《基于IEEE802_16e的睡眠模式的研究.pdf》由会员分享，可在线阅读，更多相关《基于IEEE802_16e的睡眠模式的研究.pdf（4页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、?收稿日期:2007-12-13;修回日期:2008-02-04。?作者简介:曲宏伟(1982-),男,山东威海人,硕士研究生,主要研究方向:W i max、802.22关键技术;?张春业(1951-),男,山东济南人,副教授,主要研究方向:微波通信、无线局域网;?张燕(1984-),女,山东潍坊人,硕士研究生,主要研究方向:宽带无线接入技术;?赵莉(1982-),女,山东东营人,硕士研究生,主要研究方向:宽带无线接入技术。文章编号:1001-9081(2008)06-1494-04基于 IEEE 802.16e的睡眠模式的研究曲宏伟,张春业,张?燕,赵?莉(山东大学 信息科学与工程学院,济南
2、 250100)(quhongwe i mai.l )摘?要:I EEE 802.16e介绍了两种睡眠模式来达到能量的有效利用,分别是睡眠模式?和睡眠模式?,睡眠模式?使用二进制指数增长的睡眠周期大小,睡眠模式?使用固定的睡眠周期大小。首先对两种睡眠模式的能量消耗和时延性能进行分析,然后引入马尔可夫判定过程,给出一种睡眠模式的选择算法,以满足对于能量消耗和时延的要求,从而达到一种在不同性能要求下的权衡,仿真结果给出了这种选择算法的性能特点。关键词:I EEE 802.16e;睡眠模式;能量节约;选择算法中图分类号:TP393?文献标志码:AResearch of the sleep mode
3、based on IEEE 802.16eQU Hong-wei,ZHANG Chun-ye,ZHANG Yan,ZHAO Li(College of infor mation Science and Engineering,Shandong University,Jinan Shandong 250100,China)Abstract:The IEEE802.16e standard introduces two types of sleepmodes for energy-efficientoperations:SleepMode?based on binary-increasing sl
4、eep cycle size and SleepM ode?using constant sleep cycle size.Firstly an analysis of energyconsumption and delay perfor mance about twomodeswas given.Then a sleepmode selection algorithm tomeet the requirementof energy consumption and delay perfor mance by usingM arkov decision processeswasmade.The
5、trade-offs bet ween energyconsumption and delay perfor mance a mong different operationalmodeswasmet.Through the si mulation the perfor mance of thisselection algorithm can be seen.Keywords:IEEE 802.16e;sleepmode;energy saving;selection algorithm0?引言2005年 12月 7日,IEEE发布了最新的无线城域网版本IEEE 802.16e 1以增强对于移
6、动用户的移动性要求。由此带来了一个新的课题,那就是如何在移动台电池重新充电前有效地节约能量。为此 802.16e定义了睡眠模式以实现能量节约的目的。对移动台来说存在两种操作模式:普通模式和睡眠模式。在睡眠模式下,移动台在监听周期阶段查看是否有来自基站的数据传送指令到达。为了支持不同的服务连接,IEEE 802.16e提供了几种睡眠模式,其中有两种实现单播服务连接的睡眠模式:睡眠模式?和睡眠模式?。睡眠模式?用来实现具有尽力而为和非实时的服务,并且具有多个满足二进制指数增长的睡眠周期;睡眠模式?用来实现非征求和实时的服务。与睡眠模式?不同,睡眠模式?使用固定的睡眠周期并且允许在监听周期发送或者接
7、收服务数据单元。IEEE 802.16e的睡眠模式在非连续的数据接收中是相当有效的,因为它可以降低非接收状态下的能量消耗。然而IEEE 802.16e标准并没有给出到达睡眠状态时进入哪种睡眠模式。在早期的学者研究中一种半马尔可夫链 2被用来分析睡眠模式?的性能,但是关于睡眠模式?的性能以及两种睡眠模式的对比却没有实际的研究工作。本文将首先介绍睡眠模式?和?的性能对比,通过两个单一模式的对比分析可以看出,使用单一的睡眠模式不能达到性能的最优化,因此使用马尔可夫判定过程提出一种睡眠模式的选择算法来满足能量消耗和时延的要求,在不同的接入速率下使用不同的睡眠模式,从而得到比使用单一的睡眠模式更好的性能
