CN107872809B - 一种基于移动节点辅助的软件定义传感网络拓扑控制方法 - Google Patents

一种基于移动节点辅助的软件定义传感网络拓扑控制方法 Download PDF

Info

Publication number
CN107872809B
CN107872809B CN201711119251.1A CN201711119251A CN107872809B CN 107872809 B CN107872809 B CN 107872809B CN 201711119251 A CN201711119251 A CN 201711119251A CN 107872809 B CN107872809 B CN 107872809B
Authority
CN
China
Prior art keywords
node
mobile node
network
mobile
preset
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
Application number
CN201711119251.1A
Other languages
English (en)
Other versions
CN107872809A (zh
Inventor
燕锋
尹浩浩
夏玮玮
丁翠
马文钰
兰卓睿
沈连丰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201711119251.1A priority Critical patent/CN107872809B/zh
Publication of CN107872809A publication Critical patent/CN107872809A/zh
Application granted granted Critical
Publication of CN107872809B publication Critical patent/CN107872809B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
    • H04W40/248—Connectivity information update
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
    • H04W40/08—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on transmission power
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
    • H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
    • 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

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及一种基于移动节点辅助的软件定义传感网络拓扑控制方法，充分利用控制器的集中控制特性和移动节点的移动特性，综合考虑网络现存节点的节点状态、网络拓扑冗余情况，保证拓扑完整和网络连通性的前提下，实现基于移动节点的实时调度，实时更新的拓扑控制，在保证底层传感器网络连通性的前提下，能够通过移动节点对网络拓扑进行实时监控和快速修复更新，有效降低网络平均节点发射功率，最大可能延长网络生命期。

