دانلود ترجمه مقاله جمع آوری داده های تعادلی طول عمر برای اینترنت اشیا

1. مقدمه 2. بررسی اجمالی طراحی و مدل سیستم 3. مطالعه تحلیلی 4. طراحی LBA 5. پیاده سازی 6. نتایج تجربی 7. پژوهش های مربوطه 8. نتیجه گیری

چکیده – این مقاله یک طرح جمع آوری داده تعادلی طول عمر (LBA) را برای اینترنت اشیا (IoT) تحت ملزومات تأخیر کاربردهای خاص انتها به انتها ارائه داده است. در تقابل با طرح های جمع آوری موجود، هدف طولانی کردن طول عمر شبکه IoT تحت دینامیک ها و ناهمگونی های شبکه بوده و در عیم حال تأخیر تحویل داده مورد نیاز را نیز تضمین می کند. به منظور نیل به این هدف به روش توزیعی، LBA به طور تطبیقی تأخیر جمع آوری دستگاه های همسایه را به منظور متعادل کردن طول عمر بین آنها تنظیم می کند. به این ترتیب تعادل در تمام همسایگی ها برقرار شده، طول عمر مینیمم دستگاه در شبکه به تدریج افزایش یافته و در نتیجه طول عمر کل شبکه را افزایش می دهد. اثر بخشی LBA از طریق آزمایشات گسترده ای در یک بستر تست نشان داده شده است. به طور کلی، زمانی که شبکه یک درجه بالاتر از دینامیک ها و ناهمگونی ها را ارائه می دهد، بهره عملکردی LBA در طرح های تجمع داده غیر تطبیقی ارائه شده در مقالات مختلف به طور قابل توجهی افزایش یافته و شکاف بین عملکرد LBA و کران بالای تئوریک آن کوچکتر می شود.

This paper proposes LBA, a lifetime balanced data aggregation scheme for the Internet of Things (IoT) under an application-specified end-to-end delay requirement. In contrast to existing aggregation schemes, LBA aims to prolong the IoT network lifetime under network heterogeneity and dynamics, while ensuring the required data delivery delay. To achieve this goal in a distributed manner, LBA adaptively adjusts the aggregation delays of neigh- boring devices to balance the lifetime between them. As such balancing takes place in all neighborhoods, the minimal device lifetime in the network is increased gradually, thus prolonging the lifetime of the entire network. The effectiveness of LBA is demonstrated via extensive experiments on a testbed. Generally, when the network presents a higher de- gree of heterogeneity and dynamics, LBA’s performance gain over a state-of-the-art non- adaptive data aggregation scheme becomes more significant, and the gap between LBA’s performance and its theoretical upper bound gets smaller.