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
Python编程基础,121页ppt
专知会员服务
48+阅读 · 2021年1月1日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
【推荐系统/计算广告/机器学习/CTR预估资料汇总】
专知会员服务
87+阅读 · 2019年10月21日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28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】树莓派/OpenCV/dlib人脸定位/瞌睡检测
机器学习研究会
9+阅读 · 2017年10月24日
【推荐】卷积神经网络类间不平衡问题系统研究
机器学习研究会
6+阅读 · 2017年10月18日
【推荐】用Tensorflow理解LSTM
机器学习研究会
36+阅读 · 2017年9月11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
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Arxiv
0+阅读 · 2021年8月18日
Arxiv
1+阅读 · 2021年8月18日
VIP会员
相关VIP内容
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28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】树莓派/OpenCV/dlib人脸定位/瞌睡检测
机器学习研究会
9+阅读 · 2017年10月24日
【推荐】卷积神经网络类间不平衡问题系统研究
机器学习研究会
6+阅读 · 2017年10月18日
【推荐】用Tensorflow理解LSTM
机器学习研究会
36+阅读 · 2017年9月11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
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员