CN106961692A - 一种生命期受限的无线传感器网络中数据精度的优化方法 - Google Patents
一种生命期受限的无线传感器网络中数据精度的优化方法 Download PDFInfo
- Publication number
- CN106961692A CN106961692A CN201710196483.0A CN201710196483A CN106961692A CN 106961692 A CN106961692 A CN 106961692A CN 201710196483 A CN201710196483 A CN 201710196483A CN 106961692 A CN106961692 A CN 106961692A
- Authority
- CN
- China
- Prior art keywords
- data
- lifetime
- node
- optimal solution
- network
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种生命期受限的无线传感器网络中数据精度的优化方法,包括如下操作步骤:将数据精度问题转化为单点数据收集;用A(t,m)表示最优解,用B(t,m)表示最优解中最后一次上报数据的时刻;其中:t表示需要维持的生命期,m表示上报次数的限制;采用以下动态规划方法进行迭代计算,先求出a值,再求解A(t,m)与B(t,m)。上述技术方案中,在一定网络生命期的限制下,根据节点采集到的数据,计算出最优解,即在哪些采样周期,传感器节点上报数据给基站,从而使得基站处获得的数据误差最小。
Description
技术领域
本发明涉及无线传感器网络领域,具体涉及一种生命期受限的无线传感器网络中数据精度的优化方法。
背景技术
无线传感器网络由密集部署的无线传感器节点构成。这种网络通常被安置在自然区域中,通过节点之间的互相协作,对目标环境中物理量的变化进行监测。传感器节点由电池供电,基站由电源供电,传感器节点和基站通过无线通信的方式,自组织为一个网络。
在传感器节点的所有能量消耗中,无线传输占据着最大的比重。如果将所有采样到的数据统统报送给中心节点,节点有限的电能很快会被耗干,并影响整个网络的工作。幸运的是,在很多应用场景中,用户能够容忍采集到的数据存在一定程度的模糊(不精确性),去换取无线传输中数据量的下降。数据近似是一种节能策略,它通过降低采集到的数据的精度来节省传感器节点的能量消耗。
传感器数据的时间相关性和空间相关性是数据近似的基础。时间相关性指:对某个传感器节点而言,在相邻的周期中,它所采集到的数据往往较为平稳,只在一定的范围内波动。所以,对某个节点,当它采集到数据后,首先计算本次采集到的数据与上次报送的数据之间的偏差。只有当偏差较大的时候(大过某个给定的误差范围),才需要向中心节点发送本次采集到的数据。否则,此节点不需要发送任何数据,而此时中心节点则认为本周期此节点采集到的数据与它上次报送的数值相同。另外,由于传感器节点部署的往往较为密集,分布在相邻区域的节点采集到的数据在很大程度上是相似的,这是数据的空间相关性。利用这个特性,在互相临近的几个区域中,只需要挑选出其中一个区域作为代表,让部属在此区域的节点发送数据包给中心节点即可。中心节点则认为其他临近区域的采样值与代表值相同。
目前,也有在生命期的限制下优化数据精度的报道,其主要是考虑单点数据收集,即网络中只有一个传感器节点的情况。而实际中的网络拓扑通常是由多个节点组成的多跳结构,因此传统报道的方法不再适用。
发明内容
本发明的目的就是提供一种生命期受限的无线传感器网络中数据精度的优化方法,其可针对普遍采用的树型网络拓扑结构,根据节点采集到的数据,计算出最优解。
为实现上述目的,本发明采用了以下技术方案:
一种生命期受限的无线传感器网络中数据精度的优化方法,其特征在于:包括如下操作步骤:
S1:将数据精度问题转化为单点数据收集;
S2:用A(t,m)表示最优解,用B(t,m)表示最优解中最后一次上报数据的时刻;其中:t表示需要维持的生命期,m表示上报次数的限制;
S3:采用以下动态规划方法进行迭代计算,先求出a值,再求解A(t,m)与B(t,m);
上述技术方案中,在一定网络生命期的限制下,根据节点采集到的数据,计算出最优解,即在哪些采样周期,传感器节点上报数据给基站,从而使得基站处获得的数据误差最小。
附图说明
图1是一个简单的树形网络结构图;
图2将多层树变换为两层树形结构的图示,用于证明左图和右图的拓扑结构对解决数据精度最优化问题是等效的;
图3展示了将图2右图中的节点按照宽度优先的顺序进行访问,将访问到的节点数据依次链接形成的一条数据链的示意图,时间从1至6T;
图4为归一化的100个节点的网络拓扑图;
图5是某传感器前5000个温度和太阳能辐射的数据图。
具体实施方式
为了使本发明的目的及优点更加清楚明白,以下结合实施例对本发明进行具体说明。应当理解,以下文字仅仅用以描述本发明的一种或几种具体的实施方式,并不对本发明具体请求的保护范围进行严格限定。
