CN104093180B - 一种基于多网关数据传输的无线传感网络路由方法 - Google Patents
一种基于多网关数据传输的无线传感网络路由方法 Download PDFInfo
- Publication number
- CN104093180B CN104093180B CN201410255447.3A CN201410255447A CN104093180B CN 104093180 B CN104093180 B CN 104093180B CN 201410255447 A CN201410255447 A CN 201410255447A CN 104093180 B CN104093180 B CN 104093180B
- Authority
- CN
- China
- Prior art keywords
- gateway
- node
- sensing node
- value
- find
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000005540 biological transmission Effects 0.000 claims abstract description 48
- 230000008569 process Effects 0.000 claims description 25
- 238000012546 transfer Methods 0.000 claims description 19
- 238000012544 monitoring process Methods 0.000 claims description 17
- 238000012790 confirmation Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 230000002035 prolonged effect Effects 0.000 abstract description 2
- 238000012423 maintenance Methods 0.000 abstract 1
- 238000002474 experimental method Methods 0.000 description 29
- 241000218228 Humulus Species 0.000 description 25
- 238000004422 calculation algorithm Methods 0.000 description 21
- 230000005611 electricity Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 12
- 230000008859 change Effects 0.000 description 9
- 238000012360 testing method Methods 0.000 description 7
- 238000007405 data analysis Methods 0.000 description 5
- 230000005059 dormancy Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 241000208340 Araliaceae Species 0.000 description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 235000008434 ginseng Nutrition 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002045 lasting effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000007958 sleep Effects 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 244000025221 Humulus lupulus Species 0.000 description 1
- 108700026140 MAC combination Proteins 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004992 fission Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于多网关数据传输的无线传感器网络路由方法,该方法通过计算网关工作状态来选择最终目的网关,确定数据流的最终流向,同时通过机会传输实现当前发送节点到最终目的网关的数据传输,减少了由于网关停止工作造成的数据包集中、大量丢失,增加了数据包的正确传输率,且保持稳定,有效的减少控制开销,延长网络生存周期。
Description
技术领域
本发明涉及无线传感网络技术领域,具体涉及一种基于多网关数据传输的无线传感器网络路由方法,该方法适用于基于多网关的野外大型土遗址监测无线传感网络。
背景技术
大型土遗址是我国宝贵的文化遗产,由于人为破坏和自然损毁等原因,其生存状态令人堪忧。通过监控土遗址生存状态、监测和调节其生存环境进行预防性保护刻不容缓。但由于野外大型土遗所需监测范围广、所处环境复杂、缺乏基础网络设施,其对监测***的设计提出的新的挑战。无线传感网络(WSN)以其成本低,可大规模野外部署,提供长时间、稳定的数据传输等优势满足了野外大型土遗址监测和保护需求。
在WSN野外遗址监测中,因为环境的限制,网关也只能采用电池供电,并且在野外偏远或恶劣的应用环境中电池不可充电或更换,导致长期、持续的数据采集面临巨大挑战。一个可行并行之有效解决方案是给网关安装太阳能板和风力发电设备,保证其从自然界最大程度获取能源,从而保证长期、持续的数据采集。由于太阳能和风能的获取具有随机因素,网络负载对于网关电能的消耗也是随机的,所以,网关的工作状态具有一定的不稳定性。因此,在工作状态不稳定的多网关传感网络中(以下简称多网关网络),发送节点如何选择有效的目的网关,以尽可能的减少丢包和重传,是多网关网络首要解决的问题,对于网络性能的保证具有重要的意义。
在实际的无线传感器网络中休眠调度机制是高效地使用传感器节点的能量,延长网络的存活时间必不可少的重要手段。但同时,在大规模网络中,精准时间同步将导致大量能耗开销,因此,在实际的无线传感器网络中,感知节点的休眠具有一定的随机性,同时由于无线链路的易受干扰性,网络拓扑动态变化,很难产生长期稳定的端到端的节点序列,因此确定性路由协议不再适用,需要一种有效的路由策略来保证数据的传输。
