最小化数据传输策略研究

能耗最小化问题的构建

基于上节的数据传输模型,若移动终端的传输功率为P，则应用m进行一次数据传输的能耗为P·t假设应用m一轮信道侦测的次数为N,则一轮信道带宽侦测和数据传输的总能耗为:Emx=N·E,+P - t.

若移动终端对应用m重复使用给定的规则￥轮,那么￥轮产生的停止时刻编号序列{N,N,，…,N,,…,Ny|和总能耗序列{Ex,Ex,…,Ex ,… ,Exy}.其中,N。表示第主轮的停止时刻编号.E是第主轮停止在N时的总能耗.应用m第i轮停止在N时,移动终端花费的总时间为侦测时间ATx, =T·N,和传输时间t ,即 ATx。+ t.待传输数据量为Q1).则此轮不被传输的数据量Lmx为:

若移动终端在连续观察N次信道后获得最小单位数据平均能耗,则N为最优停止时间.因为移动终端最少侦测一

次信道带宽,所以最优停止时间N≥1.待传输数据的最大传输延时为Dm.定义Z=LDm/T」,则有1≤n≤N≤Z.

根据大数定理,式(7)收敛于ME[E,]/E[Q+1)-Ly].因此,我们构建了一个停止时刻1≤N≤Z以最小化ME[Ex]/EL[Q*1)-L].该规则源于间隔周期T侦测到的信道传输速率r,和侦测时间序列AT,并生成能耗序列Ex,待传输数据量序列O、和不能被传输的数据量序列L.这些序列值都可以通过测量得到.

4.2能耗最小化秘书问题的求解

我们的目标是使移动终端到云端数据传输过程中的平均能耗最小,即选择传输速率最大的时刻传输数据.本节中,我们要对放过k个应聘者后见优则录的规则进行求解得到最优k值并证明所求k值为最优值.

本文定义V为放过k个应聘者后见优则录的规则所选到应聘者的绝对名次;X为决策停止时的步长;P:= P(V =r,=s)为决策停止时所选应聘者的绝对名次为r,步长为s的概率.PN =P(V=r)为决策停止时所选应聘者的绝对名次为r的概率.

引理1.当1≤k≤N-1,k+1≤s≤N时,有:

移动终端每隔周期T进行一次信道侦测,进行k次侦测后,当侦测到当前时刻的速率r大于之前的任一速率值时,移动终端停止侦测并发送数据到云端,否则,继续侦测.若移动终端对前Z-1次侦测都没有传输数据,则在侦测时间达到最大侦测次数Z时,必须发送数据.移动终端按照该策略不断进行信道侦测和数据传输,进而减少数据传输过程中的能耗.5仿真结果与分析

本节中,我们通过仿真实验研究对所提策略和相关文献策略在单位数据平均能耗、能耗效率和侦测效率三个方面进行比较,证明我们所提策略的适用性.

数据在无线信道传输过程中的衰落是小尺度衰落,其衰落模型通常被模拟为Rayleigh分布和 Rician分布.实验中,我们在两种衰落模型的模拟环境中进行仿真实验,其实验参数值见表1.

本文基于最优停止理论的秘书问题提出了放过k个应聘者后见优则录的最优传输策略( Optimal Transmission Strategybased on Secretary Problem, OTSSP) ,并与另外两种相关文献策略作对比.其中,另外两种做比较的策略分别是:

1)越快越好机制( The Sooner The Better , TSTB):移动终端在第一次侦测信道后就发送数据;

2)随机传输策略(Random Transmission Strategy , RTS):移动终端以均等概率1/Z从最大传输延时Dm的Z个时钟中随机选择某一时刻进行数据传输.

物联网网关

为了兼顾平均能耗和最大传输延时等因素,根据文献[3],在实验中我们对移动终端最大应用数目M取值s;数据生成速率c取值10×103bps;数据侦测周期T取值1s;数据传输时间r取值0.9s;数据传输延时D。取值10s;数据侦测能耗E取值1× 10J.本实验中,我们考虑最大应用数目M、数据生成速率c和数据传输延时D。变化时对单位数据平均能耗,能耗效率和侦测效率的影响.其中变化的因素M取值范围1~10;c取值范围1x103~15 x 10'bps ; D取值范围1 ~15s.

5.1 平均能耗

平均能耗反映成功传输的数据中每比特数据所消耗的能量(包括信道侦测能耗Ep和数据传输能耗Pt).

图2给出Rayleigh分布和 Rician分布下不同M变化时三种策略的平均能耗对比结果.从图2观察到, Rician分布的每种策略平均能耗小于Rayleigh分布的对应策略平均能耗.随着M值增加,OTSSP策略的平均能耗相比其他两种策略在相同M值时都是最小的,能效都是最优的,且平均能耗增长速率最缓慢;TSTB策略因不考虑能耗因素直接传输数据,所以平均能耗值最大,能效最差.

