Дослідження алгоритмів обробки інформації для кінцевих пристроїв IoT системи

Abstract

Інтернет речей (IoT) – це величезна мережа зв'язаних між собою фізичних пристроїв, які обмінюються даними та виконують різноманітні завдання без прямого втручання людини. З кожним днем IoT набуває все більшого поширення у нашому житті, проникаючи в різноманітні сфери, від промисловості та охорони здоров'я до побутових сценаріїв. Однією з ключових складових успіху IoT є здатність обробки величезних обсягів даних безпосередньо на кінцевих пристроях – від датчиків та сенсорів до розумних пристроїв у домашньому оточенні [1-3]. Це не лише сприяє підвищенню ефективності системи, але й відкриває нові можливості для розвитку та впровадження інноваційних технологій. Важливість обробки інформації на кінцевих пристроях IoT не може бути переоцінена у зв'язку з кількісним та якісним зростанням даних, які збираються. Здатність швидко та ефективно обробляти ці дані прямо на пристрої дозволяє зменшити завантаження на централізовані сервери та мережеві канали, а також забезпечує оперативність в умовах обмежених ресурсів кінцевих пристроїв [4]. Більш того, обробка інформації на кінцевих пристроях IoT є ключовим аспектом для вирішення проблеми пропускної здатності мереж та зменшення затримок у передачі даних [5,6]. Це особливо важливо в умовах розгортання великомасштабних IoT-систем, де значна кількість пристроїв одночасно взаємодіє в реальному часі. Напрями, пов'язані з дослідженнями обробки сигналів безпосередньо на проміжних пристроях і, особливо, на кінцевих пристроях представлені у невеликій кількості. Цей факт зумовлений фундаментальними обмеженнями кінцевих пристроїв і систем Інтернету речей, а також суперечливістю вимог. Насамперед пристрої мають бути максимально дешевими, автономними, компактними і при цьому мати мале енергоспоживання. Ці вимоги обмежують продуктивність кінцевих пристроїв. Мережа, своєю чергою, повинна забезпечувати необхідну якість сервісу (QoS), швидкість і надійність передачі даних. Парадигма збору всіх даних у хмару та подальшого опрацювання домінує, що спричиняє зростання обсягу даних, які необхідно передавати, опрацьовувати та зберігати. Таким чином, ключові питання, пов'язані з обробкою даних на первинній мережевій ланці - кінцевих IoT-пристроях, досі є актуальними. У першому розділі розглянуто архітектури систем Інтернету речей та їхні ключові компоненти. Систематизовано проблеми, характерні для цих систем. Показано, що домінуючим підходом до організації IoT мережі є хмарний, а ключовою проблемою є зростання обсягів інформації, що генеруються кінцевими пристроями. При цьому пропускна здатність IoT систем обмежена, тому потрібні методи обробки інформації, що дозволяють знижувати обсяг трафіку. Детально проаналізовано і систематизовано описані в літературі методи скорочення обсягів переданих даних у системах Інтернету речей з урахуванням сформованих архітектур . У другому розділі представлено модель системи Інтернету речей з урахуванням пристроїв обробки даних. Запропоновано метод опрацювання та зниження обсягу переданих даних на базі кінцевого пристрою, на основі узгодженої фільтрації для систем Інтернету речей. Представлено архітектуру кінцевого пристрою, який відповідає за реалізацію кореляційної обробки з метою скорочення обсягу переданих у хмару даних. У третьому розділі здійснено дослідження характеристик кореляційного методу залежно від параметрів імпульсної характеристики. На основі отриманих результатів показано переваги розробленого методу. У четвертому розділі здійснено реалізаацію обробки даних на кінцевому пристрої. Для дослідження працездатності реалізованої на базі налагоджувальної плати системи виконано її порівняння із відповідною моделлю у MATLAB. На основі отриманих результатів показано працездатність пропонованого методу. У п’ятому розділі здійснено економічну оцінку доцільності створення підприємства малого бізнесу для надання послуг із захисту переданої інформації. На основі здійснених обчислень доведено економічну доцільність такого проєкту.

The Internet of Things (IoT) refers to an extensive network of interconnected physical devices that communicate and carry out various functions autonomously. IoT's integration into daily life is expanding, reaching numerous sectors from industrial applications and healthcare to everyday scenarios. A fundamental element of IoT’s success lies in its ability to process large volumes of data directly on end devices, including sensors and smart home gadgets [1-3]. This capability not only enhances system performance but also paves the way for the advancement and application of new technologies. Processing data on IoT devices is critical due to the rapid increase in both the quantity and complexity of the data collected. By managing data directly at the device level, the strain on centralized servers and network channels is reduced, which is essential given the limited resources of these endpoints [4]. Furthermore, information processing on IoT endpoints helps address network capacity issues and minimizes data latency [5,6]. This is especially pertinent in large-scale IoT deployments, where multiple devices interact in real-time. However, the number of studies on data processing at intermediate and endpoint levels remains limited, primarily due to the constraints of IoT devices. Devices need to be affordable, self-sufficient, compact, and energy-efficient, which restricts their processing power. Meanwhile, the network must ensure quality of service (QoS), speed, and reliability in data transfer. The prevailing approach remains cloud-based data collection and processing, which increases the volume of data needing transmission, processing, and storage. Thus, the need to handle data processing at the primary network level—the IoT endpoint—continues to be significant. The initial section reviews IoT system architectures and core components, identifying common challenges within these systems. It demonstrates that while cloud-based models dominate, the growing data generated by endpoints presents a key issue, highlighting the need for data processing methods to reduce network load. The master thesis thoroughly examines and categorizes techniques documented in the literature for minimizing data transmission in IoT systems, taking current architectures into account. The second section proposes a model for an IoT system that integrates data processing on endpoint devices. A method for data processing and reduction at the endpoint, using coordinated filtering for IoT systems, is introduced. An endpoint architecture is detailed, featuring a processor module responsible for performing correlation-based data reduction before cloud transmission. Section 3 explores the correlation method's behavior in relation to impulse response parameters, showing the advantages of the developed technique. In Section 4, endpoint data processing is implemented and tested. The system's performance, deployed on a debugging board, is evaluated against a MATLAB model, demonstrating the effectiveness of the proposed method. The final section assesses the economic viability of establishing a small enterprise to offer information protection services. Financial calculations affirm the economic practicality of such an endeavor.