor networks | |
Diaz et al. | CITT-construction of an interference-tolerant tree topology using cross-layer information | |
Bonifacio et al. | Geographic routing algorithm implementation using simple MAC 802.15. 4 | |
Wu et al. | An integrated sleep-scheduling and routing algorithm in ubiquitous sensor networks based on AHP |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190212 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190313 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6498818 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |