11、无线体域网（WBAN）基于价值的缓存方法

无线体域网（WBAN）基于价值的缓存方法

1. 引言

传统的缓存方法如LVF方法，在缓存决策上缺乏认知，且采用传统的扁平存储结构。而本文提出的基于信息价值（VoI）的方法，在网络中基于特定知识和推理观测来做出动态缓存决策，采用多级缓存的分层存储系统，并为每个数据项设置基于特定应用指标的价值，以适应下一代传感器网络的通信趋势。

2. 系统模型

2.1 ICN 基于的 WBAN 模型

ICN 网络模型的主要组件包括：
- 传感器节点（SNs）：用于感知环境并捕捉物理变化。
- 中继节点（RNs）或本地认知节点（LCNs）：SNs 向其报告变化。LCNs 具有认知元素，如知识、推理和学习，有助于解释常见请求和查询的响应。
- 汇聚节点：所有收集的数据都被传送到这里，也被称为全局认知节点（GCN），增强了认知元素以更智能地管理网络性能。

ICN 基于的 WBAN 可处理的数据流类型分为以下三种：
| 请求类型 | 延迟（L） | 能量（E） | 可靠性（R） | 吞吐量（T） |
| — | — | — | — | — |
| 类型 I：按需请求 | x | 3 | 1 | 2 |
| 类型 II：周期性请求 | 1 | 2 | 4 | 3 |
| 类型 III：紧急请求 | 1 | 1 | x | 2 |

其中，“x” 表示 “不关心” 条件，即对该 QoI 值没有严格要求，其值不影响缓存决策。

2.2 延迟模型

延迟组件包括传感延迟 δ 和传播延迟 τ：
- 传播延迟：(\tau \p