Comparative Investigation for Energy Consumption of Different Chipsets Based on Scheduling for Wireless Sensor Networks
微机电系统（MEMS）和射频（RF）设计的快速发展使得低功耗、廉价和网络化微传感器的开发成为可能。这些传感器节点能够捕获各种物理信息，例如温度、压力、物体的运动等，以及将环境的这些物理特性映射到定量测量。一个典型的无线传感器网络（WSN）由数百到数千个这样的传感器节点通过无线介质连接。在本文中，我们提出了几个商用芯片组，如TR1001，CC1000和CC1010基于不同的调度方法的两种类型的部署策略的能源消耗的比较调查。我们在OMNeT++模拟器中进行了实验。
2010-09-23 cs.NI
Multipath Routing With Novel Packet Scheduling Approach In Wireless Sensor Networks
无线传感器网络感知和监控实时事件。他们监督一个地理区域，在那里要监测一种现象。传感器网络中的数据具有不同的优先级，因此它们的关键性不同。为了保持实时的性，应用程序需要更高的传输速率和信息传输的可靠性。在这项工作中，我们提出了一个多路径路由算法，使可靠的数据传输。通过控制调度速率，可以防止网络中的拥塞和分组丢失。该算法提供了一种有效的方法，以防止在每个节点的数据包丢失。这导致在传感器网络中的拥塞管理。此协议可防止数据包聚集，并为流量提供平滑性。通过监视和控制调度速率来管理流量控制和拥塞控制。
2012-06-03 cs.NI
Scheduling of Sensor Transmissions Based on Value of Information for Summary Statistics
传感器网络中信息价值（VoI）的优化集成了对通信系统中测量过程的感知。然而，大多数现有的调度算法不考虑监控应用的特定需求，而是将VoI定义为整个系统状态的通用均方误差（MSE），而不管单个组件的相关性。在这项工作中，我们考虑不同的汇总统计量，即，状态的不同功能，可以代表监控过程的有用信息，特别是在安全和工业应用中。我们提出的政策，最大限度地减少不同的汇总统计量的估计误差，模拟显示显着的收益。
2022-04-26 cs.NI
Study on the Data Processing of the IOT Sensor Network Based on Hadoop Cloud Platform and TWLGA Scheduling Algorithm
物联网传感器网络是环境监测的有效解决方案。物联网传感器网络产生海量数据，海量数据的存储、处理和查询能力成为技术挑战。为了解决这一问题，提出了Hadoop云平台。该数据处理平台利用时间和工作量遗传算法（TWLGA），将一个节点的工作提供给其他节点共享，既提高了单个节点的工作效率，又提供了兼容性支持，降低了软硬件可能存在的风险。在实验中，搭建了一个采用TWLGA调度算法的Hadoop集群平台，并对平台的性能进行了测试。结果表明，Hadoop云平台适合物联网传感器网络的大数据处理。
2021-12-01 cs.NI
Fair Scheduling for Data Collection in Mobile Sensor Networks with Energy Harvesting
我们考虑的问题，数据汇集从一个大陆规模的网络的能量收集传感器，适用于跟踪移动资产在农村环境中。我们的应用限制有利于一个高度不对称的解决方案，重占空比传感器节点与供电基站通信。我们研究了一种新的调度优化问题的能量收集移动传感器网络，最大限度地提高无线电链路质量和能量收集效率的约束下收集的数据量，同时确保公平的数据接收。我们证明了该问题是NP-完全的，并提出了一个启发式算法来近似的最优调度解决方案在多项式时间。此外，我们的算法在处理渐进式能量收集事件（例如太阳能电池板）或机会主义和突发事件（例如无线电力传输）方面非常灵活。我们使用经验的链路质量数据，太阳能和WPT效率，以评估所提出的算法在广泛的模拟和比较其性能的国家的最先进的。我们表明，我们的算法实现了高的数据接收率，在不同的公平性和节点寿命的限制。
2016-03-08 cs.NI
End-to-End Reliability-aware Scheduling for Wireless Sensor Networks
无线传感器网络（WSN）作为一种灵活、经济的替代现场总线安装的监测和控制应用越来越受欢迎。对于关键任务应用，通信网络必须提供端到端的可靠性保证，这对无线传感器网络提出了巨大的挑战。可靠性可以通过冗余来提高，并且通常通过重新提交丢失的分组在MAC层上解决，通常应用时隙调度。最近，研究人员提出了一种策略，以最佳地提高一个给定的时间表的可靠性，通过不断重复的时间表中最有价值的插槽，直到最后期限。这个增量器可以与大多数调度算法一起使用，但是具有可扩展性问题，这使得它的可用性缩小到离线计算调度，对于相当静态的网络。在本文中，我们介绍了SchedEx，一个通用的启发式调度算法的扩展，保证了用户定义的端到端的可靠性。SchedEx产生了与现有方法相比具有竞争力的时间表，并且它始终比现有方法快一个数量级以上。网络的端到端可靠性要求越苛刻，与Incrementer相比，SchedEx的性能就越好。我们进一步表明，SchedEx对调度算法具有更均匀分布的改进影响，而Incrementer更喜欢由某些调度算法创建的调度。
2014-12-08 cs.NI
Scheduling Sensors for Guaranteed Sparse Coverage
