周 創(chuàng)，王紅林

基于超寬帶集中管控機(jī)制的物聯(lián)網(wǎng)數(shù)據(jù)傳輸算法

*周 創(chuàng)，王紅林

（安徽國(guó)防科技職業(yè)學(xué)院，安徽，六安 237011）

針對(duì)當(dāng)前物聯(lián)網(wǎng)數(shù)據(jù)傳輸算法存在鏈路穩(wěn)定性差、傳輸性能不高等不足，提出了一種基于超寬帶集中管控機(jī)制的物聯(lián)網(wǎng)數(shù)據(jù)傳輸算法（Data Transmission algorithm of IOT based on UWB centralized control mechanism，UWB-CC算法）。首先，通過(guò)能量冗余機(jī)制對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)進(jìn)行初次篩選，并采用能量最優(yōu)原則進(jìn)行區(qū)域劃分，實(shí)現(xiàn)物聯(lián)網(wǎng)數(shù)據(jù)的分區(qū)傳輸及性能維護(hù)；隨后，考慮到傳統(tǒng)算法難以實(shí)現(xiàn)區(qū)域節(jié)點(diǎn)更新的不足，通過(guò)節(jié)點(diǎn)能力閾值篩選方法，實(shí)現(xiàn)對(duì)區(qū)域節(jié)點(diǎn)-普通物聯(lián)網(wǎng)節(jié)點(diǎn)的次區(qū)域組網(wǎng)，提高普通物聯(lián)網(wǎng)節(jié)點(diǎn)的數(shù)據(jù)上傳能力，降低分割節(jié)點(diǎn)（Partition Node，PN節(jié)點(diǎn)）因故障而導(dǎo)致區(qū)域上傳癱瘓的概率；最后，采取綜合評(píng)估分割節(jié)點(diǎn)性能與區(qū)域傳輸性能的方式，對(duì)中繼傳輸節(jié)點(diǎn)進(jìn)行優(yōu)選，從而提高鏈路傳輸能力，減少鏈路抖動(dòng)對(duì)傳輸性能的不利影響，能夠同時(shí)實(shí)現(xiàn)帶寬管控及區(qū)域分割-固定-鏈路穩(wěn)定的一體化集中管控。仿真實(shí)驗(yàn)表明：與當(dāng)前常用的區(qū)域流量匯聚上傳算法（Upload algorithm for regional traffic aggregation，RTA算法）及成型度匯聚分割傳輸算法（Segmentation and transmission algorithm based on degree of convergence，STDC算法）相比，本文算法具備更高的匯聚帶寬與信道容量，以及更低的傳輸抖動(dòng)率。

物聯(lián)網(wǎng)；數(shù)據(jù)傳輸；能量冗余；次區(qū)域組網(wǎng)；分割節(jié)點(diǎn)；鏈路抖動(dòng)

0 引言

隨著以工業(yè)化4.0為代表的新技術(shù)不斷發(fā)展，當(dāng)前物聯(lián)網(wǎng)技術(shù)也日益呈現(xiàn)區(qū)域組織化、節(jié)點(diǎn)流動(dòng)化、數(shù)據(jù)超帶寬化方向不斷演進(jìn)[1]。物聯(lián)網(wǎng)部署方式，節(jié)點(diǎn)運(yùn)行模式也發(fā)生了較大幅度的變化，數(shù)據(jù)傳輸亦從分散化的流量傳輸逐步形成集約化、云化、大數(shù)據(jù)化的超寬帶傳輸新模式，成為當(dāng)前物聯(lián)網(wǎng)研究領(lǐng)域的亮點(diǎn)及熱點(diǎn)，成為新經(jīng)濟(jì)增長(zhǎng)極之一[2]。

