在边缘节点使用[公式:参见文本]方法最小化能源消耗,用于预测WSNs中的传感器参数

科学领域:

• 计算机科学 计算机科学
• 电气工程 电气工程
• 环境科学 环境科学

背景情况:

• 无线传感器节点面临能源可持续性挑战,因为存储和电池功率有限.
• 尽量减少能源消耗涉及到从不活跃的传感器预测数据,但参数选择影响准确性和复杂性.
• 现有的选择主动传感器参数的方法往往是低效的,不能保证最佳解决方案.

研究的目的:

• 为无线传感器网络提出一种基于交叉相关性的新型参数选择方法.
• 为了确保选择的参数集是稳定的,并为有效的传感器数据预测提供帕雷托最佳.
• 为了减少计算复杂性和提高传感器节点的能源可持续性.

主要方法:

• 开发了一个基于交叉相关性的参数选择算法,标记为[公式:参见文本].
• 通过使用九个不同的,公开可用的环境数据集来评估[公式:参见文本]方法.
• 在速度和准确性方面,将性能与现有的参数选择方法进行了比较.

主要成果:

• 与现有方法相比,[公式:参见文本]方法证明了较快地选择主动传感器参数子集.
• 模拟显示了边缘节点能耗的显著降低,从[公式:参见文本]到[公式:参见文本],用于预测睡眠传感器参数.
• 选择的参数集在各种数据集和采样间隔中被发现是稳定的和帕雷托最佳的.

结论:

• 提出的 [公式:见文本] 方法有效地解决了无线传感器节点中的能源可持续性挑战.
• 这种方法提供了一种更有效,更准确的方式来选择传感器参数用于数据预测.
• 这些发现表明了优化资源受限边缘计算环境的实际解决方案.