没有合适的资源?快使用搜索试试~ 我知道了~
工程科学与技术,国际期刊20(2017)944完整文章基于IMCP的LTE-M智能抄表分簇技术研究Kartik Vishal Deshpande,A.拉杰什电子工程学院,VIT大学,Vellore 14,印度阿提奇莱因福奥文章历史记录:接收日期:2016年2017年4月2日修订2017年4月17日接受2017年4月28日在线发布保留字:M2MLTE-M能源效率聚类IMCP智能计量A B S T R A C T机器对机器(M2M)被预见为智能计量应用的新兴技术,其中设备无缝通信以进行信息传输。M2M通信利用长期演进(LTE)作为其骨干网络,并且其导致机器类型通信的长期演进由于大量的M2M设备将由单个eNB(演进节点B)处理,因此利用集群来高效处理网络。本文研究了基于改进M2M聚类过程(IMCP)的分簇技术,并将其与两种著名的分簇算法,即低能耗自适应分簇分层(LEACH )和能量感知多跳多路径分层(EAMMH)技术进行了比较。此外,IMCP算法进行了分析与两层和三层M2M系统的各种移动性条件。与LEACH和EAMMH算法相比,IMCP算法的最后节点死亡率分别提高了63.15%和51.61%。此外,IMCP中的每个节点的平均能量分别比LEACH和EAMMH增加了89.85%和81.15%。©2017 Karabuk University. Elsevier B.V.的出版服务。这是CCBY-NC-ND许可证(http://creativecommons.org/licenses/by-nc-nd/4.0/)。1. 介绍机器对机器(M2M)通信是一种不断发展的技术,其使得许多联网设备能够在有或没有人类辅助的情况下进行通信。M2M设备以遥测语言进行通信。在这里,遥测意味着远程机器和传感器将数据传输到中心体进行分析[1]。机器类型通信的长期演进(LTE-M)是LTE的扩展,特别是对于M2M设备。LTE-M是为M2M通信开发的独特系统[2]。在LTE-M上行链路中,为了提高频谱和能量效率,LTE-M系统使用通用频分复用(GFDM)作为单载波频分多址(SC-FDMA)的替代方案[9]。M2M设备被部署在许多领域,如智能计量、远程医疗、跟踪和追踪、远程维护和控制、制造、设施管理和安全。本文的主要目的是提高智能计量应用中M2M设备的能效[24,21智能计量监测资源的使用情况,如电力,水,天然气*通讯作者。电子邮件地址:deshpandekartik1@gmail.com(K.V. Deshpande),gmail.com(A.Rajesh)。由Karabuk大学负责进行同行审查等,并将仪表读数发送到中央机构,用于分析和账单支付[25]。图1示出了从每个房屋到演进节点B(eNB)然后通过控制系统分发的计量设备的概念示意图[10]。根据图。 1,“k”个设备形成一个组,并向eNB发送聚合数据。总共有大约计量过程提供了系统和仪表之间的双向数据应当注意,M2M通信的特征不同于蜂窝网络的特征在M2M业务期间发送范围从几十字节到100 k字节数据的短数据分组在此,与蜂窝网络相比,延迟不太LTE-M网络被期望作为LTE的子集,其可以同时容纳大量的M2M设备。此外,M2M设备节省了较低的电池寿命,并在选定的应用中运行多年。因此,与蜂窝通信相比,M2M通信中的数据速率相对较低[3]。在实时场景中,M2M设备在电池电力的有限供应下工作,因为电池不能被替换。由于这些设备被认为是廉价的,因此必须更加关注能源效率。因此,本文的主要目标是提高M2M设备的能效[12]。一旦M2M设备被部署在现场,则由于所部署的设备与LTE/LTE-M网络共存,因此必须保持电池的寿命[4]。目标是减少设备的能耗,http://dx.doi.org/10.1016/j.jestch.2017.04.0042215-0986/©2017 Karabuk University.出版社:Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。可在ScienceDirect上获得目录列表工程科学与技术国际期刊杂志主页:www.elsevier.com/locate/jestchK.V. 德什潘德, A. Rajesh /工程部 科学 和技术, 一个 国际 杂志 20 (2017)944945Fig. 1. 计量过程的一般流程图。最佳服务质量(QoS)要求,因为它与最佳设计有关。能量效率是基于比特每秒每瓦特或比特每焦耳计算的,其定义了上行链路传输期间消耗的每单位能量的系统吞吐量。在本文中,我们考虑的能量消耗在传输数据,电路消耗,唤醒和睡眠功耗。