.png){kind=icon}
返回
Task-Aware Multi-Modal Sensing Control for IoT Systems
.png){kind=icon}
OA
AI
DOI：10.3390/s26196001.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
未来物联网（IoT）系统日益依赖多种传感模态以支持定位和智能医疗等传感密集型任务。然而，持续收集所有可用传感数据会浪费能量和通信资源，而激进的传感缩减可能降低任务级性能。因此，关键挑战在于根据目标任务需求调整传感操作，同时避免不必要的传感开销。为解决此挑战，本文提出面向任务的多种模态传感控制（TA-MSC）方案用于物联网系统。TA-MSC将传感操作视为任务级输出驱动的闭环控制问题，在满足任务级性能要求的同时识别低成本传感配置。通过分析推理过程的任务级输出，TA-MSC评估当前传感配置是否充分，并据此更新各模态的传感级别。所选传感配置可通过模态选择、传感器激活、信道调整和占空比管理等实际控制维度实现。我们通过一个典型的多模态定位案例研究具体实现TA-MSC，其中传感能耗基于文献中的传感与传输能耗模型进行评估，而非直接硬件测量。在评估的跨设备分析中，TA-MSC相较于All-Max方案将平均总建模传感能耗降低了52.8%，同时实现96.14%的Top-1定位精度（All-Max为97.37%）和98.94%的置信度满足率（All-Max为97.68%）。结果表明，该方案在保持适度Top-1精度折衷的同时实现了显著的建模能耗节省，且基于置信度的任务条件更频繁地得到满足。
Keyword:
multi-modal sensors
closed-loop framework
IoT system
sensing control
task-aware sensing
期刊
IF:
3.5
论文数:
7.2W
被引数:
20.9W
机构
引用论文
SALA-IoT: Self-Reduced Internet of Things With Learning Automaton Sleep Scheduling AlgorithmSala-iot: 具有学习自动机的自约化物联网睡眠调度算法.png)
IEEE SENSORS JOURNAL
IEEE SENSORS JOURNALIF4.5
PREAI
分享收藏Optimal Sleep Scheduling for Energy-Efficient AoI Optimization in Industrial Internet of Things
PREAI
分享收藏
分享收藏Chen, Y.; Dong, J.; Wang, Z. A Primal-Dual Approach to Constrained Markov Decision Processes. arXiv 2021. [Google Scholar] [CrossRef] [Scilit]陈，Y.；董，J.；王，Z. 一种约束马尔可夫决策过程的原始-对偶方法. arXiv 2021. [Google Scholar] [CrossRef] [Scilit]
IF0
PREAI
分享收藏
查看更多内容