为保证数据的可靠传输,在无线传感器网络中已有许多路由策略:
第一类:基于单网关的路由。该路由策略只适用于单网关无线传感器网络。但是在野外大型土遗址监测网络中,节点规模大、数据传输量大,单个网关不能满足其大量数据的稳定、长时间传输。
第二类:基于地理位置的多网关路由。假设节点位置已知,网关状态稳定,能量充足,将多个网关的数据传输问题转化为寻找最优部署问题。在完成多个网关最优位置部署后,数据传输协议的研究点集中在类似于传统单网关路由的最优路径选择。但其不适合于大规模野外土遗址监测。因为在大规模部署的无线传感网中普通的监测节点的位置信息是不确定的,并且其节点位置会因人为原因或者土遗址形变等因素而发生改变,所以得到最优的多网关部署位置是不容易的。
第三类:基于分簇的多网关路由。该路由策略利用传统的分簇协议思想,将多个网关转化为簇头节点,然后再进行簇内数据的收集。其假设分簇中簇头节点在一定时间内是保证稳定工作的。但对于大规模野外土遗址监测的应用而言,其不能保证有理想的充电环境为网关提供充足的能量,网关会随时因为能量的不足而停止工作。因此该路由策略并不适用于网关状态不稳定的野外土遗址监测场景中。
本发明提出了一种基于多网关的,同时考虑网关因能量不足而停止工作的,感知节点以固定休眠策略休眠的,适用于野外大型土遗址监测的路由策略(SEDT),其主要包括:通过基于估计网关生存状态的网关选择方法确定数据方向;基于机会路由的传输CTOR算法。
发明内容
基于现有的无线传感网路由策略不能稳定、长时间的传输大量数据,不能满足野外大型土遗址监测应用,本发明提出一种稳定、长时间的传输大量数据的基于多网关数据传输的无线传感网络路由方法。
为了实现上述任务,本发明采用的技术方案是:
基于多网关数据传输的无线传感网络路由方法(SEDT),该方法通过构建网关状态概率估计模型来估计网关状态,并通过网关状态和链路性能来选择合适的网关,确定数据流的最终流向,同时通过机会传输CTOR算法实现当前发送节点到网关的数据传输,包括以下步骤:
一种基于多网关数据传输的无线传感器网络路由方法,该方法包括以下步骤:
步骤一,无线传感器网络部署
步骤S10,在需要监测的地点布设感知节点,并在感知节点中随机部署多个网关,网关采用太阳能和风能进行充电,对传感器网络进行初始化;
步骤二,确定感知节点可达网关
步骤S20,网络初始化后,感知节点中建立信息记录表DF,DF中的列项包括该感知节点可达网关的ID号Des、邻居节点Nei、可达网关的最小跳步数Dis、可达网关的启动时间Sta;可达网关为与该感知节点之间的跳步数小于MAX_hop的网关,MAX_hop的取值为10;
步骤S21,网关产生并广播方向信息数据包Find,当网关节点满足下面两个条件之一时,网关再次产生并广播Find:
条件一:距离广播上一个Find的时间达到Δt,Δt的取值为0.5s;
条件二:网关在相邻两个单位时间内接收到的数据包个数之差大于或等于Δμ,Δμ的取值为5;
Find中的信息包括产生该Find的网关的ID号idSink和启动时间st、该Find经过的跳步数hop和经过的中间节点集合TS,其中TS中最后一个节点记为idL;
步骤S22,感知节点收到一个Find后,提取Find中的信息并进行以下处理:
如果Find中的hop小于MAX_hop且Find中的TS不包含本感知节点,则在本感知节点的DF表中,查找DF的Des列项中值为idSink的一行,如此行存在,执行步骤S22-1,如此行不存在,执行步骤S22-2:
步骤S22-1,比较Find中的st值和该行中Sta列的值,如相等,则把idL添加到该行的Nei列中;然后比较如该行Dis列的值大于hop+1,则将该值改写为hop+1;如果Find中的st值和该行中Sta列值不等,则删除该行,并执行步骤S22-2;
步骤S22-2,在DF表中添加新的一行,添加的一行中,Des的值写为idSink,Nei的值写为idL,Dis的值写为hop+1,Sta的值写为st;
否则感知节点丢弃该Find包;
步骤S23,感知节点对Find进行更新,具体为:
在TS集合中加入本节点,跳步数hop的值加1;然后感知节点将更新后的Find进行广播;
步骤三,选择目标网关
步骤S30,感知节点选择其DF表中正常工作概率最大的网关或处于正常工作状态且跳步数最小的网关作为目标网关;
步骤四,感知节点的数据传输
步骤S40,感知节点每秒向其DF表中的邻居节点发送10个探测包,若该感知节点收到其中一个邻居节点回复的确认数据包有xp个,则感知节点到该邻居节点的链路质量为感知节点到该邻居节点链路传输失败概率为j为该邻居节点的标号;感知节点每10秒中更新一次其DF表中所有邻居节点的链路状态;
步骤S41,感知节点按照下面公式计算向邻居节点发送数据包的期望发送次数H:
式中,m为该感知节点距离目的网关的跳步数,Δ为期望的数据包成功传输率,n为该感知节点的DF表中邻居节点的个数;
步骤S42,感知节点向邻居节点发送H次数据包,邻居节点收到数据包后,按照下面公式计算转发概率值p,并随机产生一个0至1之间的数,如果此数小于或等于转发概率值p,则转发此数据包,否则不转发:
式中,pmin是该感知节点DF表中所有邻居节点的链路传输失败概率pj的最小值。
本发明与现有技术相比具有以下技术特点:
1.减少了由于网关停止工作造成的数据包集中、大量丢失。
其通过网关状态估计模型对网关状态进行估计,把网关状态作为选择数据流最终流向的参数。其有效的减少了网关由于电量不足,停止工作而造成的数据包集中、大量丢失和由此引发的数据包重传。
2.增加了数据包的正确传输率,且保持稳定;
其可以根据转发邻居节点的个数和链路质量动态的进行传输次数的调整,从而保证了网络整体的成功传输率。
3.有效的减少控制开销,延长网络生存周期;
由于该策略充分考虑了网络的结构,能保证转发候选集中的节点均在正确的传播方向上,从而保证了从源节点到目的节点的最短路径,比起盲目的全方位广播的传统机会路由算法,减少了传输时延。
附图说明
图1是发明步骤中提到的路由协议执行过程框图;
图2是无线传感网监测示意图;
图3是感知节点en向目的网关发送数据包示意图;
图4是参数确定试验的实验结果图;
其中:
图4.1是Δμ对于网络丢包率的影响数据分析示意图;
图4.2是Δμ对于节点剩余能量的影响数据分析示意图;
图4.3是Δμ对于网络负载的影响数据分析示意图;
图5是研究网关状态估计模型中更新阈值Δt为网络的影响实验结果图;
其中:
图5.1a、图5.1b是Δt对于节点剩余能量的影响数据分析示意图;
图5.2是Δt对于网络负载的影响数据分析示意图;
图6是CTOR算法与其他算法对比实验中网络成功传输率结果示意图;