为了使系统持续更长时间,我们需要以这样的方式设计系统,即前面提到的参数应该在期望的QoS下消耗最少的功率。在LTE-M网络中,大量的M2M设备被部署在现场,其中单个eNB控制它们。如果所有设备开始接入eNB,则这将导致拥塞,因为M2M设备具有来自LTE网络的有限部分的资源块因此,这些问题的解决方案是集群,这已被证明是一种有效的方式,以大量的设备进行通信。分簇涉及将设备的一部分作为簇头(CH),并且这些CH与称为组成员(GM)的设备形成组CH聚合来自这些GM的数据,并且在处理之后,数据分簇的主要部分是它减少了接入eNB的M2M设备的数量,这节省了整个系统的能量并减少了网络中的信号开销的数量[8]。无线传感器网络与M2M通信有一定的相似性。许多分簇算法已经被部署在无线传感器网络领域,这些算法可以与M2M通信中的分簇相关联。由于与M2M设备相比,部署在WSN中的设备数量较少,因此发现WSN的聚类算法不适合M2M场景的节能[6]。因此,本文旨在提出一种改进的M2M聚类过程(IMCP)算法的胚胎M2M网络。论文的其余部分组织如下:第2节描述了与M2M设备的集群相关的工作。第3节提供了阐明M2M网络的组成的系统模型第4节解释了两层和三层系统的拟议算法所第5节给出了针对各种场景和网络条件的M2M网络中所提出的算法的性能第6节总结了本文讨论的结果。2. 相关工作在分簇的研究中,低能耗自适应分簇层次(LEACH)作为一种节能算法是首要的算法[11]。这里,每个节点都有成为CH的概率。此外,CH通过以压缩方式交换数据来与eNB直接通信,从而节省通信的能量。网络。社区卫生组织在汇总来自全球机制和能源方面的数据方面有一定的限制。因此,先前选择的节点作为CH在一定时间内不会再次选择CH。这样,所有节点都可以成为CH,从而降低节点的能量。LEACH包括两个阶段:(i)建立阶段,其中形成集群,通过CH进行广告,以及执行数据传输的调度,以及(ii)数据聚合、数据压缩和传输。LEACH算法没有网络的全局知识。通过降低通信成本函数和尽可能多地保持节点处于睡眠模式来满足能量效率。该算法由于其两跳模型仅适用于短距离区域,节点到CH再从CH到eNB。远离eNB的CH往往比靠近eNB的CH更快耗尽。在很少的迭代(循环)内,系统似乎消耗所有系统能量,这可能是由于具有均匀能量消耗的CH的非均匀分布能量感知多跳多径层次(EAMMH)[5]是对具有多跳和多径算法的LEACH的改进。该算法也具有与LEACH相同的两个阶段。一旦节点被随机部署,CH就由CH选择机制来选择。CH通过固定大小的邻居发现形成自己的GM。簇中的每个GM维护更新的节点路由表,传输过程与LEACH相同。在Lutful Karim等人[13]中,提出了一种节能且安全的集群机制(ESM),其解释了选定数量的活动M2M设备和基于轻量级的安全方案上的能效。与文献中的其他方法相比,由于基于共享密钥过程的安全问题,这里的能量消耗更多。Dusit Niyato等人[14]的设计目标是家庭能源管理系统(HEMS),该系统能够实现最佳和自适应的发电、消耗和分配。HEMS系统提供了一种以最小成本产生交通的最佳方式。Hyun-Kwan Lee等人[15]中的认知M2M通信解决了考虑服务和网络费用的拥塞问题。在这里,网络参数是从业务和工程角度设计的。在Ieryung Park等人[16]中处理了分层结构的M2M网络,以有效地容纳来自节点的数据,然后将其发送到簇头。在此,利用回退算法,当与其他公知的MAC协议相比时,该回退算法实现了更少的平均延迟,同时降低了每个节点的能量消耗。根据Andres Laya等人[17],大多数无线通信将基于M2M通信,并且集群由多个无线电接口承载。此外,合作重传方法被用于短距离网络的蜂窝网络,以减少业务负载和能量消耗。946K.V. Deshpande,A.Rajesh/Engineering Science and Technology,an International Journal 20(2017)944图二. 系统模型表示两层系统中涉及的聚类过程。图三. 显示能效相对于beta和概率值的变化的图。在新兴的M2M通信应用中提供LTE连接性在Antonis等人[18]中解释,具有有效路由M2M业务的调度机制。首先分析了固定调度算法下的服务质量(QoS)性能,然后研究了节点分组成簇时排队的动态性在Shih-En等人[19]中,聚类被认为是支持大量M2M通信节点的关键方法实现了某些场景通过混合整数非线性规划(MINLP)来制定M2M和人类设备的数据速率约束。在Linlin等人[20]中针对基于LTE的系统中的M2M通信实现了改进的节能方法。