Description

一种基于移动节点辅助的软件定义传感网络拓扑控制方法
技术领域
本发明涉及一种基于移动节点辅助的软件定义传感网络拓扑控制方法，属于软件定义传感网络的拓扑控制技术领域。
背景技术
传统的无线传感器网络(Wireless Sensor Network，WSN)的拓扑控制是在保证网络连通性的前提下，网络节点尽可能使用最小的发射功率，从而尽可能延长网络生命周期，增加网络***服务时间。因此，保证网络连通性，尽可能延长网络生命周期，是无线传感器网络拓扑控制的核心目标。拓扑控制的重要性体现在两个方面：从节点层面看，功率过大既加速了节点的能量消耗，又增加了相邻节点之间的干扰；从链路层来看，发射功率过大虽然可以增强链路通信质量，但同时也带来了过多的冗余，过低的功率又会加大整个网络的脆弱性，甚至使网络陷入瘫痪。
受软件定义网络(Software Defined Network，SDN)的激励，将网络的数据转发平面和控制平面分离开来，成为包括传统IP网络、WSN等网络新的发展方向。传统无线传感器网络的状态更新、监管能力有限，自组织能力和有限的计算能力给拓扑控制等带来了巨大挑战。软件定义传感网络(Software Defined Sensor Network，SDSN)就是在此背景下提出并且被逐渐应用到无线传感器网络的拓扑控制和覆盖优化等问题中的。利用软件定义传感网络的集中式控制和对网络状态的全局性掌控，可以对网络故障实现快速定位，可以对网络状态进行全局分析，全局优化。近年来，无人机(UAV，Unmanned Aerial Vehicle)、惯性导航(Inertial Navigation)等技术的快速发展，也给无线传感器网络的拓扑控制带来了新的思路：利用这些可移动节点自由快速可控的移动特性，能够对网络故障进行快速响应、快速修复。基于移动节点辅助的拓扑控制方法是在网络中部署一定数量的移动节点，通过集中式控制器和其他节点对移动节点进行联合调度，从而达到优化网络拓扑和降低网络平均功率消耗的目的。
发明内容
本发明所要解决的技术问题是提供一种基于移动节点辅助的软件定义传感网络拓扑控制方法，以降低网络节点平均功率消耗、延长整体网络生命期为目标，在保证网络连通性的前提下，通过对网络中所有节点状态进行监测，利用移动节点对网络拓扑进行实时优化和修复。
本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于移动节点辅助的软件定义传感网络拓扑控制方法，基于目标传感网络，引入预设数量移动节点，构建软件定义传感网络，首先执行如下初始化操作：
软件定义控制器获取软件定义传感网络中各个传感器节点的预设类型状态信息，以及各个移动节点的预设类型状态信息；接着由软件定义控制器根据软件定义传感网络中各个节点的位置与状态信息，针对软件定义传感网络，构建网络拓扑结构；
然后由软件定义控制器周期执行如下步骤，针对软件定义传感网络实现拓扑控制；
步骤A.软件定义控制器获取网络拓扑结构中各个节点的预设类型状态信息；接着由软件定义控制器根据网络拓扑结构中各个节点的位置与状态信息，更新网络拓扑结构，然后进入步骤B；
步骤B.针对网络拓扑结构中的各个节点，根据各个节点的状态信息，采用预设节点权重函数，计算获得各个节点的权重，然后进入步骤C；
步骤C.由软件定义控制器针对网络拓扑结构中的移动节点进行调度，将移动节点移动至发射功率大于预设发射功率阈值、且剩余能量低于预设能量下限的相邻传感器节点旁，然后进入步骤D；
步骤D.软件定义控制器获取网络拓扑结构中各个节点的预设类型状态信息；接着由软件定义控制器根据网络拓扑结构中各个节点的位置与状态信息，更新网络拓扑结构。
作为本发明的一种优选技术方案：所述预设类型状态信息包括节点发射功率、节点剩余能量和节点度值。
作为本发明的一种优选技术方案：所述步骤B中，针对网络拓扑结构中的各个节点，根据各个节点的状态信息，采用预设节点权重函数如下所示：
Figure GDA0003008687010000021
计算获得各个节点的权重
Figure GDA0003008687010000022
表示网络拓扑结构中第v个节点、第n时刻的权重，
Figure GDA0003008687010000023
