没有合适的资源?快使用搜索试试~ 我知道了~
埃及信息学杂志21(2020)231认知无线电网络物联网[1]A,B,C.作者:Darwisha,Amira M.Kotba,a埃及开罗开罗大学计算机和人工智能学院信息技术系bLIA/CERI,阿维尼翁大学,法国阿提奇莱因福奥文章历史记录:收到2019年2020年1月9日修订2020年2月16日接受2020年3月9日网上发售A B S T R A C T最近开发了许多物联网应用,这导致网络负载增加。为了避免频谱不足,物联网可以使用认知无线电网络概念。本文介绍了大多数研究解决信道分配和分组调度,当合并的认知无线电网络与物联网技术。纵观这一领域的研究成果,我们发现这一领域的研究还处于起步阶段,需要进行大量的开发和研究。©2020制作和主办由爱思唯尔B. V.代表计算机和人工智能学院-埃及开罗大学。这是一篇CC BY-NC-ND许可证下的开放获取文章(http://creative-commons.org/licenses/by-nc-nd/4.0/)上提供。内容1.导言. 2312.物联网3.认知无线电网络2324.认知无线电物联网(CRIOT)2335.认知无线电物联网挑战2336.认知无线电物联网频谱分配调查2346.1.频谱共享2346.2.频谱分配2367.结论238参考文献2381. 介绍物联网(IoT)可以被定义为一个相互连接的数字对象系统,该系统为事物提供通过网络传输数据的能力,而无需人与人之间或人与人之间的通信。*通讯作者。电子邮件地址:d. fci-cu.edu.eg(D.Tarek),abderrahim.univ-avignon.fr(A.Benslimane),gamaldarwish8@gmail.com(M.Darwish),a. fci-cu.edu.eg(上午)。Kotb)。开罗大学计算机和信息系负责同行审查。人机交互。物联网的概念发展迅速,它触及了我们日常生活的大部分但随着物联网的快速发展,必须为物联网网络产生的数据包定位频谱,引入认知无线电网络(CRN)以与物联网概念集成,将其命名为认知无线电物联网(CRIOT),以根据需要为物联网提供足够的本文综述了CRIOT中解决频谱共享和分配问题的论文。据我们所知,一些论文解决了这个主题的一部分,但不像我们的观点,例如[1,2]中的作者,他们研究了齿向无线电网络中的不同频谱分配技术,而[3]中的作者探索了基于生物学启发的范例的频谱共享模式,描述了动态频谱访问的代理之间的社会和非社会交互。作者在[4]中调查了频谱共享https://doi.org/10.1016/j.eij.2020.02.0031110-8665/©2020制作和主办由Elsevier B. V.代表开罗大学计算机和人工智能学院这是一篇基于CC BY-NC-ND许可证的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。制作和主办:Elsevier可在ScienceDirect上获得目录列表埃及信息学杂志杂志主页:www.sciencedirect.com232D. Tarek等人/Egyptian Informatics Journal 21(2020)231应用层智能应用智能电网、智能医疗、智能建筑、智能交通等中间件层数据库云计算决策普适计算传输层信息传输家庭局域网、现场局域网、广域网等感知层物理对象传感器,执行器,RFID标签等物联网技术应用于授权蜂窝和非授权频谱带。2. 物联网近年来,物联网(IoT)一词引起了越来越多的关注。一些技术和研究已经被用来允许物联网技术的巨大增长。物联网预计将影响我们的日常生活和行为。IoT被定义为允许设备命名为对象或事物的互连对象的世界范围的网络;诸如计算设备、机械设备、机器。. 等这些设备是相互关联的,它们被分配了一个IP地址,以便能够通过网络传输或接收数据包。这些东西可以以有线或无线方式连接,但无线连接由于其灵活性而将被频繁使用所需的通信是最小的人为干预,只有对象将相互作用在一起[5,6]。物联网设备通常具有低:成本,功率,电池持续时间,比特率,范围,存储,处理和小范围。物联网网络具有大量的连接和简单的协议[7]。如图1所示,物联网架构[8感知(也叫识别)层:表示物理事物,如RFID标签、传感器、执行器等。. 等它的主要作用是收集预期的信息并将其转换为数据。其中一些如执行器将控制信号转换为命令。传输(也称网络)层:其主要作用是利用网络技术将感知层采集的数据传输到中间件层,或接收中间件层发送到感知层的控制中间件层:它是一个软件层,分析从前一层接收到的数据,并基于此分析做出决策。