由于超寬帶傳輸方式需要在短時(shí)間內(nèi)實(shí)現(xiàn)大流量數(shù)據(jù)的高效精準(zhǔn)傳輸，且?guī)捔髁烤哂懈甙l(fā)、突發(fā)的態(tài)勢(shì)，給物聯(lián)網(wǎng)部署帶來(lái)了新的挑戰(zhàn)[3]。為此，研究者提出了許多新的解決方案，在一定程度上滿足了實(shí)踐需求。Suresh[4]等提出了一種基于層次分割匯聚傳輸?shù)奈锫?lián)網(wǎng)數(shù)據(jù)傳輸算法，該算法通過(guò)根節(jié)點(diǎn)-葉子節(jié)點(diǎn)分割的方式，將物聯(lián)網(wǎng)節(jié)點(diǎn)劃分為若干傳輸子中心，數(shù)據(jù)由子中心負(fù)責(zé)匯聚傳輸，實(shí)現(xiàn)了超帶寬條件下的物聯(lián)網(wǎng)數(shù)據(jù)高效傳輸；不過(guò)該算法由于對(duì)物聯(lián)網(wǎng)節(jié)點(diǎn)穩(wěn)定性考慮不足，在數(shù)據(jù)傳輸發(fā)生故障時(shí)難以實(shí)現(xiàn)對(duì)錯(cuò)誤數(shù)據(jù)的快速擦除，降低了該算法的適應(yīng)性。Monika[5]等提出了一種基于分支界定錯(cuò)誤擦除機(jī)制的物聯(lián)網(wǎng)數(shù)據(jù)傳輸算法，該算法針對(duì)層次分割匯聚傳輸機(jī)制存在的不足之處，采取區(qū)域錯(cuò)誤分支界定的方式進(jìn)行錯(cuò)誤數(shù)據(jù)的再傳輸，能夠?qū)⒊霈F(xiàn)錯(cuò)誤的數(shù)據(jù)快速消磨在初始狀態(tài)，具有很好的精度水平；不過(guò)該算法過(guò)分拘泥于精度，需要通過(guò)動(dòng)用大量冗余帶寬的方式進(jìn)行錯(cuò)誤數(shù)據(jù)的再傳輸，難以適應(yīng)大流量的物聯(lián)網(wǎng)應(yīng)用場(chǎng)景。Andrei[6]等提出了一種基于超混沌一體化傳輸模型的物聯(lián)網(wǎng)數(shù)據(jù)傳輸算法，該算法通過(guò)周期劃分機(jī)制，將本周期內(nèi)傳輸性能最佳的物聯(lián)網(wǎng)節(jié)點(diǎn)進(jìn)行一體化傳輸，大大提高了數(shù)據(jù)傳輸效率，且精度較高；不過(guò)該算法由于需要針對(duì)周期內(nèi)的物聯(lián)網(wǎng)節(jié)點(diǎn)逐一評(píng)估，難以進(jìn)一步提高算法傳輸帶寬，特別是節(jié)點(diǎn)處于流動(dòng)狀態(tài)時(shí)，該算法的效率下降明顯。

針對(duì)當(dāng)前物聯(lián)網(wǎng)傳輸機(jī)制的不足，本文提出了一種基于超寬帶集中管控機(jī)制的物聯(lián)網(wǎng)數(shù)據(jù)傳輸算法，該算法通過(guò)區(qū)域分割方式，實(shí)現(xiàn)對(duì)集中度較高的物聯(lián)網(wǎng)節(jié)點(diǎn)統(tǒng)一管控，使之能夠適應(yīng)集約化、云化、大數(shù)據(jù)化的超寬帶傳輸新模式；隨后針對(duì)物聯(lián)網(wǎng)節(jié)點(diǎn)存在的數(shù)據(jù)極易丟失，采取節(jié)點(diǎn)動(dòng)態(tài)更新機(jī)制，降低數(shù)據(jù)丟失的概率；最后，針對(duì)當(dāng)前機(jī)制難以穩(wěn)定數(shù)據(jù)鏈路的不足，采用傳輸穩(wěn)定機(jī)制進(jìn)行鏈路更新，改善了數(shù)據(jù)傳輸時(shí)的抖動(dòng)難題，提高了數(shù)據(jù)傳輸效率。最后，采用NS2仿真實(shí)驗(yàn)環(huán)境，證明了本文算法的有效性。