图7是CTOR算法与其他算法对比实验中网络生存时间结果示意图;
图8.1-8.3是本发明方法与其他协议的对比实验的网络拓扑图;
图9.1-9.3是对比实验a不同网关个数对丢包率影响实验结果图;
图10.1-10.3是对比实验b不同充电速率λ对丢包率影响实验结果图;
图11.1-11.3是对比实验c不同节点占空比对丢包率影响实验结果图;
图12.1-12.3是对比实验d不同节点采集频率对丢包率影响实验结果图;
图13对比实验d中节点采集频率为1个/s网络的负载情况结果图;
图14对比实验d中节点采集频率为5个/s网络的负载情况结果图;
图15对比实验d中节点采集频率为1个/s网络的感知节点和网关剩余能量的变化情况;
图16对比实验d中节点采集频率为5个/s网络的感知节点和网关剩余能量的变化情况;
具体实施方式
申请人在野外大型土遗址监测中,为了解野外大型遗址自然分化、裂变的影响及其规律,及时掌握人为破坏遗址的情况,建立了一个多网关无线传感器网络。由于在野外,网关不能采取有线供电措施,申请人其采用太阳能、风能发电给网关进行充电,从而保证网关的供电。但太阳能、风能充电的多少的随机的,其导致网关会因供电不足而停止工作,其会引起数据的大规模丢失和大量数据重传,进而使整个网络的生存周期减少。针对网关不能持续供电、感知节点随机休眠造成的网络拓扑动态变化,提出了基于多网关数据传输的无线传感网络路由方法:
一、本发明方法详细步骤
基于多网关数据传输的无线传感网络路由方法,该方法通过计算网关工作状态来选择最终目的网关,确定数据流的最终流向,同时通过机会传输实现当前发送节点到最终目的网关的数据传输,包括以下步骤,如图1所示
步骤一,无线传感器网络部署
本发明在野外大型土遗址场地进行部署。在土遗址需要监测的地方部署感知节点,随机部署多个网关。为了克服野外网关不能有线充电的问题,部署中网关采用太阳能和风能进行充电。同时节点为了节约电量,采用固定休眠策略进行休眠。部署完成后,打开网关和节点的电源开关,启动网关和感知节点。网关启动后则执行步骤二,节点启动后则开始采集环境数据。
步骤二,确定节点可达网关
节点与网关之间存在一条跳步数小于MAX_hop的路径,则称此网关为这个节点的可达网关。如果不存在这样一条路径,则称此网关不可达;考虑到数据包的多次转发易造成丢失和网络的堵塞,本发明中,跳步数MAX_hop设置为10。
步骤S20,网络中任意一个感知节点en中建立并维持一个DF表,其结构如表1所示。节点启动后其初始值为空,其表记录了该节点所有可达网关的基本信息,每个可达网关的基本信息记录在一行中。感知节点en启动后,DF表为空。DF表一共有4个列项,其含义如下:
第一列Des中存储可达网关(网关的ID号);第二列Nei中储存该感知节点的邻居节点,根据Find包中的信息判断是否存储;第三列Dis中存储可达网关的最小跳步数;第四列Sta中储存可达网关的启动时间;另外,如果按照步骤三的方法二进行目标网关的选择,还需要添加第五个列项Inf,Inf中储存可达网关充电模型参数、网关消耗电模型参数,这些参数用于对网关在t时间正常工作的概率的计算,
表1 感知节点的DF表格式
Des | Nei | Dis | Sta | Inf |
D | fD1,fD2,…fDn | |||
…… | …… |
步骤S21,网关产生并广播方向信息数据包Find:
对于网络中的任意一个网关es,启动后产生并广播方向信息数据包Find(下简称Find),当网关节点满足下面两个条件之一时,网关再次产生并广播Find:
条件一:距离广播上一个Find的时间达到Δt,Δt的取值为0.5s;
条件二:网关在相邻两个单位时间内接收到的数据包个数之差大于或等于Δμ,Δμ的取值为5;
Find中的内容如下:
1)hop,该Find包经过的跳步数;此时为初始值0;在以后感知节点转发此Find包时,通过hop=hop+1更新其值;
2)TS,按接收到Find包的顺序记录该Find包经过的中间节点(感知节点)集合,此时为初始值空集;在以后感知节点转发此Find包时,通过加入接收节点自身的ID号更新其值;TS集合中最后一个ID代表最后一个转发此Find包的节点,记为idL;其随TS集合的更新而改变;
3)idSink,其代表产生该方向信息数据包Find的网关的ID号,在以后节点转发此Find包时,不改变其值;
4)st,产生该Find包的网关es此次启动的时间,每次网关es启动后都为其赋值为当前时间,在以后节点转发此Find包时,不改变其值;
如需按照步骤三的方法二进行目标网关的选择,还需要添加一个字段:
5)Data,其内容包括网关es充电模型参数、消耗电模型参数(uupper,YBase,α,ν,λ,μ),这些参数用于对网关es在t时间正常工作的概率的计算,在以后节点转发此Find包时,不改变其值;
表2 Find数据包的格式
hop | TS | idSink | st | Data |
步骤S22,DF表中记录感知节点en所有可达网关的基本信息,每个可达网关的基本信息记录在一行中。对于网络中任意一个感知节点en接收到Find包后,提取Find中的信息并进行以下处理:
感知节点en提取Find数据包中的hop、TS值、idSink、st和Data,其中TS集合中最后一个ID记为idL。
如果Find中的hop小于MAX_hop且Find中的TS不包含本感知节点,则在本感知节点的DF表中,查找DF的Des列项中值为idSink的一行,如此行存在,执行步骤S22-1,如此行不存在,执行步骤S22-2:
步骤S22-1,比较Find中的st值和该行中Sta列的值,如相等,则把idL添加到该行的Nei列中,然后比较如该行Dis列的值大于hop+1,则将该值改写为hop+1;如果Find中的st值和该行中Sta列值不等,则删除该行,并执行步骤S22-2;
步骤S22-2,在DF表中添加新的一行,添加的一行中,Des的值写为idSink,Nei的值写为idL,Dis的值写为hop+1,Sta的值写为st;
其余情况,即hop大于MAX_hop、Find中的TS包含本感知节点(的ID号)或步骤S22-1中的条件不能满足,则丢弃该Find包。hop大于最大跳步数max_hop时表示Find包的传输已超范围(控制Find数据包的传输范围);TS集合中已经包含本感知节点的ID号(防止出现网络回路)。
步骤S23,感知节点对Find进行更新,具体为:
感知节点en接收到Find包、更新其DF表后,感知节点en在Find的TS集合中加入本节点(ID号),更新TS集合;同时用hop=hop+1更新hop值。用更新后的TS集合和hop值替换接收到的Find包中对应的两个值,其他数值不变的方式更新Find包,最后此感知节点en广播更新后的Find包。
