KR101837580B1 - 통신 시스템, 액세스 네트워크 노드 및 통신 네트워크 내에서 소비된 에너지를 최적화하는 방법 - Google Patents

통신 시스템, 액세스 네트워크 노드 및 통신 네트워크 내에서 소비된 에너지를 최적화하는 방법 Download PDF

Info

Publication number
KR101837580B1
KR101837580B1 KR1020167014581A KR20167014581A KR101837580B1 KR 101837580 B1 KR101837580 B1 KR 101837580B1 KR 1020167014581 A KR1020167014581 A KR 1020167014581A KR 20167014581 A KR20167014581 A KR 20167014581A KR 101837580 B1 KR101837580 B1 KR 101837580B1
Authority
KR
South Korea
Prior art keywords
node
network
player
duty cycle
resource
Prior art date
Application number
KR1020167014581A
Other languages
English (en)
Other versions
KR20160082691A (ko
Inventor
치-쿠앙 린
비자이 벤카테스와란
Original Assignee
알까뗄 루슨트
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 알까뗄 루슨트 filed Critical 알까뗄 루슨트
Publication of KR20160082691A publication Critical patent/KR20160082691A/ko
Application granted granted Critical
Publication of KR101837580B1 publication Critical patent/KR101837580B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0209—Power saving arrangements in terminal devices
    • H04W52/0225—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal
    • H04W52/0229—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal where the received signal is a wanted signal
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0209—Power saving arrangements in terminal devices
    • H04W52/0212—Power saving arrangements in terminal devices managed by the network, e.g. network or access point is master and terminal is slave
    • H04W52/0219—Power saving arrangements in terminal devices managed by the network, e.g. network or access point is master and terminal is slave where the power saving management affects multiple terminals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W48/00—Access restriction; Network selection; Access point selection
    • H04W48/16—Discovering, processing access restriction or access information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
    • H04W52/0206—Power saving arrangements in the radio access network or backbone network of wireless communication networks in access points, e.g. base stations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0209—Power saving arrangements in terminal devices
    • H04W52/0212—Power saving arrangements in terminal devices managed by the network, e.g. network or access point is master and terminal is slave
    • H04W52/0216—Power saving arrangements in terminal devices managed by the network, e.g. network or access point is master and terminal is slave using a pre-established activity schedule, e.g. traffic indication frame
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q2209/00—Arrangements in telecontrol or telemetry systems
    • H04Q2209/40—Arrangements in telecontrol or telemetry systems using a wireless architecture
    • H04Q2209/43—Arrangements in telecontrol or telemetry systems using a wireless architecture using wireless personal area networks [WPAN], e.g. 802.15, 802.15.1, 802.15.4, Bluetooth or ZigBee
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

액세스 네트워크 노드 및 복수의 리소스 제한 노드를 포함하는 통신 시스템이 제공된다. 액세스 네트워크 노드는 제어 유닛을 포함하고, 제어 유닛은 네트워크 관찰 및 네트워크 관찰의 이력 프로파일에 기초하여 복수의 리소스 제한 노드 중 하나의 리소스 제한 노드에 대해 네트워크 상태에 대한 신뢰도를 추정하고; 액세스 네트워크 노드 내의 리소스 제한 노드에 대한 신뢰도를 동적으로 업데이트하고; 네트워크 상태에서의 업데이트된 신뢰도의 심각도가 리소스 제한 노드의 슬립 듀티 사이클의 변경이 요구됨을 나타낸다고 결정하고; 복수의 리소스 제한 노드 내의 리소스 제한 노드들 사이의 상관이 리소스 제한 노드의 슬립 듀티 사이클의 변경이 요구됨을 나타낸다고 결정하고; 특정 검출 임계치를 달성하면서 리소스 제한 노드들 내에서 소비된 전체 에너지를 최적화하도록 리소스 제한 노드의 슬립 듀티 사이클을 업데이트하도록 동작 가능하다.