第一阶段是集群以最小化能耗,第二阶段是资源分配。基于聚类的资源分配阳离子减少了随机接入阻塞,并且极大地最小化了信令消耗。或者,智能计量场景在2G/3G网络上实现,解释了诸如密集区域中的频谱短缺和低覆盖问题等问题。最近,已经针对M2M通信网络提出了以移动性为中心的节点调度中的能量高效聚类[26,27]。这里,调度方案旨在通过选择有限数量的处于活动状态的M2M设备来扩展覆盖,并且通过簇头和成员节点的不同选择来提高容错性3. 系统模型该系统模型的假设条件如下:(i)设备均匀分布在具有一定无线电范围的小区K.V. 德什潘德, A. Rajesh /工程部 科学 和技术, 一个 国际 杂志 20 (2017)944947ð Þ¼见图4。 M2M通信中涉及的建议聚类过程的图表。图五. 系统模型表示三层M2M系统中涉及的过程。(ii)短距离称为内部通信是从GM到CH,长距离称为内部通信是从CH到eNB,EE pRsysppsyspð1Þ(iii)每个设备以各向同性传播方式进行通信,选择最近的节点,该节点是用于内部通信的CH,(iv)eNB被认为在场区域之外,(v)假设系统带宽在每个CH之间均匀分布。 二、双层系统中的系统模型包括:1. 在现场随机部署M2M设备。2. 适当地群集设备3. 形成簇头(CH)并中继数据。4. 处理CH中的数据,然后发送到eNB。为了有效地构建系统,我们需要从系统的总数据速率R sys(p)和系统的总功耗P sys(p)中找到p(成为CH的节点因此,能量效率(EE)如下所示:在实时场景中,M2M设备可能在场地的角落为了考虑阴影损耗(Z)和路径损耗模型(PL),我们将Peng[6]引用到具有阴影效应(Za)的内部通信成本,如短距离路径损耗模型(PL(a))类似地,对于具有阴影效应(Ze)的长距离路径损耗模型(PL(e)),CH在距离D1处向eNB发送数据。PLE=128: 1× 37: 6loggD 1=1000 μ g/2gPL28: 5- 20logs D2对数30GM的发射功率表示为( Pt(GM)),CH的发射功率由(Pt(CH))给出,其中Pt=CH=GM,其中B被功率比到计算达到功率转基因(Pj(GM))和CH(Pk(CH))。这里,j是指第j个GM,k是第k个CH。948K.V. Deshpande,A.Rajesh/Engineering Science and Technology,an International Journal 20(2017)944CCNoNPW1NPA¼c; ¼;见图6。 三层系统的M2M通信中涉及的所提出的聚类过程的图表。表1M2M智能计量应用的模拟参数描述值场地尺寸(Xf× Yf)800 × 800节点范围(m)40BS坐标0.5 * Xf和0.5 * Yf现场M2M节点数最大回合数100CHs数量的概率帧内和帧间阴影(dB)1.9953和3.9811系统带宽(Hz)20 * 106集群带宽(Hz)200 * 103GM发射功率(W)0.01集群考虑到电路功耗Pckt,GM和CH的整体功耗如下:P0通用汽车公司PcktPt通用汽车公司P t通用汽车公司P0CHPcktPtCH 9由于我们知道现场的CH和GM的数量,因此总系统功耗由下式给出:P系统N系统P系统类似地,总系统数据速率如下:n-1-p-np电路功率损耗(W)0.0032RðpÞ ¼XRðG MÞ þXRðC HÞð1 1Þ热噪声功率(W)4 * 10-21睡眠功率(W)15 * 10-6唤醒功率(W)0.0135sysJ第1页Kk¼1小区半径(m)800数据包大小(字节)16,136功率比30成本能力5每台器械的能量(J)0.5每轮(迭代次数)10,000-PL aZa其中Rsys是具有最佳p值的总系统数据速率。(10)和(11)在等式中使用。(1)求出系统能量效率方程。从 Eqs 。 ( 10 ) 和 ( 11 ) 我 们 知道 , 数 据 速 率取 决 于 带 宽(BW)和节点的位置。能源效率的期望值由下式给出:w2p-p2logg.1亿美元pPGMPGMω10104Eð12ÞJ T-PLeZbkpR2CpDCβpDPkCHbPtGMω10105其中,通过使用Eqs. (4)和(5)以及香农容量方程,每个GM和CH的数据速率写为:bPtGMPPR229:3695 No w1 R3:76BkPtGM3531: 4ωNo w2RGM。w2我的博客。1PjGM!6C²Pt²GM²Pckt²;D²P b-1 ²Pt²GM²j.j.Mk-1Now2Mk1从Eq.(12)我们可以用一个最大值来获得p的最佳值不同b值下能效最大值。RkC H。w1个对数。