本发明所解决的问题是,当需要维持的网络生命期(网络中第一个节点耗干能量之时)给定时,如何选择报送数据的时间,使收集到的数据的精确度最大化。特别需要指出,本发明用于处理不带有数据融合的数据收集。数据融合是指,在数据传输中,每个中间节点首先对收集到的数据,与自己的本地采集到的数据做计算(比如求最大值MAX,最小值MIN,平均值AVG等等操作),再发送计算出的数值给父节点。而本发明关注不带有任何数据融合的数据收集,每个中间节点对数据包不进行任何处理,仅仅将接收到的数据包原封不动的发送出去,它的用途更广泛,应用场景也更普遍。
针对普遍采用的树型网络拓扑结构,本发明给出了一个动态规划方法,在一定网络生命期的限制下,根据节点采集到的数据,计算出最优解,即在哪些采样周期,传感器节点上报数据给基站,从而使得基站处获得的数据误差最小。
如图1所示的树形结构,由于每个中间节点需要发送本地数据包,并且转发从孩子节点处收到的所有数据包,因此中间节点耗费的能量比它所有的下游子孙节点耗费的能量大,并且最终威胁到网络的生命期。所以网络中的瓶颈节点一定是基站的孩子节点。图1中,基站有三个孩子节点A,B,C,对应着以A,B,C,为根的子树分别是子树1,子树2和子树3。优化问题转化为分别在子树1、2、3中,最小化数据均方误差,再将各个子树得到的均方误差加起来,就是最终的最小误差。这是因为在子树1中,A是能量消耗最大的节点,但是这并不影响另外两棵子树的能量消耗,即三棵子树是彼此独立的。后面主要讨论,如何在单个的子树中优化误差。
本发明假设所有节点采样到的全部数据能够提前知道。不失一般性,假设发送和接收一个数据包均耗费1个单位的能量。每个节点的初始能量相同,假设能够支持它发送M个数据包。我们用序列d来存储网络中节点的读数,给定的生命期是T,网络中节点的个数为n。数据误差用均方误差来表示。比如,某个节点上报数据的时刻为v1,v2,v3…vM(M≤T),在某时刻vi上报之后,基站认为此节点读数一直是直到下次vi+1时刻更新为如此,此节点在基站处引起的均方误差为:
具体的,本发明包括如下步骤:
S1:首先,将问题转化为单点数据收集。
初始化之后,以宽度优先的顺序,依次访问网络中所有的节点。当某个节点被访问时,将此节点采样到的数据按时间顺序依次链接至序列d的尾部。例如,d1、d2…dT表示第一个节点在T个采样周期内获得的数据,而dT+1、dT+2…d2T则表示第二个节点在T个采样周期内获得的数据,依次类推。这就好比在网络中形成了一个虚拟的大的节点,在nT的生命期中,其采样到的数据为d1、d2…dnT,如图3所示。对此虚拟节点来说,在整个1~T时间段中,上报数据耗费1单位能量。为了模拟瓶颈节点A用于侦听和传送数据的能量耗费,在T+1~nT时间段中,虚拟节点每次上报数据均耗费2单位能量。这表明,对于此优化问题,图2左侧图中的拓扑结构与图2右侧图中所示拓扑结构是等效的。但由于不同时间段能量耗费不同,此时无法直接套用传统的单点数据收集办法来解决问题,必须进行变换。
S2:用A(t,m)表示最优解,即所求的最低的均方误差值,其中,t表示需要维持的生命期,m表示上报次数的限制,用B(t,m)表示最优解中,最后一次上报数据的时刻。
S3:用以下动态规划方法进行迭代计算,先求出a值,再求解A(t,m)与B(t,m)。
首先,很容易证明,若时刻v1、v2、v3…vM是A(t,m)对应的最优解,那么v1、v2、v3…vM-1时刻,是A(vM-1、m-x)所对应的最优解,而x的取值取决于最后一次上报时刻vM和T的关系:若vM≤T、则x=1;否则x=2。由于篇幅的限制,在此不给出证明。也就是说,较大规模问题的最优解包含着更小规模问题的最优解。假设最后一次上报的时刻为i(aT+1≤i≤t),i的起始时刻为它是t时刻所对应的原节点的第一个采样值对应的时间序号。例如,T=10、t=60、a=5、51≤i≤60。特别需要说明的是,各个节点在初始时刻必须上报数据给基站,所对应的虚拟节点在1、T+1、2T+1…nT时刻必须上报数据。若所给定的生命期t,而能量m<1+2a时,无法达到在初始时刻上报数的效果,无解。只有m≥1+2a,问题转化为求解:所有可能的i值(aT+1≤i≤t)对应的最小值。
以下通过一个具体的实施例来对本发明进行具体说明:
第一步,布置网络。参照图4,将100个传感器节点随机的放在一个1×1的正方形区域中,为了让整个网络保持连通,在拓扑图中将每个节点的传输半径设置为0.25。
第二步,选取数据序列,确定生命期T和能量值M(M≤T),并为每个传感器节点加载数据。
参照图5,采用华盛顿大学开源LEM项目所收集到的温度和太阳能辐射的传感器数据序列进行测试。每个数据序列含有超过3000000个传感器数据,其中连续两个传感器数据采样时间间隔1秒。可以设T=20000,M=1000。即每个节点的初始能量为1000,需要维持20000的生命期。收听与发送一个数据包,各需要耗费1个单位的能量。在选取的数据序列中,以不同的开始时间,为每个传感器节点连续的选取20000个数据作为采样值。
第三步,按照拓扑结构,将网络分为若干个以基站孩子节点为根的子树。
