基于混合任务模型的动态电压调度在无线传感器网络中的应用

计算机应用 ›› 2010, Vol. 30 ›› Issue (9): 2522-2525.

基于混合任务模型的动态电压调度在无线传感器网络中的应用

韩文雅¹,王雷²

1. 湖南大学土木工程学院
2. 湖南大学

收稿日期:2010-03-15 修回日期:2010-05-13 发布日期:2010-09-03 出版日期:2010-09-01
通讯作者: 韩文雅

Application of dynamic voltage scaling based on hybrid-task model in wireless sensor network

Received:2010-03-15 Revised:2010-05-13 Online:2010-09-03 Published:2010-09-01

摘要/Abstract

摘要： 为了最大限度节约能量，延长无线传感器网络(WSN)的使用寿命，针对计算复杂度较高的WSN应用背景及其普遍存在的任务模式，提出一种相对更通用的、基于混合任务模型的动态电压调度算法(H-DVS)。H-DVS算法能在任务相对期限没有限制的情况下，与最早截止时间优先(EDF)调度算法结合，支持周期任务和零散任务同时存在的混合任务模型。H-DVS根据CPU的工作负载，由调频(FM)因子对CPU进行实时电压和频率调节，从而在降低能耗的同时保证任务的实时性要求。理论分析和仿真实验结果表明，该方法可行且有效。

关键词: 无线传感器网络, 能量管理, 动态电压调度, 混合任务模型

Abstract: In order to prolong the lifetime of Wireless Sensor Network (WSN) by making economical use of energy, the authors put forward a more common algorithm which was known as the hybrid-task-model-based dynamic voltage scaling (H-DVS). Without restrictions of the relative duration, H-DVS algorithm was combined with Earliest Deadline First (EDF) algorithm and supported the hybrid-task model where the periodic tasks and sporadic tasks existed at the same time. According to the CPU's working load, H-DVS algorithm used the Frequency Modulation (FM) factor to regulate the real-time voltage and the frequency, and thereby it could support the real-time requirements while reducing energy consumption. The theoretical analysis and simulation results show that the method is feasible and effective.

Key words: Wireless Sensor Network (WSN), energy management, Dynamic Voltage Scaling (DVS), hybrid-task model

中图分类号:

TP393

韩文雅王雷. 基于混合任务模型的动态电压调度在无线传感器网络中的应用[J]. 计算机应用, 2010, 30(9): 2522-2525.

[1]	杨乐, 张达敏, 何庆, 邓佳欣, 左锋琴. 改进猎人猎物优化算法在WSN覆盖中的应用[J]. 《计算机应用》唯一官方网站, 2024, 44(8): 2506-2513.
[2]	沈涵, 王中生, 周舟, 王长元. 基于多应用场景的改进DV-Hop定位模型[J]. 《计算机应用》唯一官方网站, 2024, 44(4): 1219-1227.
[3]	李大海, 詹美欣, 王振东. 基于多个改进策略的增强麻雀搜索算法[J]. 《计算机应用》唯一官方网站, 2023, 43(9): 2845-2854.
[4]	单飞桥, 王照伟, 沈跃. 基于精确时间协议的工业无线传感器网络时间同步方法[J]. 《计算机应用》唯一官方网站, 2023, 43(7): 2255-2260.
[5]	刘拥民, 杨钰津, 罗皓懿, 黄浩, 谢铁强. 基于双向循环生成对抗网络的无线传感网入侵检测方法[J]. 《计算机应用》唯一官方网站, 2023, 43(1): 160-168.
[6]	田洪亮, 王佳玥, 李晨曦. 基于混合算法区块链和节点身份认证的数据存储方案[J]. 《计算机应用》唯一官方网站, 2022, 42(8): 2481-2486.
[7]	孙环, 陈宏滨. 基于萤火虫算法的无线传感器网络节点重部署策略[J]. 计算机应用, 2021, 41(2): 492-497.
[8]	韩雨涝, 房鼎益. 基于链路交点相对位置信息的轻量级覆盖空洞检测算法[J]. 计算机应用, 2020, 40(9): 2698-2705.
[9]	胡润彦, 李翠然. 基于模糊控制的自供能无线传感器网络分簇算法[J]. 计算机应用, 2020, 40(9): 2691-2697.
[10]	韩雨涝, 房鼎益. 联合无线充电与数据收集的移动充电装置多目标路径规划算法[J]. 计算机应用, 2020, 40(6): 1745-1750.
[11]	卢光跃, 周亮, 吕少卿, 施聪, 苏可可. 基于图信号处理的无线传感器网络异常节点检测算法[J]. 计算机应用, 2020, 40(3): 783-787.
[12]	任秀丽, 陈洋. 无线传感网中数据传输延时优化的路由协议[J]. 计算机应用, 2020, 40(1): 196-201.
[13]	吴三柱, 李鹏, 吴三斌. 移动无线传感器网络中抑制病毒传播模型[J]. 计算机应用, 2020, 40(1): 129-135.
[14]	董发志, 丁洪伟, 杨志军, 熊成彪, 张颖婕. 基于遗传算法和模糊C均值聚类的WSN分簇路由算法[J]. 计算机应用, 2019, 39(8): 2359-2365.
[15]	何庆, 徐钦帅, 魏康园. 基于改进正弦余弦算法的无线传感器节点部署优化[J]. 计算机应用, 2019, 39(7): 2035-2043.