8、。1?马尔可夫模型首先建立一个马尔可夫模型来描述睡眠模式的操作,然后使用性能矩阵来描述该模型的性能。假设数据包到达系统是一个速率为?(以每一帧的包数为单位)的泊松过程,基站和移动台之间的服务速率为?(以每一帧的包数为单位)。图 1?睡眠模式的马尔可夫模型模型中三种状态 S=SN,S?,S?分别代表普通模式,睡眠模式?和睡眠模式?,如图 1所示。可以使用一种操作模式控制命令 P在每个判定时刻决定如何操作。对于每一个状态 S都有一个固定的命令 m=Ps,用 xs(m)作为状态 S时采用命令 m的判定参数,也可以称为状态操作频率。可以理解第 28卷第 6期2008年 6月?计算机应用ComuterA
9、pplications?Vo.l 28 No.6June 2008为:系统处于状态 S时采用命令 m的期望次数。每一个 xs都是命令变量 m的函数,其中 m 可以取三个值,M=s_N,s_?,s_?,直观意思是?转换到普通模式?,?转换到睡眠模式?和?转换到睡眠模式?。当一个命令被采用后,移动台将会在下一个帧进入一个新的状态。很显然 0?xs(m)?1并且?m?Mxs(m)=1。为了简化起见,假设每个判定时刻只发生在SN,也就是说 xs(m)=0,s?S?,S?。下面对图 1做进一步的分析,移动台在状态 SN时如果采用命令 s_?则进入睡眠模式?,设 S?(k)代表不同的睡眠周期状态,其中 0
10、?k?w,w代表最大的睡眠周期。在进入睡眠模式?后,移动台进入第一个睡眠周期状态 S?(0),在第一个睡眠周期 T0中降低移动台能量。在 T0之后,移动台在监听周期 TL查看是否有来自基站的数据传送指令以决定返回普通模式还是继续睡眠模式。pk是在睡眠周期状态 S?(k)时有数据包到达基站的概率。在泊松分布的情况下,可以知道:pk=1-e-?Vk(1)其中 Vk是处于状态 S?(k)时总的睡眠时间(也就是睡眠周期和监听周期之和)。根据 IEEE 802.16e的标准可知:Vk=T0?2k+TL;0?k?w(2)同样的,当采用命令 s_?时,移动台将会进入睡眠模式?,睡眠模式?只有一个具有固定睡眠
11、周期的睡眠状态 S?。与模式?不同,模式?可以在监听周期发送一定数量的在先前睡眠周期到达的数据包。如果在先前睡眠周期到达的累积数据包小于监听周期可以发送的最大数据包,移动台能够继续保持睡眠模式。其中最大数据包值为 d=?TL?,如果数据总量超过 d,那么由于移动台无法在监听周期发送完所有数据就返回普通模式。这种转换概率为 Q,如下所示:Q?1-Pr j?d=1-?dj=0(?V?)je-?V?j!(3)其中 V?=TS+TL是模式?的睡眠时间,TS是睡眠周期大小(固定值)。这样我们就在普通模式和睡眠模式之间建立了一个模型,从而可以利用马尔可夫判定过程来找到一个选择算法,解决能量消耗和时延之间的
12、均衡问题。2?性能矩阵2.1?能量矩阵图 2 4分别给出了采用了判定命令 s_N,s_?,s_?的操作过程模型。基于这些模型,就可以给出一个能量矩阵和时延矩阵。为了描述能量消耗矩阵,用 Ts(m)表示在状态 s时采用命令 m到下一个判定时刻的时间期望值,用 Cs(m)表示在状态 s时采用命令 m 到下一个判定时刻的能量消耗期望值。因为判定行为只在状态 SN时进行,所以对于所有命令的平均能量矩阵可以表示成:C(m)=CSN(s_N)/TSN(s_N)CSN(s_?)/TSN(s_?)CSN(s_?)/TSN(s_?)(4)为了更准确地表示 C(m),分别用 PB、PI、PS、PL代表工作时间、空
13、闲时间、睡眠周期和监听周期的单位时间能量消耗。在命令 s_N下,移动台将保持状态 SN不变,如图 2所示。下一个判定时刻将会在系统完成工作时间后出现,则 TSN(s_N)可以表示成如下形式:TSN(s_N)=E I+E B(5)式(5)的平均空闲时间 E I 和平均工作时间 E B为 3:E(I)=1/?,E B=E S/(1-?E S)(6)其中 S是服务时间(一个数据包)的随机变量,并且可知E S=1/?。同样可以得到:CSN(s_N)=PIE I+PBE B(7)对于命令 s_?,移动台转入睡眠模式?,经历几个睡眠周期,在 数 据包 到 达时 返 回 普 通模 式 传 送数 据,因 此T
14、SN(s_?)包括睡眠时间和传送周期 B。定义 pk来表示返回普通模式前经历 k个睡眠周期的概率。如果 k超过 w,那么移动台在返回普通模式前仍然会经历 k-w+1个 S?(w)。用TSN(s_?)(k)代表经历 k个睡眠周期直到下一个判定时刻的时间期望值,则 TSN(s_?)可以表示成如下形式:TSN(s_?)=?k=0pkTSN(s_?)(k)(8)其中pk和 TSN(s_?)(k)可以表示成如下形式:pk=p0,k=0pk?k-1i=0(1-pi),1?k?w-1pw(1-pw)k-w?w-1i=0(1-pi),k?w(9)TSN(s_?)(k)=?ki=0Vi+EB?(k),0?k?w
15、-1?wi=0Vi+(k-w)Vw+EB?(w),k?w(10)其中,EB?(k)是传送周期的平均时间,可以从式(11)得到:?EB?(k)+?Vk=?EB?(k)(11)对于CSN(s_?),应该考虑到转换过程的能量消耗,也就是:CSN(s_?)=Esw+?k=0pkCSN(s_?)(k)(12)其中CSN(s_?)(k)为经历 k个睡眠周期的总的能量消耗,如下所示:CSN(s_?)(k)=?ki=0?i+PBEB?(k),0?k?w-1?wi=0?i+(k-w)?w+PBE B?(w),k?w(13)其中?i=PS2iT0+PLTL是第 i个睡眠周期和监听周期的总能量消耗。对于命令 s_?