传感器网络特别适用于跟踪运动中的对象。对于这样的应用，只要未被覆盖的区域不是太大，则整个区域可以不需要被传感器覆盖。这个概念已经被Balasubramanian等人形式化为$κ$ -弱覆盖问题。该覆盖模型提供了关于对象可能在其中移动而未被检测到的区域的保证。在本文中，我们分析了该问题的理论方面，并提供了可实现的使用寿命的保证。我们介绍了一些实用的算法，并分析了它们的意义。主要贡献是一种新的线性规划算法，提供了接近最佳的寿命。通过大量的实验，我们分析了这些算法的性能的基础上定义的几个参数。
2010-02-26 cs.NI
A Packet Scheduling Strategy in Sensor Networks with SGMH Protocol
传感器网络中的数据通信可能具有时间约束，如端到端截止日期。如果不满足最后期限，则在硬实时的系统中可能发生灾难，或者在软实时的系统中可能发生性能恶化。在实时的传感器网络中，由于对最坏情况时延的严格要求，通过重传恢复数据的次数应最小化。本文提出了在无线传感器网络节点级应用停走多跳协议（SGMH）进行调度，从而满足硬实时的路由要求。SGMH是一种分布式多跳分组传递算法。每个信道上的总可用带宽的分数被分配给几个流量类别，通过这些流量类别，从源到目的地遍历每个跳所花费的时间被限制。它是基于时间框架（TFR）的概念。在传感器网络中，数据包可以具有不同的延迟保证。可以为不同的业务类别分配多个帧大小。
2011-07-11 cs.NI
Mobile Elements Scheduling for Periodic Sensor Applications
在本文中，我们研究的问题，设计的移动元素旅游，使每个旅游的长度是低于预定的长度和深度的多跳路由树的限制为k。移动元素的路径被设计为访问节点的子集（缓存点）。这些缓存点存储其他节点数据。为了解决这个问题，我们提出了两个基于几何的解决方案。我们的解决方案考虑了建立巡回赛期间节点的分布。我们的实验结果表明，我们的计划显着优于最好的可比方案在文献中。
2014-04-01 cs.NI
Uplink Scheduling Strategy Based on A Population Game in Vehicular Sensor Networks
车辆传感器网络（VSN）技术的集成以及利用被称为车载单元（OBU）的普适传感器（如智能手机和射频识别）来提供传感服务的人群感测的最新进展已经引起了业界和学术界越来越多的关注。目前，现有的车辆传感应用缺乏很好的机制，以提高最大可实现的吞吐量和最小化的服务时间的参与传感OBU在车辆传感器网络。为了填补这些空白，在本文中，首先，我们引入真正的不完美链接状态的马尔可夫链的计算。其次，我们将不同的链路状态的结果，多种类型的车辆与上行链路吞吐量和服务时间的计算。第三，为了准确计算OBU的服务时间，我们引入稳态概率来计算退避递减持续时间的准确时间，而不是使用传统的相对概率。此外，据我们所知，我们首先探索在一个单一的路边单元（RSU）的上行链路数据接入的多信道调度策略，通过使用在RSU覆盖区域的非合作博弈，以最大限度地提高上行链路吞吐量和最小化饱和和不饱和的业务负载下的服务时间。为此，我们进行了理论分析，找到了调度的平衡点。数值结果表明，平衡点的解与最优化问题的解是一致的。
2013-11-11 cs.NI
A Coverage Monitoring algorithm based on Learning Automata for Wireless Sensor Networks
为了使用无线传感器网络覆盖具有有限或禁止地面访问的区域内的已知位置的一组目标，一种方法是从飞机远程部署传感器。在这种方法中，缺乏精确的传感器放置补偿冗余部署的传感器节点。这种冗余也可以用于延长网络的寿命，如果一个适当的调度机制可用于调度传感器节点的活动和睡眠时间，以这样的方式，每个节点是在活动模式，只有当它被要求。本文提出了一种基于学习自动机的高效调度方法LAML，在该方法中，每个节点都配备一个学习自动机，帮助节点在任意给定时刻选择合适的状态（活动或休眠）。为了研究所提出的方法的性能，进行了计算机模拟。仿真结果表明，与现有的同类调度方法相比，本文提出的调度方法能更好地延长网络的生命周期。
2014-09-04 cs.NI
A Maximal Concurrency and Low Latency Distributed Scheduling Protocol for Wireless Sensor Networks
现有的工作，调度并发传输无冲突遭受低信道利用率。我们提出了最优节点激活多址（ONAMA）协议，通过分布式最大独立集（DMIS）算法来实现最大的信道空间复用。为了克服DMIS在寻找最大独立集时的过度延迟，我们设计了一种称为流水线预计算的新技术，将DMIS从数据传输中分离出来。我们使用TinyOS在资源受限的TelosB微尘上实现ONAMA。在两个测试平台上进行的广泛测量独立地证明了ONAMA与现有工作相比的卓越性能：将并发性，吞吐量和延迟分别提高了3.7，3.0和5.3倍，同时仍然保持可靠性。
2014-04-01 cs.NI
Heterogeneous Dynamic Priority Scheduling in time critical applications: Mobile Wireless Sensor Networks
在非授权频段中，主用户和次用户（为了实现认知无线电）的概念是不明确的。通过动态优先级分配，我们提出了在非授权频段实现认知无线电。在时间关键的事件中，最重要的数据必须被给予时隙。在我们的情况下，无线传感器节点被认为是移动的，因此很难优先考虑一个。节点在被分配时隙时可能在簇头或基站的范围之外，因此移动性是一个约束。随着数据的动态变化以及能量和移动性等因素的影响，为节点分配优先级变得困难。在本文中，我们讨论了如何无线传感器网络能够分配优先级的节点在未授权的频带与多个参数被提出。我们已经在NS-2上进行了仿真，并展示了实现结果。
2013-03-03 cs.NI
