|
DOI: 10.14489/vkit.2021.10.pp.040-045
Ануфриенко А. Ю.
ОЦЕНКА СЛОЖНОСТИ РЕАЛИЗАЦИИ ОБРАБОТКИ ДАННЫХ НА КОНЕЧНЫХ IOT-УСТРОЙСТВАХ
(c. 40-45)
Аннотация. Рассмотрен метод для обработки данных в системах Интернета вещей на основе конечного IoT-устройства. Существующие подходы основаны на облачной или граничной парадигме. Обработка на конечном устройстве IoT-системы позволяет на начальном этапе снижать объем передаваемых данных. Корреляционная обработка является эффективным способом детектирования сигналов, однако практикующиеся реализации с большой длительностью импульсной характеристики не подходят для маломощных устройств. Проводится сравнение ряда реализаций с оценкой числа вычислительных операций, а также усовершенствованного подхода, позволяющего сократить не только число операций, но и задержку обработки. Кроме того, исследуется обработка данных при реализации на базе программируемых логических интегральных схем.
Ключевые слова: Интернет вещей; облачная и граничная обработка; корреляция; согласованный фильтр; взаимная корреляционная функция.
Anufrienko A. Yu.
EVALUATING THE COMPLEXITY OF IMPLEMENTING DATA PROCESSING ON IOT-DEVICES
(pp. 40-45)
Abstract. A method for implementing data processing in the Internet of Things systems, based on the end device, is considered. While existing approaches are based on the Cloud or Edge paradigm, processing on the end device of the IoT system allows you to reduce the amount of data transmitted at the initial stage. Correlation processing is an effective way to detect signals, however, practical implementations with a long pulse response duration are not suitable for low-power devices. The paper compares a number of implementations with an estimate of the number of computational operations, as well as an improved approach that reduces not only the number of operations, but also the processing delay. In addition, the implementation study is carried out when implementing on the basis of field programmable gate arrays (FPGA). The directions related to the research of signal processing directly on intermediate devices and, especially, on end devices (on-sensor processing) are represented to a lesser extent. This fact is due to the fundamental limitations of the end devices and systems of the Internet of Things, as well as the contradictory requirements. First of all, the devices should be as cheap as possible, autonomous, compact and at the same time have low power consumption. These requirements limit the performance of end devices. The network, in turn, must provide the required quality of service (QoS) and the speed and reliability of data transmission. The implementation of data processing on end devices in IoT systems is of great scientific and practical interest. This article will consider an approach based on correlation processing (consistent filtering). The traditional approach with large orders of filters on low-power, from a computational point of view, devices is redundant and not always feasible.
Keywords: Internet of Things; Cloud and Edge processing; Correlation; Matched filter; Cross-correlation.
А. Ю. Ануфриенко (Национальный исследовательский университет «Высшая школа экономики», Москва, Россия) E-mal:
Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript
A. Yu. Anufrienko (Higher School of Economics, Moscow, Russia) E-mal:
Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript
1. Weyrich M., Ebert C. Reference Architectures for the Internet of Things // IEEE Software. 2016. V. 33, No. 1. Р. 112 – 116.
2. Big IoT Data Analytics: Architecture, Opportunities, and Open Research Challenges / M. Marjani et al. // IEEE Access. 2017. V. 5. P. 5247 – 5261.
3. Pareira B. Engines in the Data Cloud [Электронный ресурс]. URL: https://www.digitalcreed.in/ engines-data-cloud/, 10 April 2018 (дата обращения: 05.09.2021).
4. Е-sampling: Event-Sensitive Autonomous Adaptive Sensing and Low-Cost Monitoring in Net-worked Sensing Systems / M. Z. A. Bhuiyan, J. Wu, G. Wang et al. // ACM Trans. Auton. Adapt. Syst. May 2017. V. 12.
5. Harb H., Makhoul A. Energy-Efficient Sensor Data Collection Approach for Industrial Process Monitoring // IEEE Transactions on Industrial Informat. 2018. V. 14, No. 2, P. 661 – 672.
6. Tayeh G. B., Makhoul A., Laiymani D., Demerjian J. A Distributed Real-Time Data Prediction and Adaptive Sensing Approach for Wireless Sensor Networks // Pervasive Mobile Comput. Sep. 2018. V. 49, P. 62 – 75.
7. Tayeh G. B., Makhoul A., Demerjian J., Laiymani D. A New Autonomous Data Transmission Reduction Method for Wireless Sensors Networks // Proc. IEEE Middle East North Afr. Commun. Conf. (MENACOMM). Apr. 2018. P. 1–6.
8. Braten A. E., Kraemer F. A., Palma D. Adaptive, Correlation-Based Training Data Selection for IoT Device Management // Sixth International Conference on Internet of Things: Systems, Management and Security (IOTSMS). 2019. Granada, Spain, 2019. Р. 169 – 176.
9. Ламанов А. И., Нефедов С. И., Слукин Г. П. Введение в теорию радиолокации: учеб. пособие. М.: Изд-во МГТУ имени Н. Э. Баумана, 2015. 150 c.
