CN102196481A - 网络状态上报方法、检测方法、装置和系统 - Google Patents
网络状态上报方法、检测方法、装置和系统 Download PDFInfo
- Publication number
- CN102196481A CN102196481A CN2011101509617A CN201110150961A CN102196481A CN 102196481 A CN102196481 A CN 102196481A CN 2011101509617 A CN2011101509617 A CN 2011101509617A CN 201110150961 A CN201110150961 A CN 201110150961A CN 102196481 A CN102196481 A CN 102196481A
- Authority
- CN
- China
- Prior art keywords
- packet
- node
- source node
- quality
- network state
- 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
Images
Classifications
-
- 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
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种网络状态上报方法、检测方法、装置和系统。其中,网络状态上报方法包括:中间节点接收数据包;中间节点根据当前的网络状态对数据包进行标记;中间节点转发标记后的数据包。网络状态检测方法包括:汇聚节点接收数据包;汇聚节点解析数据包,得到网络状态的标记信息;汇聚节点根据该标记信息确定网络状态。根据本发明,解决了主动询问方式确定网络状态的方法造成网络负担较重的问题,进而延长了每个节点的使用寿命,优化了系统的性能。
Description
技术领域
本发明涉及通信领域,具体而言,涉及一种网络状态上报方法、检测方法、装置和系统。
背景技术
无线传感器网络是一种全新的信息获取和处理技术,在工业、军事、环境、医疗等领域有着广泛应用前景。然而,作为一种分布式计算平台,其CPU速度、存储空间、电能和带宽等节点资源十分有限,无线传感器网络工作环境存在不可预测性,外界各种干扰(如,温度、振动、电磁等)因素容易引起网络出现射频冲突、时钟异步、电池耗尽、信号丢失和软件错误等故障,这将大大降低传感器节点的可靠性,削弱或失效无线传感器网络预定功能。及时地对网络各种异常状态做出诊断,寻找合理的容错控制方案,指导网络正常运行,对提高无线传感器网络的可靠性和鲁棒性具有重要的意义。
目前,无线传感器网络的结构越来越复杂,功能越来越完善,自动化程度也越来越高。尽可能延长其使用寿命是近年来较热门的话题。无线传感器网络的使用寿命主要由节点的使用寿命决定。而无线传感器网络通常是运行在无人值守的、人类无法接近的、恶劣甚至危险的远程环境中,由于许多无法避免的因素影响,其节点会出现各种故障,这会降低或失去无线传感器网络预定的功能,甚至造成严重的损失乃致整个网络瘫痪。
2002年生物学家借助无线传感器网络对某岛上的海燕生活习性进行了细微观测。在岛上部署30个传感器节点,该网络运行20天后,已经有超过一半的节点完全失效了,可见节点的失效率很高。湿度传感器节点的传感部件(模块)和整个网络内的节点的失效情况都非常严重。鉴于此类情况的发生,无线传感器网络的设计必须考虑节点的故障诊断,尤其是对节点传感器部件的故障诊断。
目前的无线网络诊断技术大部分是在网络中插入额外的控制信息数据包,依靠这些控制信息数据包来实时地检测网络状态,这种方式采用的是主动询问方式,通常是由网络中的特定节点发起控制信息数据包给每个节点,节点收到该控制信息数据包后向该特定节点反馈自身的状态,特定节点根据收到的反馈确定网络当前的状态,因此,这种主动询问的方式给网络带来较大的通信开支。尤其是在网络状态频繁发生变化的情况下,这些额外的通信开支增加了网络的负担。
针对相关技术中主动询问方式确定网络状态的方法造成网络负担较重的问题,目前尚未提出有效的解决方案。
发明内容
本发明的主要目的在于提供一种网络状态上报方法、检测方法、装置和系统,以至少解决上述主动询问方式确定网络状态的方法造成网络负担较重的问题。
根据本发明的一个方面,提供了一种网络状态上报方法,包括:中间节点接收数据包;中间节点根据当前的网络状态对数据包进行标记;中间节点转发标记后的数据包。
