Перейти до вмісту
Наукові вісті КПІ
ISSN 2617-5509 · e‑ISSN 2663-7472 Відкритий доступ · CC BY 4.0
Т. · № 3 · 2020 сер 12, 2020 статті

РОЗПОДІЛ РЕСУРСІВ ДЛЯ ПРИСТРОЇВ МАЛОЇ ПОТУЖНОСТІ ТЕХНОЛОГІЇ M2M У МЕРЕЖАХ 5G

AB
Andrew V. Bulashenko Відповідальний Igor Sikorsky Kyiv Polytechnic Institute, Ukraine Україна
Опублікованосер 12, 2020
PDF
НВКПІ 3 ТОМ · 3
ТОМ · № 3 · 2020 Переглянути випуск

Анотація

Проблематика. Однією з ключових задач у мережах 5G є розподіл ресурсів для пристроїв машинного зв’язку (MTC), оскільки вони впливають на строк служби пристроїв із живленням від батарейки, а також на якість обслуговування доданків. Система МТС зазвичай складається з невеликих пристроїв і давачів. Пристрої МТС не можуть мати великого споживання енергії, оскільки ресурс їх батареї обмежений через складності їх заміни або зарядки. Мета дослідження . Метою роботи є підвищення енергетичної ефективності при збільшенні автономного ресурсу розподілу на пристроях МТС. Для цього ставиться задача створення схеми розподілу ресурсів за допомогою контрольованого граничного значення потужності малих пристроїв М2М системи зв’язку 5G. Методика реалізації . Пропонується алгоритм розподілу ресурсів, що використовує контрольований доступ на межі. Це техніка розподілу ресурсу низхідної лінії, за якої пристрої приймають рішення про виділення блоків ресурсів на основі їх пріоритету та рівні потужності відповідного додатка. Результати дослідження . Метод складається з двох етапів. На першому етапі вибирається кількість носійних, які мають бути виділеними для визначеного пристрою МТС із низьким споживанням енергії, щоб збільшити строк його служби. На другому кроці реалізується ефективний розв’язок через введення значення на межі. Визначено значення межі на основі метрики QoS. Така межа покращує вибір носійних для пристроїв малої потужності. Висновки. Поданий метод використовується для фізичного шару мережі 5G. Отримані результати показують, що запропонований алгоритм є більш простим і досягає кращої працездатності порівняно з існуючими, оскільки забезпечує менший час затримки, більшу енергетичну ефективність і більшу пропускну здатність.

Ключові слова

#Машина-машина #Машинний тип зв’язку #Енергетична ефективність #Якість обслуговування #Пропускна здатність

