传输操作。频繁的信道 感测提供了物理层和调度器的极好估计，但代价是能量增大。
[0043] 此外，需要M2M通信网络10覆盖电能表、工业传感器、身体区域网、智能城市监测仪 等异质应用集合，每种应用都由不同的传输要求所指定。换言之，在异质节点的密集网络 中，谁或哪个传感器要醒来可能是M2M装置电池寿命之间1年或5年的差异。何时以及谁醒来 依赖M2M装置的工作(应用）、它们位于哪里、其优先级是什么以及它们如何与网络中的M2M 装置其他集合相关。
[0044] 此外，需注意，M2M装置的占空比和操作也依赖环境的改变。一个M2M装置中的改变 可能影响到连接到所述装置的一组装置。应当动态考虑这样的改变。
[0045]不能仅仅利用MAC层睡眠周期管理技术来在异质应用、异构网络和多组物理要求 和装置上实现占空比优化。此外，现有的MAC层睡眠周期管理技术需要定期感测和确认M2M 装置(睡眠->接收->发送），这又会消耗大量能量。注意，在大中型网络中，节点比发送数据 花费多得多的能量来进行感测和同步。
[0046]跨层算法被提供以指定M2M装置何时睡眠，何时感测以及何时发送，从而使总能量 最小化。换言之，提供了一种确定最优睡眠占空比以最小化通信网络的资源受限节点中消 耗的总能量的方法。
[0047]通过考虑通信的物理要求并指定M2M装置何时睡眠，提出的这种方法能够从链路 级开始。接下来，其指定每个M2M装置应当如何访问网络，以便使总能量最小化。着重于使总 能量最小化来执行睡眠、传输、多路访问和感测/调度。这与重点放在使频谱效率最大化的 现有多址技术和蜂窝系统是不同的。
[0048]此外，提出的方法还可以从网络级方法开始，基于其应用、优先级、物理性质、环境 和/或邻域来集成不同的M2M装置，以提供跨越物理层、MAC层、控制层和应用层的跨层方案， 以便优化睡眠和通信周期。
[0049] 最优链路级占空比
[0050]提供了一种M2M通信装置，例如图1的通信网络10中的传感器节点14U6J2M装置 具有睡眠、发送、接收等通信要求。给定针对特定应用、业务和物理要求的这种M2M装置(蜂 窝、电能表等），可以确定使得总能量最小化的装置可睡眠的最大时间量。
[0051 ] 信息理论的占空比
[0052]估计使消耗的总能量最小化的最优睡眠占空比、感测（控制）占空比和发送占空 比。在这里，占空比对应于睡眠模式时间与总时间之间的比例分数。从容量的通信理论表达 开始，可以导出网络中任何M2M装置能够睡眠的最大时间以使资源受限节点中的能量消耗 最小化。
[0053]针对给定的收发器和信号传送架构对用于上行传输模式、睡眠模式、感测（控制） 模式和多址模式的总能量消耗建模，并利用基于导数的技术求解。在范例中，可以对此进行 一般化以针对不同的M2M装置和M2M应用做出说明。这样就确定了使收发器中总能量最小化 的信号传送技术和占空比。
[0054] 多址调度一一扩展到多用户
[0055]通过多址方案实现该信号传送技术和占空比。在有N个这样的M2M装置共享时间和 频谱的情形中，希望确定可以如何分配/调度资源以使总能量消耗最小化。
[0056]可以将总的时间和频率资源块分解成不同的时间和频率资源块，可以针对网络中 的特定M2M装置选择这些块，以满足所需的信号与干扰加噪声比（SINR)水平，同时使总能量 最小化。
[0057]在范例中，通信质量度量由物理链路和SINR度量指定，而通信成本由能量消耗指 定。可以使用"右移(moveRight)"过程的改变来确定这些时间和频率资源块，其中引入了相 关的度量，例如功耗和SINR阈值，以及产生成本的链路质量。该过程然后能够确定这些约束 之间的折衷关系。
[0058]这种方法将针对具有睡眠、发射和接收模式的任何通信系统估计最优占空比，这 会获得能够使功耗最小化的最优占空比。在范例中，在M2M网关18或接入网络12中进行计 算。这不限于M2M网络，也可以应用于异质蜂窝网络，其中，例如，毫微微小区或能量维持基 站(ESBS)在大部分时间中是睡眠的。
[0059] 最优网络级占空比
[0060]上文描述了用于确定最优链路级占空比的机制和用于使给定M2M装置和应用的总 能量消耗最小化的多址技术。M2M通信的特性特征是处理多种应用和网络。因此希望扩展链 路级M2M网络以处理各种应用，估计其从属性(dependencies)并更新其占空比，以用于更精 确的感测和减低的能量消耗。
[0061 ] 针对异质应用的M2M节点之间的从属性可能是由于地理相邻、由于应用之间的从 属性(例如，带火警的温度传感器）、由于特定M2M装置的优先级或由于类似的传播环境。
[0062]使总能量最小化的最优占空比方案能够解释这些从属性。由于密集网络中准确感 测所消耗的能量比传输和睡眠模式更多，所以睡眠和感测占空比可以与以上从属性和网络 邻域信息相关。可以使用这种信息通过组合来自M2M节点的各种低精确度感测估计来改善 感测精确度。
[0063]更具体而言，根据范例提出了若干过程，以用于利用包括地理位置信息、应用/M2M 装置优先级、链路级占空比等的概率度量来连接给定网络中的任意M2M装置。可以对应于网 络中的所有节点堆叠这种度量。可以在堆叠的概率度量上进行特征分解（eigen decomposition)或类似分解技术，以估计使总能量最小化的针对异质应用睡眠和扫描占空 比的最优工作模式和占空比。
[0064]可以在称为跨层占空比优化的伞形结构(umbrella)下指定两个步骤，以用于确定 最优链路级占空比，并确定最优网络级占空比。
[0065]图2示意性示出了根据范例的跨层占空比优化。在图2中，在步骤20^lj20N，，针对通 信网络中的第一到第N应用中的每一个确定最优链路级占空比。然后在步骤22中确定最优 网络级占空比时使用这些最优链路级占空比。
[0066]现在将更详细地描述图2的跨层占空比优化。诸如图1的通信网络10的网络包括连 接到电能表、流量监测仪、数据传感器等的能量约束的M2M装置(M2MD)。这些M2M装置定期或 不定期地与M2M网关通信，并传输信息。.