1 網(wǎng)絡(luò)模型及數(shù)據(jù)傳輸模型

為便于算法描述，首先對(duì)本文網(wǎng)絡(luò)模型及數(shù)據(jù)傳輸模型作如下假設(shè)：

1）物聯(lián)網(wǎng)節(jié)點(diǎn)具有資源有限特性，即單節(jié)點(diǎn)的帶寬資源及電源資源受限[7]；

2）節(jié)點(diǎn)具有排他特性，即在一定區(qū)域內(nèi)，物聯(lián)網(wǎng)均采取單一節(jié)點(diǎn)覆蓋的方式進(jìn)行數(shù)據(jù)通信；且該節(jié)點(diǎn)能夠通過(guò)調(diào)整功率的方式進(jìn)行區(qū)域覆蓋[8]；

3）節(jié)點(diǎn)間互相獨(dú)立，在節(jié)點(diǎn)失效前均不會(huì)被其余節(jié)點(diǎn)替換[9]；

考慮到物聯(lián)網(wǎng)節(jié)點(diǎn)傳輸數(shù)據(jù)均需要以無(wú)線形式進(jìn)行，且一般均通過(guò)射頻信號(hào)的方式進(jìn)行帶寬傳輸[10]，對(duì)于任意物聯(lián)網(wǎng)節(jié)點(diǎn)而言，將bit的數(shù)據(jù)發(fā)送到距離為的某個(gè)節(jié)點(diǎn)所耗費(fèi)的能量由下列公式所決定[10]：

網(wǎng)絡(luò)額外能量消耗模型E()如下：

發(fā)射功率P()由如下模型決定：

其中，0為節(jié)點(diǎn)最大覆蓋范圍，E為節(jié)點(diǎn)的單位數(shù)據(jù)傳輸保障能值； E為單位帶寬傳輸功率，用于描述節(jié)點(diǎn)的超寬帶傳輸能力，該數(shù)值越大，節(jié)點(diǎn)傳輸能力也就越強(qiáng)；為當(dāng)前網(wǎng)絡(luò)最大傳輸距離。

由于物聯(lián)網(wǎng)節(jié)點(diǎn)主要用于數(shù)據(jù)采集，因此相鄰節(jié)點(diǎn)發(fā)送的數(shù)據(jù)呈現(xiàn)很強(qiáng)的相關(guān)性[10]，物聯(lián)網(wǎng)節(jié)點(diǎn)正常運(yùn)行時(shí)均呈現(xiàn)數(shù)據(jù)進(jìn)出平衡的態(tài)勢(shì)；若一定時(shí)間內(nèi)出現(xiàn)數(shù)據(jù)流量激增導(dǎo)致部分節(jié)點(diǎn)進(jìn)出平衡的態(tài)勢(shì)被打破，則節(jié)點(diǎn)將處于嚴(yán)重的擁塞狀態(tài)。

2 本文算法設(shè)計(jì)

基于上述網(wǎng)絡(luò)模型及數(shù)據(jù)傳輸模型，本文提出了基于超寬帶集中管控機(jī)制的物聯(lián)網(wǎng)數(shù)據(jù)傳輸算法（Data Transmission algorithm of IOT based on UWB centralized control mechanism，UWB-CC算法），該算法主要由如下三個(gè)部分構(gòu)成：

1）區(qū)域分割：采用能量冗余機(jī)制，選取傳輸能力最佳的節(jié)點(diǎn)作為區(qū)域PN節(jié)點(diǎn)；

2）區(qū)域固定：針對(duì)區(qū)域分割后的網(wǎng)絡(luò)邊界，確保每個(gè)區(qū)域內(nèi)均有傳輸能力較好的節(jié)點(diǎn)作為數(shù)據(jù)傳輸中繼節(jié)點(diǎn)；

3）鏈路穩(wěn)定：根據(jù)區(qū)域分割能力及PN節(jié)點(diǎn)的性能，對(duì)鏈路抖動(dòng)進(jìn)行消除控制，降低因鏈路抖動(dòng)而導(dǎo)致的數(shù)據(jù)傳輸故障。