1PkC H!ð7Þ这里,w1和w2分别是系统和集群的带宽。“n”是字段中的M2M设备的数量,其中从它们中选择了“np”个CH。MK是每个第K个CH的GM的数量。(w2/(MK+ 1))是分配给每个成员的带宽。随着b值的增加,我们可以观察到EE值降低,如图3所示。从等式(12)我们可以看到,随着b值的增加,A和D值也增加。但是A值的增加意味着数据速率的增加,D值的增加意味着4.改进的M2M聚类过程(IMCP)K.V. 德什潘德, A. Rajesh /工程部 科学 和技术, 一个 国际 杂志 20 (2017)944949见图7。 LEACH、EAMMH和IMCP的死节点数。见图8。 LEACH、EAMMH和IMCP的节点平均能量。系统的功耗因此,需要为系统的最佳工作选择适当的b值图3还描述了对于较高的b值,我们得到较低的p。因此,通过增加设备的功率消耗来增加系统的数据速率,但是很快将导致系统功率的耗尽因此,通过选择一定的b值,我们得到了最佳的p值,这导致了最佳的CH数,使系统保持在工作状态很长一段时间。同样,我们可以找到不同的b值不同的曲线和最佳的p值。为提出的IMCP算法,我们选择b= 30我们得到p = 0.172。之前我们已经计算了CH(np)的最佳数目但为了模拟的目的,我们不会一次激活所有的CH。从np个CH中,我们选择哪个CH是下一个基于通信成本函数。有两种类型的通信成本函数:(i)内部通信成本,(ii)内部通信成本。根据CH的数量以及系统和集群分配的带宽,我们选择CH的数量950K.V. Deshpande,A.Rajesh/Engineering Science and Technology,an International Journal 20(2017)944X3:76D1/4iXM1DKMX X2D我的天X我的天图9.第九条。在每一轮中加入新的算法IMCP。一次。在第一轮期间,随机选择np个CH,其中取决于系统和集群的BW,在每个子轮一次选择CH的数量。因此,在第一轮中,子轮的数量取决于系统和集群的np和BW。从第二轮开始,根据成本函数,只选择CH因此,第二轮从CH响应部分开始,因为还需要考虑节点的剩余能量。考虑集群的每个GM的从CH到eNB的相互通信成本(Fi)[6]在这里,我们假设所有CH具有相同的传输功率Pt和不同的到达功率Pk,这取决于长距离路径损耗模型。三点七十六分FMK1DiMK 1J第1页ð13Þ图10个。IMCP中不同β值的能效值其中D是从GM位置到eNB的距离i和j分别是当前选择节点和所有节点MK是集群中GM的数量。同样,在通信代价(fi)函数中,GM的发射功率相同,但到达功率取决于短距离路径损耗模型。类似于上一个等式MK1其中tchw=(a(MK+ 1)1/RK(CH))是CH的唤醒时间,a是CH的聚集参数根据应用程序聚合参数值的选择。因此,系统总能耗为:2IJ第1页ð14ÞC系统Xnp. CkCHXCGMKkjð17ÞiMK 1MK 1KJk¼1第1页k1j 1D是从GM到CH的距离。考虑索引ij是指示i为当前选择的CH,并且j是其它的CH。等式(15)和(16)定义了设备能耗。T小时后可计算器械消耗在归一化消耗后,Ei为:GM,kj用于指示k作为临时选择的GM作为CH,并且j是EMK1Eið18Þ其他的GMM。在CH重选部分,剩余能量的考虑是非常重要的[7]。为了节省能量,节点在传输数据时应该处于唤醒状态,而在非活动数据传输期间应该处于睡眠状态。考虑唤醒时间为tgmw =l /Rj(GM),其中l是分组长度,Rj(GM)是GM的数据速率因此,计算GM j在时间T小时内的能量消耗为:C.J.GMT P0GMtgmw P w t gmwP st o-t gmw15其中Pw和Ps是唤醒和睡眠功耗,t0是两个事件之间的设备时间间隔。类似地,CH的能量消耗为:Ck CHTP0CH tchwPw tchw Psto- tchw16iMK 1EJ第1页现在,成本函数是等式的组合。(16)(18):Costi¼sumfi;Fi;wEi 19其中w是成本参数,并且cos ti决定哪个节点将接下来成为CH。在这里,成本函数的最小值将有助于CH指标的选择。M2M通信中的聚类过程如图4所示。首先是在现场部署节点。从随机部署的节点中,选择处于同质阶段的CH由于所有节点都是完全带电的,因此节点不是根据能量来选择的在第一轮之后,所有选择的CH都失去了一些能量,这使得它进入异质阶段。在!K.V. 德什潘德, A. Rajesh /工程部 科学 和技术, 一个 国际 杂志 20 (2017)944951图十一岁IMCP中不同p值的能效值第一轮如果节点在CH的范围内,则这些节点形成CH的GM在从GM获取分组之后,数据被收集、压缩并发送到eNB。