Transmission Power Distributing Method for the Internet of Things Heterogeneous Networks

Cover Page

Cite item

Full Text

Abstract

Relevance. The development of the Internet of Things networks, being one of the priority areas of telecommunications development, leads to the formation of networks with a high concentration of devices - high-density and ultra-high-density networks. To ensure the functioning of such networks, various communication technologies can be used, which leads to the formation of heterogeneous networks of the Internet of Things. These can be data collection networks, machine-to-machine (M2M) communication networks, telecontrol and others. The use of many technologies requires the application of methods that ensure the efficiency of their use for data transmission. In this paper, one of such methods is proposed that ensures an increase in the efficiency of a heterogeneous Internet of Things network.Problem statement. Development of a model and method for distributing power between subchannels in nodes of a heterogeneous high-density Internet of Things network, taking into account the features of such networks, allowing to obtain a description of their functioning and ensure an increase in the efficiency of functioning due to the redistribution of transmission power across subchannels.Purpose of the work. Improving the efficiency of a heterogeneous high-density Internet of Things network. To solve the problem, methods of mathematical modeling, information theory, optimization and numerical modeling were used.Result. A modeling and methodological apparatus has been developed that ensures increased efficiency of a high-density heterogeneous Internet of Things network due to optimal power redistribution between data transmission subchannels, which makes it possible to increase the data transmission rate at a fixed transmission power.Novelty. The efficiency of the proposed method is ensured by solving the problem of optimal power distribution between subchannels taking into account the amount of interference and the serviced traffic (usage). The efficiency of the method depends on the parameters of the subchannels. It is minimal for identical subchannels and increases with increasing differences between the parameters of the subchannels used. The proposed method takes into account the traffic transmitted via subchannels (subchannel load) and their features in terms of achievable transmission speed, which makes it possible to adapt this method to specific conditions.Practical significance. The developed model and method can be used in the construction of devices and heterogeneous networks of the Internet of Things of high density in order to increase their efficiency. The method of power distribution by subchannels can be used in the implementation of the transmission control system (protocol) for devices using various technologies for organizing transmission channels.

About the authors

F. N. Huang

The Bonch-Bruevich Saint Petersburg State University of Telecommunications

Email: khoang.fn@sut.ru

A. I. Paramonov

The Bonch-Bruevich Saint Petersburg State University of Telecommunications

Email: paramonov@sut.ru

References

  1. Рекомендация МСЭ-Е Y.2060 (06/2012). Требования к поддержке приложений машинно-ориентированной связи в среде сетей последующих поколений.
  2. Кучерявый А.Е., Парамонов А.И., Маколкина М.А., Мутханна А.С.А., Выборнова А.И., Дунайцев Р.А. и др. Трехмерные многослойные гетерогенные сверхплотные сети // Информационные технологии и телекоммуникации. 2022. Т. 10. № 3. С. 1‒12. doi: 10.31854/2307-1303-2021-10-3-1-12. EDN:LHLYEM
  3. Selvaraju S.P., Balador A., Fotouhi H., Vahabi M., Bjorkman M. Network Management in Heterogeneous IoT Networks // Proceedings of the International Wireless Communications and Mobile Computing (IWCMC, Harbin City, China, 28 June ‒ 02 July 2021). IEEE, 2021. PP. 1581‒1586. doi: 10.1109/IWCMC51323.2021.9498801
  4. Mshvidobadze T. Heterogeneous IoT Platform in Network Architecture // International Journal of Computers. 2022. Vol. 16. PP. 60‒65. doi: 10.46300/9108.2022.16.12
  5. Кучерявый А.Е., Окунева Д.В., Парамонов А.И., Хоанг Н.Ф. Методы распределения трафика в гетерогенной сети интернета вещей высокой плотности // Труды учебных заведений связи. 2024. Т. 10. № 2. С. 67‒74. doi: 10.31854/1813-324X-2024-10-2-67-74. EDN:RTNVEU
  6. Бузюков Л.Б., Окунева Д.В., Парамонов А.И. Проблемы построения беспроводных сенсорных сетей // Труды учебных заведений связи. 2017. Т. 3. № 1. С. 5‒12. EDN:YMHZIX
  7. Тонких Е.В., Парамонов А.И., Кучерявый А.Е. Анализ беспроводной сети интернета вещей высокой плотности // Электросвязь. 2020. № 1. С. 44‒48. doi: 10.34832/ELSV.2020.2.1.006. EDN:IWAHZO
  8. Шеннон К. Работы по теории информации и кибернетике. Пер. с англ. М.: Издательство иностранной литературы, 1963. 829 с.
  9. Зюко А.Г., Кловский Д.Д., Коржик В.И., Назаров М.В. Теория электрической связи. М.: Радио и связь, 1999. 432 с.
  10. Пантелеев А.П., Летова Т.А. Методы оптимизации в примерах и задачах. М.: Высшая школа, 2005. 544 с.
  11. Qi Q., Minturn A., Yang Y. An efficient water-filling algorithm for power allocation in OFDM-based cognitive radio systems // Proceedings of the International Conference on Systems and Informatics (ICSAI2012, Yantai, China, 19‒20 May 2012). IEEE, 2012. PP. 2069‒2073. doi: 10.1109/ICSAI.2012.6223460
  12. Boyd S.P., Vandenberghe L. Convex Optimization. Cambridge University Press, 2004. 716 p.
  13. Галлагер Р. Теория информации и надежная связь. М.: Советское радио, 1974. 720 с.
  14. Nir V. L., Scheers B. Distributed Power Allocation for Parallel Broadcast Channels with Only Common Information in Cognitive Tactical Radio Networks // EURASIP Journal on Wireless Communications and Networking. 2010. P. 172013. doi: 10.1155/2010/172013

Supplementary files

Supplementary Files
Action
1. JATS XML


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».