【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 ...
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。