从第二轮开始,遵循类似的条件,唯一的区别是这次基于每个子轮的成本函数来选择CH。这里,根据Eq. (19)对于要成为下一CH的索引节点来说应该是最小的。如果成本函数更多,则循环再次从GM向前继续以获得它们的最小成本。该算法继续,直到所有节点都死了或它们都耗尽能量。4.1. 三层系统中具有移动性的IMCP算法M2M设备的巨大增长使得研究人员提出了最优的资源分配和调度策略,以获得更好的网络性能。此外,M2M设备难以以减少的接入延迟接入eNB。为了减少延迟,M2M设备的负载必须与减少的能耗平衡。在三层M2M系统中,中继节点被放置用于从各种M2M节点收集数据其主要目的是从CH收集数据,放大它们并将它们中继到eNB。在三层系统中,数据是聚集的,从GM选通并传送到相应CH,然后传送到eNB,如图1B所示。 五、图6中示出了三层中继系统的流程图。当我们比较两层和三层系统时,我们看到的唯一区别是中继站框图。中继站范围内的CH成为簇头成员(CHM)。 在这项工作中,中继站的范围被认为是CH的三倍。从所选择的CH中选择一些中继站。此外,这些中继站将不会充当来自周围环境的传感代理。其主要部分是从CH收集数据并将其发送到eNB。要选择的中继站的数量是使用能量效率方程来完成的,就像使用两层系统一样。通过这种分析,选择的中继站的数量是270,因为选择的CH的数量是1032,并且由此得到的p值是0.2623。5. 绩效评价在 MATLAB 2015 中 执 行 具 有 聚 类 算 法 ( 即 , LEACH 、EAMMH和IMCP)的M2M通信的性能,并且在仿真中使用的参数在表1中示出[6]。 图 7显示根据LEACH、EAMMH和IMCP算法的死节点数。 从图中的曲线。 7,虽然EAMMH在几轮中比LEACH显示出死节点数量的改善,但当轮数变为15时,它收敛到后者。其原因可能是对LEACH网络的了解不充分,而对EAMMH的CH分布不合理在这两种算法中,没有考虑p的最优值,并且具有不足的参数,例如成本函数和节能参数。这导致每个节点的低能量,如图所示。 8,其中每个节点的平均能量在十次迭代后不久就下降到零。从曲线上可以看出,IMCP算法的性能远优于LEACH和EAMMH算法。在IMCP中,节点最多可持续40轮,比现有算法好4倍。此外,IMCP中的平均能量持续多达50次迭代,比现有算法好5倍。在这里,每轮进行11个子轮。因此,使用IMCP,并非所有节点都将死亡多达四个见图12。 针对IMCP算法的不同移动性值的死亡节点的数量。952K.V. Deshpande,A.Rajesh/Engineering Science and Technology,an International Journal 20(2017)944图十三. 具有不同移动速度的IMCP的节点的平均能量。图14. 用于具有移动性参数的两层系统的IMCP过程的系统的配置。IMCP中每个节点的平均能量总共可持续550轮 虽然目前实施的IMCP优于LEACH和EAMMH,但IMCP仍然可以通过动态方法变得更好,其中p和β可以变化以满足现场某些区域的某些期望。当CH聚合的设备数量少于其限制时,IMCP然而,字段边界处的CH可以附接到比其限制更少数量的设备,并且这样的CH应当用于附接到没有其他设备的范围内的节点。图8显示了根据LEACH、EAMMH和IMCP算法的能量效率。协议-对于IMCP,每一轮由十个子轮组成并且在每一个子轮中激活数百个CH(即,数百个集群)以在两层系统中从它们的GM收集数据。虽然我们已经讨论了beta、p、死节点和生命周期测量的能量效率,但是必须分析吞吐量以评估随着轮数增加的网络利用率,如图9所示。我们可以看到吞吐量值的许多变化,这是由于CH的距离,数据速率和传输延迟。从曲线可以推断出最大吞吐量为280 Mbps,平均吞吐量为150 Mbps。图10示出了具有不同β值的能量效率对概率的曲线图。对于不同的beta值K.V. 德什潘德, A. Rajesh /工程部 科学 和技术, 一个 国际 杂志 20 (2017)944953图15. 用于三层系统的IMCP过程的死节点的数量(具有中继(rly))。图十六岁用于三层系统(具有中继(rly))的IMCP过程的节点的平均能量得出了不同的最佳p值,但从实际应用的角度来看,要获得较长的网络寿命,应考虑合适的β值。不同的β值会导致不同的CH传输值和不同的聚集因子。从曲线中可以推断,较大的beta值将消耗更多的网络能量和节点的生命周期。类似地,图11示出了对于不同的“p”值β值增加的能量效率曲线,并且这决定了CH的数量和聚集因子。