16、,由于睡眠模式?具有固定长度的睡眠周期,因此 TSN(s_?)可以表示成如下形式:TSN(s_?)=?k=1k(TS+TL)+E B?(1-Q)k-1?Q=1Q(TS+TL)+EB?(14)其中 EB?=?(TS+TL)/(?-?),同样由式(11)得出,相应的 CSN(s_?)可以表示成如下形式:1495第 6期曲宏伟等:基于 IEEE 802.16e的睡眠模式的研究?CSN(s_?)=Esw+1Q(PSTS+PLTL)+PBEB?(15)2.2?时延矩阵另外一个重要的性能矩阵是时延矩阵。用 ds(m)表示处于状态 s时采用 m 命令所得到的时延期望值,时延矩阵可以表示成:D(m)=dSN(
17、s_N)dSN(s_?)dSN(s_?)(16)对于命令 s_N,时延仅仅是数据包的排队时延,在 M/D/1模型中,dSN(s_N)可以表示成:dSN(s_N)=EW =?ER1-?(17)其中?=?/?,ER=(E S2)/(2ES),并且 ES2=1/?2,E S=1/?。对于命令 s_?,一个重要的时延就是在非连续的数据包到达后返回普通模式所引起的时延,具体如下:dSN(s_?)=?k=0pkdSN(s_?)(k)(18)其中 dSN(s_?)(k)的值为 4:dSN(s_?)(k)=D?S(k)=Vk2(1+?)+1?,0?k?w-1Vw2(1+?)+1?,k?w(19)对于命令 s_
18、?,同理可以得到:dSN(s_?)=D?S=?k=1D?S(1-Q)k-1Q=TS(1+?)2+1?(20)3?选择算法根据上面的性能矩阵的分析,提出一个成本方程如下:M=CT(m)X(m)?DT(m)X(m)(21)其中 X(m)=xSN(s_N)xSN(s_?)xSN(s_?),且?m?MxSN(m)=1,0?xSN(m)?1。那么给出在时延约束下 X(m)的选择算法为:DT(m)X(m)?m inCT(m)X(m)?m?MxSN(m)=1,0?xSN(m)?1(22)同样给出在能量消耗约束下 X(m)的选择算法为:CT(m)X(m)?1?CSN(s_N)/TSN(s_N)m inDT(m
19、)X(m)?m?MxSN(m)=1,0?xSN(m)?1(23)其中?和?为变量。4?仿真分析通过上面的分析得出睡眠模式的性能矩阵,然后提出一种选择算法来达到降低能源成本的目的,本部分将进行进一步的仿真分析,仿真过程中使用的参数如下:PV=800mW,PI=150mW,PL=150mW,PS=50mW,Esw=1 J,w=9,T0=1,TL(?)=1,Ts=2,TL(?)=2。图 5给出了在不同的?值下响应 s_N,s_?,s_?命令的平均能量消耗值,在?较小时响应 s_?时能量消耗值较小,因为模式?在较低的数据接入速率下能够进入一个较大的睡眠周期;随着?增大响应 s_?时能量消耗值较小是因为
20、模式?能够在监听周期发送一定数量的数据;当?较大时模式?和模式?频繁返回普通模式,此时转换成本变成巨大的消耗。图 5?能量消耗对比图 6给出了在不同的?值下响应 s_N,s_?,s_?三种命令的平均时延,模式?在?值较小时进入一个较大的睡眠周期,这样能量消耗较少,但却付出了时延的代价,模式?由于保持固定的睡眠周期因此基本保持一个固定的时延。通过比较图 5和图 6可以看出,在不同的接入速率?下,采用任何的单一模式不能达到平均能量消耗和平均时延的最小化,如何在不同的接入速率?下进入哪个单一模式从而达到一个能量消耗和时延的均衡是相当重要的,因此采用提出的选择算法来实现这一目的。1496?计算机应用第
21、 28卷图 7给出了在时延约束(?=1)下的能量选择算法曲线,可以看出在时延要求下命令 s_?=0,主要是因为模式?的时延值较大,当?值较大时,命令 s_?=0,主要是由于此时模式?的平均能量消耗过大,无法降低能源成本。图 7可以理解为在保证传输时延的前提下,如何降低平均能量消耗的一种选择方案,以延长电池使用寿命。图 8给出了在能量约束(?=1.1)下的时延选择曲线,可以看出 s_?仍然为 0,主要原因还是在于模式?的时延值较大。此时 s_?的值增大主要是随着?增大,命令 s_?的平均能量值较小,而命令 s_N的平均能量值较大,在?达到 0.45以后命令 s_N 的平均能量消耗无法满足约束条件
22、。图 8可以理解为在保证电池使用寿命延长 10%的条件下使传输时延最小的一种选择方案,达到降低时延的目的。图 8?能量约束下的命令选择5?结语通过把马尔可夫模型引入到 IEEE 802.16e中,使用马尔可夫判定过程对普通模式和睡眠模式的性能进行对比,提出一种选择算法达到能量消耗和时延的最佳均衡,仿真结果表明,选择算法可以起到一定的实际指导意义。参考文献:1?I EEE 802.16e-2006,Part 16:A ir interface for fixed and mobilebroadbandw ireless access systems-amendment for physical