Description

통신 시스템, 액세스 네트워크 노드 및 통신 네트워크 내에서 소비된 에너지를 최적화하는 방법{A COMMUNICATIONS SYSTEM, AN ACCESS NETWORK NODE AND A METHOD OF OPTIMISING ENERGY CONSUMED IN A COMMUNICATION NETWORK}
본 발명은 통신 시스템, 액세스 네트워크 노드 및 복수의 리소스 제한 노드 및 액세스 네트워크 노드를 포함하는 통신 네트워크에서 소비된 에너지를 최적화하는 방법에 관한 것이다.
머신 투 머신(Machine to machine: M2M) 네트워크 및 디바이스는 수가 점점 증가하고 있고, 현존하는 셀룰러 네트워크보다 수적으로 우세하도록 예상되고 있다. 그러나, IEEE 802.15.4 및 Zigbee와 같은 현존하는 개인 영역 네트워크(personal area networks: PAN) 표준은 특히 통신 범위를 증가시키고 전력을 감소시키면서, 이러한 대량의 트래픽을 핸들링하도록 설비되지 않는다. 이들 네트워크는 몇몇을 예로 들면, 스마트 에너지 미터(smart energy meters), 온도/트래픽 모니터링, 인체 통신망(body area networks) 및 산업 자동화의 범위에 이르는 광범위한 용례를 커버하는 것으로 예측된다.
머신 투 머신에서 하나의 중요한 고려사항은 네트워크 내의 센서 노드 또는 실제로 다른 리소스 제한 노드의 배터리 수명이다. 머신 투 머신을 위한 센서 노드의 배터리 수명은 셀룰러 통신에서 보여지는 바와 같이 수일, 및 현재 개인 영역 네트워크 및 머신 투 머신 표준에서 1 내지 2개월 미만에 대조하여, 수년의 정도이어야 한다는 것이 바람직하다.
이러한 견지에서, 센서 노드는 이들 다양한 동작 모드 동안 낮은 듀티 사이클을 갖고 대부분의 시간 동안 슬립 모드(sleep mode)로 유지되도록 요구된다. 슬립 모드에서, 디지털 전송 블록, 전력 증폭기, 수신기 체인 및 마이크로프로세서와 같은 대부분의 송수신기 구성요소는 턴오프된다. 네트워크에 정보를 전송하기 위해, 센서 노드는 슬립 모드로부터 활성 송수신 모드로 수시로 전이하여 네트워크로 그리고 네트워크로부터 데이터를 통신한다.
센서 노드의 듀티 사이클을 제어하기 위한 하나의 기술은 슬립 모드로부터 활성 모드로 주기적으로 웨이크업(wake up)하기 위해 센서 노드를 동기화하는 것이다. 활성 모드에서, 센서 노드는 물리적 네트워크를 스캔하고, 네트워크로 그리고 네트워크로부터 정보 전송을 가능하게 한다. 이 기술은 센서 노드가 송수신할 임의의 정보를 갖는지 여부에 무관하게, 슬립 모드로부터 활성 모드로 주기적으로 웨이크업할 것이고, 아무 기능도 담당하지 않고 활성 상태로의 센서 전이를 수반할 수 있기 때문에 단점이 있다.
센서 노드의 듀티 사이클을 제어하기 위한 다른 기술은 센서 노드가 아이들 상태에 남아 있고 이어서 센서가 물리적 네트워크를 스캔하고 네트워크로의 그리고 네트워크로부터의 정보 전송을 가능하게 하는 활성 모드로 전이하도록 센서 노드를 제어하는 것이다. 아이들 상태는 송수신 기능이 턴오프되고 사용되지 않지만 이들의 콘트롤러가 즉시 사용될 수 있도록 전력 공급되는 상태이다. 따라서, 아이들 모드에서, 센서 노드는 송수신 모드에서보다 적은 전력을 소비하지만, 슬립 모드에 있을 때보다 더 많은 전력을 소비한다.
센서 노드의 듀티 사이클을 제어하기 위한 다른 기술은 센서 노드를 주기적으로 웨이크업하는 것이다. 센서 또는 코디네이터(co-ordinator)로부터의 이벤트에 따라, 네트워크와의 전송이 제어될 수 있다. 이는 감지할 무엇인가가 있는지 여부에 무관하게 센서 노드가 웨이크업하는 것을 요구하여, 이에 의해 잠재적으로 전력을 낭비하기 때문에 단점이 있다.
또 다른 기술에서, 이웃하는 센서 노드는 이들의 듀티 사이클을 코디네이팅할 수 있다.
상기 기술 모두는 통신을 달성하기 위해 무선 채널의 감지 및 확인응답(acknowledgement)을 요구하고, 이는 이어서 상당한 양의 에너지를 소비한다. 따라서, 상기 기술을 사용하는 센서 노드는 1 내지 2개월 정도의 배터리 수명에 제한될 것이다. 특히, 중형 내지 대형 네트워크에서, 센서 노드는 네트워크에 의한 통신 업데이트에 비교할 때 감지 및 슬립 사이클 관리에서 상당히 더 많은 에너지를 소비할 수 있다.
따라서, 센서 노드의 슬립 듀티 사이클을 최적화하기 위한 메커니즘을 제공하는 것이 바람직하다.
본 발명의 제 1 양태에 따르면, 액세스 네트워크 노드 및 복수의 리소스 제한 노드를 포함하는 통신 시스템이 제공되고, 액세스 네트워크 노드는 제어 유닛을 포함하고, 제어 유닛은 네트워크 관찰(network observations) 및 네트워크 관찰의 이력 프로파일에 기초하여 복수의 리소스 제한 노드 중 하나의 리소스 제한 노드에 대해 네트워크 상태에 대한 신뢰도(belief)를 추정하고; 액세스 네트워크 노드 내의 리소스 제한 노드에 대한 신뢰도를 동적으로 업데이트하고; 네트워크 상태에서의 업데이트된 신뢰도의 심각도(severity)가 리소스 제한 노드의 슬립 듀티 사이클(sleep duty cycle)의 변경이 요구됨을 나타낸다고 결정하고; 복수의 리소스 제한 노드(resource limited nodes) 내의 리소스 제한 노드들 사이의 상관(correlation)이 리소스 제한 노드의 슬립 듀티 사이클의 변경이 요구됨을 나타낸다고 결정하고; 특정 검출 임계치를 달성하면서 리소스 제한 노드들 내에서 소비된 전체 에너지를 최적화하도록 리소스 제한 노드의 슬립 듀티 사이클을 업데이트하도록 동작 가능하다.
제어 유닛은, 네트워크 상태에서의 업데이트 신뢰도의 심각도 뿐만 아니라 리소스 제한 노드들 사이의 상관이 리소스 제한 노드의 슬립 듀티 사이클의 변경이 요구됨을 나타낼 때, 특정 검출 임계치를 달성하면서 리소스 제한 노드 내에서 소비된 전체 에너지를 최적화하기 위해 리소스 제한 노드의 슬립 듀티 사이클을 업데이트하도록 동작 가능할 수도 있다.
제어 유닛은 네트워크 상태에서의 업데이트된 신뢰도의 심각도가 리소스 제한 노드의 슬립 듀티 사이클이 특정 검출 임계치를 달성하면서 리소스 제한 노드 내에서 소비된 전체 에너지를 최적화하도록 요구됨을 나타내고, 리소스 제한 노드들 사이의 상관이 리소스 제한 노드의 슬립 듀티 사이클의 변경이 요구됨을 나타내지 것으로 결정할 때, 리소스 제한 노드의 슬립 듀티 사이클의 업데이트가 수행되지 않는다.
제어 유닛이 네트워크 상태에서의 업데이트된 신뢰도의 심각도가 임계 이벤트(a critical event)를 나타내는 것으로 결정할 때, 리소스 제한 노드의 슬립 듀티 사이클은 슬립 모드로부터 활성 모드로 더 빈번하게 스위칭하기 위해 리소스 제한 노드를 트리거링하도록 감소될 수도 있다.
제어 유닛이 네트워크 상태에서의 업데이트된 신뢰도의 심각도가 이벤트 심각도가 낮은 것을 나타낸다고 결정될 때, 리소스 제한 노드의 슬립 듀티 사이클은 슬립 모드로부터 활성 모드로 덜 빈번히 스위칭하기 위해 리소스 제한 노드를 트리거링하도록 증가될 수도 있다.
네트워크 상태 내의 업데이트된 신뢰도의 심각도의 정의는 조정 가능하고, 애플리케이션 요구, 운영자 선택, 또는 애플리케이션 또는 시스템 운영자에 의해 정의된 적응성 학습 프로세스(adaptive learning process)에 의존할 수 있다.
복수의 리소스 제한 노드 내의 리소스 제한 노드들 사이의 상관은 로컬 노드들 사이의 토포그래피 관계(topographical relationship), 리소스 제한 노드들 사이의 애플리케이션 상관, 이들의 무선 채널들 사이의 통계적 상관(statistical correlation) 또는 이들의 조합에 기초할 수 있다.
로컬 노드들 사이의 토포그래피 관계는 복수의 리소스 제한 노드 중의 다른 노드들에 대한 리소스 제한 노드의 물리적 근접도 및 복수의 리소스 제한 노드들 중 다른 노드들에 대한 리소스 제한 노드의 통신 근접도를 포함할 수 있다. 리소스 제한 노드들 사이의 이러한 상관은 이웃 테이블로서 분류될 수 있다.
로컬 노드들 사이의 상관 메트릭은 네트워크 상태에 의해 영향을 받을 가능성이 있는 통신 네트워크의 일부의 슬립 듀티 사이클이 업데이트되고 반면에 네트워크 상태에 의해 영향을 받을 가능성이 적은 통신 네트워크의 일부의 슬립 듀티 사이클은 불변 유지되는 것을 보장하는 필터일 수 있다. 임의의 상관 메트릭의 선택은 시스템 운영자 또는 애플리케이션 요구에 의존한다.
통신 네트워크의 초기화시에, 리소스 노드의 슬립 듀티 사이클은 최적화된 슬립 듀티 사이클이고, 슬립 관리의 방법은 슬립 듀티 사이클이 최적화되는 것을 보장하도록 통신 네트워크가 동작중에 있는 동안 영향을 받은 노드의 슬립 듀티 사이클을 동적으로 업데이트한다.
통신 네트워크의 초기화시에, 슬립 관리의 방법은 슬립 듀티 사이클 파라미터를 위한 임의의 시작값을 결정할 수도 있고 슬립 듀티 사이클이 최적화되는 것을 보장하도록 통신 네트워크가 동작중에 있는 동안 슬립 듀티 사이클을 동적으로 업데이트한다.
네트워크 상태에 대한 신뢰도 업데이트는 상이한 전략쌍을 위한 게임 이론 페이오프 함수(game-theoretic payoff functions)를 갖는 다단 베이지언 방법(multi-stage Bayesian method)을 사용하여 추정될 수도 있다.
네트워크 상태에 대한 신뢰도 업데이트는 베이지언 규칙 및 네트워크 관찰의 세트와 함께 베이지언 내쉬 이퀼리브리엄(Bayesian Nash Equilibrium) 분석을 사용하여 추정될 수 있다.
네트워크 상태에 대한 신뢰도 업데이트는 강인한 및 낮은 경비의 통계적 방법을 사용하여 추정될 수 있다. 네트워크 상태에 대한 신뢰도 업데이트는 지수 가중 이동 평균(exponentially weighted moving average: EWMA) 방법, 칼만 필터(Kalman filter), 신경망(Neural network) 등과 같은 임의의 기계 학습 방법을 사용하여 추정될 수 있다.
본 발명의 제 2 양태에 따르면, 복수의 리소스 제한 노드를 포함하는 통신 네트워크 내의 액세스 네트워크 노드가 제공되고, 액세스 네트워크 노드는 제어 유닛을 포함하고, 제어 유닛은 네트워크 관찰 및 네트워크 관찰의 이력 프로파일에 기초하여 복수의 리소스 제한 노드 중 하나의 리소스 제한 노드에 대해 네트워크 상태에 대한 신뢰도를 추정하고; 액세스 네트워크 노드 내의 리소스 제한 노드에 대한 신뢰도를 동적으로 업데이트하고; 네트워크 상태에서의 업데이트된 신뢰도의 심각도가 리소스 제한 노드의 슬립 듀티 사이클의 변경이 요구됨을 나타낸다고 결정하고; 복수의 리소스 제한 노드 내의 리소스 제한 노드들 사이의 상관이 리소스 제한 노드의 슬립 듀티 사이클의 변경이 요구됨을 나타낸다고 결정하고; 특정 검출 임계치를 달성하면서 리소스 제한 노드들 내에서 소비된 전체 에너지를 최적화하도록 리소스 제한 노드의 슬립 듀티 사이클을 업데이트하도록 동작 가능하다.
본 발명의 제 3 양태에 따르면, 복수의 리소스 제한 노드 및 액세스 네트워크 노드를 포함하는 통신 네트워크 내에서 소비된 에너지를 최적화하는 방법이 제공되고, 방법은 네트워크 관찰 및 네트워크 관찰의 이력 프로파일에 기초하여 복수의 리소스 제한 노드의 리소스 제한 노드에 대해 네트워크 상태에 대한 신뢰도를 추정하는 단계와, 액세스 네트워크 노드 내의 리소스 제한 노드에 대한 신뢰도를 동적으로 업데이트하는 단계와, 네트워크 상태에서의 업데이트된 신뢰도의 심각도가 리소스 제한 노드의 슬립 듀티 사이클의 변경이 요구됨을 나타낸다고 결정하는 단계와, 복수의 리소스 제한 노드 내의 리소스 제한 노드들 사이의 상관이 리소스 제한 노드의 슬립 듀티 사이클의 변경이 요구됨을 나타낸다고 결정하는 단계와, 특정 검출 임계치를 달성하면서 리소스 제한 노드들 내에서 소비된 전체 에너지를 최적화하도록 리소스 제한 노드의 슬립 듀티 사이클을 업데이트하는 단계를 포함한다.
본 발명의 제 4 양태에 따르면, 컴퓨터 상에서 실행될 때 상기 제 3 양태의 방법을 수행하도록 동작 가능한 컴퓨터 프로그램 제품이 제공된다.
본 발명의 다른 특정 및 바람직한 양태가 첨부된 독립항 및 종속항에 설명되어 있다.
본 발명의 실시예에 따른 장치 및/또는 방법의 몇몇 실시예가 이제 첨부 도면을 참조하여 단지 예로서만 설명된다.
도 1은 이종 애플리케이션을 갖는 전형적인 M2M 네트워크를 개략적으로 도시하고;
도 2는 계층간 교차(cross-layered) 듀티 사이클 최적화를 개략적으로 도시하고;
도 3은 최적 링크 레벨 듀티 사이클을 추정하기 위한 알고리즘 흐름을 도시하고;
도 4는 최적 네트워크 레벨 듀티 사이클을 추정하기 위한 알고리즘 흐름을 도시하고;
도 5는 인터랙티브 슬립 관리 시스템(interactive sleep management system) 슬립 관리 시스템을 개략적으로 도시하고;
도 6은 반복적 신뢰도 예측(iterative belief prediction) 알고리즘을 개략적으로 도시하고;
도 7은 슬립 관리의 예를 도시하고;
도 8은 2단(two-stage) 슬립 관리 알고리즘을 개략적으로 도시하고;
도 9는 사후 신뢰도 업데이트(posterior belief update)에 대한 일련의 관찰된 이벤트의 효과를 도시한다.