分别表示节点ν的剩余能量，发射功率和节点度；α，β，γ和η为非负调度参数因子，Pmax是节点最大发射功率，E0是节点初始状态时的剩余能量，dgmax是网络拓扑中最大的节点度；
Figure GDA0003008687010000024
是移动节点k的最远可达邻居节点集。
作为本发明的一种优选技术方案：所述步骤C中，由软件定义控制器针对网络拓扑结构中的各个移动节点，分别执行调度操作，将移动节点移动至发射功率大于预设发射功率阈值、且剩余能量低于预设能量下限的相邻传感器节点旁。
作为本发明的一种优选技术方案：所述步骤C中，根据网络拓扑结构中各个节点的权重，选择其中权重大于预设权重阈值的各个移动节点，由软件定义控制器针对该各个移动节点，分别执行调度操作，将移动节点移动至发射功率大于预设发射功率阈值、且剩余能量低于预设能量下限的相邻传感器节点旁。
作为本发明的一种优选技术方案：所述针对移动节点的调度操作，包括首先根据网络拓扑结构中各个节点的位置与权重，获得移动节点的重定位矢量，以及建立移动节点的马尔科夫链转移概率矩阵；然后根据移动节点的重定位矢量和马尔科夫链转移概率矩阵，将移动节点移动至发射功率大于预设发射功率阈值、且剩余能量低于预设能量下限的相邻传感器节点旁。
作为本发明的一种优选技术方案，所述针对移动节点的调度操作，包括如下步骤：
步骤001.获取移动节点的最远可达邻居节点集：
首先获得移动节点k的最远可达邻居节点集：
Figure GDA0003008687010000031
其中，Nκ＝{v|dkv≤rmax，v∈Vdn∪Vsn，k∈Vmn}表示与移动节点相邻的节点集，其中dkv表示节点k和节点v之间的距离，rmmax是节点最大发射范围，Vdn表示传感器节点，Vmn表示移动节点，Vsn表示软件定义节点，Lκ：Nκ→(R+，R+)是所有节点的坐标集；以移动节点k为中心，以节点最大发射范围rmax为半径的圆形区域，最大可达邻居节点集的矢量表示为：
Figure GDA0003008687010000032
Figure GDA0003008687010000033
表示从节点k到节点v的矢量；
步骤002.获取节点ν在时刻n的调度参数矩阵，计算节点权重：
在网络拓扑更新过程的第n时刻，获取网络节点状态，并建立每个节点的调度参数矩阵：
Figure GDA0003008687010000034
其中，
Figure GDA0003008687010000035
分别表示节点v的剩余能量、发射功率和节点度；α，β，γ和η为非负调度参数因子，Pmax是节点最大发射功率，E0是节点初始状态时的剩余能量，dgmax是网络拓扑中最大的节点度；
然后利用预设如下节点权重函数：
Figure GDA0003008687010000036
计算获得节点计算权重
Figure GDA0003008687010000037
步骤003.根据节点权重函数，在最远可达邻居节点集内计算移动节点重定位矢量：
首先，针对最远可达邻居节点集范围内的每个节点计算权重，将移动节点最大可达范围划分为四个目标区域即四个象限，对每个目标区域内的节点权重求和，获得四个区域内的权重之和：
Figure GDA0003008687010000041
其中
Figure GDA0003008687010000042
表示第i象限，所有目标区域内的节点总权重为：
Figure GDA0003008687010000043
然后建立移动节点重定位矢量，从而对移动节点进行调度，假设
Figure GDA0003008687010000044
是移动节点k在第n时刻的位置，重定位位置空间定义为：
Figure GDA0003008687010000045
其中，
Figure GDA0003008687010000046
是移动节点调度空间的标量表示，根据每个目标区域内的节点位置和权重可求得矢量形式为：
Figure GDA0003008687010000047
Figure GDA0003008687010000048
Figure GDA0003008687010000049
Figure GDA00030086870100000410
其中，NI，NII，NIII，NIV是四个象限区域
Figure GDA00030086870100000411