Посилання

  1. V. Gazis, “A survey of standards for machine-to-machine and Internet of Things”, IEEE Communications Surveys and Tutorials , vol. 19, no. 1, pp. 482–511, 2016. doi: 10.1109/COMST.2016.2592948
  2. Z. Yang et al. , “Energy efficient resource allocation in machine-to-machine communications with multiple access and energy harvesting for IoT”, IEEE Internet of Things Journal , vol. 5, no. 1, pp. 229–245, 2018. doi: 10.1109/JIOT.2017.2778766
  3. R. Chai et al. , “Energy efficient optimization-based joint resource allocation and clustering algorithm for M2M communication system”, IEEE Access , vol. 7, pp. 168507–168519, 2019. doi: 10.1109/ACCESS.2019.2954713
  4. Y. Wu et al. , “Non-ortogonal random access and data transmission Scheme for machine-to-machine communications in cellular networks”, IEEE Access , vol. 8, pp. 27687–27704, 2020. doi: 10.1109/ACCESS.2020.2972064
  5. A.V. Bulashenko and M.O. Dragan, “Energy efficiency of М2М systems in cellular networks”, in Proc. V All-Ukrainian Sci . Tech . Conf . , Shostka, Ukraine, April 23, 2020, pp. 178–179.
  6. H. Shariatmadari et al. , “Machine-type communications: current status and future perspectives toward 5G systems”, IEEE Communications Magazine , vol. 53, no. 9, pp. 10–17, 2015. doi: 10.1109/MCOM.2015.7263367
  7. A. Ali et al. , “Energy efficient uplink MAC protocol for M2M devices”, IEEE Access , vol. 7, pp. 35952–35962, 2019. doi: 10.1109/ACCESS.2019.2903647
  8. K. Selvam and K. Kumar, “A novel energy efficient resource allocation algorithm for non-orthogonal multiple access based M2M communication”, in Proc. IEEE 7th Int. Conf. On Signal Processing and Integrated networks , 2020, ID 9071332. doi: 10.1109/SPIN48934.2020.9071332
  9. M. Li et al. , “Energy efficient machine-to-machine communications in virtualized cellular networks with mobile edge computing”, IEEE Transactions on Mobile Computing , vol. 18, no. 7, pp. 1541–1555, 2019. doi: 10.1109/TMC.2018.2865312
  10. Y. Mehmood et al. , “M2M communications in 5G: state of the art architecture, recent advances and research challenges”, IEEE Communications Magazine , vol. 55, no. 9, pp. 194–201, 2017. doi: 10.1109/MCOM.2017.1600559
  11. A.V. Bulashenko and V.V. Gladun, “Providing the required delay time in 5G networks”, in Proc. III All-Ukrainian Sci . Tech . Conf . “Radio Electronics in the XXI Century” , Kyiv, Ukraine, May 12–15, 2020, pp. 9–12.
  12. A.V. Bulashenko and I.V. Demchenko, “Slicing technology for 5G networks”, in Proc. XXIV Int. Forum of Young Scientists “Radio Electronics and Youth in the XXI Century” , Kharkiv, Ukraine, April 16–18, 2019, vol. 4, pp. 129–130.
  13. A.V. Bulashenko and S.V. Tsapkov, “Cross entropy method to reduce the PAPR ratio in OFDM systems”, in Proc. Int. Sci. Tech. Conf. “Radio fields, signals, devices and systems” , Kyiv, Ukraine, November 18–24, 2019, pp. 51–53.
  14. D. Malak et al. , “Optimizing data aggregation for uplink machine-to-machine communications networks”, IEEE Transactions on Communications , vol. 64, no. 3, pp. 1274–1290, 2016. doi: 10.1109/TCOMM.2016.2517073
  15. M. Aziz and P.E. Caines, “A mean field game computational methodology for decentralized cellular network optimization”, IEEE Transactions on Control Systems Technology , vol. 25, no. 2, pp. 563–576, 2016. doi: 10.1109/TCST.2016.2558458
  16. V. Angelakis et al. , “Allocation of heterogeneous resources of an IoT device to Flexible services”, IEEE Internet of Things Journal , vol. 3, no. 5, pp. 691–700, 2016. doi: 10.1109/JIOT.2016.2535163
  17. Q. Li et al. , “Energy efficient computation offloading and resource allocation in fog computing for Internet of Everything”, China Communications , vol. 16, no. 3, pp. 32–41, 2019.
  18. N. Zhang et al. , “Resource allocation in a new random access for M2M communications”, IEEE Communications Letters , vol. 19, no. 5, pp. 843–846, 2015. doi: 10.1109/LCOMM.2015.2413961
  19. S. Li et al. , “Energy efficient resource allocation for industrial cyber-physical IoT systems in 5G era”, IEEE Transactions on Industrial Informatics , vol. 14, no. 6, pp. 2618–2628, 2018. doi: 10.1109/TII.2018.2799177
  20. J.S. Kumar and M.A. Zaveri, “Graph-based resource allocation for disaster management in IoT environment”, in Proc. IEEE Second Int. Conf. On Advanced Wireless Information , 2017, ID 3231830.3231842. doi: 10.1145/3231830.3231842
  21. S.K. Sharma and X. Wang, “Toward massive machine type communications in ultra-dense cellular IoT networks: current issues and machine learning-assisted solutions”, IEEE Communications Surveys and Tutorials , vol. 22, no. 1, pp. 426–471, 2020. doi: 10.1109/COMST.2019.2916177
  22. F. Schaich and T. Wild, “Waveform contenders for 5G – OFDM vs. FBMC vs. UFMC”, in Proc. IEEE 6th Int. Conf. on Communications, Control and Signak Processing , 2014, ID 6877912. doi: 10.1109/ISCCSP.2014.6877912
  23. M. Condoluci et al. , “Enabling the IoT machine age with 5G: machine-type multicast services for innovative real-time applications”, IEEE Access , vol. 4, pp. 5555–5569, 2016. doi: 10.1109/ACCESS.2016.2573678
  24. A.I. Sulyman et al ., “Radio propagation path loss models for 5G cellular networks in the 28 GHZ and 38 GHZ millimeter-wave bands”, IEEE Commun. Mag ., vol. 52, no. 9, pp. 78–86, 2014. doi: 10.1109/MCOM.2014.6894456
  25. A.B. Bulashenko, “Evaluation of D2D Communications in 5G networks”, Visnik NTUU KPI Seriia – Radiotekhnika, Radioaparatobuduvannia , vol. 81, pp. 21–29, 2020. doi: 10.20535/RADAP.2020.81.21-29
§ 06 — Пов'язані