도 1은 이종 애플리케이션, 즉 애플리케이션 1 및 애플리케이션 2를 갖는 전형적인 M2M 통신 네트워크(10)를 도시한다. M2M 네트워크(10)는 예를 들어 센서 네트워크일 수 있고, M2 게이트웨이(18)를 통해 복수의 M2M 디바이스(14, 16)와 통신하는 액세스 네트워크(12)를 포함할 수 있다. M2M 게이트웨이(18)는 액세스 네트워크(12)의 액세스 네트워크 노드인 것으로 고려될 수 있다. 도 1의 M2M 네트워크(10)에서, 제 1 복수의 M2M 디바이스(14)가 제 1 애플리케이션 1에 관련될 수도 있고, 제 2 복수의 M2M 디바이스(16)가 제 2 애플리케이션 2에 관련될 수도 있다. 예를 들어, M2M 디바이스(14)는 에너지 미터일 수 있고, M2M 디바이스(16)는 산업용 센서일 수 있다. 실제로, M2M 디바이스들은 이들에 한정되는 것은 아니지만, 에너지 미터, 산업용 센서, 인체 통신망 및 스마트 시티 모니터와 같은 다양한 광범위한 애플리케이션에 관련될 수 있다.
각각의 M2M 디바이스(14, 16)는 통신 네트워크(10)의 리소스 제한 노드인 것으로 고려될 수 있다. 예를 들어, M2M 디바이스(14, 16)는 이들이 배터리 전원식이고 배터리의 수명이 M2M 디바이스의 동작 수명을 제한하는 점에서 에너지/전력 제한될 수도 있다. M2M 디바이스는 또한 공간적으로 제한될 수도 있다는 것이 또한 이해되어야 한다.
M2M 디바이스의 배터리 수명을 연장하기 위해, M2M 디바이스가 가능한 최장 시간 기간 동안 슬립 모드로 유지되는 것이 바람직하다. 따라서, 에너지 소비를 감소시키고 배터리 수명을 증가시키기 위해 통신 네트워크 내의 M2M 디바이스의 슬립 듀티 사이클을 최적화하기 위한 방법을 제공하는 것이 바람직하다.
전체 목적은 센서 노드가 요구될 때 요구된 페이로드를 전송할 수 있는 것을 보장하면서, 네트워크(10) 내의 모든 센서 노드(14, 16)가 대부분의 이들의 시간을 슬립 모드에서 소비하게 하는 것이라는 것을 주목하는 것이 중요하다. 전송을 위해, 센서 노드(M2M 디바이스)는 또한 하향링크/상향링크 제어, 추정 채널, 다중 접속 등을 위한 액세스 게이트웨이로부터의 명령을 감지하는 것이 가능해야 한다. 이 감지 액티비티는 필수불가결하고, 에너지 소비를 수반한다는 것을 유의해야한다. 짧은 페이로드를 전송하는 밀집 네트워크에서, 이 감지 동작에 소비된 전력은 전송 동작보다 상당히 더 클 수도 있다. 빈번한 채널 감지는 물리적 계층 및 스케쥴러의 매우 양호한 추정을 제공하지만, 증가된 에너지를 희생하여 얻는다.
부가적으로, M2M 통신 네트워크(10)는 에너지 미터, 산업용 센서, 인체 통신망, 스마트 시티 모니터 등에 이르는 범위의 이종 세트의 애플리케이션을 커버하도록 요구되는데, 각각의 애플리케이션은 별개의 전송 요구에 의해 지정된다. 달리 말하면, 이종 노드의 밀집 네트워크에서, 누가 또는 어느 센서가 웨이크업되어야 하는지는 1년 또는 5년의 M2M 디바이스 배터리 수명 사이의 차이일 수도 있다. 언제 누가 웨이크업되어야 하는지는 M2M 디바이스의 직무(애플리케이션), 어디에 이들 M2M 디바이스가 위치되어 있는지, 이들의 우선순위는 무엇인지 그리고 네트워크 내의 다른 세트의 M2M 디바이스에 어떻게 관련되는지에 의존한다.
또한, M2M 디바이스의 듀티 사이클 및 동작은 또한 환경의 변경에 의존한다는 것을 주목하라. 하나의 M2M 디바이스 내의 변경은 상기 디바이스에 접속된 디바이스의 세트에 영향을 미칠 수 있다. 이러한 변경은 동적으로 고려되어야 한다.
이종 애플리케이션, 이종 네트워크 및 다양한 세트의 물리적 요구 및 디바이스에 걸친 듀티 사이클 최적화는 단지 현존하는 MAC 계층 슬립 사이클 관리 기술을 사용해서는 달성될 수 없다. 게다가, 현존하는 MAC 계층 슬립 사이클 관리 기술은 규칙적인 기초로 M2M 디바이스의 감지 및 확인응답(슬립 -> 수신 -> 전송)을 요구하는데, 이는 이어서 상당한 양의 에너지를 소비한다. 중형 및 대형 네트워크에서, 노드는 데이터를 전송하기 위한 것보다 감지 및 동기화를 위해 상당히 더 많은 에너지를 소비한다는 것을 유의해야한다.
계층간 교차 알고리즘은 언제 M2M 디바이스가 슬립해야 하는지, 언제 감지해야 하는지 그리고 언제 전송해야 하는지를 지정하여 전체 에너지가 최소화되게 하도록 제공된다. 달리 말하면, 통신 네트워크의 리소스 제한 노드에서 소비된 전체 에너지를 최소화하기 위해 최적 슬립 듀티 사이클을 결정하는 방법이 제공된다.
제안된 접근법은 통신을 위한 물리적 요구를 고려함으로써 링크 레벨로부터 시작할 수 있고, 언제 M2M 디바이스가 슬립해야 하는지를 지정한다. 이후에, 어떻게 모든 M2M 디바이스가 전체 에너지를 최소화하기 위해 네트워크에 액세스해야 하는지를 지정한다. 슬립, 전송, 다중 접속 및 감지/스케쥴링은 전체 에너지를 최소화하기 위한 포커스 집중을 갖고 수행된다. 이는 포커스가 스펙트럼 효율을 최대화하는 것에 집중되는 현존하는 다중 접속 기술 및 셀룰러 시스템으로부터의 이탈이다.
또한, 제안된 접근법은 또한 네트워크 레벨 접근법으로부터 시작할 수 있고, 이들의 애플리케이션, 우선순위, 물리적 특성, 환경 및/또는 이웃에 기초하여 상이한 M2M 디바이스를 통합하여, 슬립 및 통신 사이클을 최적화하기 위해 물리적, MAC, 제어 및 애플리케이션 계층에 걸치는 계층간 교차 해결책을 제공한다.
최적 링크 레벨 듀티 사이클
도 1의 통신 네트워크(10) 내의 센서 노드(14, 16)와 같은 M2M 통신 디바이스가 제공된다. M2M 디바이스는 슬립, 전송, 수신 등을 위한 통신 요구를 갖는다. 특정 애플리케이션, 트래픽 및 물리적 요구(셀룰러, 에너지 미터 등)에 대해 이 M2M 디바이스가 주어지면, 디바이스가 슬립될 수 있어 전체 에너지가 최소화되게 하는 최대 시간량이 결정될 수 있다.
정보 이론 듀티 사이클
전체 소비 에너지를 최소화하기 위한 최적 슬립 듀티 사이클, 감지(제어) 듀티 사이클 및 전송 듀티 사이클이 추정된다. 여기서, 듀티 사이클은 슬립 모드에서의 시간 대 총 시간의 분율에 대응한다. 용량의 통신 이론 표현으로부터 시작하여, 네트워크 내의 임의의 M2M 디바이스가 슬립할 수 있는 최대 시간은 리소스 제한 노드에서 에너지 소비를 최소화하도록 유도될 수 있다.
상향링크 전송 모드, 슬립 모드, 감지(제어) 모드 및 다중 접속 모드를 위한 전체 에너지 소비는 소정의 송수신기 및 시그널링 아키텍처를 위해 모델링되고 미분 기반 기술을 사용하여 해결된다. 예에서, 이는 상이한 M2M 디바이스 및 M2M 애플리케이션을 고려하도록 일반화될 수 있다. 송수신기 내의 전체 에너지를 최소화하는 시그널링 기술 및 듀티 사이클이 따라서 결정된다.
다중 접속 스케쥴링 - 다중 사용자로의 확장
시그널링 기술 및 듀티 사이클은 다중 접속 방안을 수반한다. N개의 이러한 M2M 디바이스가 시간 및 스펙트럼을 공유하는 시나리오에서, 어떻게 리소스가 전체 에너지 소비를 최소화하기 위해 할당되고/스케쥴링될 수 있는지를 결정하는 것이 바람직하다.
전체 시간 및 주파수 리소스 블록은 상이한 시간 및 스펙트럼 리소스 블록으로 분해될 수 있고, 이들 블록은 전체 에너지를 최소화하면서 요구 신호 대 간섭 플러스 노이즈비(signal to interference plus noise ratio: SINR) 레벨을 만족하기 위해 네트워크 내의 특정 M2M 디바이스에 대해 선택될 수 있다.
예에서, 통신 메트릭의 품질이 물리적 링크와 SINR 메트릭에 의해 지정되고, 반면에 통신의 비용은 에너지 소비에 의해 지정된다. 'moveRight' 프로세스의 변형이 이들 시간 및 주파수 리소스 블록을 결정하는데 사용될 수 있고, 여기서 전력 소비 및 SINR 임계치 및 비용이 발생된 링크 품질과 같은 관련 메트릭이 도입된다. 프로세스는 이어서 이들 제약 사이의 절충안을 결정할 수 있다.
이 방법론은 슬립, 전송 및 수신 모드를 갖는 임의의 통신 시스템에 대한 최적의 듀티 사이클을 추정할 것인데, 이는 전력 소비를 최소화할 수 있는 최적 듀티 사이클을 유도한다. 예에서, 연산이 M2M 게이트웨이(18) 또는 액세스 네트워크(12)에서 수행된다. 이는 M2M 네트워크에 제한되지 않고, 예를 들어 펨토셀 또는 에너지 지속성 기지국(energy sustaining base stations: ESBSs)이 대부분의 시간 동안 슬립 상태인 이종 셀룰러 네트워크에 또한 적용될 수 있다.
최적 네트워크 레벨 듀티 사이클
상기에는 소정의 M2M 디바이스 및 애플리케이션에 대한 전체 에너지 소비를 최소화하는 최적 링크 레벨 듀티 사이클 및 다중 접속 기술을 결정하기 위한 메커니즘을 설명하였다. M2M 통신의 특정 특징은 다양한 애플리케이션 및 네트워크를 핸들링하기 위한 것이다. 따라서, 다양한 애플리케이션을 핸들링하고, 이들의 종속성을 추정하고, 더 정확한 감지 및 감소된 에너지 소비를 위해 이들의 듀티 사이클을 업데이트하기 위해 링크 레벨 M2M 네트워크를 확장하는 것이 바람직하다.
이종 애플리케이션을 위한 M2M 노드 사이의 종속성은 지리학적 근접성에 기인하고, 애플리케이션들 사이의 종속성(화재 경보를 갖는 온도 센서와 같은)에 기인하고, 특정 M2M 디바이스의 우선순위에 기인하고, 또는 유사한 전파 환경에 기인할 수 있다.
전체 에너지를 최소화하는 최적 듀티 사이클 해결책은 이들 종속성을 고려할 수 있다. 밀집 네트워크에서 정확한 감지에 소비되는 에너지는 전송 모드 및 슬립 모드보다 많기 때문에, 슬립 및 감지 듀티 사이클은 상기 종속성 및 네트워크 이웃 정보와 관련될 수 있다. 이 정보는 M2M 노드로부터 다양한 저정확도 감지 추정치를 조합함으로써 감지 정확도를 향상시키는데 사용될 수 있다.
더 구체적으로, 지오로케이션(geo-location) 정보, 애플리케이션/M2M 디바이스 우선순위, 링크 레벨 듀티 사이클 등을 포함하는 확률 메트릭을 사용하여 소정의 네트워크 내의 임의의 M2M 디바이스를 접속하기 위한 프로세스가 예에 따라 제안된다. 이 메트릭은 네트워크 내의 모든 노드에 대응하여 적층될 수 있다. 고유값 분해(Eigen decomposition), 또는 유사한 분해 기술이 전체 에너지를 최소화하는 이종 애플리케이션 슬립 및 스캔 듀티 사이클에 대한 최적의 동작 모드 및 듀티 사이클을 추정하도록 적층된 확률 메트릭에 수행될 수 있다.
최적 링크 레벨 듀티를 결정하고 최적 네트워크 레벨 듀티 사이클을 결정하기 위한 2개의 단계가 계층간 교차 듀티 사이클 최적화라 칭하는 엄브렐러(umbrella) 하에서 지정될 수 있다.
도 2는 예에 따른 계층간 교차 듀티 사이클 최적화를 개략적으로 도시하고 있다. 도 2에서, 최적 링크 레벨 듀티 사이클은 단계 20i 내지 20N에서 통신 네트워크 내의 제 1 내지 N 애플리케이션의 각각에 대해 결정된다. 이들 최적 링크 레벨 듀티 사이클은 이어서 단계 22에서 최적 네트워크 레벨 듀티 사이클을 결정하는데 이용된다.
도 2의 계층간 교차 듀티 사이클 최적화가 이제 더 상세히 설명될 것이다. 도 1의 통신 네트워크(10)와 같은 네트워크는 에너지 미터, 트래픽 모니터, 데이터 센서 등에 접속된 에너지 제약된 M2M 디바이스(M2MD)를 포함한다. 이들 M2M 디바이스는 규칙적 또는 불규칙적 기초로 M2M 게이트웨이와 통신하고 정보를 전송한다.
N을 대역폭(W)(Hz), 통신 범위(Rn)(m), 매일 Kn회에 걸쳐 시그널링 기술(PSK, FSK 등과 같은)을 사용하여 페이로드 Ln 비트(n∈{1, ..., N})를 통신하는 각각의 노드를 갖는 이러한 노드의 수라 한다. 이 경우에, Kn 및 Ln은 애플리케이션 목적(에너지 미터 등과 같은)에 의존한다. 소정의 애플리케이션에서, 파라미터의 나머지는 물리적 계층 및 다중 접속 시나리오에 의해 지정된다.
M2M 디바이스는 에너지를 절약하기 위해 대부분의 시간에 슬립 모드에 있는 것으로 가정된다. 이는 전체 네트워크와 통신하기 위해 슬립 모드로부터 활성 모드로 전이한다. M2M 디바이스의 활성 모드에서 에너지 소비는 이하의 표 1에 나타낸다.
[표 1]
Figure 112016052558174-pct00001
표 1은 M2M 디바이스의 어느 구성요소가 각각의 모드에서 동작중인지 및 이들 모드의 각각에서 전력 소비가 어떠한지를 나타내고 있다. 모드들 사이의 전이는 주기적인 기초로 이루어질 수 있고 또는 네트워크 요구, 노드 요구, 임계적인 이벤트 등에 의해 구동될 수 있다. 표 1에서 볼 수 있는 바와 같이, M2M 디바이스가 가능한 한 많은 시간 동안 슬립 모드에 있는 것이 바람직하다.
최적 링크 레벨 듀티 사이클 추정
특정 애플리케이션, 트래픽 및 다중 접속 기술에 따라 케이터링하는(catering) 에너지 제약된 M2M 디바이스 또는 에너지 지속 기지국(ESBS)이 주어지면, 전체 에너지 소비를 최소화하기 위해 M2M 디바이스(또는 ESBS)를 언제 슬립하고, 웨이크업하고, 전송하고, 감지해야 하는지를 지정하는 링크 레벨 알고리즘 및 M2M 동작이 제공되어 있다. M2M 모드에서 소비된 전체 에너지를 최소화하는 다중 접속 알고리즘이 제공된다.
듀티 사이클 최적화를 위한 통신 이론 알고리즘
매일 Kn회 통신하는 소정의 M2M 노드에 대한 전체 에너지를 최소화하는 최적 슬립 듀티 사이클:
에너지 모델: 상향링크 전송 모드에서 M2M 노드를 고려한다. 전송을 위해 소정의 M2M 디바이스에서 소비된 총 에너지는
Figure 112016052558174-pct00002
이고, 여기서 η 및 ε은 각각 전력 증폭기 효율 및 시그널링 방안의 피크 대 평균비에 대응하고, Pth 및 Pckt는 각각 통신 이론 전력 소비(시그널링, 코딩 및 디지털 프로세싱을 포함함) 및 송수신기 내의 회로 전력 소비에 대응하고, Psl 및 Ema는 각각 슬립 모드에서 전력 소비 및 다중 접속을 위한 에너지에 대응하고, Tsl 및 Ttx는 각각 슬립 모드에서 소비된 시간 및 Ln 비트의 전송에 대응한다. 슬립 모드와 활성 모드 사이에서 다중 접속 리소스 및 전송 시간을 추정하는데 요구되는 시간을 무시하면, 전체 시간은 Ttot = Tsl + Ttx이고, 슬립 듀티 사이클은