23、andmedium access contro l layers for combined fixed andmobile operation inlicensed bands S.2006.2?HAN K,C HOI S.Perfor mance analysis of sleepmode operation inI EEE 802.16e mobile broadband wireless access systems C /Proceedings of I EEE 63rd VehicularT echnology Conference(VTC2006).W ashington:I EE
24、E Press,2006:1141-1145.3?ROSS S M.introduction to probability models M.8th ed.Lon-don:A cadem ic Press,2003.4?KONG L,TSANG D H K.Perfor mance study of power saving clas-ses of type?and?in IEEE 802.16 C/Proceedings of the31st I EEE Conference on Local ComuterN etworks.W ashington:I EEE Press,2006:20-
25、27.(上接第 1446页)5?结语从实验结果可以发现,非实体关系对的召回率仍然不是很理想,这是因为(ORG,PER)关系模板下的训练正例数量占大多数,识别的时候容易将反例的特征淹没。未来我们要做的工作主要还有:1)进一步优化特征,在现有形态学和语法特征为主的特征基础上加入更多的语义特征,减少对上下文特征的依赖,提高训练模型的适应性;2)在目前抽取大类的关系模板的基础上进一步细化到各个小类的关系模板;3)根据不同的关系模板选取合适的特征来构造向量,以达到最好的抽取效果。参考文献:1?何婷婷,徐超,李晶,等.基于种子自扩展的命名实体关系抽取 J.计算机工程,2006,32(21):183-184
26、,193.2?邓尚民,孙玉伟.信息抽取系统的研究现状 J.现代图书情报技术,2006(3):55-58,81.3?YAO T I AN-FANG.A Study ofChinese named entity and relation-identification in a specific domain D.Saar br?cken,G er many:Universit?t Saarbr?cken,2005.4?车万翔,刘挺,李生.实体关系自动抽取 C/OL /第一届全国内容安全与信息检索学术会议.上海,2004 2007-10-06.h-ttp:/ J.中文信息学报,2007,21(4):
27、80-85,91.6?邓擎,樊孝忠,杨立公.用语义模式提取实体关系的方法 J.计算机工程,2007,33(10):212-214.7?赵鹏,耿焕同,蔡庆生.一种基于语义和统计特征的中文文本特征表示方法 J.小型微型计算机系统,2007,28(7):1311-1313.8?AGICHTE in E,GRAVANO L.Snowbal:l Extracting relations fromlarge plain-text collections C/Proceedings of the 5 AC M inter-nationa l Conference on D ig ital L ibrarie
28、s.S.l:AC MPress,2000:85-94.9?知网 EB/OL.2007-09-03.http:/.10?李晶.基于网络抱团发现的命名实体关系抽取 D.武汉:华中师范大学,2006.11?VAPN I C V,CHERVONENK ISA Y.On the unifor m convergence ofrelative frequencies of events to their probabilities J.Theory ofProbability and its Applications,1971,16(2):263-280.1497第 6期曲宏伟等:基于 IEEE 802.16e的睡眠模式的研究?