步骤三,选择目标网关
步骤S30,所有感知节点按照上述步骤进行其DF表的更新和Find包的广播,则网络中所有的感知节点的DF表中均保存了其可达网关的相关信息。
感知节点采集到数据信息后,选择一个目标网关进行数据包的发送。本发明网关采用风能和太阳能供电,因此网关存在不正常工作的情况。对于不能正常工作的网关,感知节点如选择其作为目标网关会造成数据丢失,对于这种情况,本发明中给出两种方法来确保目标网关选择的可靠性:
方法一,网关正常工作时,每隔一定时间广播状态信息包,表明该网关处于正常工作状态;感知节点接收到状态信息包后进行广播,但一个状态信息包的最大传播距离小于路径最大跳数阈值MAX_hop,因为所有感知节点的可达网关均在MAX_hop这个距离内;感知节点接收到状态信息包后,可知网关处于正常工作状态,然后选择其DF表中处于正常工作状态且跳步数(即Dis列的值)最小的网关作为目标网关;
方法二,在任意感知节点en决定发送数据包时,其利用以上步骤得到的DF表中的数据,取得网关工作状态估计模型中的具体参数,通过网关工作状态估计模型计算出每个可达网关此时正常工作的概率,这种方法能有效避免网络堵塞。
如果网关中单位时间内充电量大于消耗电量,则进行步骤S30-1。如果网关中单位时间内网关充电量小于等于消耗电量,则进行步骤S30-2。
对任意网关es而言,单位时间内收到节点发送的数据包个数是一个随机数,记N(t)表示在时间段[0,t]内网关es收到的数据包个数,两次数据包到达的平均时间间隔为1/μ,则网关接收数据包的过程是一个泊松过程。同时网关利用太阳能风能进行充电,M(t)表示时间段[0,t]内的充电次数,由于自然能源充电会受到环境多方面的影响,充电过程{M(t),t≥0}是一个随机过程,当t=0时,N(0)=0,M(0)=0,由上述内容可知,节点接入网关过程(即网关接收节点发送的数据包的过程){N(t),t≥0}是一个泊松过程,充电过程是参数为λ的泊松分布,即对任意s>0
(公式S31)
(公式S32)
每次充电电量基准值为YBase,第i次充电量和基准值之差为Yi,i≥1,{Yi,i≥1}是相互独立、同分布随机变量并与{M(t),t≥0}独立;第k次节点接入消耗的能量为Xk,k≥1,{Xk,k≥1}是相互独立、同分布随机变量并与{N(t),t≥0}独立,Xk,k≥1服从参数为ν的指数分布,Yi,i≥1服从参数为的指数分布,即
Xk~νeνx (公式S33)
(公式S34)
则网关的能量消耗过程C(t)可以定义为:
(公式S35)
网关能量消耗过程的期望E[C(t)]为:
(公式S36)
为了使网关可以正常工作,单位时间内网关充电量大于单位时间内网关消耗的电量,但是在实际环境中,必然存在单位时间内充电量小于消耗的情况,如没有太阳照射或者是无风的时候。那么,根据实际情况,网关的能量消耗过程可以分为两种情况,即E[C(t)]>0和E[C(t)]<0,下面就根据这两种情况分别构建网关状态估计模型。具体步骤如下:
步骤S30-1,用单位时间内网关充电量大于消耗电量情况下构建网关工作状态估计模型计算任意网关es在t时间继续工作的概率。
任意网关es初始电量为u状态下,t时间时网关停止工作的概率为
(公式S30.1)
u为网关的初始电量,可从DF集合的Data数据中获得。α为平衡因子,使值更直观表示差距,其值为1/10000。感知节点en通过以下步骤计算出Ry、R、tu,把当前具体时间带入公式S30.1中的t中,计算出当单位时间内充电量大于单位时间内消耗量时网关在当前时间之前停止工作的概率上界。则其继续工作的概率为1-ψt(u)。
u是网关的初始能量,那么网关停止工作的时间是:
Tu=inf{t|u+C(t)<0} (公式S37)
根据实际情况可知,u+C(t)<uupper,uupper是网关充电电池的最大容量。
因此,数据收集网关在某一时刻t之前停止工作的概率是:
ψt(u)=Pr{Tu<t} (公式S38)
可以从公式(S35)得出,数据收集网关的能量消耗过程C(t)有以下性质:
1.C(0)=0
2.{C(t),t≥0}具有平稳独立增量
3.
4.存在正数r,使得E[e-rC(t)]<∞
从性质4可得,存在函数f(r)使得
E[e-rC(t)]=etf(r) (公式S39)
网关在t时刻之前停止工作的概率满足不等式
(公式S310)
R=sup{r|f(r)≤0,r>0} (公式S311)
从以上公式推导出函数f(r)的表示为:
etf(r)=E[e-rC(t)]
由此可得:
(公式S312)
因为r<ν,且f(0)=0,所以函数f(r)为凹函数,且f′(0)<0,当r→ν时,f(r)→+∞,因此存在r*∈(0,ν)使得f(r*),即
(公式S313)
因此,公式(S311)中表示的R就是函数f(r)=0的正解,即就是R=r*,通过数值计算方法得到R的值。
因为f(r)是凹函数且f(0)=0,所以公式(S310)可以表示为:
(公式S314)
其中y=t/u,α是环境因子,在上式中引入新的函数
h(r)=r-yf(r) (公式S315)
h(r)是凸函数且h(0)=0.
ry是h′(r)=0的解,令Ry=h(ry),Ry是函数h(r)的极大值。
当h′(R)=0,即就是ry=R,从公式(S315)可得当t>tu,ry<R;对于t≤tu,ry≥R,因此
因此,结合以上分析结果可以得出如下结论:
网关在时间t之前停止工作的概率上界由下式可得
(公式S30.1)
u为网关的初始电量,可从DF集合的Data数据中获得。α为平衡因子,使值更直观表示差距,其值为1/10000。
这样,通过以上计算过程,感知节点en计算出Ry、R、tu,把当前具体时间带入公式S30.1中的t中,计算出当单位时间内充电量大于单位时间内消耗量时网关在当前时间之前停止工作的概率上界。则其继续工作的概率为1-ψt(u)。
步骤S30-2,用单位时间内网关充电量小于消耗电量情况下构建网关状态概率估计模型计算任意网关es在t时间继续工作的概率。
任意网关es初始电量为u状态下,t时间时网关继续工作的概率:
(公式S30.2)
u为网关的初始电量,α为平衡因子,使值更直观表示差距,其值为1/10000。
感知节点en通过以下步骤计算出Ry、R、tu,把当前具体时间带入公式S30.2中的t中,计算出当单位时间内充电量大于单位时间内消耗量时网关在当前时间之前停止工作的概率上界。
在这种情况下,为了网关正常工作,网关能量消耗的表达方式可转化为公式(S316):
u′=-u
网关在时间t之间停止工作的概率为ψt(u)=Pr{u′+C(t)<0}
函数f(r)为
如步骤S30-1,在这种情况下,网关状态为:
h(r)=r-yf(r)
h(r)是凸函数且h′(r)=0.