内的普通节点数量；
步骤004.获取移动节点的重定位概率矩阵，进行移动节点调度：
四个目标象限区域内的重定位概率矩阵表示为：
Figure GDA00030086870100000412
则建立一阶马尔科夫链转移概率矩阵，其中不同目标区域内的移动节点重定位概率为：
Figure GDA00030086870100000413
由于移动节点重定位下一时刻的位置
Figure GDA00030086870100000414
仅仅依赖当前位置
Figure GDA00030086870100000415
和当前节点权重
Figure GDA00030086870100000416
而与之前的状态无关，因此移动节点的调度是基于一阶马尔科夫链转移概率的调度；
步骤005.由软件定义控制器根据移动节点的重定位矢量和马尔科夫链转移概率矩阵，将移动节点移动至发射功率大于预设发射功率阈值、且剩余能量低于预设能量下限的相邻传感器节点旁。
本发明所述一种基于移动节点辅助的软件定义传感网络拓扑控制方法的应用***，采用以上技术方案与现有技术相比，具有以下技术效果：本发明所设计基于移动节点辅助的软件定义传感网络拓扑控制方法，充分利用控制器的集中控制特性和移动节点的移动特性，综合考虑网络现存节点的节点状态、网络拓扑冗余情况，保证拓扑完整和网络连通性的前提下，实现基于移动节点的实时调度，实时更新的拓扑控制，在保证底层传感器网络连通性的前提下，能够通过移动节点对网络拓扑进行实时监控和快速修复更新，有效降低网络平均节点发射功率，最大可能延长网络生命期。
附图说明
图1是基于移动节点辅助的软件定义网络分层架构示意图；
图2是本发明基于移动节点辅助的软件定义传感网络拓扑控制方法的流程图；
图3是本发明设计拓扑控制方法中移动节点调度过程。
具体实施方式
下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。
本发明基于一种新型的移动节点辅助的软件定义传感网络，利用移动节点对网络拓扑进行优化，充分利用网络节点的实时发射功率、剩余能量等因素对网络节点状态进行评估，计算生成移动节点重定位矢量，建立一阶马尔科夫链转移概率矩阵，对移动节点进行实时调度。
如图1所示，基于移动节点辅助的软件定义传感网络架构包含三层：基础设施层、控制层和应用层。基础设施层即底层传感器网络中有三种节点，包括普通节点、软件定义节点和移动节点等。软件定义节点的功能可以由控制器进行重配置，支持空中下载，同时软件定义节点拥有本地控制功能，如可以周期性发起拓扑发现过程，收集网络中活跃节点状态等信息，因此该类节点也是传感器数据的汇聚节点，所有数据汇聚到该类节点并上传至集中式控制器。移动节点可由控制器控制、调度，可用来进行拓扑优化、空洞修复等。基础设施层和控制层通过南向接口相连，控制层除了拥有整个网络的全局信息，还可以对网络状态进行长期监测，从而进行拓扑控制、流表生成、包处理和移动节点管理等功能。控制器和上述三种节点一起进行移动节点的联合调度，从而实现整体网络拓扑的优化目标。
具体实际应用中，将该网络模型表示为一个有向的全连通图：
G＝(Vdn∪Vmn∪Vsn，E)
其中Vdn表示普通节点，Vmn表示移动节点，Vsn表示软件定义节点。如果用duv表示节点u和节点v之间的距离，rmax表示节点最大发射范围，则每个节点以最大发射功率工作时原始拓扑可以表示为：
Go＝(Vdn∪Vmn∪Vsn，Ein)
其中Ein表示原始拓扑的边集，
Ein＝{(u，v)：duv≤rmax，u，v∈Vdn∪Vmn∪Vsn}
网络原始拓扑包含的冗余很大，每个节点都以最大发射功率工作，不仅会加大节点间的干扰，更会加速节点能量的消耗，降低网络的生存时间。在初始状态下，控制器会根据网络的节点分布对节点发射功率进行调整，在降低网络冗余的同时能够保证网络的连通性。如附图2所示，建立了网络拓扑之后，控制器计算每个节点的转发流表并进行下发，网络处于正常工作状态。每个节点处在网络中发挥的转发角色不同以及发射功率的差异将导致某些节点能量消耗过快，从而影响节点生存时间，进而影响网络生命期。此时，控制器将利用移动节点对网络拓扑进行主动优化，调度移动节点至发射功率大，且剩余能量较低的节点附近，从而改变这些节点的状态和转发角色，提升链路通信质量的同时，延长节点生存时间。