应用层:包含IoT应用。它根据处理后的数据向最终用户业务层:基于从上一层接收的数据,业务层允许系统管理员控制整个物联网网络的功能。它建立了各种商业模式。据估计,物联网网络将迅速增长;思科预计,到2020年,它将包括约500亿个连接的异构设备,其中包括传感器、汽车、电视、监控摄像头、厨房电器、手机、DVD播放器、恒温器、公用事业仪表、监视器、医疗设备以及几乎任何我们可能想象到的东西。这种增长将导致对可靠无线连接的需求大幅增加。很主要挑战之一是频谱稀缺。这是本文关注的主要领域,它源于大量的物联网设备,这导致了认知无线电概念与物联网的融合。3. 认知无线电网络然而,用于移动服务的有限的未许可频谱已经迅速增加,因此,专用于许可证持有者的该频谱的分配策略变得不足,因为其大部分长期未被利用在2000年引入了一种通信技术,称为动态频谱接入网络或认知无线电网络(CRN)或下一代(xG)通信网络。它允许未授权用户(称为次要用户)与其合法/原始用户(称为主要用户)共享和访问授权频带。这是在对它们的干扰最小的情况下完成的,并且不会降低它们的服务质量(QoS)。认知无线电(CR)是一种智能灵活的通信设备,它与周围区域进行交互,以了解其业务层商业模式Fig. 1. .五层IoT架构。●●●●●D. Tarek等人/Egyptian Informatics Journal 21(2020)231233射频环境、内部状态和位置以及应用需求。因此,无线电设备可以使用该信息来调整其操作参数(例如,发射功率、操作频率、通信技术、调制方案)。. ),以便重新配置其自身以实现期望的通信目标。在CRN中,需要以下四个功能[11]:频谱感知:观察授权频谱以发现其未使用的称为空洞的频带,由于存在多种形式的噪声,这是一项棘手的任务频谱管理:估计检测到的空洞的服务质量(在频谱感测操作期间),并选择满足通信要求的适当频带。频谱移动性:当主用户突然出现时,在改变工作频率期间提供无缝传输,并且适应通信环境的快速变化。频谱共享:在次级(未授权)用户之间维持公平的频谱调度技术。认知无线电网络的四个主要功能被表示为图2所示的称为认知无线电周期的周期[3]。CRN分为两个主要类别,主网络和辅助网络[3]。拥有授权频段的主网络,通常由主基站和主用户组成。与主网络共享空洞(未使用的频谱部分)的次网络。它通常由认知无线电基站和认知无线电用户组成。在集中式介质访问控制(MAC)协议的情况下,次级网络包括系统代理,其负责共享和分配次级网络的资源。不同认知无线电网络之间的未使用频谱。但在分布式MAC的情况下,每个认知无线电用户本身在其他用户的帮助下负责决定何时接入空信道。CRN的应用非常广泛,如军事网络、认知网状网络、租赁网络、救灾和应急网络、公共安全网络、蜂窝网络、电视空白、天气预报、医疗应用、交通控制、采矿和物联网等。 等[11]。图二. .认知无线电周期。CRN的主要挑战是自共存、准确感知、信令、优化频谱决策、无缝频谱切换、跨层设计和能效[6]。4. 认知无线电物联网(CRIOT)物联网概念和应用的持续巨大增长,导致大量数据需要在频谱上发送,而我们却因其稀缺而遭受损失。频谱稀缺性不仅取决于信道的可用性,还取决于频谱利用率和所使用的技术。普通的固定频谱分配政策,这一频谱变得不够。一个解决方案是购买频谱,这将是昂贵的。由于环境的动态条件、频谱分配和利用以及购买频谱的成本,可以预见,如果没有物联网技术和CR能力的集成,物联网将无法如估计的那样换句话说,随着物联网对象数量的增加,物联网将面临频谱不足的问题,并且将没有足够的频谱分配给它,因此物联网网络需要具有认知无线电能力。物联网对象必须能够使用许可的未使用的频谱带,这将通过向物联网对象提供频谱带的机会主义接入来使用CRN建立物联网智能网络将是解决物联网频谱稀缺问题的有效和经济的解决方案。CR技术将与物联网合并,称为认知无线电物联网(CRIOT)。CRIOT将用于许多应用,特别是时间敏感的应用,如智能医疗和智能交通。融合后的技术应满足多个网络参数,如信道可用性、分配延迟、端到端延迟、可靠性、能量效率、高吞吐量等。必须使用许多通信标准和技术来应对使用CR技术的大量IoT应用和服务之间的连接性的增加,对于室内智能环境蓝牙、ZigBee和Wi-Fi,以及对于室外智能环境蜂窝系统IEEE 802.11af、Weightless。. 等。CRN能力将支持短距离和长距离通信[6]。物联网智能网络必须执行几个功能。它将捕获存在PU的无干扰信道。