Minimal Sleep Delay Driven Aggregation Tree Construction in IoT Sensor Networks
数据融合是无线传感器网络中的一项基本技术，它通过网络内计算，使用最大值、平均值或和函数，将中间结点收集的传感数据进行融合。由于传感器依靠电池运行，因此节能是一个关键问题。占空比是无线传感器网络中一种著名的节能机制，但它会导致数据聚合延迟增加。因此，多通道技术的使用允许更多的传感器节点同时发送数据，减少数据聚合延迟。本文研究了多通道负载循环物联网传感器网络中的最小延迟聚合调度问题。我们提出了一种调度方案，首先构建一个聚合树的基础上传感器节点的睡眠延迟，然后提高并行传输调度所有合格的节点在构建的聚合树，以提高数据聚合。基于广泛的仿真实验，我们提出的方法降低了聚合延迟最多61%相比，一种新的方法。
2023-03-12 cs.NI
Adjacency Matrix Based Energy Efficient Scheduling using S-MAC Protocol in Wireless Sensor Networks
通信是任何网络的主要动力，无论是无线传感器网络，Ad-Hoc网络，移动网络，有线网络，局域网，城域网，无线局域网等，因此它必须是节能的。能量有效通信的主要参数是最大化网络寿命，节省能源在不同的节点，发送数据包在最小的时间延迟，更高的吞吐量等。本文主要侧重于能量有效通信的邻接矩阵的帮助下，在无线传感器网络。能量有效的调度可以通过将空闲节点置于睡眠节点中来完成，因此可以节省空闲节点处的能量。本文提出的模型首先形成邻接矩阵，并从控制器节点向同一簇中的其他节点广播关于现有节点的总数量和深度的信息。当每个节点接收到关于相同集群的其他节点的节点信息时，它们基于最短深度进行通信，并且将空闲节点调度到睡眠方式达特定时间阈值，从而可以节省空闲节点处的能量。
2012-04-04 cs.NI
Joint link scheduling and power allocation in imperfect and energy-constrained underwater wireless sensor networks
本文针对能量受限且存在节点故障的水下无线传感器网络，提出基于深度多智能体强化学习的ICRL-JSA方案，通过联合链路调度与功率分配实现公平、高效、可靠的通信。
2025-08-11 cs.NI
Optimum Sleep-Wake Scheduling of Sensors for Quickest Event Detection in Small Extent Wireless Sensor Networks
我们认为，在小范围的无线传感器网络中，在每个时隙，每个传感器节点在清醒状态下观察一个样本和信息的融合中心的睡眠-唤醒调度的最快事件检测的问题。处于睡眠状态的传感器节点不采样或向融合中心（FC）传送任何信息，从而节省能量。在每个时隙处，FC在已经从处于唤醒状态的传感器节点接收到样本之后，做出停止（并且因此声明事件已经发生）或继续观察的决定。如果决定继续，FC还决定选择在下一个时隙中处于唤醒状态的传感器节点的数量。我们考虑三种替代方法来选择在时隙k +1中处于唤醒状态的传感器节点的数量的问题，基于在时隙k处可用的信息，即1。M_{k+1}的最优控制，时隙k +1中处于唤醒状态的传感器节点的数量，2. q_{k+1}的最优控制，传感器节点在时隙k +1中处于唤醒状态的概率，以及3.传感器节点在任何时隙中处于唤醒状态的最优概率q。在每种情况下，我们制定的问题作为一个连续的决策过程。我们证明了一个充分的统计决策在时间k是后验概率的变化Pi_k。我们还证明了最优停止规则是Pi_k上的阈值规则。M_{k+1}的最优策略可以保持很少的传感器唤醒在pre-change阶段，然后迅速增加的传感器的数量在唤醒状态时的变化是"怀疑"。在所描述的三种睡眠-唤醒算法中，我们观察到总成本对于M_{k+1}的最优控制是最小的，并且对于q的最优控制是最大的。
2011-05-30 cs.NI
Near-Optimal Distributed Scheduling Algorithms for Regular Wireless Sensor Networks
无线传感器网络通常以资源受限的节点为特征。由于在这些网络中，通信的能量消耗最大，因此最大限度地减少这种开销非常重要。我们考虑规则的多跳无线传感器网络中的最小长度节点调度。我们提出了无冲突的分布式调度算法，基于TDMA的空间复用，不使用消息传递，这节省了通信开销。我们开发的算法使用基于图的k跳干扰模型，并表明在规则的网络中的调度复杂度是独立的节点的数量和变化的二次方与k，这通常是一个非常小的数字。我们遵循它的特征可行性区域的SINR参数空间中的恒定的复杂性继续保持，同时满足的SINR标准。使用模拟，我们评估我们的解决方案对随机网络部署的效率。
2013-01-23 cs.DC cs.NI
Joint Routing and STDMA-based Scheduling to Minimize Delays in Grid Wireless Sensor Networks
在这份报告中，我们研究了网格无线传感器网络（WSNs）的延迟优化和能源效率的问题。我们专注于STDMA（空间复用TDMA））调度，其中重复预定义的周期，并且每个节点在特定时隙（由颜色定义）期间具有固定的传输机会。我们假设一个STDMA算法，利用网格拓扑的规律性，也提供了一个空间周期性的着色（“平铺”相同的颜色模式）。在这种情况下，关键的挑战是：1）通过对周期中的时隙进行排序来最小化平均路由延迟; 2）节能。我们的工作遵循两个方向：第一，基线性能进行评估时，没有做任何具体的，颜色是随机排序的STDMA周期。然后，我们提出了一个解决方案，ORCHID，故意构建一个有效的STDMA调度。它分两步进行。在第一步中，ORCHID开始形成一个彩色网格，并根据这些颜色构建一个分层路由。在第二步中，ORCHID通过联合考虑路由和调度来建立颜色排序，以确保任何节点将在单个STDMA周期中到达宿。我们研究这些解决方案的性能，通过模拟和建模。结果显示，与使用延迟作为启发式算法的最短路径路由相比，ORCHID在延迟和能量方面具有出色的性能。我们还提出了适应ORCHID一般网络的SINR干扰模型下。