其中,数据包携带有源节点标识和数据包序列号;中间节点根据当前的网络状态对数据包进行标记包括:中间节点根据源节点标识判断数据包是否为源节点首次发送的数据包,如果是,检查数据包是否携带有其它节点的标记信息;如果检查结果为没有,中间节点将中间节点的标识写入数据包指定子域,并在本地数据结构中记录源节点标识和数据包序列号。
其中,上述数据包还携带有最差链路质量和当前链路质量;上述中间节点根据源节点标识判断数据包是否为源节点首次发送的数据包之前,该方法还包括:中间节点接收到数据包后,根据自身的链路质量更新数据包中的当前链路质量,并检测数据包中的最差链路质量是否大于更新后的当前链路质量;如果是,中间节点将最差链路质量所在子域的值标记为更新后的当前链路质量。
上述数据包携带有数据包传输经过的跳数;上述中间节点根据当前的网络状态对数据包进行标记包括:中间节点检查数据包不是源节点首次发送的数据包时,从本地数据结构查找源节点标识对应的数据结构条目;中间节点判断数据包中的数据包序列号与数据结构条目中的数据包序列号是否连续,如果连续,更新数据结构条目中的数据包序列号,并修改数据包中的跳数;如果不连续,在数据包中标记中间节点标识。
根据本发明的另一方面,提供了一种网络状态检测方法,包括:汇聚节点接收数据包;汇聚节点解析数据包,得到网络状态的标记信息;汇聚节点根据标记信息确定网络状态。
其中,上述标记信息包括源节点标识、数据包序列号、中间节点标识、最差链路质量、当前链路质量和跳数;上述汇聚节点根据标记信息确定网络状态包括:汇聚节点检查本地路径数据库中是否有与源节点对应的路径条目;如果没有,汇聚节点确定网络状态为源节点的拓扑信息未建立状态,在本地路径数据库中增加源节点条目,源节点条目包括:中间节点的标识、跳数、数据包序列号和最差链路质量;如果有,汇聚节点根据标记信息生成网络状态初步报告,并根据标记信息更新源节点条目;汇聚节点统计指定周期内的网络状态初步报告,根据统计结果确定网络状态。
其中,汇聚节点根据标记信息生成网络状态初步报告包括:汇聚节点比较数据包中的序列号与本地路径数据库中源节点对应的序列号是否连续,如果不连续,生成丢包的错误报告,如果连续,生成成功传输报告;汇聚节点根据源节点条目确定数据包是否发生路径切换,如果是,生成路径切换报告;汇聚节点根据源节点条目生成源节点的最差链路质量报告。
其中,汇聚节点根据统计结果确定网络状态包括:汇聚节点根据统计的结果确定网络信息,其中,网络信息包括以下至少之一:数据包的成功传输率、源节点的丢包率、有无路由切换和源节点对应的最差链路质量参数,以及源节点与相邻节点的最差链路质量相似度;汇聚节点根据网络信息,采用反向传播BP神经网络确定网络状态,其中,网络状态分为以下类别:正常、物理损坏、软件冲突、网络阻塞和环境影响。
其中,BP神经网络的确定过程包括:汇聚节点设置隐层的BP神经网络,并设置隐层对应的激励函数,以及设置输出层函数;汇聚节点将接收的训练样本输入BP神经网络,设置BP神经网络的输出与期望输出的误差平方和E:
其中,l表示所述BP神经网络的输出端共有l个节点,dk为期望输出向量,f为隐层激励函数,m表示隐层节点的个数,n表示输入层节点的个数,wjk表示隐层第j个节点到输出层第k个节点之间的权值,netj表示输入层节点j的输出,vij为输入层第i个节点对隐层第j个节点之间的权值,xi表示输入层输入向量中第i个节点的输入值;
汇聚节点通过调整wjk和vij使E缩小到设定的目标之内;其中,
Δwjk=η(dk-ok)ok(1-ok)yj;
其中,η为梯度下降常数,表示比例系数,η∈(0,1);yj为输出层输出向量中第j个节点的输出值,ok为输出层的输出向量,dk为期望输出向量,为输出节点k的反传误差。
根据本发明的又一方面,提供了一种网络状态上报装置,包括:接收模块,用于接收数据包;标记模块,用于根据当前的网络状态对数据包进行标记;转发模块,用于转发标记后的数据包。
其中,标记模块包括:判断单元,用于根据数据包中的源节点标识判断数据包是否为源节点首次发送的数据包;检查单元,用于判断单元的判断结果为是时,检查数据包是否携带有其它节点的标记信息;标记单元,用于检查单元的检查结果为没有时,将中间节点的标识写入数据包指定子域,并在本地数据结构中记录源节点标识和数据包的序列号。
其中,标记模块还包括:链路质量检测单元,用于接收到数据包后,根据自身的链路质量更新数据包中的当前链路质量,并检测数据包中的最差链路质量是否大于更新后的当前链路质量;链路质量标记单元,用于链路质量检测单元的检测结果为是时,将最差链路质量所在子域的值标记为更新后的当前链路质量。