基于图2所示，本发明设计了一种基于移动节点辅助的软件定义传感网络拓扑控制方法，基于目标传感网络，引入预设数量移动节点，构建软件定义传感网络，实际应用过程当中，首先执行如下初始化操作：
软件定义控制器获取软件定义传感网络中各个传感器节点的预设类型状态信息，以及各个移动节点的预设类型状态信息；接着由软件定义控制器根据软件定义传感网络中各个节点的位置与状态信息，针对软件定义传感网络，构建网络拓扑结构。实际应用中，这里预设类型状态信息包括节点发射功率、节点剩余能量和节点度值。
然后由软件定义控制器周期执行如下步骤，针对软件定义传感网络实现拓扑控制。
步骤A.软件定义控制器获取网络拓扑结构中各个节点的预设类型状态信息；接着由软件定义控制器根据网络拓扑结构中各个节点的位置与状态信息，更新网络拓扑结构，然后进入步骤B。
步骤B.针对网络拓扑结构中的各个节点，根据各个节点的状态信息，采用预设节点权重函数如下所示：
Figure GDA0003008687010000071
计算获得各个节点的权重
Figure GDA0003008687010000072
然后进入步骤C。其中，
Figure GDA0003008687010000073
表示网络拓扑结构中第v个节点、第n时刻的权重，
Figure GDA0003008687010000074
分别表示节点v的剩余能量，发射功率和节点度；α，β，γ和η为非负调度参数因子，Pmax是节点最大发射功率，E0是节点初始状态时的剩余能量，dgmax是网络拓扑中最大的节点度；
Figure GDA0003008687010000075
是移动节点k的最远可达邻居节点集。
步骤C.由软件定义控制器针对网络拓扑结构中的移动节点进行调度，将移动节点移动至发射功率大于预设发射功率阈值、且剩余能量低于预设能量下限的相邻传感器节点旁，然后进入步骤D。
这里对于上述步骤C来说，我们设计了两套方案，其一，由软件定义控制器针对网络拓扑结构中的各个移动节点，分别执行调度操作，将移动节点移动至发射功率大于预设发射功率阈值、且剩余能量低于预设能量下限的相邻传感器节点旁。
基于上述其一设计方案，为了减少实际应用中运算数据量，提高运算效率，进一步设计了其二方案，根据网络拓扑结构中各个节点的权重，选择其中权重大于预设权重阈值的各个移动节点，由软件定义控制器针对该各个移动节点，分别执行调度操作，将移动节点移动至发射功率大于预设发射功率阈值、且剩余能量低于预设能量下限的相邻传感器节点旁；其中，针对移动节点的调度操作，首先根据网络拓扑结构中各个节点的位置与权重，获得移动节点的重定位矢量，以及建立移动节点的马尔科夫链转移概率矩阵；然后根据移动节点的重定位矢量和马尔科夫链转移概率矩阵，将移动节点移动至发射功率大于预设发射功率阈值、且剩余能量低于预设能量下限的相邻传感器节点旁，实际应用当中，如图3所示，具体包括如下步骤：
步骤001.获取移动节点的最远可达邻居节点集：
首先获得移动节点k的最远可达邻居节点集：
Figure GDA0003008687010000076
其中，Nκ＝{v|dkv≤rmax，v∈Vdn∪Vsn，k∈Vmn}表示与移动节点相邻的节点集，其中dkv表示节点k和节点v之间的距离，rmax是节点最大发射范围，Vdn表示传感器节点，Vmn表示移动节点，Vsn表示软件定义节点，Lκ：Nκ→(R+，R+)是所有节点的坐标集；以移动节点k为中心，以节点最大发射范围rmax为半径的圆形区域，最大可达邻居节点集的矢量表示为：
Figure GDA0003008687010000077
Figure GDA0003008687010000081
表示从节点k到节点v的矢量。
对于每一个传感器网络节点，节点参数如节点发射功率，节点剩余能量，节点度等影响着网络拓扑，进而影响着网络生命期，利用移动节点可以降低网络拓扑中某些节点的发射功率，提升网络生命期。
步骤002.获取节点v在时刻n的调度参数矩阵，计算节点权重：
在网络拓扑更新过程的第n时刻，获取网络节点状态，并建立每个节点的调度参数矩阵：
Figure GDA0003008687010000082
其中，
Figure GDA0003008687010000083
