This paper studies the interplay between device-to-device (D2D) communications and real-time monitoring systems in a cellular-based Internet of Things (IoT) network. In particular, besides the possibility that the IoT devices communicate directly with each other in a D2D fashion, we consider that they frequently send time-sensitive information/status updates (about some underlying physical processes) to their nearest base stations (BSs). By modeling the locations of the IoT devices as a bipolar Poisson Point Process (PPP) and that of the BSs as another independent PPP, we characterize the performance of the D2D links and status update links in terms of network throughput and Age-of-Information (AoI), respectively. We consider a maximum power constraint and distance-dependent fractional power control for all status update transmissions. Hence, the locations of the IoT devices allowed to send status updates are constrained to lie within the Johnson-Mehl cells. For this set-up, the average network throughput is obtained by deriving the mean success probability of the D2D links, whereas the spatial moments of the temporal mean AoI are obtained by deriving the moments of the temporal means of both success and scheduling probabilities of the status update links.


翻译:本文研究设备到装置(D2D)通信和实时监测系统在基于蜂窝的“物”互联网网络(IoT)中的互动关系。特别是,除了IoT设备以D2D方式直接相互沟通的可能性外,我们认为,它们经常将时间敏感的信息/状态更新(关于某些基本物理过程)发送给最近的基站(BS)。通过将IoT设备的位置建模成双极 Poisson点进程(PPPP)和BS作为另一个独立的PPP,我们分别将D2D链接的性能和状态更新链接在网络吞吐量和年龄信息(AoI)方面的性能定性。我们考虑的是所有状态更新传输的最大功率限制和距离依赖的分权控制。因此,允许发送状态更新的IoT设备的位置受限于约翰逊-Mehl细胞内部。对于这一设置而言,平均网络的吞吐量是通过得出D2D链接的平均成功概率而获得的,而A2D联系的空间稳定度和时间平均时间定位状态的更新时间空间时刻和时间定位状态的确定。

0
下载
关闭预览

相关内容

Networking:IFIP International Conferences on Networking。 Explanation:国际网络会议。 Publisher:IFIP。 SIT: http://dblp.uni-trier.de/db/conf/networking/index.html
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
专知会员服务
159+阅读 · 2020年1月16日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2021年3月4日
VIP会员
相关资讯
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员