估计检测到的孔的服务质量。当任何物联网对象改变其操作通道时,无论是PU的到达还是其移动,都可以提供持续的通信最后,在对PU的干扰最小的情况下,调节大量IoT对象的许可频谱接入[6]。图3显示了CRIOT系统的设计因素[12]。第一个因素是CRIOT系统的应用及其特性。第二个因素是用于设备之间通信的技术及其特性。最后一个是使用该系统的国家所施加的规定,如许可证、允许干扰和证书。请注意,认知无线电物联网(CRIOT)正在将认知无线电功能与物联网技术相结合,以便物联网可以使用许可频谱来增强上一节中解释的频谱稀缺性。这与认知物联网(CIoT)不同,在认知物联网中,必须有配备认知能力的设备,这些设备可以通过理解周围的世界来学习,思考并做出智能或/和关键决策[613]。5. 认知无线电物联网的挑战尽管CRIOT面临的各种挑战取决于设计的应用场景和现有的网络结构,●●●●234D. Tarek等人/Egyptian Informatics Journal 21(2020)231图三. 面向物联网系统的认知无线电设计要素。所有认知无线电物联网的共同挑战[1415],这些挑战被认为是开放的研究领域。这些共同的挑战是:标准化:多种技术的存在被认为是物联网应用开发的主要挑战之一。注意,IEEE 802.22是用于使用(TV)频谱中的空白空间的无线区域网络的标准,其可以被认为是CRN标准化的步骤。现在,CRIOT的标准化工作正在进行中。移动性:CRIOT系统必须完美地工作,尽管物联网的移动性,这导致拓扑结构和要使用的自由孔的变化。可用资源:大多数物联网应用在同一网络上有大量的物联网对象,这需要足够的网络资源来支持它们的操作。能耗:CRIOT概念将消耗大量电能,特别是在频谱感知阶段,因此能耗必须尽可能低空谱空间的预测可以被认为是一个很好的解决方案,如果做得有效。还必须考虑能量收集,以便能够提供足够的电能来达到预期目标。可扩展性:物联网应用程序将通过同一个智能网络连接数百万甚至数十亿个物联网对象。一个通道分配协议,这个号码不是一件容易的事。必须开发可扩展的服务和操作,以容忍不断加入网络的新服务和设备异构通信设备的共存或互操作性:存在需要相互操作的异构设备和原型。因此,系统需要与多种异构设备、标准、技术和协议一起工作。可靠性:为了使IoT对象动态地接入许可频谱,可以执行改变一些传输参数,诸如传输功率、调制模式、信道选择、天线参数。. 因此,频谱分配函数将需要多个变量优化过程,这将增加频谱分配函数的复杂度分配过程。此外,IoT对象可以具有不同的服务质量要求,诸如延迟约束、能量消耗率、分组丢弃率约束。. 由于物联网应用的时间敏感性和物联网对象产生的大量数据,所需的频谱分配必须是快速和复杂的系统,以满足多个目标。分布式网络类型管理:物联网网络预计将由大量存在于具有各种拓扑和规范的各种类型网络中的物联网对象组成。这些网络将具有不同的通信技术、配置、故障和性能。它们必须相互协商并自组织,以有效地共享网络资源。安全性:为了确保传输数据的完整性,需要高度的安全性,因为黑客可以改变任何东西来控制物联网设备,例如信道信息、能耗或任何其他资源。请注意,根据数据类型需要不同的安全级别,这会导致高复杂性。6. 认知无线电物联网频谱分配调查在图4中,用于CRIoT的频谱分配协议被分类为两种类型,频谱共享和频谱分配。很少有研究讨论CRIOT频谱分配的问题,本节调查了所有这些解决这个问题的协议(据我们所知)。6.1. 频谱共享在频谱共享中,在主用户和次用户(IoT)之间存在协作换句话说,主网络将其空闲时隙出租给IoT,当然不会降低PU的服务质量。本节概述其中一些协议。作者在[16]中提出了PU和SU之间的协作传输模型,通过将频谱从主网络租赁给SU,以增强PU和SU两者的效用总和。博弈论被用来解决资源共享问题。利用纳什谈判解和选择性合作策略,获得了预定的最优租赁策略。该问题被建模为PU和SU之间的合作两人讨价还价博弈。当PU广播请求发送(RTS)以通过其最小传输速率通知其主接收器(PR)时,它开始。PR然后预测信道如果信道满足所需的传输速率,则PR通过清除发送(CTS)进行回复。RTS和CTS均由所有SU接收。如果PU的传输速率小于最小传输速率,则这指示PU将与SU协作。每个SU将计算讨价还价博弈参数和最佳策略,这导致选择最佳优化,该最佳优化可以最大化两个SU的效用之和。PU和SU。注意,PU效用是来自传输速率改变和功率节省两者的增益的总和然后,每个SU设置一个定时器,其定时器先用完的一个将发送一个伙伴发送(PTS),其中包括该对之间的最佳合作策略。