Figure 112016052558174-pct00003
이다.
정보 이론 관점으로부터, 소정의 시그널링 기술 및 물리적 계층 사양, 통신 범위 등에 대해, Ln 비트를 통신하는데 소비된 에너지를 최소화하기 위해 최대 달성 가능한 전송율(Rm)을 결정하는 것이 바람직하다.
Ema = 0이고 Pckt = 0이면, 이들 항을 최소화하는 이후의 알고리즘 및 아키텍처가 제안된다. 또한, η = 1 및 ε = 1이라 가정한다.
Figure 112016052558174-pct00004
예에서 전체 에너지를 최소화하는 슬립 듀티 사이클을 추정하기 위해, 정보 이론 비용 (2)는 에너지 모델 (1)에 포함된다. 예에서, Ptot는 α의 항으로 표현된다. α의 항에서 Ptot의 편도 함수(partial derivative)가 결정되고
Figure 112016052558174-pct00005
는 0이다. Etot를 최소화하는 최적 알파 또는 슬립 듀티 사이클을 위한 상태는 이하에 의해 지정된다.
Figure 112016052558174-pct00006
은 이하의 식에 의해 구속된 최적 듀티 사이클을 유도함
Figure 112016052558174-pct00007
예에 따르면, 물리적 요구 및 시그널링 제약의 리스트를 위한 최적 듀티 사이클을 추정하기 위한 방법론이 제안된다. 도 3은 식 (1)을 사용하여 소정의 M2M 디바이스 내의 총 에너지 소비를 모델링하는 단계(32), 식 (2)를 사용하여 소정의 물리적 리소스에 대한 정보 이론 비용을 결정하는 단계(34), 슬립 듀티 사이클과 관련하여 식 (2)의 편도 함수를 동등화하는 단계(38)를 포함하는 최적 링크 레벨 듀티 사이클을 추정하기 위한 프로세스 흐름을 도시한다.
이해될 수 있는 바와 같이, 최적 링크 레벨 듀티 사이클을 추정하는 전술된 방법은 Pckt, η 및 ε의 상이한 값에 대해 수정될 수 있다.
또한, 최적 링크 레벨 듀티 사이클의 추정은 특정 서비스 품질을 위한 전체 에너지를 최소화하는 다중 접속 알고리즘으로 확장될 수 있다. 상기 도함수에서, 전체 에너지를 최소화하면서 상이한 통신 모드의 최적 슬립 듀티 사이클이 스케쥴링된 다중 접속 전송이 사용된다는 가정으로 추정된다. 스케쥴링은 공간, 시간, 스펙트럼 또는 코드 도메인과 같은 이용 가능한 리소스에 걸쳐 수행될 수 있다. 저복잡성 M2M 노드를 위해, 멀티 안테나 및 레이크 수신기형(rake-receiver type) 아키텍처는 생략될 수 있고, 시간 및 스펙트럼 리소스가 고려될 수 있다. 이 경우에, 전체 스펙트럼 및 전송 시간을 K 주파수 빈(frequency bins) 및 시간 순간의 블록으로 각각 분할되는 것으로 한다.
시간 τn = [τ1 ... τK] 및 주파수 빈 wn = [w1 ... wK]에 할당된 리소스를 갖는 M2M 노드, n∈{1, ..., N}을 고려한다. 여기서, K는 특정 애플리케이션에 대응한다. 이 유형의 할당은 예를 들어 3GPP 표준에 따라 추종되는 것들에 유사하다. 목적은 상향링크 전송에서의 전체 에너지가 특정 SINR에 대해 최소화되도록 하는 방식으로 이들 빈을 스케쥴링하는 것이다. 노드 n에 대한 M2M 게이트웨이에서 SINR 임계치 γn은 모든 다른 노드에서 전체 신호 에너지에 대한 노드 n으로부터 수신된 신호 에너지의 비로서 지정된다. γn 값은 에러율의 원하는 확률에 연계될 수 있다. 다중 접속 문제점은 전체 SINR이 이들 리소스에 걸쳐 최대화되도록, 적절한 τn 및 wn을 선택하는 것으로서 지정될 수 있다.
각각의 M2M 디바이스로부터의 전송 전력은 최소로 유지된다. 이는 이하의 식에 지정된 바와 같이 전송 전력 제약에 의해 지정된다.
Figure 112016052558174-pct00008
여기서, gn은 채널 이득이고, 파일럿 신호를 사용하여 또는 이전의 추정치로부터 추정된다. 목표는 τn 및 wn을 추정하는 것이다.
수학적으로, 상기 문제점은 전형적인 볼록 최적화(convex optimization) 기술을 사용하여 수식화될 수 있다. 저복잡성 스케쥴링 기술이 제공된다. 이 접근법은 'moveRight' 프로세스의 수정된 버전이다. moveRight의 원래 버전은 리소스를 스케쥴링하기 위한 저복잡성 접근법을 제공하지만, SINR 레벨 및 에너지 소비에 어떠한 메트릭도 제공하지 않는다. 예에서, 이들 팩터가 포함된다. 이후에, 이들 블록이 비용 τT nγnwn을 최대화하면서 식 (4)에서의 부등식 제약을 만족시키는지 여부가 체크된다. 제안된 프로세스는:
- 각각의 τn에 대해 0이 아닌 블록의 랜덤 세트로 시작
- τn 및 wn -1에 대해
- 식 (4)에서의 제약을 만족하면서 τT nγnwn -1≥이전의 최대값이면,
○ 그러면 wn = [wn -1]
○ 그 외에는 wn = [wn - 1 1]
- 사이즈(wn)≥K
○ 그러면 τn +1 = [τn 1]
○ 그 외에는 τn +1 = [τn]
- 루프 종료
최적 네트워크 레벨 듀티 사이클 추정
전술된 바와 같이, 소정의 애플리케이션에 대한 최적 링크 레벨 듀티 사이클 추정 및 다중 접속 기술이 제안된다. M2M 네트워크는 상이한 애플리케이션, 트래픽 및 리소스 제약을 위해 케이터링하는 노드를 포함한다는 것을 유의해야한다. 따라서, MAC 계층 어드레싱 및 이벤트 트리거링 기술 및 더 상위 계층 애플리케이션을 갖는 무선 링크 품질 및 위치의 물리적 계층 추정을 통합하는 계층간 교차 최적화 기술이 또한 제안된다.
네트워크 레벨에서 감지 정확도 향상
감지 모드는 필수불가결하고, M2M 게이트웨이 내의 추정 정확도에 직접 연계되는데, 이는 이하에 의해 향상될 수 있다:
a. 직접 또는 브로드캐스트 네트워크: 액세스 네트워크로부터 M2M 노드로 빈번한 파일럿 신호를 송신하고 증가된 에너지 소비를 희생하여 이들의 응답으로부터 채널 상태, 다중 접속, 센서 판독 등을 추정한다.
b. 네트워크 이웃 발견: 대안적으로, 센서가 이 네트워크에 액세스하기 위한 이웃의 리스트를 제공할 수 있다. 이웃의 리스트 및 이들의 감지 정보의 품질에 따라, 액세스 네트워크는 센서 노드의 듀티 사이클을 재추정하고 향상시킬 수 있다. 이종 애플리케이션을 서빙하는 도 1의 이종 네트워크를 고려한다. M2M 디바이스의 통신 및 감지 기능은 상이한 애플리케이션을 서빙하는 이웃하는 노드로부터의 정보를 사용하여 상당히 향상될 수 있다.
이 접근법은 몇몇 노드가 이들의 에너지에 의해 심하게 제약되고 매우 저감지 사이클을 요구하면 특히 유용할 수 있다. 이 접근법은 전체 네트워크 및 이들의 접속성의 레이아웃의 지식을 필요로 한다. 일단 이 정보가 이용 가능하면, 각각의 노드에 대한 정확한 감지 정보가 접속된 노드의 리스트로부터 빈번하지 않은 채널 감지 정보를 프로세싱하는 것으로부터 추론될 수 있다. 달리 말하면, 네트워크 이웃을 추정하는 것은 다수의 저정확도 M2M 감지 모드로부터 향상된 감지 추정을 유도한다.
예를 들어, 현존하는 IEEE 802.15.4 표준 뿐만 아니라 100 내지 1000개의 노드를 갖는 중형 내지 대형 네트워크에서, 감지 모드 중에 소비된 에너지는 짧은 페이로드를 전송하는데 소비된 에너지보다 더 많다. M2M 노드에서 이 감지 시간을 향상시키기 위해, 현존하는 네트워크는 네트워크 레벨 정보를 무시한다. 링크 레벨 듀티 사이클을 추정하는 것으로부터 얻어진 듀티 사이클은 네트워크 레벨 맵을 활용함으로써 전술된 바와 같이 업데이트된다.
소정의 네트워크 내의 노드들 사이의 관계를 분석하기 위한 하나의 효과적인 방법은 공분산 기술의 사용을 통한 것이다. 센서 데이터로부터 얻어진 공분산 메트릭은 물리적 계층 애플리케이션 및 로컬화(localization)를 제공할 수 있다. 이는 1홉(one-hop) 이웃과 조합될 수 있고, 특정 M2M 노드의 이웃값은 네트워크 및 MAC 계층맵을 제공할 수 있다.
이들 2개의 메트릭의 가중된 조합은 계층간 교차맵을 제공할 수 있다. 센서 게이트웨이는 로컬 이웃 커버리지, 다양한 애플리케이션 요구 및 소정의 트리거링된 이벤트 정보 등이 주어지면, 웨이크업 듀티 사이클을 추정한다. 이 접근법은 그 폐기시에 충분한 프로세싱 전력을 갖고, 센서 게이트웨이 또는 액세스 네트워크에서 추정된다.
계층간 교차 M2M 네트워크 최적화
링크 레벨 듀티 사이클이 전술된 바와 같이 추정되는 N개의 노드를 갖는 소정의 네트워크를 고려한다. 먼저, 슬립 듀티 사이클이 고려되고, 이후에 감지 및 전송 듀티 사이클이 도입된다. 최적 슬립 모드 듀티 사이클은 N×1 벡터 tsl = [Tsl,1, ..., Tsl,N]T를 사용하여 표현되고, 여기서 Tsl,i는 슬립 모드 중에 소비된 시간에 대응한다. Tsl,i의 초기값은 링크 레벨 듀티 사이클 알고리즘으로부터 얻어진다.
간단화를 위해, 모든 센서가 동일한 애플리케이션에 대응하는 것으로 가정되지만, 이는 더 상세히 후술되는 바와 같이 다양한 애플리케이션에 대해 일반화될 수 있다. 특정 노드 j(j∈{1, ..., N})의 우선순위 또는 가중치를 wj를 사용하여 나타낸다. 다른 파라미터들 중에, 센서(j)와 센서(j) 사이의 링크 품질은 링크 메트릭 h는 거리 메트릭(di,j)에 의해 지정된다. 이들 메트릭은 네트워크 초기화 단계 중에 얻어지고 이후 고정 유지될 수 있다. 물리적 계층 관점으로부터, 임의의 2개의 센서의 상관이 이어서 정보 또는 확률 메트릭을 사용하여 표현될 수 있는데:
Figure 112016052558174-pct00009
c는 상수이고, Pth는 몇몇 사전규정된 임계치에 대응한다. 알고리즘의 복잡성은 Pth의 상이한 값을 설정함으로써 변동될 수 있다. 확률 측정치(pi,j)는 상이한 듀티 사이클 Tsl,j ∀j∈{1, N}의 함수이다. N개의 노드의 전체 네트워크에 대한 확률 전이의 세트는 N×N 행렬로서 확률 측정치를 적층함으로써 얻어질 수 있다.
Figure 112016052558174-pct00010
이종 애플리케이션을 위한 최적 듀티 사이클 알고리즘
목적은 확률 메트릭 행렬 (5)에 의해 지정된 바와 같은 접속, 가중치 및 애플리케이션과 관련하여 단위 법선 벡터(unit norm vector)(tsl)를 업데이트함으로써 달성된다. 초기 tsl은 이들 네트워크 접속을 고려하지 않고 그 누적 듀티 사이클은 네트워크 이웃 정보를 사용하여 업데이트된 tsl보다 항상 작을 것이라는 것을 주목하라.
Figure 112016052558174-pct00011
최적화 함수는 개별 듀티 사이클 Tsl,j에 대한 임의의 한계를 지정하는 것은 아니다. 예를 들어, 최적의 tsl은 몇몇 제로 엔트리를 갖는다. 실제 센서 네트워크에서, 각각의 센서가 적어도 최소 시간(Tmin) 동안 채널을 감지해야 하기 때문에 허용 불가능할 것이다.
상기에서, Tmin은 특정 M2M 디바이스가 지정된 전력 절약을 달성하기 위해 슬립해야 하는 최소 시간에 대응한다. 이 값은 최적 링크 레벨 듀티 사이클 추정 프로세스로부터 얻어진다. 이는 부등식 제약으로서 표현될 수 있다:
Figure 112016052558174-pct00012
제 1 제약에 추가하여, 네트워크 내의 모든 센서에 대한 전체 감지 시간은
Figure 112016052558174-pct00013
을 만족한다. 최적화 문제점은 이하와 같이 다시 쓰여질 수 있다.
Figure 112016052558174-pct00014
pi,j = 1이고, Pi,j < 1, ∀i ≠ j인 것으로 가정하는 것이 적당하다. 달리 말하면, p는 대각선 지배 행렬(diagonally dominant matrix)이고, p는 전열 계수(full column rank)를 갖는다.
1. p는 센서들 사이에 무선 전파 및 거리에 의존하고, 센서의 랜덤 분포에 있어서, 우선순위 및 Tsn,j는 p가 대칭 사각 행렬이라고 가정하는데 적당하다는 것을 유의해야한다.
2. (6)으로부터, 미제약된 해결책이 p의 고유값 분해로부터 얻어진다.
3. 상기 특성으로부터, 고유값 분해는 개별의 고유값의 세트 및 고유벡터를 유도할 것이다.
4. 대칭의 완전 계수 행렬(p)에 대해, 이들 개별의 고유값이 내림차순으로 배열될 때, 최대 지배 고유값에 대응하는 고유벡터로서 tsl을 선택하는 것은 확률 전이 행렬을 최소화할 것이다.
Figure 112016052558174-pct00015
5. 달리 말하면 (7), 소정의 네트워크에 대한 최적의 슬립 시간은 tsl에 비례하는 듀티 사이클을 가짐으로써 제공된다.
도 4는 최적 네트워크 레벨 듀티 사이클을 추정하기 위한 프로세스를 도시한다. 도 4에서 볼 수 있는 바와 같이, 프로세스는 도 3에 도시된 프로세스의 종료인 단계 40에서 시작한다. 단계 42에서, M2M 디바이스 사이의 접속은 확률 메트릭을 사용하여 표현된다. 단계 44에서, 확률 메트릭은 슬립 듀티 사이클과 같이, 적층된다. 미제약된 경우에, 단계 46에서, 적층된 확률 행렬의 고유값 분해가 전체 에너지 소비를 최소화하도록 컴퓨팅된다. 단계 48에서, 최소 지배 고유값에 대응하는 고유값 벡터가 최적의 슬립 듀티 사이클을 제공하도록 결정된다.
최적의 감지 듀티 사이클을 위한 알고리즘의 확장
슬립 듀티 사이클을 업데이트하는 식 (5) 및 (6)은 제어 시그널링을 얻기 위해 감지 모드에서 동작하는 M2M 모드에 대해 확장될 수 있다. 최적 감지 모드 듀티 사이클은 N×1 벡터 tsn = [Tsn,1, ..., Tsn,N]T를 사용하여 표현되고, 여기서 Tsn,i는 슬립 모드 중에 소비된 시간에 대응한다. Tsn,i의 초기값은 링크 레벨 듀티 사이클 추정 알고리즘으로부터 얻어진다.
