一种传感器网络中的采样方法、装置及设备制造方法及图纸

本申请实施例公开了一种传感器网络中的采样方法、装置及设备，应用于传感器网络，传感器网络包括中心节点和N个传感器；传感器用于将接收到的信息发送至中心节点，采样方法由中心节点执行，包括：对每个传感器接收到的信息进行预采样；针对被采样的传感器，获取从信息发出到中心节点经历的AoI；计算每个传感器对应的AoI的概率分布情况；根据概率分布情况，对每个传感器计算对应的AoI的数学期望；在每个时刻中，对数学期望最小的传感器进行采样。本方法在前期部署时对传感器的性能进行了预估，预估阶段需要有一些计算，但是在实际采样过程中，不会用到复杂计算，考虑到AoI，即信息源与AP之间的时间差，从而可以更切实地提升用户满意度。意度。意度。

【技术实现步骤摘要】
一种传感器网络中的采样方法、装置及设备


[0001]本申请涉及传感器网络
，尤其涉及一种传感器网络中的采样。

技术介绍

[0002]在很多信息通信场景中，在收集器收集到最新信息后，历史信息瞬间变 无效。针对此类的通信场景，人们提出了信息年龄(AoI)这一概念，AoI是 指信息从产生开始到目的地接收时经过的时间，如何降低AoI就成为一个至 关重要的问题。
[0003]在如图1所示的传感器网络中，由一个中心节点(中心节点)控制N个 传感器。这些传感器都以一定概率收集同一个特定对象的信息，因此每个传 感器对应的AoI并不相同。传感器在收集信息过程中相互不会产生干扰，然 而每个传感器只能以特定概率成功收集到信息。因此需要有多个传感器才能 保证中心节点可以收集到AoI足够小的信息。单个传感器与中心节点通信时， 传输信道可靠，然而不同的传感器与中心节点的通信，相互会产生干扰，从 而导致通信失败。
[0004]例如：在车联网中，负责接收的中心节点(中心节点)想借助路上行驶 的汽车来了解某个路段的实时最新路况信息，那么在这种场景下，中心节点 只关心最新的信息，也就是一个最新的信息要比多个旧信息更有价值，每辆 汽车都可以看做一个传感器，用于将信息发送给中心节点。中心节点通过对 这些汽车进行采样，试图获得最新的路况信息。因此，每个时刻选取哪个传 感器，就成为一个至关重要的问题。现有技术中，选择传感器仅仅考虑了传 感器到AP之间的时延，因此现有技术均为针对缩短时延来设计的。但是1.
[0005]仅仅考虑缩短传感器到AP的时延并不能满足实际需求，这个场景下，瓶 颈问题是，AP获得的信息对应的AoI为多少。以车联网路况观测为例，用户 根本不在意从传感器向AP发送信息的时延，用户只会关心最终获得的路况信 息与当下路况信息的匹配度，因此，在这种场景下，需要提出一种能够降低 AoI的采样方法，来实际提高用户体验。