然而,“p”的手动设置5.1. 两层系统在M2M网络中实现移动CH节点的一个重要问题是当CH移动时CH如何从静态M2M节点收集数据当CH移动时,CH的位置改变,因此M2M节点只能在CH在其范围内时向CH发送数据包。因此,传统的数据收集和路由方案在这种情况下是不合适的当M2M节点被部署在实时环境中时,其具有有限的能量来源整个网络依靠这种能量来检测事件,从环境中收集信息,954K.V. Deshpande,A.Rajesh/Engineering Science and Technology,an International Journal 20(2017)944图17. 在考虑和不考虑移动性参数的情况下,三层系统的IMCP过程的吞吐量(bps)。表2比较LEACH、EAMMH和IMCP算法的轮数和最大吞吐量。4.5 ×106注:每轮对应10,000次迭代。并与基站或CH通信以传递所收集的信息。主要的挑战是使用最少的能量资源来最大化网络的寿命.图图12示出了对于两层系统具有从0.5m/s到4.5m/s范围的移动性参数的死节点的数量。随着移动性参数的增加,死节点的数量增加。这样的特性是由于移动引起的更多能量消耗,这影响节点的寿命。CH不仅四处移动,而且还负责将数据从GM中继到eNB,这还包括数据压缩中涉及的计算复杂度。图13示出了两层系统的每轮节点的平均能量。如曲线所示,高迁移率降低了节点的能量通过考虑CH向组中具有最小能量的节点移动的移动性来保护节点的快速死亡,使得节点的能量守恒。图14中示出了具有IMCP的M2M系统的吞吐量。该曲线示出了在第12轮的峰值吞吐量,0.5 m/s.从曲线可以看出,虽然M2M网络的吞吐量随着移动速度的增加而降低,但是由于具有IMCP的节点之间的协作传输所以所提出的M2M节点部署的方法提高了中等移动性下的网络性能。图图15-17示出了在具有和不具有移动中继站的情况下操作的三层系统的IMCP方法的死节点的数量、节点的平均能量和M2M节点的吞吐量。例如,在轮数为7的情况下,中继移动性下的死节点数量比没有中继移动性的三层网络多63.2%此外,没有中继移动的节点的平均能量比中继移动的节点减少了43.6%。因此,节点的吞吐量在基于M2M的没有中继移动性的网络中比具有中继移动性的网络如前所述,虽然节点移动性不提供任何性能降低,但是中继移动性对M2M网络有显著影响。表2示出了所有节点死亡的回合数、五个回合之后的最大吞吐量和能量。从表中可以观察到,IMCP算法比LEACH、EAMMH和SEP-E(稳定选举协议增强型)更有效[28]。在LEACH中,节点在12轮后死亡,而在EAMMH中,它在15轮后死亡。例如,与LEACH、EAMMH和SEP-E相比,在五轮(50,000次迭代)下,IMCP中每个节点的平均能量增加了89.85%、81.15%和66.67%聚类算法所有节点死亡的回合(回合)5轮后的最后一击(bps)5轮后的能量(J)浸提EAMMHSEP-E1215190.25 ×1061.35 ×1060.0350.0650.115[第28话](两层,无移动性)313 ×1080.345IMCP(具有移动性的两层)267.8 ×1080.295IMCP(三层无移动性)392.3 ×1090.415IMCP(三层移动)250.7 ×1090.215K.V. 德什潘德, A. Rajesh /工程部 科学 和技术, 一个 国际 杂志 20 (2017)944955分别这样的性能是由于IMCP中的死节点数量分别减少了63.15%、51.61%和38.70LEACH、EAMMH和SEP-E。此外,节点能量的这种节约将具有IMCP的M2M网络的吞吐量提高了300 Mbps。然而,在现有系统中,吞吐量为100 kbps的量级。吞吐量与两层网络的IMCP相比,三层网络的IMCP进一步增加了86.95%。吞吐量的这种改进是由于与两层网络相比,基于中继的网络(三层)中节点死亡的数量减少了20.51%,能量消耗减少了16.86%。6. 结论和今后的工作本文针对两层网络和基于中继的三层网络,研究了用于智能计量的基于LTE的M2M通信中的基于IMCP的分簇IMCP为基础的三层系统在不动的条件下表现出显着的性能改善方面的死节点,吞吐量和剩余能量的数量增加的回合数相比,没有移动性的两层系统。三层系统的性能改善是由于IMCP中的中继的适当考虑,有效地从CH获取数据然而,在移动性条件下,具有两层场景的IMCP表现出比三层框架更好的网络性能,因为在将分组中继到CH和中继站时存在分组丢失。因此,未来的工作将基于动态的高度移动的M2M通信,其中包括更多的计算复杂性与自适应拓扑条件。