移动自组网络中低能耗邻居发现算法
发布时间：2022-01-17 06:22
提出了一种实用的能耗模型,该模型考虑了过渡状态的能耗和持续时间。以该能耗模型为基础,提出一种具有低能耗的异步邻居发现算法。该算法可以在低能耗的情况下大大减少最坏情况下的发现延迟,并用仿真实验验证所提出算法的有效性。
【文章来源】：新乡学院学报. 2020,37(09)
【文章页数】：4 页
【部分图文】：
LEAND算法广播和接收过程
消息时，即认为这两个节点能够互相发现。由此可知，是确保邻居发现成功最小连续重叠时隙，即当两个节点活动状态的重叠时间不少于时，这两个相邻的节点才能成功地发现彼此。在LEAND算法中，系统的时间被划分为一系列的周期，每个周期被划分为T=F（D/2n）个子周期[其中F（·）为向上取整函数]，每个子周期由D个时隙组成。如图2所示，每隔7个时隙都会出现一次完整时隙，1个子周期由8个时隙组成。节点始终处于活动状态的时隙为完整时隙。在图2中，每两行时隙形成一个时隙模式，1个周期的长度为16个时隙。依据现有的邻居发现算法，在整个时隙中，每个节点仅具有两种不同的时隙状态，即活动状态或休眠状态。但是，在提出的LEAND算法中，采用了一种称为部分时隙的新时隙状态，即节点可以在一个时隙的某些时间内活动，而在其余时间休眠。若用Sm（t）表示节点m在时隙t的状态，其取值有以下几种可能：1）Sm（t）=0表示节点m在时隙t（即［t，t+1］）内处于休眠状态；2）Sm（t）=1表示节点m在时隙t（即［t，t+1］）内处于活动状态；3）表示节点m在时隙t的前部分（即）内处于活动状态，并在剩余的部分处于休眠状态；4）表示节点m在时隙t的后部分（即）内处于活动状态，并在剩余的部分处于休眠状态。考虑一种不同节点的时隙对齐的理想情况，例如，节点A的第i个时隙的开头与节点B的第j个时隙的开头对齐，由于节点是异步的，i和j可能不相等。此时，如果节点的时隙设计不当，可能会导致两个相邻节点的活动时隙始终无法重叠。LEANDA算法的时隙调度如图2所示：每个子周期中的第1个时隙均为完整时隙，其余分为个部分时隙和个空时隙。每个子周期内的部分时隙会向前移动，则第1个子周期的部分时隙就会位于时隙2到，如图2中第
霾糠质?隙，如果在D个时隙中有n+1个过渡状态，那么。因此，在进行邻居发现期间，能耗和延迟是两个相互矛盾的因素。因此，当延迟恒定时，需要考察算法的平均能耗。由可得，将代入式（4）得到。对能耗P关于n求导数，并令导数为零，得到。令大于零，可得。可知，当时，邻居发现算法在延迟时能耗最低。4性能评估采用Matlab仿真本文中的LEAND算法和现有的邻居发现算法，包括Disco［4］和U-Connect［5］，并比较它们的性能。每对相遇的移动节点都有一个随机的时隙偏移，实验运行5000次，并取平均值。图3给出了几种邻居发现算法的平均能耗与延迟之间的关系。这里，的取值为0.5，的取值为0.25，n的取值为4。由图3可知，在相同的延迟下，LEANDA算法消耗的能量最低；而在具有相同平均能耗的情况下，LEANDA算法实现了最短的延迟。图4给出了几种算法的发现延迟的累积分布对比。显然，LEANDA算法的发现延迟比其他两种算法的发现延迟要短。5结论本研究探讨了移动自组网络中具有低能耗的邻居发现算法的优化，先提出一种增强的能耗模型，又提出了LEAND异步节能邻居发现算法，并从理论上分析了所提出算法的平均能耗和最坏情况发现延迟，最后采用仿真实验评估算法的性能。在本文中，仅考虑了节点之间的时隙对齐的情况，未来的研究工作将考虑在时隙不对齐的情况下设计邻居发现算法。参考文献：［1］KINDTPH,CHAKRABORTYS.Onoptimalneighbordiscovery［C］//ProceedingsoftheACMSpecialInterestGrouponDataCommunication,August19-23,2019,Beijing,China.NewYork:ACM,2019:441-457.［2］LORETIP,BRACCIALEL.OptimizedneighbordiscoveryforopportunisticnetworksofenergyconstrainedIoTdevices［J］.IEEEtransactionsonm