2.1 區(qū)域分割

UWB-CC算法中，物聯(lián)網(wǎng)數(shù)據(jù)傳輸并非一次性直接上傳到中央控制節(jié)點(diǎn)，也并非通過(guò)簡(jiǎn)單的鏈路選擇機(jī)制隨機(jī)選取一條適合的鏈路。算法首先需要進(jìn)行區(qū)域分割，將全部的物聯(lián)網(wǎng)節(jié)點(diǎn)納入統(tǒng)一的集中管控模式下，以便能夠有效地調(diào)取資源，保障數(shù)據(jù)傳輸；區(qū)域分割的詳細(xì)流程如下所述：

Step 1：首先對(duì)網(wǎng)絡(luò)中功率最強(qiáng)的一批節(jié)點(diǎn)進(jìn)行篩選，然后在數(shù)據(jù)傳輸周期內(nèi)獲取分割節(jié)點(diǎn)（Partition Node，PN節(jié)點(diǎn)）的能量閾值()：

其中()為PN節(jié)點(diǎn)繼續(xù)承擔(dān)區(qū)域分割任務(wù)的概率，為數(shù)據(jù)傳輸?shù)呐?()為PN節(jié)點(diǎn)在承擔(dān)區(qū)域分割過(guò)程中額外消耗的能量；

Step 2：獲取PN節(jié)點(diǎn)的冗余能量

Step 3：每個(gè)傳輸周期內(nèi)均啟動(dòng)Step 1，當(dāng)僅當(dāng)PN節(jié)點(diǎn)的冗余能量高于模型（4）所示的能量閾值時(shí)，該節(jié)點(diǎn)繼續(xù)承擔(dān)區(qū)域分割任務(wù)；否則依次遞補(bǔ)，區(qū)域分割流程結(jié)束。

詳細(xì)區(qū)域分割流程如下圖所示：

圖 1 區(qū)域分割流程圖

2.2 區(qū)域固定

完成區(qū)域分割流程后，需要對(duì)PN節(jié)點(diǎn)與區(qū)域內(nèi)其余節(jié)點(diǎn)之間關(guān)系進(jìn)行梳理，以便能夠形成固定的區(qū)域結(jié)構(gòu)，詳細(xì)設(shè)計(jì)如下：

Step 1 ：PN節(jié)點(diǎn)的閾值獲取

為確保PN節(jié)點(diǎn)能及時(shí)更新，需要在區(qū)域分割流程結(jié)束后，考慮到區(qū)域內(nèi)節(jié)點(diǎn)具有的相似特性進(jìn)行篩選，本文算法按照冗余能量最大的原則進(jìn)行篩選。對(duì)于任意一個(gè)PN節(jié)點(diǎn)而言，在第輪數(shù)據(jù)傳輸前依然承擔(dān)區(qū)域分割任務(wù)的閾值可由如下模型獲取：

相關(guān)參數(shù)同模型（4）~（5）。

Step 2 ：映射距離因子的獲取

考慮到對(duì)于任意物聯(lián)網(wǎng)節(jié)點(diǎn)而言，與PN節(jié)點(diǎn)之間的物理距離越長(zhǎng)，其能量消耗強(qiáng)度也就越大，對(duì)模型（1）-（2）進(jìn)行歸一化處理可得映射距離因子()的獲取方式如下：

其中表示PN節(jié)點(diǎn)與中央控制節(jié)點(diǎn)間的物理距離，表示區(qū)域內(nèi)節(jié)點(diǎn)到PN節(jié)點(diǎn)間的物理距離。

此外，針對(duì)任意一個(gè)PN節(jié)點(diǎn)而言，被剔除出PN節(jié)點(diǎn)的概率()可由下式獲?。?/p>

其中和滿足=1。

Step 3 ：PN節(jié)點(diǎn)更新。若某個(gè)節(jié)點(diǎn)被選為PN節(jié)點(diǎn)后，將立即告知區(qū)域內(nèi)的全部節(jié)點(diǎn)，以反向代理方式進(jìn)行區(qū)域結(jié)構(gòu)維護(hù)，見(jiàn)圖2，算法結(jié)束。

區(qū)域固定流程如下圖所示：

圖 2 區(qū)域固定流程圖

2.3 鏈路穩(wěn)定

其中E和E同式（1），1表示與拓?fù)渚嚯x；2表示到中央控制節(jié)點(diǎn)間的拓?fù)渚嚯x。

每次傳輸數(shù)據(jù)時(shí)，均選取各PN節(jié)點(diǎn)中鏈路穩(wěn)定開(kāi)銷最小的節(jié)點(diǎn)作為數(shù)據(jù)傳輸中繼節(jié)點(diǎn)，本文算法結(jié)束。