ry是h′(r)=0的解,令Ry=h(ry)是函数h(r)的极大值。
和步骤S30-1中的情况相比,其不同点是当t>tu,ry>R对于t≤tu,ry≤R,因此
则网关在时间t之前继续工作的概率上界由公式(S319)可得
(公式S30.2)
u为网关的初始电量,可从DF集合的Data数据中获得。α为平衡因子,使值更直观表示差距,其值为1/10000。
这样,通过以上计算过程,感知节点en计算出Ry、R、tu,把当前具体时间带入公式S30.1中的t中,计算出当单位时间内充电量大于单位时间内消耗量时网关在当前时间之前继续工作的概率上界。
通过网关节点两种不同的工作状态,计算出网关节点在t时刻的正常工作概率,然后感知节点选择正常工作概率最大的网关为数据包的最终发送目的,若满足概率最大的网关有多个,则在DF表中读取概率最大的这些网关的最小跳步数(DF表中的Dis项),选择值最小跳步数值最小的那个网关作为最终目的网关。
在利用方法二进行目标网关的选择时,需要在步骤一无线传感器网络部署阶段,设定好网关es充电模型和耗电模型的参数,这些参数有:电池的最大容量uupper,每次充电电量基准值YBase,平衡因子α,网关更新Find包的时间Δt;每次充电量和基准值之差服从的指数分布的参数(每次充电量和基准值之差的平均值为),网关接收一个数据包消耗的能量服从的指数分布的参数ν(接收一个数据包消耗的平均能量),更新阈值Δμ(网关在相邻两个单位时间内接收数据包的个数之差达到Δμ时网关发送Find包);(充电过程服从的泊松分布的参数λ(单位时间内的平均充电次数λ),消耗电过程服从的泊松分布的参数μ(单位时间内的网关平均收到数据包的个数次数μ)网关实时记录这两个值)。
还需要设置网络相关参数:感知节点采集频率、感知节点占空比、路径最大跳数阈值MAX_hop(其值小于10);
这时,需要在Find数据包中添加一个字段Data,用于存放网关es的充电模型和耗电模型的参数;而节点的DF表中需要对应添加一个列项Inf;
当感知节点收到一个Find包后,将Data中的数据写入到该感知节点所在行(Des中的值为idSink的行)的Inf中;这些数据用于对网关es在t时间正常工作概率的计算,以后在感知节点转发Find包时,不改变其值。
步骤四,感知节点的数据传输
本发明中提出了一种机会路由传输算法对感知节点的数据包进行传输。
步骤S40,节点计算到邻居节点的链路质量。
网络中的任意感知节点en每10秒钟向邻居节点(邻居节点列表储存在感知节点en的DF表的第二列Nei中)发送10个探测包,若感知节点en收到其中一个邻居节点el回复的xp个确认数据包,则感知节点en到其邻居节点j这条链路的链路质量为感知节点en到其邻居节点j这条链路的传输失败的概率pj为:
j为该邻居节点的标号;节点每10秒更新一次其DF表中到所有邻居节点的链路状态;
步骤S41,根据邻居节点个数和链路质量等计算重传次数
网络中任意感知节点en向目的网关D发送数据,感知节点en的邻居节点集合{fD1,fD2,…fDn}(其具体信息储存在感知节点en的DF表的第二列Nei中)是通向网关D的。感知节点en在向邻居节点集合发送数据包时,首先根据步骤S40计算的链路质量计算出向多个邻居同时发送时,若要使得至少有一个邻居节点可以收到数据包,那么感知节点en发送该数据包的期望发送次数H。
网络所期望的数据包成功传输率为Δ。感知节点en距离网关的跳步数为m,若要保证网络期望的成功传输率Δ,则每条链路上的成功传输率至少为发送节点有n个邻居节点,感知节点en和邻居节点j之间传输失败的概率为pj,若至少有一个邻居节点收到发送节点的数据包,则传输成功。邻居节点接收到此数据包的概率Preceive可由公式(S40)表示。
那么期望发送次数H可由公式(S41)表示:
通过上述公式计算H值,则感知节点en向邻居节点发送H次该数据包;
步骤S42,根据期望成功传输率计算转发概率。
收到数据包的节点计算一个转发概率值p,根据该概率值决定是否进行转发。
当感知节点en向邻居节点发送H次数据包后,可能有多个邻居节点收到该数据包,但并不是所有收到数据包的邻居节点都会转发该数据包,而是以一定的概率p进行转发,若此时有多个邻居节点收到数据包,为了保证至少有一个邻居节点对该数据包进行转发,则:
若要满足
则
公式中pmin是该感知节点DF表中所有邻居节点的链路传输失败概率pj的最小值。收到数据包的节点计算一个转发概率值p。随机产生一个0到1的小数,如果此数小于或等于转发概率值p,则转发此数据包,否则不转发,直至数据包到达目的网关。
二、本发明方法中各相关参数的确定:
实验一:在本发明方法步骤二中,网关Find包发送频率确定中,Δμ的值对网络的影响及Δμ参数的确定:
步骤一:仿真实验场景初始化
申请人模拟出网络相关参数如表3的网络。
步骤二:设置网关估计模型参数。其中
ν=0.15,u=10000,uupper=10000,YBase=2,λ=35,α=1/10000.
步骤三:网关估计模型参数Δμ取3,5,7,9进行多组实验,获得实验数据,分析并处理数据。
如图4所示,Δμ取值逐渐增大时,网络丢包率先降低然后随之增加;Δμ的不同取值对于节点能耗、网络延迟没有很大的影响。从丢包率、能耗、延迟和网络负载的仿真结果可以看出,合适的更新阈值取值可以同时保证网络在这三方面的性能,根据本节中仿真参数的设定和实验结果,当Δμ为5时,网络性能较好。
实验二:在本发明方法步骤二中,网关节点发送Find包的间隔时间Δt对网络的影响及Δt参数的确定
步骤一:仿真实验场景初始化
申请人模拟出网络相关参数如表3的网络。
步骤二:设置网关估计模型参数。其中
ν=0.15,u=10000,uupper=10000,YBase=2,λ=35,α=1/10000.