本文编号：3594212
【文章来源】：新乡学院学报. 2020,37(09)
【文章页数】：4 页
【部分图文】：
LEAND算法广播和接收过程
消息时，即认为这两个节点能够互相发现。由此可知，是确保邻居发现成功最小连续重叠时隙，即当两个节点活动状态的重叠时间不少于时，这两个相邻的节点才能成功地发现彼此。在LEAND算法中，系统的时间被划分为一系列的周期，每个周期被划分为T=F（D/2n）个子周期[其中F（·）为向上取整函数]，每个子周期由D个时隙组成。如图2所示，每隔7个时隙都会出现一次完整时隙，1个子周期由8个时隙组成。节点始终处于活动状态的时隙为完整时隙。在图2中，每两行时隙形成一个时隙模式，1个周期的长度为16个时隙。依据现有的邻居发现算法，在整个时隙中，每个节点仅具有两种不同的时隙状态，即活动状态或休眠状态。但是，在提出的LEAND算法中，采用了一种称为部分时隙的新时隙状态，即节点可以在一个时隙的某些时间内活动，而在其余时间休眠。若用Sm（t）表示节点m在时隙t的状态，其取值有以下几种可能：1）Sm（t）=0表示节点m在时隙t（即［t，t+1］）内处于休眠状态；2）Sm（t）=1表示节点m在时隙t（即［t，t+1］）内处于活动状态；3）表示节点m在时隙t的前部分（即）内处于活动状态，并在剩余的部分处于休眠状态；4）表示节点m在时隙t的后部分（即）内处于活动状态，并在剩余的部分处于休眠状态。考虑一种不同节点的时隙对齐的理想情况，例如，节点A的第i个时隙的开头与节点B的第j个时隙的开头对齐，由于节点是异步的，i和j可能不相等。此时，如果节点的时隙设计不当，可能会导致两个相邻节点的活动时隙始终无法重叠。LEANDA算法的时隙调度如图2所示：每个子周期中的第1个时隙均为完整时隙，其余分为个部分时隙和个空时隙。每个子周期内的部分时隙会向前移动，则第1个子周期的部分时隙就会位于时隙2到，如图2中第
霾糠质?隙，如果在D个时隙中有n+1个过渡状态，那么。因此，在进行邻居发现期间，能耗和延迟是两个相互矛盾的因素。因此，当延迟恒定时，需要考察算法的平均能耗。由可得，将代入式（4）得到。对能耗P关于n求导数，并令导数为零，得到。令大于零，可得。可知，当时，邻居发现算法在延迟时能耗最低。4性能评估采用Matlab仿真本文中的LEAND算法和现有的邻居发现算法，包括Disco［4］和U-Connect［5］，并比较它们的性能。每对相遇的移动节点都有一个随机的时隙偏移，实验运行5000次，并取平均值。图3给出了几种邻居发现算法的平均能耗与延迟之间的关系。这里，的取值为0.5，的取值为0.25，n的取值为4。由图3可知，在相同的延迟下，LEANDA算法消耗的能量最低；而在具有相同平均能耗的情况下，LEANDA算法实现了最短的延迟。图4给出了几种算法的发现延迟的累积分布对比。显然，LEANDA算法的发现延迟比其他两种算法的发现延迟要短。5结论本研究探讨了移动自组网络中具有低能耗的邻居发现算法的优化，先提出一种增强的能耗模型，又提出了LEAND异步节能邻居发现算法，并从理论上分析了所提出算法的平均能耗和最坏情况发现延迟，最后采用仿真实验评估算法的性能。在本文中，仅考虑了节点之间的时隙对齐的情况，未来的研究工作将考虑在时隙不对齐的情况下设计邻居发现算法。参考文献：［1］KINDTPH,CHAKRABORTYS.Onoptimalneighbordiscovery［C］//ProceedingsoftheACMSpecialInterestGrouponDataCommunication,August19-23,2019,Beijing,China.NewYork:ACM,2019:441-457.［2］LORETIP,BRACCIALEL.OptimizedneighbordiscoveryforopportunisticnetworksofenergyconstrainedIoTdevices［J］.IEEEtransactionsonm
本文编号：3594212
本文链接：https://www.wllwen.com/kejilunwen/wltx/3594212.html