2014-09-01 cs.NI
Structural Properties of Optimal Transmission Policies for Delay-Sensitive Energy Harvesting Wireless Sensors
我们考虑一个能量收集传感器在衰落信道上传输延迟敏感的数据。我们的目标是找到最佳的传输调度策略，最大限度地减少分组排队延迟给定的可用收获的能量。我们制定的问题作为一个马尔可夫决策过程（MDP）跨越发射机的缓冲区，电池和信道状态的状态空间，并分析所产生的最佳价值函数，量化的最优调度策略的长期性能的结构特性。我们发现，最佳的价值函数（i）是非递减的，并有越来越多的差异，在队列积压;（ii）是非递增的，并有越来越多的差异，在电池状态;和（iii）是子模块的缓冲区和电池状态。我们的数值结果证实了这些属性，并表明，最优调度策略优于所谓的贪婪的传感器中断，缓冲区溢出，能源效率和排队延迟方面的政策。
2018-03-26 cs.NI
Sensor and Sink Placement, Scheduling and Routing Algorithms for Connected Coverage of Wireless Sensor Networks
传感器是一种小型电子设备，它具有与其他传感器或直接与基站（接收器）进行感测，计算和通信的能力。在无线传感器网络（WSN）中，传感器监测一个区域，并通过路由将收集到的数据包发送到sink。在这项研究中，我们提出了一个混合-整数线性规划（MILP）模型，以最大限度地提高无线传感器网络进行所需的任务与有限的能源和预算的时间段的数量。我们的水槽和传感器的位置，调度，路由与连接覆盖（$SPSRC$）模型是第一个在文献中，结合了决定的位置的水槽和传感器，活动时间表部署的传感器，和数据流路由从每个活动传感器到其分配的水槽连接覆盖的网络在一个有限的规划范围。这个问题是NP--即使对于小的实例也很难解决。假设水槽的位置是已知的，我们开发的构造一个可行的解决方案的问题，逐步满足约束条件。然后，我们引入搜索算法来确定汇的位置，以最大限度地提高网络的生命周期。计算实验表明，我们的探试法可以找到接近最优的解决方案，在可接受的时间量相比，商业求解CPLEX 12.7.0。
2018-02-28 cs.NI eess.SP
Intelligent Sensing Scheduling for Mobile Target Tracking Wireless Sensor Networks
边缘计算已经成为一种有前景的范例，以满足移动目标跟踪无线传感器网络（MTT-WSN）不断增长的计算需求。这种模式可以将时间敏感的任务卸载到汇聚节点，以提高计算效率。然而，这是很难执行动态和关键任务的MTT-WSN网络。此外，由于能量有限，网络无法确保连续跟踪。针对这些问题，提出了一种基于边缘智能（EI）技术的分层目标跟踪结构。该结构集成了移动节点和边缘服务器的计算资源，为实时目标跟踪提供高效的计算能力。在此基础上，提出了一个以系统执行延迟和轨迹预测精度为约束的能量优化模型。此外，我们提出了一个长期的动态资源分配算法，以获得最佳的资源分配解决方案的准确和连续的跟踪。仿真结果表明，我们的算法在系统能耗方面优于深度Q学习14.5%以上。与非合作方案相比，该方案在跟踪精度上也有明显的提高。
2021-08-04 cs.NI
Energy Aware Deep Reinforcement Learning Scheduling for Sensors Correlated in Time and Space
CONNECT, Trinity College Dublin（都柏林圣三一学院（CONNECT））；Eaton’s Center for Intelligent Power（伊顿智能电力中心）；University of Twente（特温特大学）；Commonwealth Cyber Initiative, Virginia Tech（弗吉尼亚理工大学英联邦网络倡议）
数百万个电池供电的传感器部署在多种场景中用于监控目的，例如，农业、智慧城市、工业等，需要节能的解决方案来延长其使用寿命。当这些传感器观测到一个在空间中分布并随时间演变的现象时，预计收集到的观测结果将在时间和空间上相互关联。在本文中，我们提出了一种基于深度强化学习（DRL）的调度机制，能够利用相关信息。我们使用深度确定性策略梯度（DDPG）算法来设计我们的解决方案。所提出的机制能够确定传感器应该发送其更新的频率，以确保准确收集观测结果，同时考虑可用的能量。为了评估我们的调度机制，我们使用多个数据集，其中包含在多个实际部署中获得的环境观测。真实的观察使我们能够尽可能真实地模拟该机制与之相互作用的环境。我们表明，我们的解决方案可以显着延长传感器的寿命。我们比较我们的机制，一个理想化的，无所不知的调度程序，以证明其性能接近最佳。此外，我们通过显示传感器能量水平对更新频率的影响，突出了我们设计的独特功能，即能量感知。
2021-09-29 cs.LG cs.NI
Reinforcement Learning Based Scheduling Algorithm for Optimizing Age of Information in Ultra Reliable Low Latency Networks