图3给出Rayleigh分布和 Rician分布下不同c变化时三种策略的平均能耗对比结果.其中OTSSP策略和RTS策略平均能耗值在￥轴左侧显示,TSTB策略平均能耗值在￥轴右侧显示.从图3观察到,在Rayleigh和 Rician分布中,随着c值增大,OTSSP策略和RTS策略的平均能耗值分别没有太大

物联网网关

由于数据在信道状况良好时刻传输,数据传输速率大于数据生成速率,没有大量数据因超时传输而丢失,所以单位数据平均能耗值逐渐减少.TSTB策略能耗效率明显差于另外两种策略是因为, TSTB策略在第一次可传输时刻就传输数据,此时刻的信道状态往往不理想,传输的数据量较少,当传输数据量等于其他两种数据量时,必然消耗更多的能量.

图4给出Rayleigh分布和 Rician分布下不同D。变化时三种策略的平均能耗对比结果.从图4观察到,在两种分布中, OTSSP策略平均能耗最低,能效最佳.且 OTSSP策略和RTS策略因数据传输时刻与D。有关,平均能耗值随着Dm的增加呈减少趋势.这是因为当Dm增大时,生成的数据有更多的机会在最大延时之前传输到云端,单位数据消耗的能量减少,所以平均能耗呈减少趋势.当时延D大于25s时,每比特数据消耗能量无限接近于0,但不会等于0,此时虽然平均能耗较低,但用户体验度不佳.

5.2能耗效率

能耗效率﹖反映数据传输时间内每单位时间所消耗的能量(包括侦测信道时间T和数据传输时间t).能耗效率卬越小,表明该策略单位时间内消耗的能量越少.

图5给出Rayleigh分布和 Rician分布下不同M变化时三种策略的能耗效率n值对比结果.从图5观察到,在两种分布中,三种策略的最大应用数目M和﹖值呈线性增长关系，OTSSP策略n值最低,TSTB策略因不考虑能量因素,n值最大.同时,随着M值增大,OTSSP策略值增长最缓慢.这表明当大量数据同时传输到云端时,OTSSP策略能耗率增长缓慢,具有更好的实验效果,奠定了移动云计算快速发展的基础.

图6给出Rayleigh分布和 Rician分布下不同c变化时三种策略的能耗效率n对比结果.因为三种策略在一张图中无法清晰表示变化幅度,所以OTSSP策略单独作为一张图显示;且(b)图和(d)图中TSTB策略的能耗效率值在Y￥轴左侧显示,RTS策略的能耗效率值在￥轴右侧显示.从图6观察

到,三种策略的能效值在 Rician分布中分别优于Rayleigh 分布中的能效值.随着数据生成速率c的增大,Rayleigh分布中,OTSSP策略的﹖值集中在0.0497 ~0. 05, TSTB策略的n值集中在0.328 ~0.332,RTS策略的值集中在0.078 ~0.0784; Rician分布中, OTSSP策略的值集中在0.0462 ~0.0465; TSTB策略的n值集中在0.1842 ~0.1846;RTS策略的n值集中在0.0780 ~0.0784.即本文提出的OTSSP策略能耗效率最低,单位时间内消耗的能量最少,节能效果最好.orSSP策略通过侦测前k次信道速率,从第k+1次侦测开始,见到比前k次信道速率都大时刻就停止侦测并发送数据，从而大大提高数据传输速率和能量利用率.

6结论

随着移动网络和移动云计算的迅速发展,如何降低移动终端和云端能耗,提高能量利用率及增强用户体验是绿色云计算迫切需要解决的问题之一.目前有很少一部分研究工作是在数据传输过程的网络层进行研究来降低移动云计算能耗.本文将致力于移动云计算数据传输过程中移动终端的能耗优化问题进行研究.数据在移动终端和云端传输过程中,由于移动用户的移动性,天气变化因素,网络带宽不稳定等因素的影响,使得移动终端若选择信道状态良好,传输速率大的时刻发送数据到云端能减少大量能耗,提高能量利用率.最优停止理论作为解决最有停止时间的有效工具,为移动终端的数据传输能耗优化提供了基础.本文基于所选应聘者的绝对名次均值最小的秘书问题,提出放过k个应聘者后见优则录的能耗优化策略.本文考虑数据传输具有一定延时的情况下,在Rayleigh分布和 Rician分布中,假设数据生成速率一定,构建具有多个应用的数据传输队列模型和单位数据平均能耗最小化模型,并利用改进的秘书问题(放过k个应聘者后见优则录的规则)进行求解以达到单位数据平均能耗最小化的目的.在仿真实验中,将本文提出的OTSSP策略和TSTB策略及RTS策略进行比较,得到OTSSP策略具有更低的平均能耗，

关键词：物联网网关