引用[1] Ralf Bruns , Jürgen Dunkel , Henrik Masbruch , Sebastian Stipkovic ,IntelligentM2M:complexeventprocessingformachine-to-machinecommunication,Expert Syst. Appl. 42(3)(2015)1235[2] AndreaBiral , Marco Centenaro , Andrea Zanella , Lorenzo Vangelista ,MicheleZorzi,无线蜂窝网络中M2M大规模接入的挑战,Digit。Commun.网络1(1)(2015)1-19.[3] C.Y.徐正雄Yen,C.T. Chou,2013,用于大规模机器对机器(M2M)网络的自适应多通道协议,在:第9届IEEE国际无线通信移动计算会议(IWCMC)论文集,1223[4] N.苗国旺,G.Y. Himayat,S..塔尔瓦Li,Low-complex energy efficientschedulingfor uplink OFDMA,IEEE Trans. Commun. 60(1)(2012)112-120。[5] 莫妮卡河Mundada,T. Nishanth Thimmegowda,V.Cyrilraj Bhuvaneswari,无线传感器网络中的聚类:使用MATLAB的EAMMH和LEACH协议的性能比较,Adv.Mater. Res. 705(2013)337-342。[6] 张 鹏 , M2M 通 信 的 节 能 分 簇 设 计 , IEEE Glob.org 。 Conf. 信 号 通 知 。 过 程(GlobalSIP)。(2014)1-4。[7] 朱子川、魏世恩、谢鸿运,2013。用于机器对机器无线网络中的数据收集的以数据为中心的集群,在:IEEE国际通信会议(ICC[8] FP7 Exalted Consortium,2012年,演示者将机制原型化为M2M模块。1-27号。[9] FP 7 Exalted Consortium,2013,LTE-M性能评估。1-127[10] FP 7 Exalted Consortium,2012,LTE-M算法和过程的最终报告。1-159[11] W. Heinzelman,A. Chandrakasan,H.李文,2000,无线传感器网络的节能通信协议,第33届夏威夷国际系统科学会议论文集,1- 10。[12] 沃 伊 斯 拉 夫 湾 Misic , Jelena Misic , Machine-to-Machine Communications :architectures,Technology,Standards,and Applications,CRC Press,2014。[13] Lutful Karim , Alagan Anpalagan , Nidal Nasser , Jalal N Almhana , IsaacWoungang,2013年,一种用于M2M通信网络的节能,容错和安全群集方案。IEEEGlobecom研讨会(GC Wkshps),677[14] 杜喜,肖璐,王平 ,智能电网中家庭能源管理系统的机器对机器通信 ,IEEECommun. Mag.49(4)(2011)53-59.[15] Hyun-Kwan Lee ,Dong Min Kim ,Youngju Hwang ,Yu Seung Min , Seong-LyunKim,使用蜂窝频带的认知机器对机器通信的可行性,IEEE Wirel。Commun.20(2)(2013)97-103。[16] Ieryung Park,Dohyun Kim,Dongsoo Har,MAC achieving low latency andenergyefficiency in hierarchical M2M networks with clustered nodes,IEEESens.J.15(3)(2015)1657[17] Andres Laya,Kun Wang,Luis Alonso,Jesus Alonso-Zarate,2012,用于可靠机器到机器多播服务的多无线电协作重传方案,在:第23届IEEE个人,室内和移动无线电通信国际研讨会,1[18] 安 东 尼 斯 ·G Athanasios S. Gotsis Lioumpas , Angeliki Alexiou , Evolutionofpacketschedulingformachine-typecommunicationsoverLTE:algorithmicdesign and performance analysis,IEEE Globecom Workshops(GCWkshps)(2012)1620-1625。