步骤三:网关估计模型参数Δt为0.2s、0.4s、0.5s、0.6s、0.7s.0.9s进行多次实验,获得实验数据,分析并处理数据。
如图5所示,当Δt=0.5s时,节点的剩余能量高于其他取值时的剩余能量;随着Δt的取值逐渐增大,链路延迟和路径延迟也逐渐增大;Δt太短或者太长时间间隔的更新都不利于网络负载的均衡。根据本节中仿真参数的设定和实验结果,当Δt为0.5时,网络性能较好。
网络相关参数设置如表1所示。
表3 多网关数据传输仿真参数
仿真参数 | 值 |
网关数量 | 5个 |
感知节点数量 | 120个 |
节点通信半径 | 80米 |
监测区域面积 | 120米×120米 |
Max_hop | 3 |
感知节点占空比 | 0.5 |
感知节点采集频率 | 1个/秒 |
MAC协议 | ZigBee |
三、本发明方法与其他算法的对比实验
下面我们通过一组实验来验证该方法与其他方法相比的优势:
实验一:本发明步骤四中提出的感知节点数据传输算法与其他算法的比较
实验主要对以下四种算法的性能进行比较:
(1)CTOR算法:即本发明步骤四中数据包的传输算法
(2)ExOR算法:转发序列的第一个节点在他的所有的邻居节点中选择一个能够把包传递给离目的节点更近的候选者子集。发送者把这个集合列在包头里,用距离来划分优先级。传输以后,每个接收到包的节点在包头的候选者列表中寻找它的地址(有就是接收者)。每个接收者依据它在列表里的位置在发送确认包之前延迟一段时间。各个节点查看他收到的确认包集合来决定是否转发包。转发节点用新的候选者列表重写ExOR桢头然后转发包。
(3)SOAR算法:首先建立一条端到端的最短路径,数据发送节点在选择备选转发节点时,以偏离这条路经的跳数来选择邻居作为转发节点,并确定其优先级;为了抑制重复分组,各备选转发节点相互之间的链路ETX值必须高于一个给定门限,以使得任何一个节点发出的数据包或ACK包都能以高概率被其他备选转发节点收到.这样做的好处是:可以把备选转发节点集中在端到端最短路径的附近,有效避免了数据的分叉传输,减少了数据重传,且有利于执行机会转发节点之间的协调过程.由于SOAR限制了备选转发节点的选择,要求各备选转发节点位于相互间的通信范围内,因此高概率保证高优先级转发节点发送的数据包不会被低优先级转发节点再次转发.SOAR在追求重传最小化的同时,也在一定程度上限制了转发的效率。
(4)CTP算法:将Sink节点作为树根,依次将传感器节点添加到汇聚树中。CTP将期望传输值(ETX,Expected Transmissions)作为路由梯度。根节点的ETX值为0,其他节点的ETX值为其父节点的ETX值加上到父节点链路的ETX值。节点通过广播LEEP包和数据包进行节点间的链路质量估计,接着通过路由帧来选择合适的下一跳节点作为父节点进而最终将数据传送到根节点。
仿真网络初始化:
申请人模拟出网络相关参数如表3的网络。设置网关估计模型参数,其中
ν=0.15,u=10000,uupper=10000,YBase=2,λ=35,α=1/10000,Δμ=5,Δt=0.5
网络中共产生1000个数据包,网络需要达到的期望成功传输率Δ为95%,按照本发明方法进行数据转发。
仿真实验过程:
在该实验中,针对每个算法,评估进行2000次测试。我们观察网络传输成功率、网络生存时间。
实验结果:
(1)图6显示在任意网络密度的情况下,CTOR的成功传输率都优于其他路由方法,且保持稳定。主要原因是CTOR可以根据转发邻居节点的个数和链路质量动态的进行传输次数的调整,从而保证了网络整体的成功传输率。
(2)图7显示采用不同传输方法时网络的生存周期,当网络中节点部署较稀疏时,CTOR的生存时间明显大于其他几个,随着网络密度的增大,CTOR和CTP的生存时间逐渐接近。EXOR和SOAR生存时间低于前两个的主要原因是,EXOR的应答包协调机制消耗了一定的节点资源,而SOAR采用最短路径附近的节点进行转发,虽然减少了应答包的开销,但是加重了固定链路的负载,从而较少了整体网络的生存时间。
实验二:本发明整体方法(SEDT)与其他协议的比较
实验主要对以下两种协议的性能进行比较:
(一)SED方法:本发明整体方法
(二)Voronoi scoping协议:给每一个簇中指定一个网关用于收集簇中的数据,每个节点都会记录距离自己最近的网关和距离网关的距离。当节点收到网关发送的数据时,根据该数据包记录的信息检查距离该网关的距离,如果该距离小于当前记录的最小距离,则发送节点更新记录信息并将该数据包转发。
仿真网络初始化:
申请人模拟出网络相关参数如表3的网络。设置网关估计模型参数,其中ν=0.15,u=10000,uupper=10000,YBase=2,α=1/10000,
其中充电速率λ作为变量在40到60的范围内进行变化,网关附近的网络负载μ受感知节点的发送速率等因素的影响也是一个变量,模型采用Δt=0.5的更新阈值。网关剩余能量低于2000J时停止工作。
仿真实验过程a:
在该实验中,针对每个算法,设置不同的网关个数。我们观察网络丢包率、平均链路延迟、平均路径延迟。
对比试验a:
图9所示的是网络中网关个数对于网络丢包率、平均链路延迟、平均路径延迟的影响,从图9.1的丢包率可以看出,随着网络中网关个数的增加,网络的丢包率逐渐降低,主要原因是对于网络中的感知节点来说,可供选择的目的网关个数也随之增加,在一定程度上减少了丢包的可能性。图9.2、9.3所示的延迟随着网关个数的增加而逐渐增加,出现这种现象的原因从图8的部署图可以看出,随着网关个数的增加,网络规模也在增加,网路中感知节点也随之增加,这就意味着网络中的数据包也逐渐增加,所以延迟会出现逐渐增大的情况。通过对比可以发现,SEDT虽然在平均路径延迟上高于Voronoi scoping协议,但是对于丢包率和链路延迟的影响仍然优于Voronoi scoping协议。
对比试验b:
在该实验中,针对每个算法,设置不同的充电速率λ。不同的充电速率λ实质上反映了不同的自然环境。我们观察网络丢包率、平均链路延迟、平均路径延迟。
实验结果b:
图10所示的是网络中不同的充电速率λ对于网络丢包率、平均链路延迟、平均路径延迟的影响,从结果可以看出无论充电速率如何变化,SEDT在丢包率和链路延迟方面均优于Voronoi scoping协议,但从平均路径延迟方面来说,SEDT的延迟大于Voronoi scoping协议的延迟。这主要是因为,节点通过SEDT中的概率估计模型选择出的是在未来某一时刻仍然工作可能性最高的网关,从另一方面来说,这样的网关不一定是距离源节点最近的网关,所以就导致了较高的路径延迟,但是同时也保证了较高的数据包成功传输率,较低的链路延迟反映了网络中拥塞碰撞的数据较少,也就是说网络中的负载较均衡。
对比试验c:
在该实验中,针对每个算法,设置不同的节点占空比。我们观察网络丢包率、平均链路延迟、平均路径延迟。
实验结果c:
图11所示的是网络中不同的节点占空比对于网络丢包率、平均链路延迟、平均路径延迟的影响。SEDT在丢包率和平均链路延迟方面优于Voronoi scoping协议,同样的SEDT会导致较高的路径延迟。从另一方面来说,随着节点占空比的逐渐增加,丢包率等性能也在逐渐减少,甚至路径延迟已经逐渐接近最短距离的路径延迟。
对比试验d:
在该实验中,针对每个算法,设置不同节点采集频率。我们观察网络丢包率、平均链路延迟、平均路径延迟。
实验结果d:
节点的采集频率越大,节点单位时间内生成的数据包越多,网络中需要传输的数据包越大,也就是网络负载越重。
图12所示的是网络中不同的节点采集频率对于网络丢包率、平均链路延迟、平均路径延迟的影响。无论节点的采集频率如何变化,网络使用SEDT中概率估计模型进行目的网关的选择仍然可以得到较好的传输率和链路延迟。