分别表示节点ν的剩余能量、发射功率和节点度；α，β，γ和η为非负调度参数因子，Pmax是节点最大发射功率，E0是节点初始状态时的剩余能量，dgmax是网络拓扑中最大的节点度；
为了客观反映网络节点在移动节点调度中的权重，建立节点权重函数
Figure GDA0003008687010000084
节点权重函数通过综合考虑调度参数矩阵中的因素，包括节点发射功率，节点剩余能量和节点度等因素，来客观反映节点状态。由于拓扑控制的目的是降低节点平均功率，因此节点功率pv将是最先被考虑的因素。节点剩余能量反映了节点的存活时间，越少的剩余能量意味着越短的存活时间，同样，节点度反映了网络的冗余和节点的吞吐量。
然后利用预设如下节点权重函数：
Figure GDA0003008687010000085
计算获得节点计算权重
Figure GDA0003008687010000086
仍旧考虑以移动节点k为中心，以节点最大发射范围rmax为半径的圆形区域，假设该区域是移动节点在拓扑更新周期内能够迅速做出反应并进行移动的最大范围，对该范围内的每个节点计算权重，不同节点可能有着不同的权重。
步骤003.根据节点权重函数，在最远可达邻居节点集内计算移动节点重定位矢量：
首先，针对最远可达邻居节点集范围内的每个节点计算权重，将移动节点最大可达范围划分为四个目标区域即四个象限，对每个目标区域内的节点权重求和，获得四个区域内的权重之和：
Figure GDA0003008687010000087
其中
Figure GDA0003008687010000088
表示第i象限，所有目标区域内的节点总权重为：
Figure GDA0003008687010000089
然后建立移动节点重定位矢量，从而对移动节点进行调度，假设
Figure GDA0003008687010000091
是移动节点k在第n时刻的位置，重定位位置空间定义为：
Figure GDA0003008687010000092
其中，
Figure GDA0003008687010000093
是移动节点调度空间的标量表示，根据每个目标区域内的节点位置和权重可求得矢量形式为：
Figure GDA0003008687010000094
Figure GDA0003008687010000095
Figure GDA0003008687010000096
Figure GDA0003008687010000097
其中，NI，NII，NIII，NIV是四个象限区域
Figure GDA0003008687010000098
内的普通节点数量。
步骤004.获取移动节点的重定位概率矩阵，进行移动节点调度：
四个目标象限区域内的重定位概率矩阵表示为：
Figure GDA0003008687010000099
则建立一阶马尔科夫链转移概率矩阵，其中不同目标区域内的移动节点重定位概率为：
Figure GDA00030086870100000910
由于移动节点重定位下一时刻的位置
Figure GDA00030086870100000911
仅仅依赖当前位置
Figure GDA00030086870100000912
和当前节点权重
Figure GDA00030086870100000913
而与之前的状态无关，因此移动节点的调度是基于一阶马尔科夫链转移概率的调度。
步骤005.由软件定义控制器根据移动节点的重定位矢量和马尔科夫链转移概率矩阵，将移动节点移动至发射功率大于预设发射功率阈值、且剩余能量低于预设能量下限的相邻传感器节点旁。
步骤D.软件定义控制器获取网络拓扑结构中各个节点的预设类型状态信息；接着由软件定义控制器根据网络拓扑结构中各个节点的位置与状态信息，更新网络拓扑结构。
上述技术方案所设计基于移动节点辅助的软件定义传感网络拓扑控制方法，充分利用控制器的集中控制特性和移动节点的移动特性，综合考虑网络现存节点的节点状态、网络拓扑冗余情况，保证拓扑完整和网络连通性的前提下，实现基于移动节点的实时调度，实时更新的拓扑控制，在保证底层传感器网络连通性的前提下，能够通过移动节点对网络拓扑进行实时监控和快速修复更新，有效降低网络平均节点发射功率，最大可能延长网络生命期。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变动。