[19] 魏世恩,谢鸿运,苏宣荣,干扰受限机器对机器通讯之丛集形成与功率控制之联合最佳化,IEEE全球通讯。(GLOBECOM)(2012)5512-5518。[20] 孙 琳 琳 , 田惠 , 徐 玲 玲 , 一 种 基 于 LTE 的 M2M 通 信 联 合 节 能 机 制 , IEEEWireless Commun.网络Conf. (WCNC)(2013)4706-4711。[21] Luca Bedogni,Angelo Trotta,Marco Di Felice,Luciano Bononi,2013,Machine-to-MachineCommunicationoverTVWhiteSpacesforSmartMetering Applications , in : IEEE 22ndInternational Conference onComputer Communications and Networks(ICCCN),1[22] Pawan Kumar Vermaa等人,机器对机器(M2M)通信:调查,J. Netw。Comput.66(2016)83-105。[23] Michael Emmanuel,Ramesh Rayudu,智能电网应用的通信技术:调查,J.Netw。Comput. 74(2016)133-148。[24] S. Rohjans,M.乌斯拉尔河Bleiker,X. Gonza,J. lez等人,2010年,智能电网标准化研究和建议调查,在:第一届IEEE智能电网通信国际会议(SmartGridComm)。583-588[25] N. Dorsch,F. Kurtz,H.格奥尔格角哈格林角Wietfeld,2014,智能电网通信的软件 定 义 网 络 : 应 用 , 挑 战 和 优 势 , 在 : IEEE 智 能 电 网 通 信 国 际 会 议(SmartGridComm),pp. 422-427[26] 穆 罕 默 德 ·S.Al-kahtani , Efficientcluster-basedsleepschedulingforM2Mcommunication network,Arab. J. Sci. Eng. 40(2015)2361。 237.[27] Mohammed Saeed Al-kahtani,ECSM:移动M2M通信网络的节能分簇方案,Comput. Sci.告知。4(2)(2014)1-11。[28] 放大图片作者:Ritu Sindhu,Ajay K. Sharma,SEP-E(RCH):基于
下载后可阅读完整内容,剩余1页未读,立即下载
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![text/x-c++](https://img-home.csdnimg.cn/images/20210720083646.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
我的内容管理 收起
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
会员权益专享
最新资源
- 京瓷TASKalfa系列维修手册:安全与操作指南
- 小波变换在视频压缩中的应用
- Microsoft OfficeXP详解:WordXP、ExcelXP和PowerPointXP
- 雀巢在线媒介投放策划:门户网站与广告效果分析
- 用友NC-V56供应链功能升级详解(84页)
- 计算机病毒与防御策略探索
- 企业网NAT技术实践:2022年部署互联网出口策略
- 软件测试面试必备:概念、原则与常见问题解析
- 2022年Windows IIS服务器内外网配置详解与Serv-U FTP服务器安装
- 中国联通:企业级ICT转型与创新实践
- C#图形图像编程深入解析:GDI+与多媒体应用
- Xilinx AXI Interconnect v2.1用户指南
- DIY编程电缆全攻略:接口类型与自制指南
- 电脑维护与硬盘数据恢复指南
- 计算机网络技术专业剖析:人才培养与改革
- 量化多因子指数增强策略:微观视角的实证分析
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)