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

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

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。

異種アプリケーションを有する典型的なＭ２Ｍネットワークを概略的に示す図である。 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である。 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アルゴリズムフローを示す図である。 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ためのアルゴリズムフローを示す図である。 相互作用的なスリープ管理システムを概略的に示す図である。 反復的信念予測アルゴリズムを概略的に示す図である。 スリープ管理の例を示す図である。 ２段階のスリープ管理アルゴリズムを概略的に示す図である。 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図である。

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。

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。

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。

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。

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２０_１から２０_Ｎ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Ｒ_ｎ（ｍ）で、毎日Ｋ_ｎ回、ペイロードＬ_ｎビットｎ∈｛１，…，Ｎ｝を通信しているとする。この場合、Ｋ_ｎおよびＬ_ｎ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。

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Ｋ_ｎ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、Ｐ_ｔｈとＰ_ｃｋｔ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、Ｐ_ｓｌとＥ_ｍａ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、Ｔ_ｓｌとＴ_ｔｘはそれぞれ、スリープモードとＬ_ｎ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Ｔ_ｔｏｔ＝Ｔ_ｓｌ＋Ｔ_ｔｘ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、Ｌ_ｎ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Ｒ_ｍを求めることが望ましい。

Ｅ_ｍａ＝０かつＰ_ｃｋｔ＝０である場合、上記の項を最小化する、後のアルゴリズムおよびアーキテクチャが提案される。また、η＝１かつε＝１であると仮定する。

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、Ｐ_ｔｏｔはαに関して表される。αに関するＰ_ｔｏｔの偏導関数が求められ、

は０に等しくされる。Ｅ_ｔｏｔ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Ｐ_ｃｋｔ、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τ_ｎ＝［τ_１…τ_Ｋ］および周波数ビンｗ_ｎ＝［ｗ_１…ｗ_Ｋ］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：γ_ｎ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。γ_ｎ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τ_ｎおよびｗ_ｎ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、ｇ_ｎ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、τ_ｎおよびｗ_ｎ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τ_ｎ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 τ_ｎおよびｗ_ｎ−１
− Ｉｆ （４）の制約を満たしつつ、

○ Ｔｈｅｎ ｗ_ｎ＝［ｗ_ｎ−１］
○ Ｅｌｓｅ ｗ_ｎ＝［ｗ_ｎ−１ １］
− Ｉｆ サイズ（ｗ_ｎ）≧Ｋ
○ Ｔｈｅｎ τ_ｎ＋１＝［τ_ｎ １］
○ Ｅｌｓｅ τ_ｎ＋１＝［τ_ｎ］
− 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。

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。

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ｔ_ｓｌ＝［Ｔ_ｓｌ，１，…，Ｔ_ｓｌ，Ｎ］^Ｔを用いて表現され、ここでＴ_ｓｌ，ｉは、スリープモードで費やされる時間に対応する。Ｔ_ｓｌ，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ｗ_ｊ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）ｄ_ｉ，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、Ｐ_ｔｈ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Ｐ_ｔｈを設定することによって変化させられ得る。確率測度ｐ_ｉ，ｊは、異なるデューティサイクルＴ_ｓｌ，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ｔ_ｓｌを更新することによって実現される。初期ｔ_ｓｌ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ｔ_ｓｌ：

よりも常に小さくなることに留意されたい。

最適化関数は、個々のデューティサイクルＴ_ｓｌ，ｊについて制限を規定することはない。たとえば、最適ｔ_ｓｌ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Ｔ_ｍｉｎ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、Ｔ_ｍｉｎ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：
Ｔ_ｓｌ，ｊ≧Ｔ_ｍｉｎ ｊ∈｛１，…，Ｎ｝

最初の制約に加えて、ネットワーク内のすべてのセンサについての全体的な感知時間は、

を満たす。
最適化問題は以下のように書き直すことができる：

ｐ_ｉ，ｉ＝１およびＰ_ｉ，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Ｔ_ｓｎ，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、ｔ_ｓｌ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：
ｔ_ｓｌ＝ｕ_Ｎ ここで、［ｕ_１，…，ｕ_Ｎ，λ_１，…，λ_Ｎ］＝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、ｔ_ｓｌ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ｔ_ｓｎ＝［Ｔ_ｓｎ，１，…，Ｔ_ｓｎ，Ｎ］^Ｔを用いて表され、式中、Ｔ_ｓｎ，ｉは、感知モードで費やされる時間に対応する。初期値Ｔ_ｓｎ，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。

確率測度行列Ｐによって特定されるような異なる感知ネイバ間の接続を活用して、あるノードにおける感知情報は、以下の累積和として表すことができる：

上記の式から、更新された感知時間Ｔ_ｓｎ，ｉ（ｔ_ｓｎ）≧Ｔ_ｓｎ，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Ｔ_ｓｎ，ｉ（ｔ_ｓｎ）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Ｔ_ｓｎ，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。

１ホップのネイバを含めると、確率尺度は以下のように書き直すことができる：

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、ｗ_ｉ，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、ｘ_ｉおよびｘ_ｊ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Ｌ_ｎ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。

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。

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。

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。

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）

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）。

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。

表２は、一例によるベイジアンゲームの戦略形態および利得行列を示す。

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。

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Ｃ_Ｔ、Ｃ_ＳＴＴ、Ｃ_ＳＴ、およびＣ_Ｓ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Ｌ_ｎ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ＥＰ_ｊ（ＳＴＴ）、ＥＰ_ｊ（ＳＴ）およびＥＰ_ｊ（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、ＥＰ_ｊ（Ｓ）＝ＥＰ_ｊ（非Ｓ）＝ＥＰ_ｊ（ＳＴＴ）＋ＥＰ_ｊ（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。

これは以下の表４にまとめられる：

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）。Ｈ_ｉ（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、ＯＡ_ｉ（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、ＰＴ_ｉ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、α_０は、観察成功率（事象が正確に観察される確率）であり、β_０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。

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。

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’、Ｃ_ＳＴＴ、Ｃ_ＳＴ、Ｃ_Ｓ、α_０およびβ_０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Ｃ_ＳＴＴ、Ｃ_ＳＴ、およびＣ_Ｓ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（α_０、β_０）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、α_０およびβ_０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)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。
8. 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。
9. 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。
10. 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。
11. 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。
12. 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。
13. 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。
14. 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。
15. 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。

Images