Claims (6)

1.一种基于移动节点辅助的软件定义传感网络拓扑控制方法，其特征在于：基于目标传感网络，引入预设数量移动节点，构建软件定义传感网络，首先执行如下初始化操作：软件定义控制器获取软件定义传感网络中各个传感器节点的预设类型状态信息，以及各个移动节点的预设类型状态信息；接着由软件定义控制器根据软件定义传感网络中各个节点的位置与状态信息，针对软件定义传感网络，构建网络拓扑结构；预设类型状态信息包括节点发射功率、节点剩余能量和节点度值；
然后由软件定义控制器周期执行如下步骤，针对软件定义传感网络实现拓扑控制；
步骤A.软件定义控制器获取网络拓扑结构中各个节点的预设类型状态信息；接着由软件定义控制器根据网络拓扑结构中各个节点的位置与状态信息，更新网络拓扑结构，然后进入步骤B；
步骤B.针对网络拓扑结构中的各个节点，根据各个节点的状态信息，采用预设节点权重函数，计算获得各个节点的权重，然后进入步骤C；
步骤C.由软件定义控制器针对网络拓扑结构中的移动节点进行调度，将移动节点移动至发射功率大于预设发射功率阈值、且剩余能量低于预设能量下限的相邻传感器节点旁，然后进入步骤D；
步骤D.软件定义控制器获取网络拓扑结构中各个节点的预设类型状态信息；接着由软件定义控制器根据网络拓扑结构中各个节点的位置与状态信息，更新网络拓扑结构。
2.根据权利要求1所述一种基于移动节点辅助的软件定义传感网络拓扑控制方法，其特征在于：所述步骤B中，针对网络拓扑结构中的各个节点，根据各个节点的状态信息，采用预设节点权重函数如下所示：
Figure FDA0003008686000000011
计算获得各个节点的权重
Figure FDA0003008686000000012
Figure FDA0003008686000000013
表示网络拓扑结构中第v个节点、第n时刻的权重，
Figure FDA0003008686000000014
分别表示节点v的剩余能量，发射功率和节点度；α,β,γ和η为非负调度参数因子，Pmax是节点最大发射功率，E0是节点初始状态时的剩余能量，dgmax是网络拓扑中最大的节点度；
Figure FDA0003008686000000015
是移动节点k的最远可达邻居节点集。
3.根据权利要求1所述一种基于移动节点辅助的软件定义传感网络拓扑控制方法，其特征在于：所述步骤C中，由软件定义控制器针对网络拓扑结构中的各个移动节点，分别执行调度操作，将移动节点移动至发射功率大于预设发射功率阈值、且剩余能量低于预设能量下限的相邻传感器节点旁。
4.根据权利要求1所述一种基于移动节点辅助的软件定义传感网络拓扑控制方法，其特征在于：所述步骤C中，根据网络拓扑结构中各个节点的权重，选择其中权重大于预设权重阈值的各个移动节点，由软件定义控制器针对该各个移动节点，分别执行调度操作，将移动节点移动至发射功率大于预设发射功率阈值、且剩余能量低于预设能量下限的相邻传感器节点旁。
5.根据权利要求3或4所述一种基于移动节点辅助的软件定义传感网络拓扑控制方法，其特征在于：所述针对移动节点的调度操作，包括首先根据网络拓扑结构中各个节点的位置与权重，获得移动节点的重定位矢量，以及建立移动节点的马尔科夫链转移概率矩阵；然后根据移动节点的重定位矢量和马尔科夫链转移概率矩阵，将移动节点移动至发射功率大于预设发射功率阈值、且剩余能量低于预设能量下限的相邻传感器节点旁。
6.根据权利要求5所述一种基于移动节点辅助的软件定义传感网络拓扑控制方法，其特征在于，所述针对移动节点的调度操作，包括如下步骤：
步骤001.获取移动节点的最远可达邻居节点集：
首先获得移动节点k的最远可达邻居节点集：
Figure FDA0003008686000000021
其中，Nκ＝{v|dkv≤rmax,v∈Vdn∪Vsn,k∈Vmn}表示与移动节点相邻的节点集，其中dkv表示节点k和节点v之间的距离，rmax是节点最大发射范围，Vdn表示传感器节点，Vmn表示移动节点，Vsn表示软件定义节点，Lκ：Nκ→(R+,R+)是所有节点的坐标集；以移动节点k为中心，以节点最大发射范围rmax为半径的圆形区域，最大可达邻居节点集的矢量表示为：
Figure FDA0003008686000000022
Figure FDA0003008686000000023
表示从节点k到节点v的矢量；
步骤002.获取节点v在时刻n的调度参数矩阵，计算节点权重：
在网络拓扑更新过程的第n时刻，获取网络节点状态，并建立每个节点的调度参数矩阵：
Figure FDA0003008686000000024
其中，
Figure FDA0003008686000000025
分别表示节点v的剩余能量、发射功率和节点度；α,β,γ和η为非负调度参数因子，Pmax是节点最大发射功率，E0是节点初始状态时的剩余能量，dgmax是网络拓扑中最大的节点度；
然后利用预设如下节点权重函数：
Figure FDA0003008686000000031
计算获得节点计算权重
Figure FDA0003008686000000032
步骤003.根据节点权重函数，在最远可达邻居节点集内计算移动节点重定位矢量：
首先，针对最远可达邻居节点集范围内的每个节点计算权重，将移动节点最大可达范围划分为四个目标区域即四个象限，对每个目标区域内的节点权重求和，获得四个区域内的权重之和：
Figure FDA0003008686000000033
其中
Figure FDA0003008686000000034
表示第i象限，所有目标区域内的节点总权重为：
Figure FDA0003008686000000035
然后建立移动节点重定位矢量，从而对移动节点进行调度，假设
Figure FDA0003008686000000036
是移动节点k在第n时刻的位置，重定位位置空间定义为：
Figure FDA0003008686000000037
其中，
Figure FDA0003008686000000038
是移动节点调度空间的标量表示，根据每个目标区域内的节点位置和权重可求得矢量形式为：
Figure FDA0003008686000000039
Figure FDA00030086860000000310
Figure FDA00030086860000000311
Figure FDA00030086860000000312
其中，NI,NII,NIII,NIV是四个象限区域
Figure FDA00030086860000000313
内的普通节点数量；
步骤004.获取移动节点的重定位概率矩阵，进行移动节点调度：
四个目标象限区域内的重定位概率矩阵表示为：
Figure FDA00030086860000000314
则建立一阶马尔科夫链转移概率矩阵，其中不同目标区域内的移动节点重定位概率为：
Figure FDA0003008686000000041
由于移动节点重定位下一时刻的位置
Figure FDA0003008686000000042
仅仅依赖当前位置
Figure FDA0003008686000000043
和当前节点权重
Figure FDA0003008686000000044
而与之前的状态无关，因此移动节点的调度是基于一阶马尔科夫链转移概率的调度；
步骤005.由软件定义控制器根据移动节点的重定位矢量和马尔科夫链转移概率矩阵，将移动节点移动至发射功率大于预设发射功率阈值、且剩余能量低于预设能量下限的相邻传感器节点旁。
CN201711119251.1A 2017-11-14 2017-11-14 一种基于移动节点辅助的软件定义传感网络拓扑控制方法 Active CN107872809B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711119251.1A CN107872809B (zh) 2017-11-14 2017-11-14 一种基于移动节点辅助的软件定义传感网络拓扑控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711119251.1A CN107872809B (zh) 2017-11-14 2017-11-14 一种基于移动节点辅助的软件定义传感网络拓扑控制方法

