针对低轨卫星物联网场景下基于窄带物联网(narrow band Internet of Things,NB-IoT)体制的物联终端大尺度地理范围内多场景应用业务时延和终端功耗需求动态变化问题,提出一种利用马尔可夫链模型评估NB-IoT终端在扩展不连续接收(extended...针对低轨卫星物联网场景下基于窄带物联网(narrow band Internet of Things,NB-IoT)体制的物联终端大尺度地理范围内多场景应用业务时延和终端功耗需求动态变化问题,提出一种利用马尔可夫链模型评估NB-IoT终端在扩展不连续接收(extended discontinuous reception,eDRX)和节能模式(power saving mode,PSM)下的时延功耗的方法,建立了以下行业务延迟和终端功耗为优化目标的多目标优化问题。在信关站利用终端历史业务数据信息离线训练基于支持向量机(support vector machine,SVM)的时延功耗的回归预测模型,以回归预测模型作为非支配排序遗传算法(non-dominated sorting genetic algorithms-II,NSGA-II)的目标函数,得到多目标优化问题的Pareto前沿解集,进一步从Pareto前沿解集中选择满足当前应用时延功耗需求的工作状态定时器参数值,在线配置终端。仿真结果表明,相比于传统的地面物联网终端固定式定时器参数配置方法,所提出的业务驱动的定时器参数配置方法在终端动态多场景应用下能够更好地满足业务时延和终端功耗需求。展开更多
文摘针对低轨卫星物联网场景下基于窄带物联网(narrow band Internet of Things,NB-IoT)体制的物联终端大尺度地理范围内多场景应用业务时延和终端功耗需求动态变化问题,提出一种利用马尔可夫链模型评估NB-IoT终端在扩展不连续接收(extended discontinuous reception,eDRX)和节能模式(power saving mode,PSM)下的时延功耗的方法,建立了以下行业务延迟和终端功耗为优化目标的多目标优化问题。在信关站利用终端历史业务数据信息离线训练基于支持向量机(support vector machine,SVM)的时延功耗的回归预测模型,以回归预测模型作为非支配排序遗传算法(non-dominated sorting genetic algorithms-II,NSGA-II)的目标函数,得到多目标优化问题的Pareto前沿解集,进一步从Pareto前沿解集中选择满足当前应用时延功耗需求的工作状态定时器参数值,在线配置终端。仿真结果表明,相比于传统的地面物联网终端固定式定时器参数配置方法,所提出的业务驱动的定时器参数配置方法在终端动态多场景应用下能够更好地满足业务时延和终端功耗需求。