10. Ifeachor E., Jervis B. Digital Signal Processing: A Practical Approach. 2d ed. Prentice Hall, 2001.
11. Янакова Е. С. Методы согласованной фильтрации широкополосных сигналов с минимальными временными задержками // Проблемы разработки перспективных микро- и наноэлектронных систем (МЭС). 2010. № 1. С. 478 – 481.
12. Oppenheim A. V., Schafer R. W., Buck J. R. Discrete-Time Signal Processing. 2d ed. Prentice Hall, 1998.
13. Рабинер Л., Голд Б. Теория и применение цифровой обработки сигналов / под ред. Ю. Н. Александрова. М.: Мир, 1978. 848 с.
14. Cyclone IV Device Handbook [Электронный ресурс]. URL: https://www.intel.com/content/dam/www/programmable/us/en/pdfs/literature/hb/cyclone-iv/cyclone4-handbook.pdf, March 2016 (дата обращения: 05.09.2021).
15. Anufrienko A. Data Processing by end Devices in IoT-Systems // Computing, Telecommunications and Control. 2020. V. 1, No. 2. P. 7 – 13.
1. Weyrich M., Ebert C. (2016). Reference Architectures for the Internet of Things. IEEE Software, Vol. 33, (1), pp. 112 – 116.
2. Marjani M. et al. (2017). Big IoT Data Analytics: Architecture, Opportunities, and Open Research Challenges. IEEE Access, Vol. 5, pp. 5247 – 5261.
3. Pareira B. (2018). Engines in the Data Cloud. Available at: https://www.digitalcreed.in/ engines-data-cloud/ (Accessed: 05.09.2021).
4. Bhuiyan M. Z. A., Wu J., Wang G. et al. (2017). Е-sampling: Event-Sensitive Autonomous Adaptive Sensing and Low-Cost Monitoring in Networked Sensing Systems. ACM Transactions on Autonomous and Adaptive Systems, Vol. 12.
5. Harb H., Makhoul A. (2018). Energy-Efficient Sensor Data Collection Approach for Industrial Process Monitoring. IEEE Transactions on Industrial Informat, Vol. 14, (2), pp. 661 – 672.
6. Tayeh G. B., Makhoul A., Laiymani D., Demerjian J. (2018). A Distributed Real-Time Data Prediction and Adaptive Sensing Approach for Wireless Sensor Networks. Pervasive and Mobile Computing, Vol. 49, pp. 62 – 75.
7. Tayeh G. B., Makhoul A., Demerjian J., Laiymani D. (2018). A New Autonomous Data Transmission Reduction Method for Wireless Sensors Networks. Proceedings of IEEE Middle East North Ffrica COMMunications Conference, pp. 1–6.
8. Braten A. E., Kraemer F. A., Palma D. (2019). Adaptive, Correlation-Based Training Data Selection for IoT Device Management. Sixth International Conference on Internet of Things: Systems, Management and Security (IOTSMS), pp. 169 – 176. Granada.
9. Lamanov A. I., Nefedov S. I., Slukin G. P. (2015). Introduction to the theory of radar: a textbook. Moscow: Izdatel'stvo MGTU imeni N. E. Baumana. [in Russian language]
10. Ifeachor E., Jervis B. (2001). Digital Signal Processing: A Practical Approach. 2nd ed. Prentice Hall.
11. Yanakova E. S. (2010). Methods for consistent filtering of wideband signals with minimal time delays. Problemy razrabotki perspektivnyh mikro- i nano-elektronnyh sistem (MES), (1), pp. 478 – 481. [in Russian language]
12. Oppenheim A. V., Schafer R. W., Buck J. R. (1998). Discrete-Time Signal Processing. 2nd ed. Prentice Hall.
13. Aleksandrov Yu. N. (Ed.), Rabiner L., Gold B. (1978). Theory and application of digital signal processing. Moscow: Mir. [in Russian language]
14. Cyclone IV Device Handbook. Available at: https://www.intel.com/content/dam/www/programmable/us/en/pdfs/literature/hb/cyclone-iv/cyclone4-handbook.pdf (Accessed: 05.09.2021).
15. Anufrienko A. (2020). Data Processing by end Devices in IoT-Systems. Computing, Telecommunications and Control, Vol. 1, (2), pp. 7 – 13.
Статью можно приобрести в электронном виде (PDF формат).
Стоимость статьи 450 руб. (в том числе НДС 18%). После оформления заказа, в течение нескольких дней, на указанный вами e-mail придут счет и квитанция для оплаты в банке.
После поступления денег на счет издательства, вам будет выслан электронный вариант статьи.
Для заказа скопируйте doi статьи:
10.14489/vkit.2021.10.pp.040-045
и заполните форму
Отправляя форму вы даете согласие на обработку персональных данных.
.
This article is available in electronic format (PDF).
The cost of a single article is 450 rubles. (including VAT 18%). After you place an order within a few days, you will receive following documents to your specified e-mail: account on payment and receipt to pay in the bank.
After depositing your payment on our bank account we send you file of the article by e-mail.
To order articles please copy the article doi:
10.14489/vkit.2021.10.pp.040-045
and fill out the form
.
|
Current Issue
Разработка концепции и создание сайта - ООО «Издательский дом «СПЕКТР»