Publications (2)

Publication Number Publication Date
CN107872809A CN107872809A (zh) 2018-04-03
CN107872809B true CN107872809B (zh) 2021-07-20

Family

ID=61752682

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711119251.1A Active CN107872809B (zh) 2017-11-14 2017-11-14 一种基于移动节点辅助的软件定义传感网络拓扑控制方法

Country Status (1)

Country Link
CN (1) CN107872809B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109041162B (zh) * 2018-09-21 2021-09-03 贵州大学 一种基于势博弈的wsn非均匀拓扑控制方法
CN116367291B (zh) * 2023-06-01 2023-08-18 四川腾盾科技有限公司 基于自适应功率控制的无人机干扰规避群拓扑优化方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101013987A (zh) * 2007-02-05 2007-08-08 南京邮电大学 一种高效的无线传感器网络拓扑控制方法
CN101926216A (zh) * 2008-02-14 2010-12-22 诺基亚公司 在分散式无线网络中提供改进的通信的装置、方法和计算机程序产品
CN105208619A (zh) * 2014-06-25 2015-12-30 英特尔公司 用于生成针对具有自组织连接的网状网络的路由表的技术
CN105491584A (zh) * 2014-10-02 2016-04-13 帕洛阿尔托研究中心公司 移动应用专用网络
CN106304243A (zh) * 2015-05-26 2017-01-04 桂林市华智信息科技有限公司 一种基于势博弈的无线传感器网络拓扑控制方法
CN106507426A (zh) * 2016-11-23 2017-03-15 西安电子科技大学 一种新型能耗均衡的传感器网络拓扑演化方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101013987A (zh) * 2007-02-05 2007-08-08 南京邮电大学 一种高效的无线传感器网络拓扑控制方法
CN101926216A (zh) * 2008-02-14 2010-12-22 诺基亚公司 在分散式无线网络中提供改进的通信的装置、方法和计算机程序产品
CN105208619A (zh) * 2014-06-25 2015-12-30 英特尔公司 用于生成针对具有自组织连接的网状网络的路由表的技术
CN105491584A (zh) * 2014-10-02 2016-04-13 帕洛阿尔托研究中心公司 移动应用专用网络
CN106304243A (zh) * 2015-05-26 2017-01-04 桂林市华智信息科技有限公司 一种基于势博弈的无线传感器网络拓扑控制方法
CN106507426A (zh) * 2016-11-23 2017-03-15 西安电子科技大学 一种新型能耗均衡的传感器网络拓扑演化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
软件定义传感器网络重配置算法研究;沈连丰等;《通信学报》;20160731;第37卷(第7期);第38-48页 *

Also Published As

Publication number Publication date
CN107872809A (zh) 2018-04-03

Similar Documents

Publication Publication Date Title
Wang et al. Intelligent ubiquitous network accessibility for wireless-powered MEC in UAV-assisted B5G
Lee et al. Online optimization for UAV-assisted distributed fog computing in smart factories of industry 4.0
CN112202848B (zh) 基于深度强化学习的无人***网络自适应路由方法和***
Mao et al. Multi-UAV aided data collection for age minimization in wireless sensor networks
Wei et al. Wireless sensor network data collection by connected cooperative UAVs
CN107872809B (zh) 一种基于移动节点辅助的软件定义传感网络拓扑控制方法
Hu et al. An energy-efficient overlapping clustering protocol in WSNs
Lee et al. Affinity propagation for energy-efficient BS operations in green cellular networks
Dang et al. AoI oriented UAV trajectory planning in wireless powered IoT networks
Ashtari et al. Knowledge-defined networking: Applications, challenges and future work
Jin et al. A survey of energy efficient methods for UAV communication
CN109089307B (zh) 一种基于异步优势行动者评论家算法的集能型无线中继网络吞吐量最大化方法
CN108990141B (zh) 一种基于深度多网络学习的集能型无线中继网络吞吐量最大化方法
Zhao et al. Transfer learning: A paradigm for dynamic spectrum and topology management in flexible architectures
CN103686965A (zh) 一种无线传感器网络序列扇域拓扑控制方法
Cheng et al. Proactive power control and position deployment for drone small cells: Joint supervised and unsupervised learning
Dinh et al. Enabling large-scale federated learning over wireless edge networks
Yang et al. A path planning method for mobile sink in farmland wireless sensor network
CN114423070B (zh) 一种基于d2d的异构无线网络功率分配方法及***
Liu et al. Throughput optimization for flying ad hoc network based on position control using genetic algorithm
Yuan et al. Joint Multi-Ground-User Edge Caching Resource Allocation for Cache-Enabled High-Low-Altitude-Platforms Integrated Network
CN116074974A (zh) 一种分层架构下的多无人机群通道接入控制方法
CN116133082A (zh) 一种提高航空自组网拓扑持续时间的多跳分簇方法
CN111160513B (zh) 一种电力配电网的能量优化方法
Zhang et al. Intelligent cloud-edge collaborations assisted energy-efficient power control in heterogeneous networks

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
GR01 Patent grant
GR01 Patent grant