最后,当PU和其他SU接收到PTS消息时,将选择该SU与该PU共享信道。仿真结果表明,使用合作博弈理论租赁频谱将提高效用的总和为PU和SU。这种方法的主要缺点是:首先,执行●●●●●●●●●D. Tarek等人/Egyptian Informatics Journal 21(2020)231235见图4。 C R I O T 的信道分配分类。由于其有限的能力,物联网设备太复杂而无法完成。其次,用于评估协议的IoT数量太少。第三,所提出的协议的性能没有与任何其他协议进行比较。[17]中的作者提出了一种用于IoT的动态频谱接入技术,该技术使用认知无线电启用的低功率广域网,在未许可和许可频带两者中运行。主要目标是最大化未授权用户的频谱容量,同时从不干扰授权的低功率广域网(LPWAN)主用户。作者假设整个频谱被分成子带。每个PU可以使用包括若干子带的A带信道。每个SU可以使用仅由一个子带组成的B带信道。A波段和B波段信道彼此重叠。PU具有在重叠频带上操作的优势。SU的存在对PU来说是完全未知的。因此,如果PU旨在使用当重叠频带中的信道被SU占用时,SU必须立即跳到其他可用的未授权信道。如果没有其他空信道,则SU无法改变其操作信道,它们被排队在SU队列的顶部。当PU运行呼叫的数量达到其最大值或没有足够的空闲信道并且需要PU呼叫时,它将被阻塞并被清除。SU的排队请求按照先到先服务(FCFS)的方式进行服务。作者推导出计算截止值的公式,以确定PU和SU之间划分的重叠面积的比率。必须仔细地调整该值,以便在SU呼叫所经历的较短延迟与进一步频谱的可用性之间进行充分的权衡。仿真和数值分析被用来评估所提出的策略。结果表明,所提出的技术,最大限度地提高频谱容量的SU,同时保持服务质量的PU。这种策略的主要缺点如下:首先,阻止PU调用是一种选择。其次,随着PU呼叫的信道保持时间的增加,SU呼叫的平均停留时间增加。第三,在高PU负载的情况下,队列大小可以无限增长这些缺点使得协议不能处理实时数据包。最后,所提出的协议的性能没有与任何其他协议进行比较。在[18]中,提出了一种分布式认知随机接入算法。由于移动物联网感知频谱是不切实际的,作者假设CRIOT网络具有有线频谱传感器,各种移动物联网与之通信。由于物联网与传感器之间的距离是变化的,存在频谱占用的观测误差。因此,作者提出物联网应该根据传感器测量的干扰来调整其传输概率。其目的是提高频谱利用率,以及该地区物联网数据速率的总和,同时满足主要用户的需求。使用随机几何来使用从传感器获得的干扰水平导出每个IoT处的条件干扰分布。使用计算出的条件干扰分布,计算出所有IoT的最佳传输概率,然后推导出一种简单的算法来为每个IoT分配相应的概率。为了评价所提出的算法(称为面积谱效率),将其与传统的ALOHA方案进行了比较.仿真结果表明,使用该算法可以获得更好的区域频谱效率,并且对物联网密度更敏感它的主要缺点是其架构需要额外的硬件设备。Aloha协议也是一个非常古老的协议。作者在[19]中建议使用次要信息收集站(SIGS),以便收集该区域中迁移的所有IoT的信息作者推导出了用于寻找SIGS的最佳位置和辅助物联网设备的最佳操作信道的粒子群优化算法被用来解决这个问题。他们使用了一个适应度函数,试图最大化SU的数量及其容量236D. Tarek等人/Egyptian Informatics Journal 21(2020)231并且考虑信号与干扰加噪声比(SINR)、主和辅网络容量以及出现概率,保存主网络仿真结果表明,该算法能较好地实现目标。与随机资源分配算法相比,该算法可支持的物联网数量增加了约20%。它的主要缺点是,首先它的体系结构需要额外的硬件设备。其次,采取许多假设,诸如SU已经具有关于主用户基站(PBS)位置和操作信道的信息。最后,他们假设PU由主操作员控制,因此不可能受到它们的干扰。6.2. 频谱分配在频谱分配中,IoT(次要用户)网络负责自己找到空闲时隙(通过感测)并使用它们。感知方法不是本文的目标,假设感知已经完成,本节将概述如何使用感知到的空闲时隙的协议。作者在[20]中开发了一种基于平等人(HE)社会模型的频谱分配模型。这是一个非合作博弈模型,其中HE代理是预测未来的行为策略(访问概率)在下一个周期中的球员,根据从各个节点收集的信息频谱的分配在所有节点之间周期性地进行。为了公平有效地利用检测到的漏洞,利用概率来确定节点下一周期的行为策略。对于HE游戏中的玩家来说,追求差异的欲望频谱的分配是由他对不平等的反感特征公平地完成的。