第四步,按照本方法,分别对每棵子树求出最优解。对于矩阵AnT×M的计算按列依次进行,先计算第一列元素:A(1,1)、A(2,1)、A(3,1)…A(nT,1);再计算第二列元素A(2,2)、A(3,2)、A(4,2)…A(nT,2),以此类推直至最后一列元素。尽管关键步骤即动态规划的求解表达式(公式(1)(2))以递归的形式给出,而以上求解过程是自底向上进行。这是因为依照表达式(1),计算第i行j列元素A(i,j)的过程,用到了A(j-1,j-1)、A(j,j-1)…A(i-1,j-1)所有的元素,而这些元素已经被存储下来,不需要重复计算。动态规划方法存储历史信息使得未来需要历史信息时不需要重新计算,从而用空间复杂度换取较低的时间复杂度。矩阵B的计算与矩阵A类似。
第五步,从最终算出的上报数据时间B矩阵,还原出各个节点上报数据的时间。
第六步,将每棵子树最终的最小均方误差进行加和,即为最终的最优解。
本发明未能详尽描述的设备、机构、组件和操作方法,本领域普通技术人员均可选用本领域常用的具有相同功能的设备、机构、组件和操作方法进行使用和实施。或者依据生活常识选用的相同设备、机构、组件和操作方法进行使用和实施。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在获知本发明中记载内容后,在不脱离本发明原理的前提下,还可以对其作出若干同等变换和替代,这些同等变换和替代也应视为属于本发明的保护范围。
Claims (1)
1.一种生命期受限的无线传感器网络中数据精度的优化方法,其特征在于:包括如下操作步骤:
S1:将数据精度问题转化为单点数据收集;
S2:用A(t,m)表示最优解,用B(t,m)表示最优解中最后一次上报数据的时刻;其中:t表示需要维持的生命期,m表示上报次数的限制;
S3:采用以下动态规划方法进行迭代计算,先求出a值,再求解A(t,m)与B(t,m);
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710196483.0A CN106961692A (zh) | 2017-03-29 | 2017-03-29 | 一种生命期受限的无线传感器网络中数据精度的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710196483.0A CN106961692A (zh) | 2017-03-29 | 2017-03-29 | 一种生命期受限的无线传感器网络中数据精度的优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106961692A true CN106961692A (zh) | 2017-07-18 |
Family
ID=59471843
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710196483.0A Pending CN106961692A (zh) | 2017-03-29 | 2017-03-29 | 一种生命期受限的无线传感器网络中数据精度的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106961692A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102843757A (zh) * | 2012-08-06 | 2012-12-26 | 上海交通大学 | 无线传感器网络环境监测中基于压缩传感的数据收集方法 |
CN105188117A (zh) * | 2015-09-21 | 2015-12-23 | 北京农业信息技术研究中心 | 时空域复用的农田无线传感器网络频谱交错接入方法 |
JP2016025370A (ja) * | 2014-07-16 | 2016-02-08 | 学校法人 関西大学 | 無線装置、それを備えた無線通信システムおよび無線装置において実行されるプログラム |
-
2017
- 2017-03-29 CN CN201710196483.0A patent/CN106961692A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102843757A (zh) * | 2012-08-06 | 2012-12-26 | 上海交通大学 | 无线传感器网络环境监测中基于压缩传感的数据收集方法 |
JP2016025370A (ja) * | 2014-07-16 | 2016-02-08 | 学校法人 関西大学 | 無線装置、それを備えた無線通信システムおよび無線装置において実行されるプログラム |
CN105188117A (zh) * | 2015-09-21 | 2015-12-23 | 北京农业信息技术研究中心 | 时空域复用的农田无线传感器网络频谱交错接入方法 |
Non-Patent Citations (1)
Title |
---|
XUEYAN TANG: "Adaptive Data Collection Strategies for Lifetime-Constrained Wireless Sensor Networks", 《IEEE TRANSACTIONS ON PARALLEL AND DISTRIBUTED SYSTEMS》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kamgueu et al. | On design and deployment of fuzzy-based metric for routing in low-power and lossy networks | |