확률 측정 행렬(P)에 의해 지정된 바와 같은 상이한 감지 이웃들 사이의 접속을 활용하여, 노드에서의 감지 정보는 누적합으로서 표현될 수 있다:
Figure 112016052558174-pct00016
상기 식으로부터, 업데이트된 감지 시간 Tsn,i(tsn)≥Tsn,i이고, 네트워크 감지 모드의 품질은 링크 레벨 감지 시간보다 양호하다. 감지 정보의 정확도는 Tsn,i(tsn)에 비례하고, 따라서 확률 측정치는 이하 중 어느 하나를 행하는데 사용될 수 있다는 것을 유의해야한다.
- 특정 서비스 품질(예를 들어, initialTsn,i)을 달성하는데 요구되는 스캔 듀티 사이클을 감소시킨다. 이는 이어서 스캐닝 단계를 위해 각각의 센서에서 소비된 전체 시간을 감소시키고, 따라서 스캔 모드 중에 에너지 소비를 최소화한다.
- 저듀티 스캔 사이클의 세트로부터 소정의 센서의 더 정확한 채널/동작 상태를 제공한다.
상기 프로세스는 소정의 네트워크에 대한 최적 슬립 듀티 사이클을 추정한다. 동일한 접근법이 상향링크 통신 모드에서 센서의 세트로부터 전송 시간을 수정하도록 확률 메트릭을 사용하여 확장될 수 있다.
최적 네트워크 레벨 듀티 사이클 알고리즘의 일반화
확률 메트릭은 MAC 및 애플리케이션 계층에 대응하는 파라미터를 포함하도록 일반화될 수 있다. 이러한 경우에, 파라미터의 나머지는 일정하게 유지되고, 단지 확률 메트릭만을 수정한다. 각각의 M2M 디바이스는 1홉 이웃 추정치를 제공한다고 가정한다. 1홉 이웃의 추정은 적당하게 저복잡성 동작(거친 RSSI 강도에 기초함)이라는 것을 유의해야한다.
1홉 이웃을 포함하여, 확률 메트릭은 이하와 같이 다시 쓰여질 수 있다:
Figure 112016052558174-pct00017
이종 애플리케이션에 관한 확률 메트릭 정보를 포함하여:
Figure 112016052558174-pct00018
여기서, wi,j는 2개의 상이한 애플리케이션을 어드레싱하는 노드 i 및 j 사이의 가중치 또는 우선순위를 나타낸다. 액세스 네트워크는 측정치에 기초하여 이 가중치를 추정할 수 있다.
예를 들어, xi 및 xj를 센서 i 및 j로부터의 메시지를 나타내는 M2M 게이트웨이에서 수신된 Ln 비트 시퀀스에 대응한다고 하자. M2M 게이트웨이는 애플리케이션 상세를 갖지 않을 수도 있다. 이러한 경우에, 이들 2개의 시퀀스 사이의 자동 보정은 이들 2개의 메시지 사이의 관계의 측정치를 제공할 것이다.
Figure 112016052558174-pct00019
이해될 수 있는 바와 같이, 계층간 교차 듀티 사이클 최적화는 애드혹 네트워크 셋업에서 계층간 교차 최적화로 확장될 수 있다. 예를 들어, 이종 애플리케이션을 갖는 애드혹 네트워크 또는 분할 제어 평면을 갖는 이종 셀룰러 네트워크를 위한 다중 접속에 대해 라우팅한다.
이종 애플리케이션을 갖는 애드혹 네트워크:
더 일반적인 애드혹 네트워크 공간으로 확장될 때, 트래픽 병목현상(bottlenecks)을 고려하기 위한 라우팅 알고리즘의 네트워크 레벨 최적화가 제안되어 왔다. 그러나, 노드는 반드시 에너지 제한될 필요는 없고, 최적화 비용은 M2M 네트워크와는 상이할 수 있다. 그러나, 전술된 알고리즘은 이 문제점에 대해 재공식화될 수 있다. 예를 들어, 최적 네트워크 레벨 프로세스를 통해, 이웃 협력이 라우팅 프로토콜의 성능을 향상시키는데 사용될 수 있다.
분할 제어 평면을 갖는 이종 셀룰러 네트워크를 위한 다중 접속:
네트워크 구성은 제어 평면을 분할하고 네트워크 전개를 용이하게 하고, 핸드오버 실패를 완화하고, 에너지 절약을 달성하기 위해 이종 셀룰러 네트워크에 대해 제안되어 왔다. 이들의 트래픽 요구에 따라, 사용자 장비의 세트는 매크로셀 또는 소형셀에 의해 제어될 수 있다. 이들 트래픽 요구 및 매크로셀 및 소형셀과의 이들의 상관은 최적 네트워크 레벨 듀티 사이클에 유사한 문제점으로서 공식화될 수 있고, 대응 셀 선택 기술이 사용될 수 있다.
전술된 계층간 교차 듀티 사이클 최적화 접근법은 계층간 교차 최적화 모델을 사용하여 배터리 수명의 상당한 증가를 허용하고 네트워크 및 물리적 셋업을 갖는 이종 애플리케이션을 통합한다.
따라서 상기에는 이들 디바이스 내의 전체 에너지 소비가 최소화되도록 이종 애플리케이션을 서빙하는 네트워크 내에서 각각의 에너지 제약된 디바이스 또는 M2M 디바이스가 동작해야 하는 최적의 슬립 듀티 사이클을 추정하기 위한 물리적, MAC 및 더 상위 계층 알고리즘을 설명하였다. 그러나, 감지 정확도 및 슬립 듀티 사이클 최적화를 유지하기 위해 완전 또는 불완전 정보를 갖는 네트워크의 상태의 적응성 학습을 제공하는 것이 또한 바람직하다.
전술된 계층간 교차 듀티 사이클 최적화는 적응성 학습을 포함하는 인터랙티브 슬립 관리 시스템을 위한 시작점으로서 사용될 수 있다. 대안적으로, 인터랙티브 기술은 예를 들어 랜덤하게 선택된 듀티 사이클로부터 시작할 수 있다. 그러나, 최적의 계층간 교차 듀티 사이클 추정의 사용과 조합하여, 비용은 랜덤하게 선택된 듀티 사이클 파라미터의 사용에 비교하여, 최적의 성능을 달성하도록 인터랙티브 슬립 관리 시스템을 위해 최소화될 수도 있다는 것(예를 들어, 에너지, 대역폭 및 지연)이 주목되어야 한다.
도 5는 예에 따른 인터랙티브 슬립 관리 프로세스를 개략적으로 도시한다. 도 5에서 볼 수 있는 바와 같이, 인터랙티브 슬립 관리 프로세스는 단계 52에서 도 2의 계층간 교차 듀티 사이클 최적화로부터 시작할 수 있고 또는 단계 54에서 링크 레벨 듀티 사이클의 랜덤값에서 시작할 수 있다. 시작점에 무관하게, 프로세스는 이하에 설명되는 바와 같이, 동적 인터랙티브 슬립 관리 프로세스가 감지 이력 및 이벤트 심각도에 기초하여 수행되는 단계 56으로 진행한다.
2개의 주요 기술이 인터랙티브 슬립 관리 시스템에서 제안된다:
· 네트워크 상태에 대한 동적 업데이트: 감지 현상과 M2M 네트워크 사이의 상호작용을 모델링하기 위한 다단 동적 베이지언 게임 이론의 사용이 제안된다. 게임은 네트워크 내의 트래픽 상태를 동적으로 학습하고, 이에 따라 이들의 슬립 듀티 사이클을 조정하도록 M2M 디바이스를 유도한다.
· 슬립 듀티 사이클 파라미터의 인터랙티브 제어: 네트워크 상태에 관하여 제공된 동적 업데이트에 기초하여, M2M 통신을 위한 인터랙티브 슬립 관리 시스템이 제안된다. 이 슬립 관리 시스템은, 업데이트된 상태, 및 로컬 노드들 사이의 애플리케이션 및 토폴로지 관계가 주어지면, 네트워크 상태 분석으로 시작하고, 네트워크를 가로지르는 슬립 듀티 사이클 파라미터를 효율적으로 조정한다. 이들 업데이트 및 조정은 예를 들어 동적 베이지언 게임 모델 또는 인터랙티브 기계 학습 기술에 의해 행해질 수 있다.
원리적으로, M2M 네트워크 동작은 게임 이론 방법을 갖는 환경의 변경 및 네트워크를 연속적으로 학습하는데 사용된 게임의 이퀼리브리엄 상태에 응답하는 동적 네트워크로서 모델링된다. 게임의 이퀼리브리엄 상태는 경쟁 상황(이는 M2M 네트워크가 직면하는 동일한 상황임)에서 정확하고 신뢰적인 해결책을 유도한다. 이러한 예측은 계층간 교차 듀티 사이클 최적화 및 애플리케이션 및 토폴로지 요구와 조합하여, 변경하는 네트워크를 가로질러 듀티 사이클 파라미터의 조정을 용이하게 한다.
모든 상기 기술은 반드시 M2M 통신 셋업 또는 에너지 효율적 최적화에 한정되는 것은 아니고 이종 애플리케이션을 갖는 애드혹 네트워크, 분할 제어 평면을 갖는 이종 셀룰러 네트워크를 위한 다중 접속 및 불확실한 정보를 갖는 계층간 교차 CDMA 네트워크를 위한 게임 이론 전력 제어를 위한 라우팅 및 듀티 사이클 관리와 같은, 에너지 최소화 또는 임의의 다른 목적에 초점을 집중하는 임의의 애드혹 네트워크 셋업으로 용이하게 확장될 수 있다는 것을 주목하라.
다중 M2M 노드(14, 16) 및 M2M 게이트웨이(18)를 포함하는 네트워크를 포함하는 도 1의 이종 통신 네트워크(10)를 고려해야한다. 계층간 교차 듀티 사이클 최적화를 추정하기 위한 전술된 프로세스는 네트워크가 시간 경과에 따라 그리고 랜덤 이벤트에 기인하여 변경되지 않으면 전체 에너지를 최소화하기에 충분하다. 일반적으로, 이종 애플리케이션을 지원하는 임의의 M2M 네트워크는 주기적인 그리고 랜덤의 집중적인 트래픽을 핸들링하고 변경하는 토폴로지에 직면하도록 요구될 것이다. 트래픽 및 변경하는 토폴로지의 랜덤의 폭발적인 성질은 정적 및 주기적인 슬립 및 웨이크업 동작과 함께 사용될 때 감지 현상을 향한 네트워크의 응답을 제한하고, 이는 높은 편차를 갖는 성능을 야기할 수 있어, 예를 들어 서비스 품질의 열화를 유도한다.
동적 게임 및 전략
전체 감지의 랜덤 변경을 고려하기 위해, 감지 현상 및 네트워크 상호작용을 모델링하는 동적 베이지언 게임 이론에 기초하는 적응성 네트워크 아키텍처가 제안된다. 제안된 접근법은 네트워크의 트래픽 상태가 변경하고 이에 따라 이들의 슬립 듀티 사이클을 조정하기 위해 M2M 노드를 유도할 때마다 리소스 제한 노드로의 네트워크 접속 및 듀티 사이클 파라미터를 제공한다. 예에 따른 2-플레이어 정적 베이지언 게임은 이하와 같이 정의된다.
하나의 플레이어는 플레이어 i로서 식별된 전체 감지 현상을 표현한다. 다른 플레이어(플레이어 j로서 식별됨)는 감지 현상을 검출하고 응답하도록 설계된 M2M 노드의 그룹을 표현한다.
플레이어의 동작 전략에 대해, 플레이어 i는 동작 세트:
1. 현상 트리거 전략을 플레이하는 것(T), 또는
2. 현상 트리거 전략을 플레이하지 않는 것(NT)
을 갖는다.
플레이어 i의 동작 전략은 독립적이고 랜덤하다.
플레이어 j는 동작 세트:
1. 슬립, 전이 및 전송 전략(Sleep, Transition and Transmission strategy: STT)을 플레이하는 것(노드가 사전 구성된 주기적인 웨이크업 또는 현상 트리거에 기인하여 슬립 모드로부터 활성 모드로 변경되고, 감지 및 데이터 업로드를 수행하고, 마지막으로 슬립 모드로 복귀함).
2. 슬립 및 전이 전략(Sleep and Transition strategy: ST)을 플레이하는 것(센서 노드가 사전 구성된 주기적인 웨이크업 트리거에 기인하여 슬립 모드로부터 활성 모드로 변경되고, 데이터 업로드를 갖지 않는 감지를 수행하고, 마지막으로 슬립 모드로 복귀함).
3. 슬립 전략(Sleep strategy: S)을 플레이하는 것(센서 노드가 슬립 모드에 잔류함)
을 갖는다.
전술된 동작 전략에 의해, 플레이어 i 및 j의 모든 잠재적인 동작이 커버된다.
플레이어 i의 동작 선택은 플레이어 j에 알려지지 않기 때문에, 이 게임은 센서 현상이 임계 상태로 고려되면 T 및 NT 전략을, 그리고 단지 센서 현상이 정상 상태로 고려되면 NT 전략을 논리적으로 가정한다. 이러한 불확실한 신뢰도는 플레이어 i의 유형 상에 존재하지만(플레이어 i의 임계 또는 정상 상태가 플레이어 j에 대한 개인 정보임), 그 반대는 성립하지 않는다.
표 2는 예에 따른 베이지언 게임의 전략 형태 및 페이오프 행렬을 나타낸다.
[표 2]
Figure 112016052558174-pct00020
비용과 페이오프 사이의 인터랙티브 관계
표 2는 플레이어 i 및 j의 전략 형태를 제시하고, 플레이어 전략의 상이한 조합의 페이오프 함수를 요약한다. 게임 행렬에서, 어느 하나의 플레이어는 그 목적을 달성하여, 자신이 보상(W)을 얻으려는 목표를 갖고, 여기서 W > 0이고, 경쟁 플레이어는 손실(-W)을 발생할 것이다. 이러한 모델은 게임 플레이어들 사이에 동일한 이득 및 손실이 존재하는 것을 가정한다. 이는 양측이 이들 자신의 이유로 이기적인 방식으로 동작하기 때문에 논리적이다. 예를 들어, 플레이어 j는 플레이어 i의 트리거를 성공적으로 식별하고 보고하도록 설정된다. 이러한 성공에 의해, 플레이어 j는 보상(W)을 획득하지만, 플레이어 i는 대가를 지불하고, 그 반대도 마찬가지이다.
이 상호작용에서, 노드의 트리거 검출은 100% 신뢰적이지는 않을 가능성이 있고, 따라서 α는 임의의 실제 트리거가 제공되면 포지티브 트리거 검출 확률을 표현하고, β는 실제 트리거가 제공되지 않으면 트리거를 검출하는 오경보 확률을 표현하고(트리거가 발생하지 않는 동안 검출이 포지티브를 나타내면 오경보라 칭함), α, β∈[0, 1]이다. 임의의 동작 전략을 실행하는 것은 또한 선택된 동작에 의존하는 비용을 도입한다. 트리거(T)를 생성하고 STT, ST 및 S 전략을 플레이하는 비용은 각각 CT, CSTT 및 CS에 의해 나타내고, P'는 오검출에 대한 벌점이고, 여기서 이들 모두는 0 초과 W 미만이다. 각각의 비용 파라미터는 M2M 통신에서 팩터(물리적 및 네트워크 요구)를 고려하면서 게임 내의 합리적인 상호작용의 목적을 위해 구성된다.
플레이어 j의 동작 전략의 비용은 이들이 무선 통신에서 가장 중요한 리소스이기 때문에, 2개의 기준, 즉 에너지 및 대역폭을 포함한다. 플레이어 j의 동작 전략의 비용은 허수값 0이다. 이러한 비용 파라미터 및 보상은 또한 무선 통신을 위한 화폐 가치로 모델링될 수 있다. 이 표에서, 플레이어 i 및 j의 예측된 페이오프(Expected Payoff: EP)는 전략 조합과 예측된 보상 및 그 대응 비용의 합에 동일하다. 이는 파라미터(K)를 갖는 모든 쌍의 전략의 가상 결과를 계산하여, 하나의 게임 스테이지에서 발생된 트리거의 수를 표현한다. 이 파라미터는 센서 트래픽에 관련된다(이는 링크 레벨 최적화에서 M2M 노드(n)를 위한 페이로드 파라미터 뿐만 아니라 네트워크 레벨 최적화에서 이종 애플리케이션 및 로컬 이웃의 관계의 공통 감지 목적에 의해 결정된 이러한 파라미터의 집성된 값에 연계됨).