[0067]令N为这种节点的数量，每个节点都在带宽W(Hz)上利用信号传送技术(例如PSK、 FSK等)传输有效载荷Ln比特ne {1，···，N}，通信距离为Rn(m)，每天1次。在这种情况下，1("和 Ln取决于应用的目的（例如，电能表等）。对于给定的应用，其余参数由物理层和多址情形指 定。
[0068]假定M2M装置在大部分时间中处于睡眠模式中以节省能量。它从睡眠模式转变到 活动模式以便与整个网络通信。下面的表1示出了 M2M装置活动模式中的能量消耗。
[0070]表 1
[0071 ]表1示出了在每种模式中M2M装置的哪些部件在工作，以及在这些模式中的每一种 中的功耗是多少。模式之间的转变可以是周期性的或由网络需求、节点需求、关键事件等驱 动。在表1中可以看出，希望M2M在尽可能多时间中处于睡眠模式中。
[0072] 最优链路级占空比估计
[0073]给定专用于特定应用、业务和多址技术的能量约束的M2M装置或能量维持基站 (ESBS)，提供了链路级算法和M2M操作，指定了何时睡眠、醒来、发送和感测M2M装置（或 ESBS)，以便使总能量消耗最小化。提供了使M2M节点中消耗的总能量最小化的多址算法。 [0074] 用于占空比优化的通信理论算法
[0075]针对每天通信1次的给定M2M节点，使总能量最小化的最优睡眠占空比：
[0076]能量模型：考虑上行传输模式中的M2M节点。给定M2M装置中用于发送一个比特消 耗的总能量为：
[0078]其中II和ε分别对应于功率放大器效率和信号传送方案的峰值与平均值比，Pth和 Pckt分别对应于收发器中的通信理论功耗(包括信号传送、编码和数字处理)和电路功耗，Psi 和Ema分别对应于睡眠模式中的功耗和用于多址的能量，TsdPTtx分别对应于睡眠模式和传 输匕比特花费的时间。忽略估计多址资源所需的时间和睡眠模式和活动模式之间的转变时 间，总时间为Tt〇t = Tsi+Ttx，睡眠占空比为
[0079]从信息理论的角度看，对于给定的信号传送技术和物理层规范、通信范围等，希望 确定最大的可实现传输速率I，以使传输匕比特所消耗的能量最小化。
[0080] 如果Ema = 0且Pckt = 0,稍后提出了算法和架构以使这些项最小化。还假设11=1且ε =1〇
[0082]为了估计使范例中的使总能量最小化的睡眠占空比，在能量模型（1)中包括信息 理论成本(2)。在范例中，Ptclt是根据α表示的。确定Ptclt相对于α的偏导数，
> 等于零。用 于使Et〇t最小化的最优α或睡眠占空比条件由下式指定：
[0085]根据范例，提出了一种为一列物理要求和信号传送约束估计最优占空比的方法。 图3示出了用于估计最优链路级占空比的过程流，其包括，利用方程（1)对给定Μ2Μ装置中的 总能量消耗进行建模的步骤32,利用方程(2)为给定物理资源确定信息理论成本的步骤34， 相对于睡眠占空比α使方程(2)的偏导数相等的步骤36,以及估计睡眠占空比的步骤38。
[0086] 将要认识到，可以针对Pckt、q和ε的不同值修改上述估计最优链路级占空比的方 法。
[0087] 此外，可以将最优链路级占空比的估计扩展到多址算法，使特定服务质量的总能 量最小化。在以上推导中，假设使用调度的多址传输，不同通信模式的最优睡眠占空比被估 计，同时使总能量最小化。可以在可用资源，例如空间、时间、频谱或代码域上进行调度。由 于Μ2Μ节点的复杂性低，所以可以省略多天线和耙型(rake)接收机类型架构，并可以考虑时 间和频谱资源。在这种情况下，将整个频谱和发送时间分别分成K个容器(bin)和时刻的块。 [0088] 考虑M2M节点1^{1，."』}，在时间111=[11."11(]和频率容器 ￥11=[￥1."職]中分配资 源。这里，K对应于特定应用。这种分配类似于例如根据3GPP标准所遵循的那些。目的是通过 某种方式调度这些容器，使得上行传输中的总体能量针对特定SINR最小化。在M2M网关处， 针对节点n: yd^SINR阈值被指定为从节点η接收的信号能量与针对所有其它节点的总信 号能量之比。可以将γ η值链接到误差率的期望概率。可以将多址问题指定为选择适当的^ 和Wn，使得在这些资源上总体SINR最大化。
[0089]来自每个M2M装置的发射功率保持最小。这是由以下表达中指定的发射功率约束 指定的：
[0091] 其中gn是信道增益，并其利用导频信号或从先前估计来对其进行估计。目的是估 计τη和w n。
[0092] 在数学上，可以利用典型的凸优化技术（convex optimization techniques)来指 示以上问题。提供了一种低复杂性的调度技术。这种方式是"右移"过程的修改