根据记录的信息(占用和可用信道的数量,流量负载,优先级和通信时间),节点该概率将用于周期性地建立节点的下一周期行为策略与HE社区接入方案,以便公平有效地使用可用的检测到的漏洞。该模型由五个部分组成,每个部分导致下一个部分,最终在用户之间公平地分配可用信道这五个部分是射频(RF)接收器、RF感知、认知学习、决策和RF发射。仿真结果表明,该模型提高了频谱利用率。这种模型的主要第二,具有单节点信道导致有效地但不公平地使用信道,并且当使用多信道节点时,反之亦然第三,用于评估的物联网数量太少。第四,所提出的协议的性能没有与任何其他协议进行比较。在[21]中,作者提出了分布式频谱分配,在合并CR技术时,物联网对象的技术。该技术以分布式方式工作,并且它使用流量历史用于下一个信道分配。所使用的技术分为三个主要部分。第一部分是定期分发Hello消息,以通知SU空闲信道。第二部分是初始分配算法,每当一个节点被添加到网络中,或者当拓扑或信道改变时执行该算法。首先,基于它们的流量历史在列表中对通向所添加节点的链路进行优先级排序,然后基于它们在列表中的顺序为这些链路中的每一个链路提供信道。根据计算的节点的优先级,它确定是否将负责信道分配或它将接收来自另一个节点的分配。第三部分是交互消息,由改变其分配的信道的任何节点发送,以便将该改变通知其他节点在收到这些消息时,节点更新其优先级并运行算法考虑到主用户在任何时刻的出现,重新计算信道分配。为了评估这种技术,它的性能相比,两个旧的使用模拟。仿真结果表明,该技术在总吞吐量和分组投递率方面表现出更好的性能,但在减少干扰和端到端延迟方面的性能与其他两种技术相比一般。这种方法的主要缺点是,首先,每个IoT执行的过程太复杂,IoT甚至可能负责将信道分配给其他IoT。这是不喜欢的,因为物联网能力有限。其次,用于评估协议的IoT数量很少。在[22]中使用了博弈论,其中提出了用于CRIOT中的频谱感测和共享的协作算法。作者使用了一个检查游戏,一个检查员负责认知无线电基站,多个检查员负责物联网。该算法的目的是最大化网络吞吐量,同时保持各种IoT之间的公平性在具有基站和IoT的最小和最大感测速率以及每个IoT所需的最小和最大频谱时隙的情况下,作者导出了用于计算每个时间段的以下内容的等式:每个IoT和基站的效用,也用于每个IoT和认知基站的相对效用讨价还价解决方案,每个IoT的期望水平,每个IoT的感测速率更新,以及最终的期望均衡。以上计算的参数用于提出用于IoT频谱感测和共享的算法。随机初始化每个IoT的频谱感测速率和分配然后,迭代地计算上述参数,以改变每个IoT的频谱感测速率和分配的值,直到满足期望均衡值 为了评估该算法,建立了仿真模型,并与自适应协作频谱感知(ACSS)和分散式协作频谱感知(DCSS)算法进行了性能比较。仿真结果表明,该算法在频谱效率、公平性和吞吐量损失率方面均优于两种算法。所提出的算法在感测到空时隙时有效,但是推导的方程太复杂而不能实时应用,特别是随着物联网数量的增加。此外,用于评估协议的IoT数量太少。在[23]中,作者解决了考虑优先级的IoT设备的设备到设备(D2D)通信的问题,其中两个设备需要在公共可用信道上彼此相遇。为了实现这一点,他们提出了一种优先信道跳频技术。该技术将时间划分为时隙,每个时隙服务于多个IoT和其他设备。在时隙开始时,IoT设备感测网络以获得可用信道集,即当时未被任何其他设备使用的信道。会合时间是IoT源在时隙中与其目的地相遇所花费的时间。对于优先分组,该时间将被最小化在非优先级数据包的情况下,只有源进行搜索,而目的地只监听,源将数据包放在空闲信道上,而目的地只扫描信道,直到它在正确的信道上找到它的数据包但在优先级数据包的情况下,源和目的地都需要共同努力,以找到他们应该在其上通信的空闲信道。由于信道和物联网的速率不同,感测信道的时间不相等,因此物联网在一个时隙中只能感测一个信道,而另一个可以感测多个信道。这导致了无法识别交会的确切时间的问题。然后,作者推导出一个方程来统一所有IoT的跳跃矩通过源端和目的端感知信道之间的映射,可以找到它们应该在哪个信道上进行通信,并将该技术与一种名为增强型跳跃停留协议的传统技术进行了比较。数学和模拟-表1CRIOT频谱共享/分配协议的比较议定书提议的想法分享/分配集中/分布式频谱效率干扰延迟吞吐量分组投递率能耗公平相互比较B. Zhang等人(2013)[16]PU使用Nash讨价还价解决方案共享分布式使用多目标没有一B.