图13所示的是当感知节点的采集频率为1个/s的时候,网络中的负载方差,图a和b分别是采用SEDT和Voronoi scoping协议的网络负载方差,结果显而易见,采用SEDT的网络负载在任意时刻都较为均衡,而Voronoi scoping协议则导致网络中负载波动较大。同样的图14所示的是当感知节点的采集频率为5个/s时网络的负载情况。虽然此时SEDT的结果有所增加,但是相对于Voronoi scoping协议来说,SEDT还是有很大的优势。
图15a和b分别表示的是当感知节点的采集频率为1个/s时,感知节点和网关剩余能量的变化情况,很明显可以看出对于感知节点来说,采用SEDT中的概率估计模型进行目的网关的选择,可以减少丢包和重传的可能性,所以进一步减少了能量的消耗。从网关的角度来说,均衡的网络负载可以使网关的剩余电量处于平稳的状态,对比图16的结果可以看出,无论是网络负载如何变化,即无论网关单位时间内充电量大于消耗量还是小于消耗量,通过SEDT可以有效的减小网关单位时间内收到数据包的个数,也就是说可以减少单位时间内电量的消耗,这样就可以保证网关处于一种电量较充足的稳定状态。
Claims (1)
1.一种基于多网关数据传输的无线传感器网络路由方法,其特征在于,该方法包括以下步骤:
步骤一,无线传感器网络部署
步骤S10,在需要监测的地点布设感知节点,并在感知节点中随机部署多个网关,网关采用太阳能和风能进行充电,对传感器网络进行初始化;
步骤二,确定感知节点可达网关
步骤S20,网络初始化后,感知节点中建立信息记录表DF,DF中的列项包括该感知节点可达网关的ID号Des、邻居节点Nei、可达网关的最小跳步数Dis、可达网关的启动时间Sta;可达网关为与该感知节点之间的跳步数小于MAX_hop的网关,MAX_hop的取值为10;
步骤S21,网关产生并广播方向信息数据包Find,当网关节点满足下面两个条件之一时,网关再次产生并广播Find:
条件一:距离广播上一个Find的时间达到Δt,Δt的取值为0.5s;
条件二:网关在相邻两个单位时间内接收到的数据包个数之差大于或等于Δμ,Δμ的取值为5;
Find中的信息包括产生该Find的网关的ID号idSink和启动时间st、该Find经过的跳步数hop和经过的中间节点集合TS,其中TS中最后一个节点记为idL;
步骤S22,感知节点收到一个Find后,提取Find中的信息并进行以下处理:
如果Find中的hop小于MAX_hop且Find中的TS不包含本感知节点,则在本感知节点的DF表中,查找DF的Des列项中值为idSink的一行,如此行存在,执行步骤S22-1,如此行不存在,执行步骤S22-2:
步骤S22-1,比较Find中的st值和该行中Sta列的值,如相等,则把idL添加到该行的Nei列中;然后比较如果该行中Dis列的值大于hop+1,则将该值改写为hop+1;如果Find中的st值和该行中Sta列值不等,则删除该行,并执行步骤S22-2;
步骤S22-2,在DF表中添加新的一行,添加的一行中,Des的值写为idSink,Nei的值写为idL,Dis的值写为hop+1,Sta的值写为st;
否则感知节点丢弃该Find包;
步骤S23,感知节点对Find进行更新,具体为:
在TS集合中加入本节点,跳步数hop的值加1;然后感知节点将更新后的Find进行广播;
步骤三,选择目标网关
步骤S30,感知节点选择其DF表中处于正常工作状态且跳步数最小的网关作为目标网关;
步骤四,感知节点的数据传输
步骤S40,感知节点每10秒向其DF表中的邻居节点发送10个探测包,若该感知节点收到其中一个邻居节点回复的确认数据包有xp个,则感知节点到该邻居节点的链路质量为感知节点到该邻居节点链路传输失败概率为j为该邻居节点的标号;感知节点每10秒中更新一次其DF表中所有邻居节点的链路状态;
步骤S41,感知节点按照下面公式计算向邻居节点发送数据包的期望发送次数H:
式中,m为该感知节点距离目的网关的跳步数,Δ为期望的数据包成功传输率,n为该感知节点的DF表中邻居节点的个数;
步骤S42,感知节点向邻居节点发送H次数据包,邻居节点收到数据包后,按照下面公式计算转发概率值p,并随机产生一个0至1之间的数,如果此数小于或等于转发概率值p,则转发此数据包,否则不转发:
式中,pmin是该感知节点DF表中所有邻居节点的链路传输失败概率pj的最小值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410255447.3A CN104093180B (zh) | 2014-06-10 | 2014-06-10 | 一种基于多网关数据传输的无线传感网络路由方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410255447.3A CN104093180B (zh) | 2014-06-10 | 2014-06-10 | 一种基于多网关数据传输的无线传感网络路由方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104093180A CN104093180A (zh) | 2014-10-08 |
CN104093180B true CN104093180B (zh) | 2017-04-12 |
Family
ID=51640847
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410255447.3A Active CN104093180B (zh) | 2014-06-10 | 2014-06-10 | 一种基于多网关数据传输的无线传感网络路由方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104093180B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105050108B (zh) * | 2015-05-25 | 2018-06-01 | 浙江工业大学 | 一种能量捕获无线传感网高数据包传递率多播方法 |
CN105426429B (zh) * | 2015-11-04 | 2019-03-26 | 中国联合网络通信集团有限公司 | 数据处理方法、感知元件数据处理装置、数据处理*** |
CN105611599B (zh) * | 2016-01-08 | 2019-06-07 | 昆明理工大学 | 一种基于剩余能量动态调整前向角度的路由算法 |
CN105744583A (zh) * | 2016-02-22 | 2016-07-06 | 暨南大学 | 一种低轮值传感网中的动态功率控制方法 |
JP7108180B2 (ja) * | 2018-07-06 | 2022-07-28 | 日本電信電話株式会社 | 無線通信システム、制御方法、制御装置及び制御プログラム |
CN109068337A (zh) * | 2018-07-13 | 2018-12-21 | 中南大学 | 用于移动机会网络的能量感知时间可达图方法 |
CN109168193A (zh) * | 2018-11-07 | 2019-01-08 | 中南大学 | 一种适用于占空比无线传感器网络的自适应成组唤醒的机会路由策略 |
CN110012502B (zh) * | 2019-03-27 | 2022-07-19 | 芜湖职业技术学院 | 数据传输控制方法、通讯***和机器可读存储介质 |
CN110868727A (zh) * | 2019-10-28 | 2020-03-06 | 辽宁大学 | 无线传感网中数据传输延时优化方法 |
CN110838884B (zh) * | 2019-11-04 | 2021-07-13 | 大连大学 | 节点之间的数据传输的时间同步方法 |