3　仿真實(shí)驗(yàn)

為驗(yàn)證本文算法性能，使用NS2仿真實(shí)驗(yàn)環(huán)境，與當(dāng)前物聯(lián)網(wǎng)部署中常用的區(qū)域流量匯聚上傳算法[12]（Upload algorithm for regional traffic aggregation，RTA算法）及成型度匯聚分割傳輸算法[13]（Segmentation and transmission algorithm based on degree of convergence，STDC算法）從匯聚帶寬、傳輸抖動(dòng)率、信道容量三個(gè)指標(biāo)進(jìn)行仿真對(duì)比，仿真參數(shù)如下：

表1 仿真參數(shù)

3.1 匯聚帶寬

圖3顯示了本文算法與RTA算法及STDC算法在匯聚帶寬上的仿真對(duì)比，由圖可知，本文算法的匯聚帶寬始終處于較高水平，且波動(dòng)性較小，說(shuō)明本文算法的匯聚能力要強(qiáng)于對(duì)照組算法。這是由于本文算法使用分割機(jī)制，能夠?qū)R聚帶寬分割為若干個(gè)上傳區(qū)域進(jìn)行分流上傳，降低了因鏈路抖動(dòng)而導(dǎo)致匯聚失敗的可能性；且本文算法采取了鏈路穩(wěn)定機(jī)制，能夠在數(shù)據(jù)傳輸過(guò)程中盡量降低因鏈路抖動(dòng)而帶來(lái)的波動(dòng)風(fēng)險(xiǎn)，因此匯聚能力較強(qiáng)。RTA算法雖然也采取了區(qū)域上傳機(jī)制，但是該算法僅采用簡(jiǎn)單輪詢機(jī)制進(jìn)行分割節(jié)點(diǎn)的替換，即當(dāng)僅當(dāng)該分割節(jié)點(diǎn)處于能量受限狀態(tài)時(shí)才進(jìn)行節(jié)點(diǎn)輪詢，容易發(fā)生因分割節(jié)點(diǎn)故障而導(dǎo)致匯聚受阻的現(xiàn)象；STDC算法雖然能夠根據(jù)流量的大小動(dòng)態(tài)選擇傳輸鏈路，然而該算法未考慮節(jié)點(diǎn)成型的特性，容易因突發(fā)流量而導(dǎo)致數(shù)據(jù)傳輸受阻，因此對(duì)照組算法在匯聚能力上要低于本文算法。

圖3 匯聚帶寬仿真

3.2 傳輸抖動(dòng)率

圖4顯示了本文算法與RTA算法及STDC算法在傳輸抖動(dòng)率上的仿真對(duì)比，由圖可知，本文算法的傳輸抖動(dòng)率始終較低，說(shuō)明本文算法的傳輸鏈路質(zhì)量及抗流量攻擊性能要好于對(duì)照組算法。這是由于本文算法采取了鏈路穩(wěn)定機(jī)制，每次選取的傳輸中繼節(jié)點(diǎn)均為性能最佳的傳輸節(jié)點(diǎn)，能夠適應(yīng)動(dòng)態(tài)變化的流量及鏈路抖動(dòng)因素。RTA算法僅僅進(jìn)行簡(jiǎn)單的輪詢機(jī)制進(jìn)行分割節(jié)點(diǎn)的替換，對(duì)分割節(jié)點(diǎn)間的數(shù)據(jù)傳輸沒(méi)有進(jìn)行有針對(duì)性的處理，傳輸過(guò)程容易受到鏈路抖動(dòng)因素的影響，因而傳輸抖動(dòng)率較高；STDC算法雖然采取了流量自適應(yīng)機(jī)制，能夠根據(jù)流量的高低進(jìn)行鏈路的選擇，然而由于該算法對(duì)傳輸中繼節(jié)點(diǎn)的性能考慮不足，難以動(dòng)態(tài)篩選出傳輸能力較好的節(jié)點(diǎn)作為鏈路傳輸節(jié)點(diǎn)，容易發(fā)生帶寬擁塞現(xiàn)象，因而該算法的傳輸抖動(dòng)率要高于本文算法。