月亮(2017)PU和IoT共同努力,共享集中改进改进功能改进没有一[17个]H. Kim等人通过推导PU的阻塞概率和IoT的承载流量,基于条件干扰共享分布式改进Aloha[18]第18话分布,使用随机几何,推导出最佳传输概率为所有J. Wen等人(2018年)物联网找到次级共享分布式改进RRA[19个]L. Qu等人(2012年)信息收集站用于收集IoT的信息,然后找到它们的最佳操作信道。使用PSO一种新的频谱分配系统模型,分配集中使用多目标函数改进改进一[20个]平等人社会模型R.F. Shigueta等人(2014)[21]S. [22]第二十二话X. Liu等人[23]第23话基于流量历史,IoT使用概率理论分配使用检查游戏在各个IoT之间分配空闲的感测时隙。推导出统一所有CRIOT的跳变矩的方程,以便最小化两个物联网分配分配分布式集中式分布式改进改进改进改进改善改善改进改进改进随机ZAP TABUDCSSDBSAEJSS. Mohapatra等人(2018)[24]J.Zhu等人(2018)[25]使用循环赛锦标赛以非对称异步方式保证两个IoT之间的通信对之间的会合。使用基于马尔可夫决策过程的模型来描述系统的状态转换,并使用深度学习来解决从不同的缓冲器传输分组。分配分配分布式分布式改进改进改进改进改进JSSI-WL-RSR. Han(2018)[26]H. B. Salameh等人考虑多跳并发数据流,其中连续的链路形成路由路径。使用非支配排序遗传算法II来最大化多目标函数。使用线性规划来寻找最优分配分配集中分布式改进改进改进改进强度Pareto进化[27]第27话CRIOT传输之间的空闲块(保护带)分布。D. Tarek等人/Egyptian Informatics Journal 21(2020)231237238D. Tarek等人/Egyptian Informatics Journal 21(2020)231实验结果表明,两种方法的重传成功率都达到了100%,但对于高优先级的数据包,新协议的延迟要比另一种协议小。这种方法的主要缺点是,首先,每个物联网执行的过程太复杂,因此它们需要额外的功能。其次,用于评估协议的IoT数量很少。第三,当信道数目大于15时,能量消耗增加。[24]中的作者还解决了CRIOTs网络中两个SU之间的会合问题,但采用非对称异步方式。循环赛锦标赛(all-play-all tournament)的概念用于保证通信对之间的会合。这是一场公平的比赛,因为每个SU都在和其他SU比赛。它给了所有的SU相同的机会,并防止一个坏的游戏从竞争中消除SU。仿真结果表明,该协议在性能上优于现有的信道跳变算法平均会合时间、会合程度和吞吐量。这种方法的主要缺点是,首先,每个物联网执行的过程非常复杂,它需要物联网的特殊功能。其次,用于评估协议的IoT数量很少。在[25]中,提出了一种基于深度学习的调度机制。作者假设数据包存储在多个缓冲区中,并且存在多个要使用的信道。他们的目标是达到一个适当的策略,发送数据包从缓冲区的通道。使用马尔可夫决策过程模型,其中状态表示信道或缓冲器状态,并且动作表示用于传输等待轮到所选缓冲器的分组的所选信道。根据通信对和传输方式的不同,信道和缓冲区呈现不同的状态。在每个时间段中并且对于规则状态,从特定缓冲器中选择分组以通过特定信道发送。如果信道状态较差,则不发送分组。如果一个新的数据包到达并且缓冲区已满,则所选择的数据包(可能是最旧的)丢失。深度学习(Q-learning)用于映射不同状态之间的转换。它通过与周围区域的持续互动,以不断的方式使用试错来获得最佳行动。为了评估,建议的调度进行了比较,使用模拟的策略迭代算法。结果表明,该算法性能低于策略迭代算法,但复杂度大大降低。它也可以在没有任何先验信息的情况下工作。这种方法的主要缺点是,首先,在每个IoT处执行的复杂过程,由于IoT有限的能力,这是不喜欢的。其次,它的性能低于策略迭代算法。第三,模拟中的IoT数量太少。最后,缓冲区的大小应该仔细选择,以减少丢失的数据包的数量采用非支配排序遗传算法Ⅱ,[26],以解决CRIOT网络中最大化频谱利用率和网络吞吐量的多目标问题。考虑多跳并发数据流,其中路由路径将由连续链路组成。利用图论对网络进行建模,考虑节点、链路、频谱信道和多跳并发数据流。利用该模型,推导了在考虑信干噪比的情况下,最大化系统吞吐量和频谱利用率的方程。该算法以连续的频谱通道(链路)表示路由路径,选择不同的解(染色体)构成初始种群,然后应用非 支 配 排 序 遗 传 算 法 Ⅱ ( Non-dominated Sorting GeneticAlgorithm-Ⅱ)求解。仿真结果表明,该算法的性能优于改进的强度Pareto进化算法一个. 