플레이어 i의 합리적인 거동은 임의의 장소/임의의 시간에 현상을 생성하기 위한 것이고, 반면에 플레이어 j의 합리적인 거동은 이 감지된 현상을 효율적으로 보고하기 위한 것이다. 이 성질은 플레이어가 단지 그 자신의 목표(그 자신의 페이오프 메트릭을 최대화하는 것)를 성공하려는 것을 목표로 하는 이기적인 거동을 유도한다. 하나의 플레이어의 페이오프가 최대화되지만 다른 플레이어는 향상의 여지를 가지면, 이러한 전략 조합은 양 플레이어에 의해 상호 수락되지 않을 것이다. 유일한 상태는 참여하는 것을 동의한 양 플레이어가 이들의 최대 페이오프가 달성되는 것으로 확신하는(상호 최적성) 이퀼리브리엄 전략 조합의 사용이다. 따라서, 제안된 게임 모델에 대한 베이지언 내쉬 이퀼리브리엄(Bayesian Nash Equilibrium: BNE)이 분석된다.
베이지언 내쉬 이퀼리브리엄
불확실 유형의 플레이어 i(정상 또는 임계)를 고려하면, 확률적 파라미터(μ)는 이 불확실성을 평가하도록 안출된다. 이 확률적 파라미터(μ)는 플레이어 i의 유형에 대한 플레이어 j의 신뢰도로서 보여질 수 있다. 이 분석에서, μ는 이들이 판정을 행할 때 플레이어에 대한 공통 우선이다.
플레이어 i가 전략 세트를 선택하면(그 유형이 임계이면 T, 정상이면 NT), 플레이어 j의 STT, ST 및 S 전략의 예측된 페이오프는 EPj(STT), EPj(ST) 및 EPj(S)로서 각각 나타낸다. 표 3은 제안된 게임의 이퀼리브리엄 관계를 요약한다.
[표 3]
Figure 112016052558174-pct00021
유사하게, 플레이어 i가 전략 세트를 선택하면(그 유형이 임계이면 NT, 정상이면 NT), 플레이어 j에 대한 지배적인 전략은, μ의 값이 무엇이던지간에, 전략 S를 사용하는 것이다. 이러한 상황에서, 플레이어 i에 대한 최선의 전략은 플레이어의 유형이 임계이면 T로 변경할 것이다. 이 분석은 이전의 경우로 감소하여, 순수 BNE를 야기하지 않는다.
혼합 BNE 전략
상기 분석에 의해, 전체 게임에 대한 순수 BNE 전략이 발견되지 않는다. 따라서, 혼합 전략 BNE가 유도된다. P를 그 유형이 임계인 경우에 플레이어 i가 임의의 트리거를 발생하는 확률이라 하자. STT, ST 및 S 전략을 사용하는 플레이어 j의 예측된 페이오프는 확률(P)에 대해 공식화된다. 플레이어의 i의 전략의 이퀼리브리엄을 위해, EPj(S) = EPj(nonS) = EPj(STT) + EPj(ST)라 한다. 이는 T 전략을 사용하여 플레이어 i의 확률(P*)을 유도한다. 유사하게, 플레이어 j의 전략의 이퀼리브리엄(Q*)을 계산한다. 유도된 혼합 BNE 전략 세트는 이하와 같다:
· 플레이어 i 및 j는 플레이어의 i의 유형이 임계인 경우에 각각 확률(P* 및 Q*)을 갖고 이들의 전략 세트를 플레이함
· 플레이어 i는 플레이어의 i의 유형이 정상인 경우에만 플레이함
· 임계인 플레이어 i의 유형에 대한 플레이어 j의 신뢰도는 μ임.
여기서
Figure 112016052558174-pct00022
이는 이하의 표 4에 요약된다.
[표 4]
Figure 112016052558174-pct00023
이러한 BNE 분석의 사용에 의해, 네트워크 내의 상호 수락된 페이오프를 달성하는 슬립 관리 정책이 설계될 수 있다.
동적 베이지언 게임 - 네트워크 내의 변경을 고려하기 위함
상기 BNE 분석은 플레이어의 상호작용을 위한 공통 우선(μ)을 가정한다. 실제 용례에서, 이러한 파라미터는 네트워크 환경 및 플레이어의 상호작용에 의존한다. 예를 들어, 네트워크 내의 노드의 트래픽 발생이 높으면, μ의 높은값이 할당될 수 있다. 따라서, 전술된 베이지언 게임 모델은 플레이어 j가 게임 이력에 따라 플레이어 i의 유형에 대한 그의 신뢰도를 연속적으로 업데이트하기 위해, 진화적인 동적 베이지언 게임으로 확장될 수 있다. 이 연속적인 게임은 각각의 스테이지의 기간이 웨이크업 사이클의 평균 간격에 동일한 n개의 게임 스테이지에서 실행된다. 모든 게임 스테이지에서 플레이어의 페이오프는 동일하게 유지된다(게임이 진행함에 따라 플레이어 페이오프에 대한 디스카운트 팩터가 없음). Hi(t)를 게임 스테이지(t)까지의 플레이어 i의 이력 프로파일이라 하고, OAi(t)를 게임 스테이지(t)에서 플레이어 i의 관찰된 동작이라 하고, PTi를 플레이어 i의 개인 유형(임계 또는 정상)이라 하고,
Figure 112016052558174-pct00024
를 플레이어 i의 모든 가능한 개인 유형이라 하고, α0을 관찰 성공률(이벤트를 정확하게 관찰하는 확률)이라 하고, β0를 이벤트를 관찰하는 오경보 확률이라 하자. 베이지언 규칙에 기초하여, 임계한 플레이어 i들 상의 플레이어 j의 사후 신뢰도가 이하와 같이 유도된다.
Figure 112016052558174-pct00025
도 6은 전술된 바와 같은 인터랙티브 신뢰도 예측 프로세스를 개략적으로 도시한다. 도 6에서 볼 수 있는 바와 같이, 프로세스는 다단 동적 베이지언 게임이 시작되는 단계 62에서 시작한다. 단계 64에서, 표 2에 나타낸 바와 같이, 상이한 전략쌍을 위한 페이오프 기능을 갖는 정적 베이지언 게임 포메이션이 수행된다. 단계 66에서, 베이지언 내쉬 이퀼리브리엄 분석이 수행된다. 단계 67에서, 사후 신뢰도 업데이트가 수행되는데, 이는 동작 이력(68) 및 관찰된 동작(69)을 고려한다.
M2M 통신을 위한 동적 베이지언 게임의 애플리케이션
도 7은 슬립 제어 동작의 예를 도시한다. 도 7에서, 액세스 네트워크 노드 서빙 게이트웨이(serving gateway: SG)가 제 1 센서 노드(노드 1), 제 1 센서 노드와 밀접하게 근접하는 제 2 센서 노드(노드 2) 및 제 1 및 제 2 센서 노드로부터 이격되어 있는 제 3 센서 노드(노드 3)와 통신한다. 초기에, 노드 1, 노드 2 및 노드 3의 듀티 사이클은 장시간 감지 간격(TD)을 갖는다. 즉, 각각의 센서 노드는 활성 노드로 전이하고 TD의 시간 간격에 감지 송수신 기능을 수행한다. 장시간 감지 간격(TD)을 갖는 이 모드는 저감지 모드라 칭할 수 있다.
특정 시간에, 임계 이벤트(트리거 이벤트)가 노드 1에서 발생한다. 이 임계 이벤트는 센서 노드 1의 센서가 액세스 네트워크로의 전송을 요구하는 데이터를 갖는 것일 수도 있다. 이 임계 이벤트는 이벤트 심각도에 신뢰도 업데이트를 수행하는 액세스 네트워크 노드(SG)에 보고된다. 이 경우에, SG는 심각도가 높고 노드 1이 업데이트 감지 간격(TU)이 장시간 감지 간격(TD)보다 짧은 고감지 모드에 진입해야 한다고 나타낸다.
노드 2가 노드 1에 지리학적으로 근접하고 따라서 노드 1에서 발생한 임계 이벤트가 또한 노드 2에서도 발생할 것이기 때문에, SG는 노드 1에서의 임계 이벤트 때문에, 노드 2의 듀티 사이클이 또한 노드 2에서 가능한 임계 이벤트의 예상시에 TD의 감지 간격을 갖고 고감지 모드로 변경해야 한다고 결정한다.
소정 시간 기간 후에, SG는 이벤트 심각도에 추가의 신뢰도 업데이트를 수행할 수도 있다. 특정 시간 기간이 다른 임계 이벤트가 검출되지 않고 경과될 때, SG는 심각도가 이제 낮고 노드 1이 장시간 감지 간격(TD)을 갖고 저감지 모드에 진입해야 한다고 나타낸다. 이 시점에, SG는 노드 2가 또한 저감지 모드에 진입해야 한다는 것을 또한 나타낸다. 도 7은 노드 1과 동시에 저감지 모드로 복귀하는 노드 2를 도시하고 있지만, 이는 그렇지 않을 수도 있으며 노드 2 상에 임계 이벤트의 부재시에, 노드 2는 노드 1이 복귀하기 전에 저감지 모드로 복귀할 수도 있다는 것이 이해되어야 한다.
노드 3은 노드 1 및 2로부터 지리학적으로 멀리 이격하여 위치되기 때문에, GW는 노드 3이 노드 1 상의 임계 이벤트의 견지에서 고감지 모드로 변경할 필요가 있다고 결정하지 않는다는 것을 여기서 주목하는 것이 중요하다.
도 8은 도 7의 슬립 제어 동작에 대응하는 슬립 제어 프레임워크(70)를 도시한다. 프레임워크(70)는 유도된 최적 슬립 듀티 사이클 파라미터에 기초하여 모든 노드가 그 슬립 및 웨이크업 모드를 유지하는 것으로 가정한다. 게다가, 이웃하는 노드는 이벤트 검출의 증가하는 시간적 확률을 위해 이 파라미터를 비동기식으로 추종한다.
도 8은 SG가 이벤트 심각도에 대한 그 신뢰도를 유도하고 센서 노드의 감지 듀티 사이클을 업데이트하도록 관찰된 감지 데이터 및 감지 이력(72)을 사용하는 2단 슬립 제어 프레임워크를 도시한다. 듀티 사이클의 최종 판정을 위한 2개의 필터가 존재한다. 하나는 전술된 바와 같이 그리고 도 6에 도시된 바와 같이, 신뢰도 업데이트 시스템에 기초하는 이벤트 심각도의 정의(74)이고, 다른 하나는 네트워크의 나머지가 불변 유지되는 동안 감지된 현상에 의해 영향을 받는 네트워크의 부분이 슬립 듀티 사이클 조정을 수행하게 하는 감지 커버리지의 정의이다. 양 필터는 애플리케이션 종속성이 있다. 이들 2개의 필터의 결과에 따라, 센서 노드의 듀티 사이클이 저감지 모드(78) 또는 고감지 모드(82)에 있도록 요구된다.
도 7의 프레임워크에서, 네트워크의 감지 이력(72)은 저장 유닛에 저장된다. 감지 이력 및 센서 노드로부터의 관찰에 기초하여, 감지 이벤트의 심각도에 대한 신뢰도 업데이트(74)가 액세스 네트워크 노드 또는 액세스 네트워크에 의해 수행될 수 있다. 이 신뢰도 업데이트(74)는 도 6에 도시된 알고리즘에 따라 전술된 바와 같이 수행될 수 있다. 신뢰도 업데이트(74)에 기초하여, 특정 감지 노드를 위한 감지 이벤트의 심각도가 판정될 수 있다(76). 이벤트 심각도는 센서 노드가 고감지 노드에 있어야 한다고 나타내는 임계 이벤트인 것으로 결정될 수도 있고 또는 센서 노드가 저감지 모드에 있어야 하는 것을 지시하는 정상 이벤트인 것으로 결정될 수도 있다. 고감지 모드에서, 감지 노드는 저감지 모드에서보다 더 빈번히 그 감지 동작을 수행할 수 있다.
도 7에서, 이벤트 심각도가 정상인 것으로 판정되고 심각하지 않으면, 프레임워크는 감지 노드를 저감지 모드(78)에 있도록 명령한다. 이벤트 심각도이 심각한 것으로 판정되면, 프레임워크는 이어서 듀티 사이클이 네트워크의 커버리지에 기초하여 변경되어야 하는지 여부가 판정되는 커버리지 기반 필터링을 수행한다. 예를 들어, 네트워크 내의 감지 이벤트가 임계적인 것으로 결정되지만, 이 감지 이벤트가 해당의 특정 감지 노드로부터 이격된 감지 노드에서 발생하면, 특정 감지 노드의 듀티 사이클은 고감지 모드(82)로 업데이트되지 않을 수 있고 저감지 모드(78)로 잔류할 수 있다. 역으로, 네트워크 내의 감지 이벤트가 임계적인 것으로 결정되고, 이 감지 이벤트가 해당의 특정 감지 노드로부터 지리학적으로 그리고 네트워크 레벨의 모두에서 근접한 감지 노드에서 발생하면, 특정 감지 노드의 듀티 사이클은 저감지 모드(78)로부터 고감지 모드(82)로 업데이트될 수 있다.
이 위치 맵핑 필터(80)는 더욱이 불필요한 노드 웨이크업에 기인하는 에너지 소비를 최소화한다. 감지 커버리지의 정의를 위해, 애플리케이션의 단일의 또는 복수의 목적 및 임의의 관련 검출이 주어지면 모든 노드의 영향을 받은 구역을 정의하는 가상 커버리지 맵이 구축될 수 있다.
도 8의 2개의 필터는 애플리케이션 종속성이 있고, 새로운 기준을 갖는 세밀형 다단 슬립 제어(fine-grained multiple-stage sleep control)를 위해 확장될 수 있다.
인터랙티브 리소스 관리 기술의 성능
도 9는 사후 신뢰도 업데이트에 대한 일련의 관찰된 이벤트의 효과를 도시한다. 수치 시뮬레이션의 세트가 제안된 베이지언 게임 모델을 증명하도록 수행되었다. 목표는 게임 플레이어들 사이의 게임 공식화 및 이퀼리브리엄 전략을 분석하는 것이다. 이 분석에서, α, β, W, K, P', CSTT, CST, CS, α0 , β0 파라미터는 각각 0.9, 0.01, 1, 1, 5, 0.9, 0.025, 0.001, 0.9, 및 0.01이다. 이들은 통신 사양에 따라 구성된다. 예를 들어, 비용 파라미터(CSTT, CST, CS)의 비는 Chipcon AS(RTM)에 의한 CC2420 무선 송수신기 칩에 기초한다. 표기 (α, β) 및 (α0 , β0)는 채널 상태, 센서 구성요소 등에 의존하고, 상이한 목적을 담당한다. α 및 β는 게임 상호작용을 위한 페이오프 기능에 사용되고, 반면에 α0 및 β0는 신뢰도 업데이트 프로세스에서 관찰 에러를 추정하는데 사용된다. 보상(W) 및 벌점(P')은 가상 파라미터이고 플레이어의 거동을 모델링하는데 사용된다. 평가시에, 본 발명자들은 플레이어 j의 사후 신뢰도 업데이트의 분석을 위한 조사된 파라미터를 조정한다.
일반적으로, 신뢰도 업데이트 시스템은 네트워크 변경을 신속하고 정확하게 캡처하고 그에 대한 응답(신뢰도 업데이트)을 발생한다. 임계 이벤트의 응답은 이 게임 구성에서 정상 이벤트에 의한 것보다 더 빠르다. 게임 파라미터를 조정함으로써, 신뢰도 업데이트의 결과가 변동할 수 있다.
전술된 동적 관리 접근법은 네트워크를 변경하기 위한 슬립 듀티 사이클의 동적 관리를 허용한다. 이는 네트워크, 물리적 및 애플리케이션 계층과 동적 관리를 통합하고, 계층간 교차 최적화 모델 및 인터랙티브 슬립 관리의 조합을 사용하여 배터리 수명을 상당히 증가시킨다.
본 발명은 다른 특정 장치 및/또는 방법으로 구체화될 수 있다. 설명된 실시예는 모든 관점에서 한정적인 것이 아니라 단지 예시적인 것으로서 고려되어야 한다. 특히, 본 발명의 범주는 본 명세서의 상세한 설명 및 도면에 의해서보다는 첨부된 청구범위에 의해 지시된다. 청구범위의 등가물의 의미 및 범위 내에 있는 모든 변경은 이들의 범주 내에 포함되어야 한다.