技术实现思路

[0006]本申请实施例提供了一种传感器网络中的采样方法、装置及设备，考虑 到AoI，即信息源与AP之间的时间差，从而可以更切实地提升用户满意度。
[0007]有鉴于此，本申请第一方面提供了一种传感器网络中的采样方法，应用 于传感器网络，所述传感器网络包括中心节点和N个传感器，其中N为大于 1的整数；
[0008]所述传感器用于将接收到的信息发送至所述中心节点，所述采样方法由 所述中心节点执行，包括：
[0009]S1，对每个传感器接收到的信息进行预采样，得到每个传感器获取信息 的成功概率；
[0010]S2，针对被采样的传感器，获取从信息发出到中心节点经历的AoI；
[0011]S3，计算每个传感器对应的所述AoI的概率分布情况；
[0012]S4，根据所述概率分布情况，对每个传感器计算对应的所述AoI的数学 期望；
[0013]S5，在每个时刻中，对所述数学期望最小的传感器进行采样(贪婪策略)。
[0014]优选的，所述计算每个传感器对应的所述AoI的概率分布情况，以及根 据所述概率分布情况，对每个传感器计算对应的所述AoI的数学期望具体包 括：
[0015]在当前时刻t对传感器进行采样；
[0016]当所述AoI大于预置时间M时，令所述AoI的值为M；
[0017]定义M
×
M的矩阵Γ
n
：
[0018][0019]其中，q
n
为第n个传感器获取信息的成功概率，所述p
n
为第n个传感器 获取信息的失败概率，且q
n
+p
n
＝1；
[0020]定义e
k
为长度为M的单位行向量，其中只有第k个元素为1，其他为0；
[0021]计算所述AoI的概率分布情况Π
n，t
：
[0022]当中心节点在前一时刻t
‑
1时对第n个传感器进行了采样，且AoI等于k 时，所述Π
n，t
＝e
k
Γ
n
；
[0023]当中心节点在前一时刻t
‑
1时没有对第n个传感器进行采样时，所述 Π
n，t
＝Π
n，t
‑1Γ
n
；
[0024]根据所述概率分布情况Π
n，t
，计算t时刻AoI的数学期望，计算t时刻AoI的数学期望
[0025]优选的，所述步骤S5之后，还包括：
[0026]预估每个时刻的所述AoI的平均值。
[0027]优选的，预估每个时刻的所述AoI的平均值的方法为：
[0028]构造一个新的虚拟采样策略，该采样策略与实际采样策略类似。因此可以先计算新的虚拟采样策略对应的AoI，以这个AoI作为实际采样策略对应AoI的预估值。该虚拟采样策略与实际采样策略唯一区别是，在S5中，不是采样数学期望最小的传感器，而是给定一个临界值，对S4中所得AoI数学期望小于临界值的传感器进行采样，该临界值的要使得平均每个时刻中采样的传感器的个数范围不小于1，且尽可能的接近1；
[0029]根据所述临界值计算虚拟采样策略对应AoI的总和期望与时间和传感器 采样成功概率的关系的函数采用递推公式计算单位时间内所述总和期望的函 数收敛时的对应值，得到预估的平均AoI。
[0030][0031]优选的，所述临界值的计算方法包括：
[0032]A1，对任意n∈[1，N]，令
[0033]A2，初始化m＝1；
[0034]A3，令临界值η＝μ
m
，对任意k∈[1，M]，n∈[1，N]，计算γ
n，k
，计算方法 如下：
[0035]当η≥e
M
Γ
n
时，γ
n，k
＝1；
[0036]当μ
n
≤η＜e
M
Γ
n
时：若则γ
n，k
＝1；若或时， 其中，W0(*)为朗博W函数， 若时，时，
[0037]当η＜μ
n
时，
[0038]A4，对任意n∈[1，N]，k∈[1，M]，令表示向量
[0039]A5，对任意n∈[1，N]，t∈[0，T]，k∈[1，M]，令d(k，t，n)表示，从中心节 点采样传感器n，收到信息对应的AoI为k开始，在经过t个时刻的时间段内， 中心节点采样传感器n的次数；
[0040]A6，对d(k，t，n)采用以下递推公式：
[0041][0042]A7，当收敛时停止递推，此时
[0043]A8，收敛时的对应值即为平均一个时刻内，中心节点采样传感器的 个数，用表示；如果令m＝m+1，并返回A3；如果 记录当前m的值，得到临界值η＝μ
m
。
[0044]优选的，所述临界值的计算方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种传感器网络中的采样方法，其特征在于，应用于传感器网络，所述传感器网络包括中心节点和N个传感器，其中N为大于1的整数；所述传感器用于将接收到的信息发送至所述中心节点，所述采样方法由所述中心节点执行，包括：S1，对每个传感器接收到的信息进行预采样，得到每个传感器获取信息的成功概率；S2，针对被采样的传感器，获取从信息发出到中心节点经历的AoI；S3，计算每个传感器对应的所述AoI的概率分布情况；S4，根据所述概率分布情况，对每个传感器计算对应的所述AoI的数学期望；S5，在每个时刻中，对所述数学期望最小的传感器进行采样(贪婪策略)。2.根据权利要求1所述的传感器网络中的采样方法，其特征在于，所述计算每个传感器对应的所述AoI的概率分布情况，以及根据所述概率分布情况，对每个传感器计算对应的所述AoI的数学期望具体包括：在当前时刻t对传感器进行采样；当所述AoI大于预置时间M时，令所述AoI的值为M；定义M
×
M的矩阵Γ
n
：其中，q
n
为第n个传感器获取信息的成功概率，所述p
n
为第n个传感器获取信息的失败概率，且q
n
+p
n
＝1；定义e
k
为长度为M的单位行向量，其中只有第k个元素为1，其他为0；计算所述AoI的概率分布情况Π
n，t
：当中心节点在前一时刻t
‑
1时对第n个传感器进行了采样，且AoI等于k时，所述Π
n，t
＝e
k
Γ
n
；当中心节点在前一时刻t
‑
1时没有对第n个传感器进行采样时，所述Π
n,t
＝Π
n,t
‑1Γ
n
；根据所述概率分布情况Π
n,t
，计算t时刻AoI的数学期望，计算t时刻AoI的数学期望3.根据权利要求2所述的传感器网络中的采样方法，其特征在于，所述步骤S5之后，还包括：预估每个时刻的所述AoI的平均值。4.根据权利要求3所述的传感器网络中的采样方法，其特征在于，预估每个时刻的所述AoI的平均值的方法为：构造一个新的虚拟采样策略，该采样策略与实际采样策略类似。因此可以先计算新的
虚拟采样策略对应的Aol，以这个AoI作为实际采样策略对应AoI的预估值。该虚拟采样策略与实际采样策略唯一区别是，在S5中，不是采样数学期望最小的传感器，而是给定一个临界值，对S4中所得AoI数学期望小于临界值的传感器进行采样，该临界值的要使得平均每个时刻中采样的传感器的个数范围不小于1，且尽可能的接近1；根据所述临界值计算虚拟采样策略对应AoI的总和期望与时间和传感器采样成功概率的关系的函数；采用递推公式计算单位时间内所述总和期望的函数收敛时的对应值，最终得到预估的平均AoI。5.根据权利要求4所述的传感器网络中的采样方法，其特征在于，所述临界值的计算方法包括：A1，对任意n∈[1,N]，令A2，初始化m＝1；A3，令临界值η＝μ
m
，对任意k∈[1,M],n∈[1,N]，计算γ
n,k
，计算方法如下：当η≥e
M
Γ
n
时，γ
n,k
＝1；当μ
n
≤η<e
M
Γ

【专利技术属性】
技术研发人员：曹琦，邵郁林，
申请(专利权)人：西安电子科技大学广州研究院，
类型：发明
国别省市：