它达到了更好的解决方案,以较低的速度达到这个最优解使用大的和不同的人口。该协议的主要缺点是:首先,模拟中的IoT的数量很小。其次,遗传算法通常需要很长的时间,这使得算法不能实时工作,特别是对于大量的物联网,即。它是不可扩展。吞吐率也没有随着流数量的增加而增加任何频谱分配的目标都是服务尽可能多的IoT。在处理大量配备CR功能的低成本物联网设备时,需要保护频带(GB)来避免相邻信道干扰。假设频谱被划分为三种类型的块;空闲块、数据块和忙块(用作保护频带的那些)。[27]中提出的技术解决了在IoT之间找到空闲块的最佳分布的问题。它试图通过减少分配的数据加GB信道的数量来最大化吞吐量,同时考虑到每个设备的需求速率、干扰和总发射功率约束。提出了一种基于信道绑定和数据聚合的算法来解决该问题,该算法包括两个阶段:块分配阶段和释放额外信道后处理阶段。对于块分配阶段,使用序列固定线性规划过程。对于第二阶段,首先选择具有最大尺寸的块。然后,考虑到速率条件的满足,从块的左侧保护频带开始的信道的最大数量被释放。最后,再次添加保护带。为了评估所提出的协议,它与两个较旧的协议是一致的。仿真结果表明,该协议具有更高的频谱利用率和更高的吞吐量比其他两个老协议。该协议的主要缺点是,首先,因为它是一个NP-难问题,所以解决方案是次优的。其次,用于评估协议的IoT数量太少。表1总结了上述CRIOT协议。注意分布式系统有一个共同的缺点,那就是所需的过程太复杂而无法由IoT执行。 此外,在所有协议中,用于评估的IoT的数量都很小,有时甚至太小(大约10个),这是不符合逻辑的,因为通常在一个区域中要服务的IoT的数量是数千个。7. 结论物联网(IoT)通过开发各种应用呈现出一种新的生活方式然而,为了避免带宽短缺,物联网需要集成认知无线电网络(CRN)功能。CRIOT引起了一些关注,但与应该做的工作相比,在这一领域所做的工作仍然不发达本文调查了所有解决CRIOT频谱分配/分配问题的协议(据我们所人们注意到,在这方面所做的大多数研究都使用了少量的物联网,这在大多数物联网应用中并不适用作为一个新的想法,为了增加物联网的数量,我们可以添加边缘节点,可以处理这些物联网数量,负责CRN上的调度和这一思想将在下一篇论文中与提出一种新的CRIOT分组调度技术一起使用。引用[1] Singh WN,Marchang N.认知无线电网络频谱分配研究综述。 Int J CommunNetworks Distrib Syst 2019;23(1):1.●D. Tarek等人/Egyptian Informatics Journal 21(2020)231-239239[2] 徐涛,李志,葛军,丁宏.认知无线电网络频谱共享研究综述。 KSII Trans InternetInf Syst 2014;8(11):3751-74.[3] M. Zareei , A. K. M. Muzahidul Islam , S. 巴 哈 伦 角 巴 尔 加 斯 - 罗 萨 莱 斯 湖Azpilicueta和N. Mansoor,“Medium access control protocols for cognitive radioad hoc networks:A survey,”Sensors(Switzerland),vol. 17,no. 2017年9月。[4] 张玲,梁永春,肖梅。物联网频谱共享研究综述。IEEE Wirel Commun 2019;26(3):132[5] KhanAA,Ragani MH,Rachedi A. “当认知无线电遇到物联网?”2016年国际无线通信移动。2016年国际计算机科学与管理中心计算机会议;2016年:469-74。[6] Khan AA,Mr. Mh,Rached A.基于认知无线电的物联网:应用、架构、频谱相关功能和未来研究方向。IEEE Wirel Commun2017;24(3):17-25.[7] S. TABBANE,[8] X. Liu等人,‘‘Overview of Spintronic Sensors with Internet of Things for SmartLiving,”玛格,卷55,不。2019年11月[9] L.安唐河Pinto,J. Reis,and G. Gonçalves,“测试和验证工业物联网的要求”,Proc. -2018 IEEE第11届国际会议Softw。测试验证有效的. 工作ICSTW 2018,no.June,pp.110[10] N.- C.