Um método de otimização de energia multi-protocolo MAC e adaptável por meio de aprendizado de máquina para redes IOT e de sensores

• Autor(a) principal: BARBOSA, Paulo Filipe Cândido
• Data de Publicação: 2023
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UFPE
• Texto Completo: https://repositorio.ufpe.br/handle/123456789/50078
• topic: Redes de computadores; Aprendizado de máquina; Redes de sensores

Em redes IoT e redes de sensores, estudos têm sido realizados para definir o melhor esquema de gerenciamento para controle eficiente de energia, especialmente nos chamados dispositivos de baixa energia. Durante décadas, essa otimização foi realizada por meio de modelos e algoritmos que, apesar de apresentarem bons resultados, são incapazes de trabalhar sob diferentes protocolos, aprender e auto-adaptar as especificações do dispositivo sem a necessidade de interferência humana, tornando sua implementação em sistemas reais impraticável. Diante disto esta tese propõe duas contribuições: a primeira é a criação de um método baseado em aprendizado de maquina que combina as informações operacionais de dois algoritmos de controle de consumo de energia para os protocolos CSMA/CA, slotted ALOHA (uma variante de ALOHA), protocolos de referência usados na camada de enlace nas importantes tecnologias Wi-Fi e ZigBee. O método proposto aprende o comportamento de operacionalização de múltiplas variáveis de camada física (PHY) e de enlace (MAC) para diferentes dispositivos e protocolos, contribuindo para uma maior eficiência energética durante as transmissões. A segunda contribuição é uma Rede Neural Artificial (RNA) codificadas dentro do sensor agregando inteligência ao processo de transmissão de dados e tornando-o capaz de entender dinamicamente o estado atual da rede e manipular de forma autônoma variáveis das camadas PHY e MAC na busca de minimizar o custo de energia durante cada transmissão. Entre os resultados alcançados estão a redução de energia aproximando ou melhorando o desempenho das técnicas, economizando 97,6% na computação da CPU e 113.322.733% do tempo de processamento na busca pelas mesmas soluções em relação ao que o modelo de eficiência energética concorrente, obtidos na fase 1 da pesquisa. E na fase 2, a inserção de um sistema de otimização energética baseado em RNA, definido na literatura como um método de alto custo computacional, em um dispositivo sensor com 10 kB de RAM, 48 kB de ROM, e processador de 8 MHz operando sob o padrão IEEE 802.15.4. Para isso esta rede foi configurada com notação assintótica de magnitude (), consumo operacional de energia entre 30 e 26 f e tamanho de 3,59 kB de memória ROM, sem a necessidade de importar bibliotecas adicionais do sistema.