信息时代（AoI）衡量远程位置信息的新鲜度。AoI反映了从发送器生成分组起经过的时间。在本文中，我们考虑一个远程监控问题（例如，远程工厂），其中多个传感器节点向远程监视站点发送时间敏感测量。我们考虑最小化一个度量，保持所有传感器的预期AoI的总和最小化和最小化超可靠低延迟通信（URLLC）术语之间的权衡。考虑URLLC项以确保每个传感器的AoI超过预定义阈值的概率被最小化。此外，我们假设传感器容忍不同的阈值，并产生不同大小的数据包。受机器学习在解决低复杂度大型网络问题方面的成功启发，我们开发了一种基于低复杂度强化学习的算法来解决所提出的公式。我们使用最先进的演员-评论家算法在一组公共带宽跟踪上训练我们的算法。仿真结果表明，该算法优于所考虑的基线最小化的预期AoI和阈值违反每个传感器。
2019-05-11 cs.NI
Energy Optimal Transmission Scheduling in Wireless Sensor Networks
传感器网络设计中的主要问题之一是时间关键数据的能量有效通信。由于信道动态和干扰，每个节点处的失败分组传输尝试可能导致能量浪费。因此，不知道信道动态的传输控制技术可能导致次优的信道使用模式。在本文中，我们提出了一种传输控制器，利用不同的“等级”的信道侧信息，以最佳的方式调度数据包传输，同时满足最后期限约束的所有数据包在传输队列中等待。无线信道被建模为有限状态马尔可夫信道。我们特别感兴趣的情况下，发射机具有低等级的信道侧信息，可以获得单独的基础上的ACK/NAK序列为先前的传输。我们的调度程序是容易实现的，它是基于动态规划解决方案的有限时域传输控制问题。我们还计算了有限状态马尔可夫信道的信息理论容量的反馈包含不同等级的信道侧信息，包括，通过ACK/NAK序列获得。我们说明，我们的调度程序实现了给定的吞吐量在一个功率水平，这是相当接近的基本限制，可实现的通道。
2010-02-27 cs.NI
Technical Report for A Joint User Scheduling and Trajectory Planning Data Collection Strategy for the UAV-assisted WSN
无人机（无人机）通常作为移动汇点被派遣，以协助大规模无线传感器网络（WSNs）中的数据汇集。然而，当考虑到大规模WSN中UAV的移动性和通信能力的限制时，一些传感器节点可能会耗尽存储空间，因为它们无法在延长的时间段内将其数据卸载到UAV。为了最大限度地减少数据丢失所造成的上述问题，联合用户调度和轨迹规划数据汇集策略，提出了这封信，这是制定为一个非凸优化问题。该问题被进一步分解为两个子问题并依次求解。仿真结果表明，该策略在最小化数据丢失率方面比其他策略更有效。
2021-03-01 cs.NI
Optimal Sensor Scheduling for Multiple Linear Dynamical Systems
NTU（南洋理工大学）；KTH（皇家理工学院）；SDU（山东大学）
研究多传感器调度的最优碰撞自由调度问题，通过马尔可夫决策过程建模，提出渐进周期性调度方案，并设计子最优调度策略及最优成本下界。
2016-04-14 cs.NI cs.SY eess.SY
Enhanced Minimal Scheduling Function for IEEE802.15.4e TSCH Networks
由于无线传感器处理能力和功耗的限制，无线传感器网络的MAC层协议设计至关重要。IEEE 802.15.4的最新版本（称为IEEE 802.15.4e）由IEEE发布，并且概述了时隙信道跳变（TSCH）的机制。因此，6TiSCH工作组已经发布了一种分布式算法，用于相邻节点商定由最小调度函数驱动的通信模式。时隙帧包含特定数量的时隙，这些时隙基于应用需求和路由拓扑进行调度。传感器节点使用调度来确定何时发送或接收数据。然而，IEEE 802.15.4e TSCH没有解决关于规划时隙调度的细节。在本文中，我们提出了一个分布式的增强最小调度功能（EMSF）的基础上的最小调度功能，这是符合802.15.4e TSCH。在这种情况下，我们引入了一个分布式算法的基础上泊松过程来预测以下的时间表要求。因此，将减少节点对之间就调度达成一致的协商操作。结果，EMSF显著降低了交换开销、端到端延迟和分组队列长度。初步的仿真结果已经证实EMSF优于802.15.4e TSCH MSF调度算法。
2019-01-29 cs.NI
HQARRF: Hierarchical Q-learning and Force-aware Routing for Multi-Charger Scheduling in Wireless Rechargeable Sensor Networks
National Chung Hsing University（国立中兴大学）
HQARRF提出两级调度器，底层用ARR-F评分排序簇，顶层用门控Q学习决定重定向服务，在27个参数点上平均存活率比基线均值高20.7个百分点。
2026-09-15 cs.LG cs.NI
JiTS: Just-in-Time Scheduling for Real-Time Sensor Data Dissemination
我们考虑无线传感器网络中的实时的【形】数据传播问题，其中数据与截止日期相关联，并且希望数据在截止日期之前到达接收器。为此，现有实时的【形】数据传播工作已经开发出分组调度方案，该方案根据分组的最后期限对分组进行优先级排序。在本文中，我们首先证明，不仅调度纪律，而且路由协议有显着的影响实时的【形】传感器数据分发的成功。我们表明，最短路径路由使用最少的跳数导致相当好的性能比地理转发，这是经常使用在现有的实时的【形】数据传播工作。我们还观察到，数据包优先级本身是不够的实时的【形】数据传播，因为许多高优先级的数据包可能会同时争夺网络资源，恶化网络性能。相反，实时的【形】数据包可以明智地延迟，以避免严重的竞争，只要他们的最后期限可以满足。基于这一观察，我们提出了一个即时调度（JiTS）算法调度数据传输，以减轻现有的解决方案的缺点。我们探讨了几种策略，在不同的中间结点的非均匀延迟数据，以占较高的预期竞争的数据包越来越接近（S）。通过大量的仿真研究，我们证明了JiTS可以显着提高截止日期错过率和丢包率相比，现有的方法在各种情况下。值得注意的是，JiTS提高了性能，既不需要较低层的支持，也不需要传感器节点之间的同步。
2006-08-16 cs.DC cs.NI cs.PF
Scheduling Mechanisms in Wireless Sensor-Actuator Networks for Multi-rate Periodic Control in Industry 4.0
针对工业4.0中多速率控制系统的实时调度问题，提出一种包含两阶段调度、LLF-RC算法、机会聚合和重复调度四种策略的框架，以提高可靠性、可调度性并降低通信和存储成本。
2026-05-28 cs.DC cs.ET cs.NI
Dynamic Joint Scheduling of Anycast Transmission and Modulation in Hybrid Unicast-Multicast SWIPT-Based IoT Sensor Networks
针对基于SWIPT的物联网传感器网络中分离式接收机能耗高的问题，结合集成接收机架构，提出UMSM联合调度算法，在满足吞吐量与采能约束下实现更优的采能与吞吐量性能。
2023-07-17 cs.IT cs.NI cs.SY
Energy-Optimal Scheduling in Low Duty Cycle Sensor Networks
Faculty of Engineering and Natural Sciences, Sabanci University（萨班哲大学工程与自然科学学院）
针对低占空比无线传感器网络，提出一种类MaxWeight的睡眠-活动调度算法，在时变信道和流量条件下实现能量消耗任意接近全局最小值。
2011-03-22 cs.NI cs.SY eess.SY
MASS: Mobility-Aware Sensor Scheduling of Cooperative Perception for Connected Automated Driving
Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心）；Tsinghua University（清华大学）；Beijing Jiaotong University（北京交通大学）
及时可靠的环境感知是安全高效自动驾驶的基础。然而，对独立智能的感知不可避免地受到闭塞的影响。一种新的范例，合作感知（CP），从另一个角度共享传感器数据，即，合作车辆（CoV）。由于有限的通信带宽，它是必不可少的调度最有益的CoV，同时考虑到的观点和通信质量。现有的方法依赖于元信息的交换，如可见性地图，以预测附近车辆的感知增益，这会导致额外的通信和处理开销。在本文中，我们提出了一种新的方法，学习，而调度，分布式调度的CP。该解决方案使CoV能够使用过去的观察来预测感知增益，从而利用感知增益的时间连续性。具体而言，我们设计了一个移动感知传感器调度（MASS）算法的基础上不安分的多臂强盗（RMAB）理论，以最大限度地提高预期的平均感知增益。上界的预期平均学习遗憾证明，这符合任何在线算法的下限的对数因子。在现实的交通轨迹上进行了广泛的模拟。实验结果表明，与其他基于学习的算法相比，MASS算法实现了最佳的平均感知增益，并将召回率提高了4.2个百分点。最后，一个跟踪LiDAR帧的案例研究定性地证明了自适应探索的优势，MASS算法的关键元素。
2023-02-25 cs.LG cs.NI cs.RO
Optimal 3D Directional WPT Charging via UAV for 3D Wireless Rechargeable Sensor Networks
Huaqiao University（华侨大学）；Key Laboratory of Computer Vision and Machine Learning(Huaqiao University), Fujian Province University（福建省高校计算机视觉与机器学习重点实验室）；Central South University of Forestry and Technology（中南林业科技大学）；Yuan Ze University（中原大学）
本文提出FELKH-3D算法，通过功能等价方向集和Lin-Kernighan启发式算法解决3D无线可充电传感器网络的最优方向充电调度问题。
2025-12-22 cs.NI
C-MASS: Combinatorial Mobility-Aware Sensor Scheduling for Collaborative Perception with Second-Order Topology Approximation
Tsinghua University（清华大学）；Beijing Jiaotong University（北京交通大学）
本文提出C-MASS框架，通过二阶经验感知拓扑近似和混合贪心调度算法，在低通信开销下解决车辆移动性带来的协同感知传感器调度问题，实验表明其在边缘辅助和分布式配置下均接近最优性能。
2024-06-29 cs.IT cs.MA cs.NI
Formal Probabilistic Analysis of a Wireless Sensor Network for Forest Fire Detection
无线传感器网络（WSNs）已被广泛用于森林火灾检测，这被认为是一个致命的威胁在世界各地。在这种情况下，传感器节点的能量节约是最大的挑战之一，随机调度经常被应用于克服这一点。传统上，这些随机调度方法的性能分析是通过纸和笔的证明方法或模拟来完成的。这些传统的技术不能确定100%的准确性，因此不适合分析安全关键型应用，如使用无线传感器网络的森林火灾检测。在本文中，我们提出了克服这一限制，通过应用正式的概率分析，定理证明，以验证调度性能的现实世界的无线传感器网络的森林火灾检测使用的k-集随机算法作为一种节能机制。特别是，我们正式验证的覆盖强度的预期值，不相交的子集的总数的上限，对于一个给定的覆盖强度，和节点的总数的下限。
2013-07-31 cs.LO cs.NI
Epidemic spreading in wireless sensor networks with node sleep scheduling
针对无线传感器网络的病毒传播安全问题，本文融合SIS模型与节点概率睡眠调度，利用MMC方法推导传播方程和流行病阈值，并通过数值模拟揭示阈值与睡眠/激活概率比成正比。
2023-06-10 cs.CR cs.NI cs.SY
Goal-Oriented Scheduling in Sensor Networks with Application Timing Awareness
针对多客户端目标冲突的语用通信问题，提出结合客户端状态价值函数与时序查询感知的VoI调度框架，并用DRL实现15%至20%的性能提升。
2023-06-06 cs.NI eess.SP
Collision Tolerant Packet Scheduling for Underwater Acoustic Localization
研究了水声传感器网络中节点随机分布的分组调度和自定位联合问题。在数据包调度方面，我们的目标是最大限度地减少本地化时间，这样做，我们考虑两个数据包传输方案，即无冲突方案（CFS）和冲突容忍方案（CTS）。所需的本地化时间制定这些计划，并通过分析结果和数值例子，他们的性能被证明是一般可比的。然而，当分组持续时间短（如定位分组的情况）并且操作区域大（在至少一个维度上超过3 km）时，冲突容忍方案需要比无冲突方案更小的定位时间。在收集足够的测量数据后，每个传感器节点采用迭代高斯-牛顿算法进行自定位，并评估Cramer Rao下限作为基准。虽然CTS消耗更多的能量用于分组传输，但它提供了更好的定位精度。此外，在该方案中，锚节点彼此独立地工作，并且可以异步操作，这导致简化的实现。
2014-04-15 cs.IT cs.NI math.IT
Optimal Time Scheduling for Wireless-Powered Backscatter Communication Networks
这封信介绍了一种新型的无线供电的反向散射通信系统，该系统允许传感器利用从专用RF能量源传输的RF信号来传输数据。在所提出的系统中，当RF能量源发射RF信号时，传感器能够反向散射RF信号以将数据发射到网关和/或从RF信号中收获能量用于其操作。通过集成后向散射和能量收集技术，我们可以优化系统的网络吞吐量。特别是，我们首先制定的时间调度问题的系统，然后提出了一个最佳的解决方案，使用凸优化，以最大限度地提高整体网络吞吐量。数值结果表明，我们提出的设计实现了显着的吞吐量增益超过其他两个基线计划。
2018-01-08 cs.IT cs.NI math.IT
DQSB: A Reliable Broadcast Protocol Based on Distributed Quasi-Synchronized Mechanism for Low Duty-Cycled Wireless Sensor Networks
在负载循环的无线传感器网络中，部署的传感器节点通常会根据睡眠调度方法进入睡眠状态以提高能量效率。任何睡眠调度方案及其支持协议都确保数据始终可以从源路由到接收器。本文研究了随机休眠调度机制中的多跳广播和路由问题，提出了一种新的协议DQSB，通过准同步机制实现可靠广播和更少延迟的路由。DQSB既不假设时间同步，要求所有相邻节点在同一时间唤醒，也不假设占空比的意识，这使得它很难在异步无线传感器网络中使用。此外，用于从信宿到其他节点的广播的准同步机制的益处在于，由于没有休眠等待时间或休眠等待时间更少，所以用于反向数据汇集到信宿的延迟更少的路由路径。仿真结果表明，DQSB协议在广播次数性能上优于现有协议，并且即使在不可靠链路的情况下也能保持相对容忍的广播延迟性能。在本文中，建议的DQSB协议，可以被认为是广播时间和广播延迟之间的权衡。我们还探讨了假设中参数的影响以及获得支持DQSB的适当值的方法。
2012-07-11 cs.DC cs.NI
IoT-Brain: Grounding LLMs for Semantic-Spatial Sensor Scheduling
University of Science and Technology of China（中国科学技术大学）；Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院）；The Chinese University of Hong Kong（香港中文大学）；The Hong Kong University of Science and Technology（香港科技大学）
本文提出IoT-Brain系统，通过引入空间轨迹图（STG）解决LLM在语义-空间传感器调度中的表示、推理和优化缺陷，提升任务成功率37.6%并显著降低资源消耗。
2026-04-09 cs.AI cs.MA cs.NI
Lagrange Index based Scheduling for Minimizing Age of Updates from Heterogeneous Sources
本文研究了异构源更新年龄优化问题，提出基于拉格朗日指数的调度方法，通过半马尔可夫决策过程动态建模，有效降低加权平均更新年龄成本。
2026-04-20 cs.NI cs.PF
Accelerated Structure-Aware Reinforcement Learning for Delay-Sensitive Energy Harvesting Wireless Sensors
我们研究了一种能量收集无线传感器在衰落信道上传输延迟敏感数据。传感器将捕获的数据包注入其传输队列，并依赖于从环境中收集的环境能量来传输它们。我们的目标是找到最佳的调度策略，决定是否要在每个传输机会，使预期的数据包排队延迟最小化给定的可用收获的能量传输队列的头线包。没有先验知识的随机过程，管理信道，捕获的数据，或收获的能量动态的假设，从而需要使用在线学习，以优化调度策略。我们将此调度问题表示为马尔可夫决策过程（MDP），并分析了其最优价值函数的结构特性。特别是，我们表明，它是非递减的，并在队列积压的差异越来越大，它是非递增的，并在电池状态的差异越来越大。我们利用这种结构，制定了一种新的加速强化学习（RL）算法，以更快的学习率在线解决调度问题，同时限制诱导的计算复杂性。我们的实验表明，所提出的算法非常接近最佳离线解决方案的性能，该解决方案需要信道、捕获的数据和收集的能量动态的先验知识。同时，通过利用价值函数的结构，我们的方法实现了竞争力的性能相对于一个国家的最先进的RL算法，在潜在的数量级较低的复杂性。最后，相当大的性能增益证明了著名的和广泛使用的Q-学习算法。
2019-05-05 cs.LG cs.NI eess.SP
Robust Generalization of Graph Neural Networks for Carrier Scheduling
RISE Computer Science（RISE计算机科学研究院）；KTH Royal Institute of Technology（皇家理工学院）；Digital Futures（数字未来研究院）；Karolinska Institutet（卡罗林斯卡学院）；MedTechLabs（医疗技术实验室）；Uppsala University（乌普萨拉大学）
针对现有基于学习的载波调度器在大规模反向散射网络中泛化性差、资源优势减弱的问题，提出基于GNN的RobustGANTT调度器，无需重训即可泛化至千节点网络，资源消耗最多减半且响应快速，为大规模网络调度提供新方案。
2024-07-11 cs.AI cs.LG cs.NI
Probabilistic On-Demand Charging Scheduling for ISAC-Assisted WRSNs with Multiple Mobile Charging Vehicles
本文针对ISAC辅助的WRSNs提出一种多移动充电车的概率按需充电调度方法，通过综合节点属性概率分布、部分充电策略及ISAC技术优化资源利用，显著提升了能量效率、存活率并降低了充电延迟与行驶距离。
2024-02-16 cs.NI eess.SP
Learning and Communications Co-Design for Remote Inference Systems: Feature Length Selection and Transmission Scheduling
针对远程推理系统中特征长度与传输资源的权衡问题，本文提出学习与通信协同设计方案，联合优化特征长度选择和传输调度，在单/多场景下分别给出最优或低复杂度算法，最多可将推理误差降低10000倍。
2024-06-24 cs.IT cs.NI math.IT
Predictive Control and Communication Co-Design: A Gaussian Process Regression Approach
虽然通过无线连接的远程控制是由多个致动器-传感器对组成的可扩展控制系统的关键使能器，即，控制系统，它需要两个技术挑战。由于缺乏无线资源，只有有限数量的控制系统可以服务，使得状态观测过时。此外，即使在调度之后，通过无线信道接收的状态观测也失真，妨碍了控制稳定性。为了解决这些问题，在这篇文章中，我们提出了一个调度算法，保证年龄的信息（AoI）的最后收到的状态。同时，对于非预定的传感器-执行器对，我们提出了一种机器学习（ML）辅助预测控制算法，其中状态预测使用高斯过程回归（GPR）。由于GPR预测的可信度随着输入数据的AoI而降低，因此预测控制和基于AoI的调度器应共同设计。因此，我们制定了一个联合调度和传输功率优化通过李亚普诺夫优化框架。数值模拟证实，提出的共同设计的预测控制和AoI的调度实现了较低的控制误差，相比基准计划，使用循环调度没有状态预测。
2020-02-29 cs.IT cs.NI math.IT
Multi-armed Bandit Learning for TDMA Transmission Slot Scheduling and Defragmentation for Improved Bandwidth Usage
Michigan State University（密歇根州立大学）
提出了一种在无线传感器网络和物联网中有效利用带宽的时分多址（TDMA）MAC时隙分配协议。所开发的协议有两个主要组成部分：一个多臂强盗（MAB）为基础的时隙分配机制，无冲突传输，和分散整理时隙后移（DDSB）操作，提高带宽的使用效率。所提出的框架是分散的，每个节点发现它的传输时间表独立没有任何集中式仲裁器的控制。所开发的机制适用于具有或不具有时间同步的网络，因此，使其适用于无线传感器和物联网节点的低复杂度无线收发器。该框架能够管理学习收敛时间和带宽之间的权衡。此外，它允许节点适应拓扑变化，同时保持有效的带宽使用。所开发的逻辑进行了测试，完全连接和任意网状网络与广泛的仿真实验。它示出了如何节点可以学习使用MAB选择无冲突的传输时隙。此外，节点学会自我调整自己的传输时间表使用一种新的DDSB框架，以减少带宽的使用。
2023-01-14 cs.AI cs.LG cs.NI