盖坦,V. Gheorghita和我。Ungurean,“A Survey on the Internet of ThingsSoftware Architecture”,Int. J. Adv. Comput. Sci. 应用程序、 第6卷,第12期,2015年。[11] AkyildizIF,Lee WY,Vuran MC,Mohanty S. 下一代/动态频谱接入/认知无线电无线网络:综述。Comput Networks 2006;50(13):2127-59.[12] 放大图片作者Awin FA,Alginahi YM,Abdel-Raheem E,Tepe K.基于认知无线电的物联网系统技术问题研究综述。IEEE Access 2019;7(8月):97887-908。[13] Wu Q等,认知物联网:超越连接的新范式。IEEEInternet Things J.2014;1(2):129[14] K. Katzis和H.Ahmadi,第8页。55-76,2016年。[15] Qureshi FF,Iqbal R,Asghar MN.物联网中基于认知无线电的节能无线通信技术。 J.Netw. Comput.Appl. 2017;89(1月):14-25。[16] B. Zhang和K. Chen,“通过纳什谈判解决方案在物联网中进行选择性频谱租赁”,Proc. - 2012 IEEE第二届国际会议云计算。内特尔系统IEEE CCIS 2012,vol.第2页。841[17] B. Moon,[18] Kim H,Ko SW,Kim S-L.物联网网络的认知随机接入vol 2017-June。IEEE车辆技术会议 2017年。[19] WenJ,Yang Q,Yoo S-J. 物联网传感器网络认知无线电二次信息采集站定位与工作信道选择优化。暴徒信息系统2 0 1 8 年;2018年:1-12。[20] L. Qu,Y. Huang,M. Shi,和C. Tang,177[21] R. F. Shigueta,M.Fonseca,A.Ziviani,A.C. Viana和A.Munaretto,[22] Kim S.基于检测博弈的认知无线电物联网协作频谱感知与共享方案。Comput.Commun. 2017;105:116-23.[23] Liu X,Xie J.物联网认知D2D网络中基于优先级的频谱接入。 IEEE国际会议通讯2017年。[24] Mohapatra S,Sahoo PK,Sheu JP.物联网异步认知无线电网络中保证会合的频谱分配。IEEE物联网J. 2018年;PP(c):1.[25] 朱J,宋Y,蒋D,宋H.一种新的基于深度q学习的认知物联网传输调度机制。IEEE物联网J. 2018 ;5(4):2375-85。[26] 韩荣,高毅,吴春,陆东.基于认知无线电的物联网频谱分配多目标优化算法。IEEEAccess 2018;6(1月):12858-67。[27] H. B. Salameh,S. Almasri,E. Benkhelifa和J. Lloret,2019年1月
下载后可阅读完整内容,剩余1页未读,立即下载
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.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
- VMP技术解析:Handle块优化与壳模板初始化
- C++ Primer 第四版更新:现代编程风格与标准库
- 计算机系统基础实验:缓冲区溢出攻击(Lab3)
- 中国结算网上业务平台:证券登记操作详解与常见问题
- FPGA驱动的五子棋博弈系统:加速与创新娱乐体验
- 多旋翼飞行器定点位置控制器设计实验
- 基于流量预测与潮汐效应的动态载频优化策略
- SQL练习:查询分析与高级操作
- 海底数据中心散热优化:从MATLAB到动态模拟
- 移动应用作业:MyDiaryBook - Google Material Design 日记APP
- Linux提权技术详解:从内核漏洞到Sudo配置错误
- 93分钟快速入门 LaTeX:从入门到实践
- 5G测试新挑战与罗德与施瓦茨解决方案
- EAS系统性能优化与故障诊断指南
- Java并发编程:JUC核心概念解析与应用
- 数据结构实验报告:基于不同存储结构的线性表和树实现
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)