Claims (15)

  1. 액세스 네트워크 노드 및 복수의 리소스 제한 노드들(resource limited nodes)을 포함하는 통신 시스템에 있어서,
    상기 액세스 네트워크 노드는
    제어 유닛을 포함하고, 상기 제어 유닛은
    투-플레이어 동적 베이지언 게임(two-player dynamic Bayesian game)에 따라 확률을 연산하는 것에 의해, 네트워크 관찰(network observations) 및 상기 네트워크 관찰의 이력 프로파일(a history profile)에 기초하여 상기 복수의 리소스 제한 노드들 중 하나의 리소스 제한 노드에 대해 네트워크 상태에 관한 신뢰도(belief)를 추정하고 동적으로 업데이트하고 - 상기 투-플레이어 동적 베이지언 게임에 있어서, 제1 플레이어 i는 전체 감지 현상(overall sensing phenomenon)을 표현하고 제2 플레이어 j는 제1 플레이어 i의 유형이 임계(critical)일 것에 대한 제2 플레이어 j의 사후(posterior) 신뢰도가
    Figure 112017078345212-pct00035

    인 상기 복수의 리소스 제한 노드들을 표현하되, 여기서 Hi(t)는 게임 스테이지(t)까지의 제1 플레이어 i의 이력 프로파일이고, OAi(t)는 상기 게임 스테이지(t)에서 제1 플레이어 i의 관찰된 동작이고, PTi는 제1 플레이어 i의 개인 유형(임계 또는 정상)이고,
    Figure 112017078345212-pct00036
    는 제1 플레이어 i의 모든 가능한 개인 유형임 -,
    상기 네트워크 상태에서의 업데이트된 신뢰도의 심각도(severity)가 상기 리소스 제한 노드의 슬립 듀티 사이클(sleep duty cycle)의 변경이 요구된다고 나타내는지 여부를 결정하고,
    상기 복수의 리소스 제한 노드 내의 리소스 제한 노드들 사이의 상관(correlation)이 상기 리소스 제한 노드의 슬립 듀티 사이클의 변경이 요구된다고 나타내는지 여부를 결정하고,
    상기 네트워크 상태에서의 업데이트 신뢰도의 상기 심각도 뿐만 아니라 리소스 제한 노드들 사이의 상기 상관이 상기 리소스 제한 노드의 슬립 듀티 사이클의 변경이 요구됨을 나타낼 때, 상기 리소스 제한 노드들 내에서 소비된 전체 에너지를 최적화하도록 상기 리소스 제한 노드의 슬립 듀티 사이클을 업데이트하도록 동작 가능한
    통신 시스템.
  2. 삭제
  3. 제 1 항에 있어서,
    상기 제어 유닛이, 상기 네트워크 상태에서의 업데이트된 신뢰도의 심각도가 상기 리소스 제한 노드의 슬립 듀티 사이클이 특정 검출 임계치를 달성하면서 상기 리소스 제한 노드 내에서 소비된 전체 에너지를 최적화하도록 요구됨을 나타내고, 리소스 제한 노드들 사이의 상관이 상기 리소스 제한 노드의 슬립 듀티 사이클의 변경이 요구됨을 나타내지 않는 것으로 결정할 때, 상기 리소스 제한 노드의 슬립 듀티 사이클의 업데이트가 수행되지 않는
    통신 시스템.
  4. 제 1 항에 있어서,
    상기 제어 유닛이 상기 네트워크 상태에서의 업데이트된 신뢰도의 심각도가 임계 이벤트를 나타낸다고 결정할 때, 상기 리소스 제한 노드의 슬립 듀티 사이클은 슬립 모드로부터 활성 모드로 더 빈번하게 스위칭하기 위해 상기 리소스 제한 노드를 트리거링하도록 감소되는
    통신 시스템.
  5. 제 1 항에 있어서,
    상기 제어 유닛이 상기 네트워크 상태에서의 업데이트된 신뢰도의 심각도가 이벤트 심각도가 낮은 것을 나타낸다고 결정될 때, 상기 리소스 제한 노드의 슬립 듀티 사이클은 슬립 모드로부터 활성 모드로 덜 빈번히 스위칭하기 위해 상기 리소스 제한 노드를 트리거링하도록 증가되는
    통신 시스템.
  6. 제 1 항에 있어서,
    상기 복수의 리소스 제한 노드 내의 리소스 제한 노드들 사이의 상관은 로컬 노드들 사이의 토포그래피 관계(topographical relationship), 리소스 제한 노드들 사이의 애플리케이션 상관(application correlations), 이들의 무선 채널들 사이의 통계적 상관(statistical correlation) 또는 이들의 조합에 기초하는
    통신 시스템.
  7. 제 6 항에 있어서,
    상기 로컬 노드들 사이의 토포그래피 관계는 상기 복수의 리소스 제한 노드 중의 다른 노드들에 대한 상기 리소스 제한 노드의 물리적 근접도 및 상기 복수의 리소스 제한 노드들 중 다른 노드들에 대한 상기 리소스 제한 노드의 통신 근접도를 포함하는
    통신 시스템.
  8. 제 1 항에 있어서,
    로컬 노드들 사이의 상관 메트릭은, 상기 네트워크 상태에 의해 영향을 받을 가능성이 있는 통신 네트워크의 일부의 슬립 듀티 사이클이 업데이트되고 반면에 상기 네트워크 상태에 의해 영향을 받을 가능성이 적은 통신 네트워크의 일부의 슬립 듀티 사이클은 불변 유지되는 것을 보장하는 필터인
    통신 시스템.
  9. 제 1 항에 있어서,
    통신 네트워크의 초기화시에, 상기 리소스 제한 노드의 슬립 듀티 사이클은 최적화된 슬립 듀티 사이클이고, 슬립 관리의 방법은 상기 슬립 듀티 사이클이 최적화되는 것을 보장하도록 상기 통신 네트워크가 동작중에 있는 동안 영향을 받은 노드의 슬립 듀티 사이클을 동적으로 업데이트하는
    통신 시스템.
  10. 제 1 항에 있어서,
    통신 네트워크의 초기화시에, 슬립 관리의 방법은 상기 슬립 듀티 사이클 파라미터를 위한 임의의 시작값을 결정하고 상기 슬립 듀티 사이클이 최적화되는 것을 보장하도록 상기 통신 네트워크가 동작중에 있는 동안 슬립 듀티 사이클을 동적으로 업데이트하는
    통신 시스템.
  11. 제 1 항에 있어서,
    상기 네트워크 상태에 대한 신뢰도 업데이트는 상이한 전략쌍(different strategy pairs)을 위한 게임 이론 페이오프 함수(game-theoretic payoff funtions)를 갖는 다단 베이지언 방법(Bayesian method)을 사용하여 추정되는
    통신 시스템.
  12. 제 11 항에 있어서,
    상기 네트워크 상태에 대한 신뢰도 업데이트는 베이지언 규칙 및 네트워크 관찰의 세트와 함께 베이지언 내쉬 이퀼리브리엄(Bayesian Nash Equilibrium) 분석을 사용하여 추정되는
    통신 시스템.
  13. 복수의 리소스 제한 노드들을 포함하는 통신 네트워크 내의 액세스 네트워크 노드에 있어서,
    상기 액세스 네트워크 노드는 제어 유닛을 포함하고, 상기 제어 유닛은
    투-플레이어 동적 베이지언 게임에 따라 확률을 연산하는 것에 의해, 네트워크 관찰 및 상기 네트워크 관찰의 이력 프로파일에 기초하여 상기 복수의 리소스 제한 노드들 중 하나의 리소스 제한 노드에 대해 네트워크 상태에 관한 신뢰도를 추정하고 동적으로 업데이트하고 - 상기 투-플레이어 동적 베이지언 게임에 있어서, 제1 플레이어 i는 전체 감지 현상을 표현하고 제2 플레이어 j는 제1 플레이어 i의 유형이 임계일 것에 대한 제2 플레이어 j의 사후 신뢰도가
    Figure 112017078345212-pct00037

    인 상기 복수의 리소스 제한 노드들을 표현하되, 여기서 Hi(t)는 게임 스테이지(t)까지의 제1 플레이어 i의 이력 프로파일이고, OAi(t)는 상기 게임 스테이지(t)에서 제1 플레이어 i의 관찰된 동작이고, PTi는 제1 플레이어 i의 개인 유형(임계 또는 정상)이고,
    Figure 112017078345212-pct00038
    는 제1 플레이어 i의 모든 가능한 개인 유형임 -,
    상기 네트워크 상태에서의 업데이트된 신뢰도의 심각도가 상기 리소스 제한 노드의 슬립 듀티 사이클의 변경이 요구됨을 나타내는지 여부를 결정하고,
    상기 복수의 리소스 제한 노드 내의 상기 리소스 제한 노드들 사이의 상관이 상기 리소스 제한 노드의 슬립 듀티 사이클의 변경이 요구됨을 나타내는지 여부를 결정하고,
    상기 네트워크 상태에서의 업데이트 신뢰도의 상기 심각도 뿐만 아니라 상기 리소스 제한 노드들 사이의 상기 상관이 상기 리소스 제한 노드의 슬립 듀티 사이클의 변경이 요구됨을 나타낼 때, 상기 리소스 제한 노드들 내에서 소비된 전체 에너지를 최적화하도록 상기 리소스 제한 노드의 슬립 듀티 사이클을 업데이트하도록 동작 가능한
    액세스 네트워크 노드.
  14. 복수의 리소스 제한 노드들 및 액세스 네트워크 노드를 포함하는 통신 네트워크 내에서 소비된 에너지를 최적화하는 방법에 있어서,
    투-플레이어 동적 베이지언 게임에 따라 확률을 연산하는 것에 의해, 네트워크 관찰 및 상기 네트워크 관찰의 이력 프로파일에 기초하여 상기 복수의 리소스 제한 노드들 중 하나의 리소스 제한 노드에 대해 네트워크 상태에 관한 신뢰도를 추정하고 동적으로 업데이트하는 단계 - 상기 투-플레이어 동적 베이지언 게임에 있어서, 제1 플레이어 i는 전체 감지 현상을 표현하고 제2 플레이어 j는 제1 플레이어 i의 유형이 임계일 것에 대한 제2 플레이어 j의 사후 신뢰도가
    Figure 112017078345212-pct00039