Zhang et al. | A review of wireless sensor networks and its applications | |
CN101170499B (zh) | 一种自组织网络上的组合服务执行路径的选择方法 | |
Manshahia et al. | Firefly algorithm based clustering technique for Wireless Sensor Networks | |
CN105931134A (zh) | 一种含并网光伏电站的***可靠性评估方法 | |
Gupta et al. | Improved distance energy based LEACH protocol for cluster head election in wireless sensor networks | |
CN106209261B (zh) | 基于概率邻域网格的三维UASNs的移动数据收集方法 | |
CN106961692A (zh) | 一种生命期受限的无线传感器网络中数据精度的优化方法 | |
Chandrasekaran et al. | Binary/real coded particle swarm optimization for unit commitment problem | |
CN106954228A (zh) | 一种基于动态数据图样的生命期最优化树的构造方法 | |
Assi et al. | Prediction of monthly average daily global solar radiation in Al Ain City–UAE using artificial neural networks | |
CN110570046B (zh) | 环境监测站点的选址方法及*** | |
Hao et al. | Retracted: Research on Key Technologies of Intelligent Agriculture Based on Agricultural Big Data | |
Schürr | Graph-transformation-driven correct-by-construction development of communication system topology adaptation algorithms | |
CN101808383B (zh) | 面向矩阵式无线传感器网络的随机路由的选择方法 | |
Ramanan et al. | Sparse Long Short-Term Memory Approach for Energy-Efficient Adaptive Cluster Fuzzy-based Controller in Wireless Sensor Network | |
Xiang et al. | HDFS efficiency storage strategy for big data in smart city | |
Gaur et al. | Wireless sensor deployment using modified discrete binary PSO method | |
Balaji et al. | Energy prediction in IoT systems using machine learning models | |
CN103324990A (zh) | 一种全封闭气体绝缘开关柜密封度预测装置及方法 | |
Malik et al. | Analyzing the factors affecting network lifetime for cluster-based wireless sensor networks | |
Luo et al. | MEADOWS: modeling, emulation, and analysis of data of wireless sensor networks | |
Xu | A New Method for Reliability Evaluation of Wireless Sensor Networks Based on Fuzzy Neural Network. | |
Devi et al. | Cluster head election algorithm in wireless sensor network using artificial bee colony | |
Lingyun et al. | Study on performance evaluation method based on measurement for wireless sensor network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170718 |