Схожі статті в цьому журналі

Пов'язані рецензовані дослідження, опубліковані в цьому журналі.
Усі випуски

РОЗРОБКА МЕТОДУ ФОРМАЛІЗАЦІЇ ДИНАМІЧНИХ ТЕПЛОВИХ ПОРТРЕТІВ ДЛЯ НАДІЙНОГО ВИЯВЛЕННЯ ЦІЛЕЙ

Степан Лис, Оксана Оборська

Проблематика. Автоматизовані системи спостереження з БпЛА стикаються з подвійним викликом: виявленням теплоконтрастних об'єктів у реальному часі та їх ідентифікацією в…

#тепловізійні системи #ідентифікація цілей #локалізація зони інтересу #динамічний тепловий портрет
10.20535/kpisn.2026.3.359114

МЕТОДИКА ФОРМУВАННЯ ІНФОРМАТИВНОГО ПРОСТОРУ ОЗНАК ТЕХНІЧНИХ ІНДИКАТОРІВ ФІНАНСОВИХ ПРОЦЕСІВ НА ОСНОВІ НЕЙРОМЕРЕЖЕВИХ МОДЕЛЕЙ

Роман Тертичний, Денис Чупрін, Петро Бідюк

Проблематика. Фінансові часові ряди характеризуються нелінійністю, нестаціонарністю та високим рівнем шуму, що суттєво ускладнює їх моделювання та прогнозування.…

#методика формування інформативного простору ознак #технічні індикатори #волатильність Паркінсона #нейронні мережі
10.20535/kpisn.2026.3.359610

МЕТОДИ ЗАБЕЗПЕЧЕННЯ ЦІЛІСНОСТІ ОБРОБКИ ТА ПЕРЕДАЧІ ДАНИХ У ПРОМИСЛОВИХ СИСТЕМАХ АВТОМАТИЗАЦІЇ

Ярослав Корпань, Євген Федоров, Ольга Нечипоренко

Проблематика. Сучасні промислові системи контролю характеризуються високим рівнем інтеграції інформаційних і фізичних процесів та використанням розподілених…

#промислові системи автоматизації #SCADA-системи #цілісність даних #кібербезпека ICS
10.20535/kpisn.2026.3.361520

Статті цього автора (цих авторів), які найбільше читають

Схожі статті

1-10 з 44

Ви також можете розпочати розширений пошук схожих статей для цієї статті.