圖4 傳輸抖動(dòng)率

3.3 信道容量

圖5顯示了本文算法與RTA算法及STDC算法在信道容量上的仿真對(duì)比，由圖可知，本文算法的信道容量始終處于較高水平，說(shuō)明本文算法的信道質(zhì)量要顯著好于對(duì)照組算法。這是由于本文算法采用了區(qū)域固定機(jī)制，能夠?qū)鬏斝诺婪指顬椴煌瑓^(qū)域的子信道進(jìn)行信道傳輸，且由于采用了區(qū)域分割機(jī)制，區(qū)域中負(fù)責(zé)進(jìn)行數(shù)據(jù)上傳的節(jié)點(diǎn)均能夠進(jìn)行動(dòng)態(tài)更新，降低了因鏈路抖動(dòng)而導(dǎo)致的信道容量變窄的風(fēng)險(xiǎn)。RTA算法雖然采取了區(qū)域分割機(jī)制，但是該算法在進(jìn)行區(qū)域分割后僅采取簡(jiǎn)單上傳機(jī)制，一旦節(jié)點(diǎn)能量受限將難以實(shí)現(xiàn)對(duì)數(shù)據(jù)的高效傳輸，因而信道容量要小于本文算法；STDC算法由于對(duì)傳輸中繼節(jié)點(diǎn)沒(méi)有進(jìn)行選優(yōu)，容易導(dǎo)致傳輸抖動(dòng)現(xiàn)象，信道傳輸能力要小于本文算法，因而信道容量較小。

圖5 信道容量

4 結(jié)束語(yǔ)

針對(duì)當(dāng)前物聯(lián)網(wǎng)傳輸解決方案中存在的一些不足之處，提出了一種超寬帶集中管控機(jī)制的物聯(lián)網(wǎng)數(shù)據(jù)傳輸算法，主要通過(guò)區(qū)域分割、區(qū)域固定、鏈路穩(wěn)定三大機(jī)制，實(shí)現(xiàn)對(duì)集中度較高的物聯(lián)網(wǎng)節(jié)點(diǎn)統(tǒng)一管控，使之能夠適應(yīng)集約化、云化、大數(shù)據(jù)化的超寬帶傳輸新模式。仿真實(shí)驗(yàn)表明，本文算法具有顯著的傳輸優(yōu)勢(shì)，性能上要優(yōu)于常見(jiàn)的一些解決方案。

下一步，將考慮到本文算法難以適應(yīng)移動(dòng)物聯(lián)網(wǎng)的缺陷，擬采用超寬帶穩(wěn)定機(jī)制，對(duì)本文算法的數(shù)據(jù)傳輸性能進(jìn)行進(jìn)一步的改善，以便提高本文算法在實(shí)踐中的使用質(zhì)量。

[1] 楊曉鳴,孫曉亮. 運(yùn)營(yíng)商窄帶物聯(lián)網(wǎng)部署實(shí)現(xiàn)探討[J].電信工程技術(shù)與標(biāo)準(zhǔn)化,2018,31(01):84-88.

[2] 李繼蕊,李小勇. 物聯(lián)網(wǎng)環(huán)境下數(shù)據(jù)轉(zhuǎn)發(fā)模型研究[J]. 軟件學(xué)報(bào),2018,29(01):196-224.

[3] 呂敬祥,廖海紅. 分區(qū)大規(guī)模無(wú)線傳感網(wǎng)絡(luò)多跳LEACH協(xié)議[J]. 井岡山大學(xué)學(xué)報(bào):自然科學(xué)版, 2017(6):38-42.

[4] Suresh M J, Neema M. Hardware Implementation of Blowfish Algorithm for the Secure Data Transmission in Internet of Things[J]. Procedia Technology, 2016,25(9): 248-255

[5] Monika K Y, Vidushi S, Neeti G. Taking MQTT and NodeMcu to IOT: Communication in Internet of Things[J]. Procedia Computer Science, 2018, 132(11): 46-56

[6] Andrei G, Joan G, Florin D. A New Vision Over Agile Project Management in the Internet of Things Era[J]. Procedia - Social and Behavioral Sciences, 2018,238(2): 757-776

[7] Wen S J, Huang C, Chen H X. Energy-efficient and delay-aware distributed routing with cooperative transmission for Internet of Things[J]. Journal of Parallel and Distributed Computing, 2018, 118(10): 1611-1618.