    인 상기 복수의 리소스 제한 노드들을 표현하되, 여기서 Hi(t)는 게임 스테이지(t)까지의 제1 플레이어 i의 이력 프로파일이고, OAi(t)는 상기 게임 스테이지(t)에서 제1 플레이어 i의 관찰된 동작이고, PTi는 제1 플레이어 i의 개인 유형(임계 또는 정상)이고,
    Figure 112017078345212-pct00040
    는 제1 플레이어 i의 모든 가능한 개인 유형임 -와,
    상기 네트워크 상태에서의 업데이트된 신뢰도의 심각도가 상기 리소스 제한 노드의 슬립 듀티 사이클의 변경이 요구됨을 나타내는지 여부를 결정하는 단계와,
    상기 복수의 리소스 제한 노드 내의 리소스 제한 노드들 사이의 상관이 상기 리소스 제한 노드의 슬립 듀티 사이클의 변경이 요구됨을 나타내는지 여부를 결정하는 단계와,
    상기 네트워크 상태에서의 업데이트 신뢰도의 상기 심각도 뿐만 아니라 상기 리소스 제한 노드들 사이의 상기 상관이 상기 리소스 제한 노드의 슬립 듀티 사이클의 변경이 요구됨을 나타낼 때, 상기 리소스 제한 노드들 내에서 소비된 전체 에너지를 최적화하도록 상기 리소스 제한 노드의 슬립 듀티 사이클을 업데이트하는 단계를 포함하는
    방법.
  15. 컴퓨터 상에서 실행될 때 제 14 항의 방법을 수행하도록 동작 가능한,
    컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
KR1020167014581A 2013-10-31 2014-09-26 통신 시스템, 액세스 네트워크 노드 및 통신 네트워크 내에서 소비된 에너지를 최적화하는 방법 KR101837580B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP13360034.6 2013-10-31
EP13360034.6A EP2869644B1 (en) 2013-10-31 2013-10-31 A communications system, an access network node and a method of optimising energy consumed in a communication network
PCT/EP2014/002631 WO2015062690A1 (en) 2013-10-31 2014-09-26 A communications system, an access network node and a method of optimising energy consumed in a communication network

Publications (2)

Publication Number Publication Date
KR20160082691A KR20160082691A (ko) 2016-07-08
KR101837580B1 true KR101837580B1 (ko) 2018-04-19

Family

ID=49765437

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020167014581A KR101837580B1 (ko) 2013-10-31 2014-09-26 통신 시스템, 액세스 네트워크 노드 및 통신 네트워크 내에서 소비된 에너지를 최적화하는 방법

Country Status (6)

Country Link
US (1) US10560893B2 (ko)
EP (1) EP2869644B1 (ko)
JP (2) JP2017500778A (ko)
KR (1) KR101837580B1 (ko)
CN (1) CN105684524B (ko)
WO (1) WO2015062690A1 (ko)

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10117244B2 (en) * 2013-02-28 2018-10-30 Nokia Solutions And Networks Oy Uplink carrier selection for reduced bandwidth machine type communication devices
CN105682200B (zh) * 2016-02-19 2018-11-30 中南大学 一种用于移动目标监测的节点占空比设定方法
US10212639B2 (en) 2016-07-26 2019-02-19 At&T Intellectual Property I, L.P. Method and apparatus for dynamic data path selection for narrow band wireless communication
US9781259B1 (en) 2016-07-27 2017-10-03 At&T Intellectual Property I, L.P. Method and apparatus for asset location tracking in a communication network
KR102066450B1 (ko) 2016-08-12 2020-01-15 후아웨이 테크놀러지 컴퍼니 리미티드 자원 선택 방법, 장치 및 디바이스
CN108171957B (zh) * 2016-12-07 2021-11-30 中兴通讯股份有限公司 抄表方法及装置、***、通信网关
US11049005B2 (en) 2017-03-22 2021-06-29 At&T Intellectual Property I, L.P. Methods, devices and systems for managing network video traffic
US10410133B2 (en) 2017-03-22 2019-09-10 At&T Intellectual Property I, L.P. Methods, devices and systems for managing network video traffic
US10313967B2 (en) 2017-04-13 2019-06-04 Microsoft Technology Licensing, Llc Power efficient base station
US10085213B1 (en) * 2017-05-15 2018-09-25 Apple Inc. Device, system, and method for a high power mode for a cellular connection
WO2019131404A1 (ja) * 2017-12-27 2019-07-04 日本電気株式会社 通信装置、通信方法及びコンピュータ可読媒体
CN109656697B (zh) * 2018-12-07 2023-03-10 华侨大学 一种双模式资源受限周期任务能耗优化方法
CN110087310B (zh) * 2019-05-14 2021-01-26 南京邮电大学 一种干扰环境下无线定位网络资源分配方法
CN110730493A (zh) * 2019-10-22 2020-01-24 北京邮电大学 一种基于博弈过程的网络干扰控制方法及装置
CN112788558B (zh) * 2019-11-11 2022-05-24 中国科学院深圳先进技术研究院 数据通信方法及相关设备
US11395221B2 (en) * 2019-11-13 2022-07-19 Schlage Lock Company Llc Wireless device power optimization utilizing artificial intelligence and/or machine learning
CN111092674A (zh) * 2019-11-29 2020-05-01 全球能源互联网研究院有限公司 一种电力认知无线网络的资源分配方法及装置
CN111478813B (zh) * 2020-04-07 2022-07-01 中国人民解放军国防科技大学 一种基于单层信息流传递的网络关键点分析方法
CN111478811B (zh) * 2020-04-07 2022-07-01 中国人民解放军国防科技大学 一种基于双层信息流传递的网络关键点分析方法
US11387883B2 (en) * 2020-04-28 2022-07-12 The Boeing Company Estimator for determining updates to an estimated local state vector
CN114339962B (zh) * 2020-09-29 2023-07-14 ***通信集团设计院有限公司 基站节能方法、装置及***
CN114339774A (zh) * 2020-09-30 2022-04-12 北京三星通信技术研究有限公司 频谱资源共享方法、装置、电子设备及存储介质
CN112291010B (zh) * 2020-10-09 2021-10-01 中国人民武装警察部队工程大学 一种基于匹配博弈的多域光网络流量疏导方法
CN112188507A (zh) * 2020-10-21 2021-01-05 中国联合网络通信集团有限公司 传感节点的控制方法及装置
KR102597112B1 (ko) * 2021-04-26 2023-11-01 충북대학교 산학협력단 게임 이론을 이용한 스마트 팩토리 환경의 무선 센서 네트워크 자원 할당 방법 및 이를 기록한 기록매체
CN113242584B (zh) * 2021-06-22 2022-03-22 重庆邮电大学 超密集异构无线网络中基于神经网络的网络选择方法
CN113676981A (zh) * 2021-08-13 2021-11-19 上海庆科信息技术有限公司 一种代理节点确定方法、装置、设备及可读存储介质
CN117641598B (zh) * 2023-12-06 2024-07-09 重庆理工大学 基于***鲁棒学习的消费电子资源分配方法及***
CN117896740B (zh) * 2024-03-13 2024-05-28 武汉科技大学 一种智能家居无线传感器网络部署方法

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020199102A1 (en) * 2001-06-21 2002-12-26 Carman David W. Method and apparatus for establishing a shared cryptographic key between energy-limited nodes in a network
US7542437B1 (en) * 2003-10-02 2009-06-02 Bbn Technologies Corp. Systems and methods for conserving energy in a communications network
US20060013172A1 (en) * 2004-07-16 2006-01-19 Nokia Corporation RSSI threshold selection for channel measurements based on RSSI of the received packets
KR100606084B1 (ko) 2004-08-17 2006-07-28 삼성전자주식회사 광대역 무선 접속 통신 시스템에서 이동 단말기의 슬립 식별자 업데이트 시스템 및 방법
US7590589B2 (en) * 2004-09-10 2009-09-15 Hoffberg Steven M Game theoretic prioritization scheme for mobile ad hoc networks permitting hierarchal deference
US8301176B1 (en) * 2007-05-07 2012-10-30 Marvell International Ltd. Increasing the stand-by time of wireless devices
US8930989B2 (en) * 2007-08-20 2015-01-06 AdsVantage System and method for providing supervised learning to associate profiles in video audiences
US7974933B2 (en) * 2007-09-11 2011-07-05 Bae Systems Plc Estimating the efficacy of a mathematical model of system behaviour
KR20090090461A (ko) 2008-02-21 2009-08-26 삼성전자주식회사 무선 센서 네트워크에서 센서 노드의 수명 연장 방법 및이를 위한 시스템
JP5207378B2 (ja) * 2008-12-22 2013-06-12 日立Ｇｅニュークリア・エナジー株式会社 センサネットワークシステム及びセンサノードの管理方法
EP2247145A1 (en) * 2009-04-28 2010-11-03 Motorola, Inc. Paging in a cellular communication system
JP2012169969A (ja) * 2011-02-16 2012-09-06 Sony Corp 無線通信装置、基地局、無線通信方法、プログラムおよび無線通信システム
US9002393B2 (en) * 2011-03-09 2015-04-07 Interdigital Patent Holdings, Inc. Desynchronized network access in M2M networks
DE202012004204U1 (de) 2011-05-03 2012-06-15 Central Iron & Steel Research Institute Abgeschrägte Schmalseitenkupferplatte für Gussform mit trichterförmig gekrümmter Oberfläche
EP2547140A1 (en) 2011-07-11 2013-01-16 Koninklijke Philips Electronics N.V. Method for configuring a node
KR101293160B1 (ko) 2011-09-26 2013-08-12 성균관대학교산학협력단 무선센서 네트워크에서 트래픽 양의 변화에 따른 효율적인 스케줄링 방법 및 장치
WO2013180523A1 (ko) * 2012-05-31 2013-12-05 엘지전자 주식회사 무선 통신 시스템에서 스케줄을 통합하기 위한 방법 및 장치

Also Published As

Publication number Publication date
KR20160082691A (ko) 2016-07-08
EP2869644A1 (en) 2015-05-06
CN105684524B (zh) 2019-12-20
JP6498818B2 (ja) 2019-04-10
WO2015062690A1 (en) 2015-05-07
EP2869644B1 (en) 2017-12-27
CN105684524A (zh) 2016-06-15
US10560893B2 (en) 2020-02-11
JP2018152879A (ja) 2018-09-27
US20160242117A1 (en) 2016-08-18
JP2017500778A (ja) 2017-01-05

Similar Documents

Publication Publication Date Title
KR101837580B1 (ko) 통신 시스템, 액세스 네트워크 노드 및 통신 네트워크 내에서 소비된 에너지를 최적화하는 방법
KR101836939B1 (ko) 전체적인 에너지 소비를 최소화하기 위한 최적의 듀티 싸이클을 결정하는 통신 시스템 및 방법
Hasan et al. Analysis of cross-layer design of quality-of-service forward geographic wireless sensor network routing strategies in green internet of things
Alsheikh et al. Markov decision processes with applications in wireless sensor networks: A survey
US8514789B2 (en) Cognitive channel adaptation in wireless sensor networks
Park et al. Breath: An adaptive protocol for industrial control applications using wireless sensor networks
Pinto et al. An approach to implement data fusion techniques in wireless sensor networks using genetic machine learning algorithms
Yau et al. Application of reinforcement learning to wireless sensor networks: models and algorithms
Liu et al. TALENT: Temporal adaptive link estimator with no training
Gherbi et al. Distributed energy efficient adaptive clustering protocol with data gathering for large scale wireless sensor networks
Sengul et al. A survey of adaptive services to cope with dynamics in wireless self-organizing networks
Pal et al. On the feasibility of distributed sampling rate adaptation in heterogeneous and collaborative wireless sensor networks
Kordafshari et al. A joint duty cycle scheduling and energy aware routing approach based on evolutionary game for wireless sensor networks
Fonda et al. Development and implementation of optimized energy-delay sub-network routing protocol for wireless sensor networks
Barrachina-Munoz et al. Towards energy efficient lpwans through learning-based multi-hop routing for the uplink
Al-Turjman Cognitive-node architecture and a deployment strategy for the future sensor networks 1
Venkataramanan et al. Hierarchical MAC protocol with adaptive duty-cycle adjustment algorithm for wireless sensor network
Suganthi et al. A Reinforcement Learning Approach for Storing Data in Reactive IoT Network
Izadi Enhancing wireless sensor networks functionalities
Asutkar Machine learning and Artificial modelling for improved QoS provisioning in wireless sensor networks
Perillo Role assignment in wireless sensor networks: Energy-efficient strategies and algorithms
Liang On wireless sensor networks
Thenmozhi et al. An Energy Efficient Protocol Based Wireless Sensor Network
Wu et al. An integrated sleep-scheduling and routing algorithm in ubiquitous sensor networks based on AHP
Cao Evaluation models for different routing protocols in wireless sensor networks

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant