Меню
Публикации
2026
2025
2024
2023
2022
2021
2020
2019
2018
2017
2016
2015
2014
2013
2012
2011
2010
2009
2008
2007
2006
2005
2004
2003
2002
2001
Главный редактор
НИКИФОРОВ
Владимир Олегович
д.т.н., профессор
Партнеры
doi: 10.17586/2226-1494-2026-26-1-145-153
УДК 004.6, 004.051, 621.391
Метод оптимизации сеансов связи в кинематической сенсорной системе
Читать статью полностью
Язык статьи - русский
Ссылка для цитирования:
Аннотация
Ссылка для цитирования:
Астахова Т.Н., Колбанёв М.О., Советов Б.Я. Метод оптимизации сеансов связи в кинематической сенсорной системе // Научно-технический вестник информационных технологий, механики и оптики. 2026. Т. 26, № 1. С. 145–153. doi: 10.17586/2226-1494-2026-26-1-145-153
Аннотация
Введение. В условиях стремительного развития интернета вещей особую актуальность приобретают энергоэффективные мобильные сенсорные сети, в которых узлы обладают возможностью перемещения. В работе рассматривается кинематическая сенсорная система с центром управления и обработки информации (ЦУОИ), где подвижные узлы передают данные в циклически организованные временные слоты. Предполагается, что сеансы связи при передаче данных от подвижных узлов в ЦУОИ организованы циклически. Цикл передачи разделен на равные отрезки времени (временные слоты) таким образом, что внутри каждого слота данные передаются в ЦОУИ от одного определенного подвижного узла. Предлагается метод составления оптимального расписания взаимодействия узлов с ЦОУИ по критерию совокупного потребления энергии системой в целом. Метод позволяет ЦОУИ внутри каждого нового цикла выбирать такой порядок распределения слотов между узлами, который обеспечивает минимум энергопотребления. Метод. Предложен метод оптимизации расписания сеансов связи, минимизирующий суммарное энергопотребление системы. Метод интегрирует кинематическую модель движения узлов на основе дифференциальных уравнений Дубинса, радиофизическую модель распространения сигнала (формула Фрииса), и оптимизационное расписание через задачу о назначениях. Основные результаты. Разработаны: модель энергопотребления, учитывающая прогнозируемые расстояния до ЦУОИ на основе траекторий Дубинса; алгоритм построения оптимального расписания передачи данных; программная реализация метода. Численный эксперимент на сети из 10 узлов показал снижение суммарного энергопотребления на 29,8 % по сравнению с неизменяемым распределением слотов. Обсуждение. Предложенный подход дополняет существующие исследования в области мобильных сенсорных сетей, где, как правило, либо не учитываются реалистичные кинематические ограничения, либо отсутствует глобальная оптимизация расписания. Метод может быть особенно эффективен в сценариях с контролируемой мобильностью (дроны, наземные роботы, автономные платформы).
Ключевые слова: задача о назначениях, траектория Дубинса, кинематические сенсорные системы, мобильные сенсорные системы, оптимизация, сенсорный узел, формула Фрииса, энергопотребление, энергоэффективность
Список литературы
Список литературы
1. Graver J.G., Bachmaye R., Leonard E. Underwater glider model parameter identification // Proc. of the 13th International Symposiumon Unmanned Untethered Submersible Technology (UUST). 2003. P. 1–12.
2. Маевский А.М., Гайкович Б.А. Разработка легкого интервенционного автономного необитаемого подводного аппарата в целях использования в подводных резидентных системах // Материалы XIV Всеросийской научно-практической конференции и X молодежной школы-семинара «Управление и обработка информации в технических системах». 2019. С. 83.
3. Бондарев А.Н., Киричек Р.В. Обзор беспилотных летательных аппаратов общего пользования и регулирования воздушного движения БПЛА в разных странах // Информационные технологии и телекоммуникации. 2016. Т. 4. № 4. С. 13–23.
4. Шустова О.А., Сидоренко А.В. Цифровая модель БПЛА. // Мавлютовские чтения: материалы XVI Всероссийской молодежной научной конференции. 2022. С. 553–559.
5. Астахова Т.Н., Верзун Н.А., Касаткин В.В., Колбанев М.О., Шамин А.А. Исследование моделей связности сенсорных сетей // Информационно-управляющие системы. 2019. № 5 (102). С. 38–50. https://doi.org/10.31799/1684-8853-2019-5-38-50
6. Rajwar K., Deep K., Das S. An exhaustive review of the metaheuristic algorithms for search and optimization: taxonomy, applications, and open challenges // Artificial Intelligence Review. 2023. V. 56. N 11. P. 13187–13257. https://doi.org/10.1007/s10462-023-10470-y
7. Бортаковский А.С. Оптимальные по быстродействию траектории плоского движения с неограниченной кривизной // Известия Российской академии наук. Теория и системы управления. 2022. № 4. С. 38–48.
8. Tong L., Zhao Q., Adireddy S. Sensor networks with mobile agents // Proc. of the IEEE Military Communications Conference, 2003. MILCOM. 2003. P. 688–693. https://doi.org/10.1109/MILCOM.2003.1290187
9. Верзун Н.А., Колбанев М.О., Романова А.А., Цехановский В.В. Модель регулируемого множественного доступа в сети интернета вещей // Известия СПбГЭТУ ЛЭТИ. 2020. №10. С. 20–27.
10. Астахова Т.Н., Верзун Н.А., Колбанев М.О., Полянская Н.А., Шамин А.А. Вероятностно-энергетические характеристики взаимодействия умных вещей // Вестник НГИЭИ. 2019. № 4 (95). С. 66–77.
11. Богатырев В.А., Богатырев С.В., Богатырев А.В. Оценка готовности компьютерной системы к своевременному обслуживанию запросов при его совмещении с информационным восстановлением памяти после отказов // Научно-технический вестник информационных технологий, механики и оптики. 2023. Т. 23. № 3. С. 608–617. https://doi.org/10.17586/2226-1494-2023-23-3-608-617
12. Bogatyrev V.A., Bogatyrev S.V., Bogatyrev A.V. Control of multipath transmissions in the nodes of switching segments of reserved paths // Proc. of the International Conference on Information, Control, and Communication Technologies (ICCT). 2022. P. 1–5. https://doi.org/10.1109/icct56057.2022.9976839
13. Bogatyrev V.A., Bogatyrev A.V., Bogatyrev S.V. Multipath transmission of heterogeneous traffic in acceptable delays with packet replication and destruction of expired replicas in the nodes that make up the path // Communications in Computer and Information Science. 2023. V. 1748. P. 104–121. https://doi.org/10.1007/978-3-031-30648-8_9
14. Yang Y., Fonoage M.I., Cardei M. Improving network lifetime with mobile wireless sensor networks // Computer Communications. 2010. V. 33. N 4. P. 409–419. https://doi.org/10.1016/j.comcom.2009.11.010
15. Rezazadeh J., Moradi M., Ismail A.S. Mobile wireless sensor networks overview // International Journal of Computer Communications and Networks. 2012. V. 2. N 1. P. 17–22.
16. Thomas S., Mathew T. Intelligent path discovery for a mobile sink in wireless sensor network // Procedia Computer Science. 2018. V. 143. P. 749–756. https://doi.org/10.1016/j.procs.2018.10.430
17. Luo J., Hubaux J.P. Joint mobility and routing for lifetime elongation in wireless sensor networks // Proc. of the IEEE 24th Annual Joint Conference of the IEEE Computer and Communications Societies. 2005. P. 1735–1746. https://doi.org/10.1109/INFCOM.2005.1498454
18. Хабаров С.П., Шилкина М.Л. Геометрический подход к решению задачи для машин Дубинса при формировании программных траекторий движения // Научно-технический вестник информационных технологий, механики и оптики. 2021. Т. 21. № 5. С. 653–663. https://doi.org/10.17586/2226-1494-2021-21-5-653-663
19. Бердышев Ю.И. Об оптимальном по быстродействию управлении обобщенной машиной Дубинса // Труды института математики и механики УрО РАН. 2016. Т. 22. № 1. С. 26–35.
20. Bellman R., Glicksberg I., Gross O. On the “bang-bang” control problem // Quarterly of Applied Mathematics. 1956. V. 14.N 1. P. 11–18. https://doi.org/10.1090/qam/78516
21. Shaw J.A. Radiometry and the Friis transmission equation // American Journal of Physics. 2013. V. 81. N 1. P. 33–37. https://doi.org/10.1119/1.4755780