[8] Chang J Y. A Distributed Cluster Computing Energy-Efficient Routing Scheme for Internet of Things Systems[J]. Wireless Personal Communications, 2015, 82(2): 277-285.

[9] Xuan X Y, Zhi C, Ye T. A lightweight attribute-based encryption scheme for the Internet of Things[J]. Future Generation Computer Systems, 2015, 49(7): 104-112.

[10] Slavyana K, Miroslav G, Vladislav V. On Modeling the Psychology of Wireless Node Interactions in the Context of Internet of Things[J]. Wireless Personal Communications, 2015, 85(1): 101-136.

[11] Jenifer S. Surveillance in Ubiquitous Network Societies: Normative Conflicts Related to the Consumer in-Store Supermarket Experience in the Context of the Internet of Things[J]. Ethics and Information Technology, 2014, 16(1): 27-41.

[12] Zhang Y J, He J S, Muhammad S P. An Asymmetric Transport Protocol for Internet of Things[J]. Procedia Computer Science,2017,107.636-641.

[13] Praveen K R, Rajasekhara B B. Energy Efficient Cluster Head Selection for Internet of Things[J]. New Review of Information Networking, 2017, 22(1): 266-273.

Data transmission algorithm of Internet of things based on UWB centralized control mechanism

*ZHOU Chuang, WANG Hong-lin

(Anhui Vocational College of Defense Technology, Anhui, Lu'an 237011, China)

In order to overcome the shortcomings of current data transmission algorithms in the Internet of Things (IOT) such as difficult region segmentation, difficult node selection, poor link stability and transmission performance, a data transmission algorithm of IOT based on UWB centralized control mechanism (UWB-CC) is proposed. Firstly, network nodes are screened for the first time by energy redundancy mechanism, and the region is divided according to the principle of energy optimum to realize the partitioned transmission and performance maintenance of the data in the Internet of Things. Then, considering the shortcomings of the traditional algorithm which is difficult to update the regional nodes, the regional nodes are filtered by the method of node capacity threshold. Subarea networking of point-to-ordinary IOT nodes improves the data upload capability of ordinary IOT nodes, and reduces the probability of regional upload paralysis caused by fault of partition Node (PN nodes); finally, relay transmission nodes are evaluated by comprehensive evaluation of partition node performance and regional transmission performance. Optimally, the link jitter problem and the link transmission capacity are improved, and the adverse effects of link fluctuation on transmission performance are reduced. Simulation results show that this algorithm has more convergence bandwidth, higher channel capacity and lower transmission jitter ratecompared with the current commonly used regional traffic aggregation (RTA) algorithm and shaping degree aggregation and transmission algorithm based on degree of convergence (STDC) algorithm.

internet of things; data transmission; energy redundancy; sub area networking; segmented nodes; link jitter

1674-8085(2019)01-0057-06

TP393

A

10.3969/j.issn.1674-8085.2019.01.012

2018-09-29；

2018-11-25

安徽省高等學(xué)校自然科學(xué)研究重點(diǎn)項(xiàng)目(KJ2017A780)；安徽省高等學(xué)校省級(jí)質(zhì)量工程項(xiàng)目(2016ckjh052)；安徽省教育基本建設(shè)學(xué)會(huì)科研課題(1612-9)

*周 創(chuàng)(1984-)，男，江蘇宿遷人，講師，碩士，主要從事物聯(lián)網(wǎng)、網(wǎng)絡(luò)安全、云計(jì)算、大數(shù)據(jù)等方面的研究(E-mail:chuang88z@sina.com);

王紅林(1984-)，女，湖北武漢人，講師，碩士，主要從事物聯(lián)網(wǎng)技術(shù)、智能建筑、建筑信息模型化等方面的研究(E-mail: wanghlin1984wh@sina.com).