[论文解读] Lightweight Dew Computing Paradigm to Manage Heterogeneous Wireless Sensor Networks with UAVs.

Archana Rajakaruna, Ahsan Manzoor+4 more|arXiv (Cornell University)|Nov 10, 2018

Energy Efficient Wireless Sensor Networks被引用 8

一句话总结

本文提出一种轻量级雾计算范式，利用无人飞行器（UAV）管理异构无线传感器网络（WSNs），实现本地数据处理与动态任务卸载。通过UAV辅助的边缘计算，该方案降低了延迟与能耗，经仿真与基于市售硬件的原型验证。

ABSTRACT

The proliferation of the Internet of Things (IoT) technologies have strengthen the self-monitoring and autonomous characteristics of the sensor networks deployed in numerous application areas. The recent developments of the edge computing paradigms have also enabled on-sight processing and managing capabilities of sensor networks. In this paper we introduce a lightweight realization of the novel dew computing paradigm that helps to manage data processing tasks of a heterogeneous wireless sensor networks. The performance of proposed solution is analyzed by using the simulation results. Moreover, in order to demonstrate the practical usability of the given solution, the prototype implementation is presented using the commercial off-the-shelf devices.

研究动机与目标

• 解决在动态且资源受限环境中管理异构无线传感器网络（WSNs）的挑战。
• 通过将UAV作为移动边缘节点，降低WSNs中的数据处理延迟与能耗。
• 设计一种轻量级雾计算框架，支持在动态传感器网络中实现实时数据处理与任务卸载。
• 通过使用商用现成（COTS）设备的原型，证明其实际可行性。

提出的方法

• 提出一种雾计算范式，将数据处理任务去中心化，由充当移动边缘节点的UAV在异构WSNs中执行。
• 根据计算负载与距离，实现从地面传感器节点到UAV的动态任务卸载。
• 采用轻量级通信协议，最小化开销，并确保UAV-WSN交互的实时响应性。
• 设计一种分布式处理架构，使UAV与传感器节点协同工作，以平衡计算负载并降低延迟。
• 通过在不同网络拓扑与UAV移动模式下进行仿真，验证系统性能。
• 开发并测试基于市售设备（如无人机与传感器节点）的功能原型，以证明其在真实场景中的适用性。

实验结果

研究问题

• RQ1 轻量级雾计算模型如何有效管理异构无线传感器网络中的数据处理？
• RQ2 UAV的移动性与部署位置对WSNs中处理延迟与能效有何影响？
• RQ3 使用COTS设备的原型在多大程度上能证明所提出的雾计算框架的实际可行性？
• RQ4 在动态WSN环境中，该方案与传统集中式或静态边缘架构相比有何优势？

主要发现

• 所提出的雾计算范式通过UAV实现本地计算，显著降低了数据处理延迟。
• 仿真结果表明，由于优化的任务卸载与长距离数据传输的减少，能效得到提升。
• 使用COTS设备实现的原型验证了所提方案的可行性与实时性能。
• 动态UAV部署提升了网络的适应性与负载均衡能力。
• 轻量级设计确保了低计算开销，适用于资源受限的传感器节点。
• 该系统在不同网络条件与UAV移动模式下均表现出良好的可扩展性与鲁棒性。