CN111491335B (zh) * | 2020-04-13 | 2023-05-02 | 中科芯集成电路有限公司 | 一种基于多路上行Lora网关的信道负载均衡方法 |
CN117202261A (zh) * | 2021-09-16 | 2023-12-08 | 国网河北省电力有限公司电力科学研究院 | 电力物联网的无线组网方法及终端 |
CN117081973B (zh) * | 2023-10-13 | 2024-02-02 | 腾讯科技(深圳)有限公司 | 数据包传输方法、装置、设备、介质和计算机程序产品 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101415248A (zh) * | 2008-11-21 | 2009-04-22 | 中山大学 | 基于负载均衡的跨层动态源路由协议的建立方法 |
CN103686944A (zh) * | 2013-11-20 | 2014-03-26 | 桂林电子科技大学 | 一种蜂窝网与多跳无线传感网络互联的网关选择方法 |
-
2014
- 2014-06-10 CN CN201410255447.3A patent/CN104093180B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101415248A (zh) * | 2008-11-21 | 2009-04-22 | 中山大学 | 基于负载均衡的跨层动态源路由协议的建立方法 |
CN103686944A (zh) * | 2013-11-20 | 2014-03-26 | 桂林电子科技大学 | 一种蜂窝网与多跳无线传感网络互联的网关选择方法 |
Non-Patent Citations (3)
Title |
---|
Data acquisition in multiple-sink sensor networks;Abhimanyu Das,Debojyoti Dutta.;《ACM SIGMOBILE Mobile Computing and Communications Review》;20051231;全文 * |
Trading structure for randomness in wireless opportunistic routing;Szymon Chachulski,Michael Jennings,Sachin Katti,Dina Katabi.;《ACM SIGCOMM Computer Communication Review》;20071231;全文 * |
基于低占空比的机会汇聚树路由协议;徐丹,陈晓江* ,黄骏杰,尹小燕,房鼎益;《计算机应用》;20131201;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN104093180A (zh) | 2014-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104093180B (zh) | 一种基于多网关数据传输的无线传感网络路由方法 | |
Li et al. | Adaptive quality-of-service-based routing for vehicular ad hoc networks with ant colony optimization | |
Kamgueu et al. | On design and deployment of fuzzy-based metric for routing in low-power and lossy networks | |
CN101877827B (zh) | 面向楼宇监测的无线传感器网络数据收集方法 | |
CN102255807B (zh) | 一种基于主从结构多跳网络的多路径分段路由方法 | |
Bagaa et al. | Optimal placement of relay nodes over limited positions in wireless sensor networks | |
CN103354654B (zh) | 基于蚁群算法的高能效无线传感器网络路由方法 | |
Gong et al. | Energy-efficient clustering in lossy wireless sensor networks | |
CN101645829B (zh) | 一种无线传感器网络数据转发方法及*** | |
CN108112048A (zh) | 认知传感器网中一种基于稳定性的能效路由协议 | |
CN102497679B (zh) | 一种无线传感器网络静态分簇算法 | |
CN103999510A (zh) | 用于简约连接对象网络的辅助智能路由 | |
CN104168620A (zh) | 无线多跳回传网络中的路由建立方法 | |
CN101945432A (zh) | 一种用于无线mesh网络的多速率机会路由方法 | |
CN103974367A (zh) | 无线传感器网络中基于heed算法的错误容忍和多路径优化方法 | |
CN108174412A (zh) | 一种负载均衡的rpl多路径数据传输机制 | |
CN102665171A (zh) | 基于大规模wsn突发事件监测的路由控制方法 | |
CN104113855A (zh) | 无线自组织网络基于信道的路由算法 | |
CN104969655B (zh) | 数据发布***、发布装置、终端装置、数据发布方法 | |
Ngqakaza et al. | Least path interference beaconing protocol (libp): A frugal routing protocol for the internet-of-things | |
CN103929778A (zh) | 数据分级传输方法 | |
CN102883399A (zh) | 基于簇的ctp路由协议 | |
Debowski et al. | Q-learning enhanced gradient based routing for balancing energy consumption in WSNs | |
Khan et al. | Gradient cost establishment (grace) for an energy-aware routing in wireless sensor networks | |
Venkatasubramanian | Optimal Cluster head selection-based Hybrid Moth Search Algorithm with Tree Seed algorithm for multipath routing in WSN |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230406 Address after: 712000 G1-065, 7th Floor, Xixian Talent Building, Century Avenue, Fengdong New City, Xi'an City, Shaanxi Province Patentee after: Xi'an Zhongyuan Yunlian Information Technology Co.,Ltd. Address before: 710069 No. 229 Taibai North Road, Shaanxi, Xi'an Patentee before: NORTHWEST University |
|
TR01 | Transfer of patent right |