Avaliando o impacto da compressão de dados no desempenho e energia em redes LoRa
Resumo
Os dispositivos utilizados em soluções de Internet of things (IoT), em sua maioria possuem grandes limitações principalmente relacionadas ao hardware e sua autonomia energética. Em grande parte dos casos o maior gasto energético está relacionado à comunicação. Na literatura são encontrados vários métodos para otimizar a energia consumida com a comunicação, entre estes métodos estão as abordagens de compressão de dados. A maioria dos algoritmos de compres-são são projetados para serem executados em computadores pessoais e por isso muitas vezes necessitam ser adaptados ao contexto IoT, tendo que lidar com limitações como memória e tempo de execução. Este trabalho analisa métricas de desempenho e energia de dois algoritmos clássicos de compressão de dados, Huffman e LZ77, que foram adaptados para execução em dispositivos IoT. A compressão foi utilizada na transmissão de pacotes via modulação LoRa, ava-liando o compromisso entre taxa de compressão e energia consumida. Os resultados obtidos no estudo de caso utilizando dados reais de uma aplicação IoT na área da agricultura mostraram que a compressão Huffman resultou em um melhor compromisso, entre taxa de compressão e energia consumida, reduzindo em até 17% o consumo de energia do dispositivo.
Referências
B. Risteska Stojkoska and K. Trivodaliev, “A review of internet of things for smart home: Challenges and solutions,” Journal of Cleaner Production, vol. 140, p. 1454–1464, 01 2017.
C. M. Sadler and M. Martonosi, “Data compression algorithms for energy-constrained devices in delay tolerant networks,” in Proceedings of the 4th International Conference on Embedded Networked Sensor Systems, ser. SenSys ’06. New York, NY, USA: ACM, 2006, pp. 265– 278.
F. Marcelloni and M. Vecchio, “A simple algorithm for data compression in wireless sensor networks,” IEEE Communications Letters, vol. 12, no. 6, pp. 411–413, June 2008.
A. K. Maurya and D. Singh, “Median predictor based data compression algorithm for wireless sensor network,” International Journal of Computer Applications, vol. 24, 06 2011.
W. Shi, J. Cao, Q. Zhang, Y. Li, and L. Xu, “Edge Computing: Vision and Challenges,” IEEE Internet of Things Journal, 2016.
Y. Ai, M. Peng, and K. Zhang, “Edge computing technologies for Internet of Things: a primer,” Digital Communications and Networks, vol. 4, no. 2, pp. 77–86, 2018.
D. Sacaleanu, P. Razvan, I. Manciu, and L. Perisoara, “Data compression in wireless sensor nodes with lora,” pp. 1–4, 07 2018.
A. Van der Byl, R. Neilson, and R. Wilkinson, “An evaluation of compression techniques for wireless sensor networks,” pp. 1–6, 09 2009.
R. S. Sinha, Y. Wei, and S.H. Hwang, “A survey on LPWA technology: LoRa and NB-IoT,” ICT Express, vol. 3, no. 1, pp. 14–21, mar 2017.
M. Bor, J. Vidler, and U. Roedig, “LoRa for the Internet of Things,” Proceedings of the 2016 International Conference on Embedded Wireless Systems and Networks, pp. 361–366, 2016.
Semtech Corporation, “LoRa Modulation Basics,” pp. 1–26, 2015. [Online]. Available: 1 [Online], https://www.frugalprototype.com/wp-content/uploads/2016/08/an1200.22.pdf
LoRa Alliance, “LoRaWAN 1.0.3 specification,” Lora-Alliance.Org, pp. 1 –72, 2018. [Online]. Available: [Online], https://lora-alliance.org/sites/default/files/2018-07/lorawan1.0.3.pdf
LoRa Alliance, “LoRaWAN Regional Parameters,” Lora-Alliance, pp. 1 –88.
K. Sayood, Introduction to Data Compression, Third Edition (Morgan Kaufmann Series in Multimedia Information and Systems). San Francisco, CA, USA: Morgan Kaufmann Publishers Inc., 2005.
C. McAnlis and A. Haecky, Understanding Compression: Data Compression for Modern Developers, 1st ed. O’Reilly Media, Inc., 2016.
M. Nelson and J.L. Gailly, The Data Compression Book (2Nd Ed.). New York, NY, USA: MIS:Press, 1996.
C. McAnlis and A. Haecky, Understanding Compression: Data Compression for Modern Developers, 1st ed. O’Reilly Media, Inc., 2016.