其中,标记模块还包括:查找单元,用于判断单元的判断结果为否时,从本地数据结构查找源节点标识对应的数据结构条目;序列号判断单元,用于判断数据包中的数据包序列号与查找单元查找到的数据结构条目中的数据包序列号是否连续;跳数修改单元,用于序列号判断单元的判断结果为是时,更新数据结构条目中的数据包序列号,并修改数据包中的跳数;节点标记单元,用于序列号判断单元的判断结果为否时,在数据包中标记中间节点标识。
根据本发明的再一方面,提供了一种网络状态检测装置,包括:数据包接收模块,用于接收数据包;标记信息获取模块,用于解析数据包,得到网络状态的标记信息;网络状态确定模块,用于根据标记信息确定网络状态。
其中,标记信息获取模块包括:解析单元,用于解析数据包;标记信息提取单元,用于提取解析单元解析得到的标记信息,标记信息包括源节点标识、数据包序列号、中间节点标识、最差链路质量、当前链路质量和跳数;网络状态确定模块包括:检查单元,用于检查本地路径数据库中是否有与数据包中的源节点对应的路径条目;第一状态确定单元,用于检查单元的检查结果为是时,确定网络状态为源节点的拓扑信息未建立状态;数据库修改单元,用于第一状态确定单元确定为源节点的拓扑信息未建立状态时,在本地路径数据库中增加源节点条目,源节点条目包括:中间节点的标识、跳数、数据包序列号和最差链路质量;第二状态确定单元,用于检查单元的检查结果为否时,根据标记信息生成网络状态初步报告,并根据标记信息更新源节点条目;并统计指定周期内的网络状态初步报告,根据统计结果确定网络状态。
第二状态确定单元包括:比较子单元,用于比较数据包中的序列号与本地路径数据库中源节点对应的序列号是否连续;错误报告生成子单元,用于比较子单元的比较结果为不连续时,生成丢包的错误报告;成功传输报告生成子单元,用于比较子单元的比较结果为连续时,生成成功传输报告;路径切换报告生成子单元,用于根据源节点条目确定数据包是否发生路径切换,如果是,生成路径切换报告;链路质量报告生成子单元,用于根据源节点条目生成源节点的最差链路质量报告。
其中,第二状态确定单元包括:网络信息确定子单元,用于根据统计的结果确定网络信息,其中,网络信息包括以下至少之一:数据包的成功传输率、源节点的丢包率、有无路由切换和源节点对应的最差链路质量参数,以及源节点与相邻节点的最差链路质量相似度;网络状态确定子单元,用于根据网络信息确定子单元确定的网络信息,采用反向传播BP神经网络确定网络状态,其中,网络状态分为以下类别:正常、物理损坏、软件冲突、网络阻塞和环境影响。
根据本发明的还一方面,提供了一种网络状态检测系统,包括:中间节点和汇聚节点,其中,中间节点包括上述网络状态上报装置,汇聚节点包括上述网络状态检测装置。
通过本发明,采用中间节点将对接收到的数据包进行标记,进而可以使汇聚节点能够根据标记信息判断当前的网络状态,这种直接对数据包进行标记的方式不需要汇聚节点发起询问,汇聚节点直接利用数据包中的标记信息即可获知网络状态,减少了网络状态检测过程中的消息信令,解决了主动询问方式确定网络状态的方法造成网络负担较重的问题,进而延长了每个节点的使用寿命,优化了系统的性能。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例1的网络状态上报方法的流程图;
图2是根据本发明实施例1的网络状态检测方法的流程图;
图3是根据本发明实施例2的无线传感器网络故障检测的系统构架示意图;
图4是根据本发明实施例2的中间节点执行的数据包标记算法流程图;
图5是根据本发明实施例2的汇聚节点执行的解析被标记数据包的算法流程图;
图6是根据本发明实施例2的BP人工神经网络的基本结构示意图;
图7是根据本发明实施例3的网络状态上报装置的结构框图;
图8是根据本发明实施例3的网络状态检测装置的结构框图;
图9是根据本发明实施例3的网络状态检测系统的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
本发明实施例提供了一种网络状态上报方法、检测方法、装置和系统,尤其适用于无线传感器网络,也可以用于其它网络,以减少因网络状态检测带来的过多能量消耗。
实施例1
本实施例提供了一种网络状态上报方法,该方法从中间节点侧进行的描述,用以说明中间节点接收到数据包后的处理过程,参见图1,该方法包括以下步骤(步骤S102-步骤S106):
步骤S102,中间节点接收数据包;
该数据包可能来自于源节点,也可能来自于其它中间节点;若来自源节点,则该数据包中携带有源节点标识和数据包序列号,用以表示该数据包是哪个节点首发的,以及该数据包是第几个数据包,以便后续节点进行网络状态信息标记操作;若来自其它中间节点,除了包括源节点标识和数据包序列号外,还可以包括:链路质量和/或跳数,例如最差链路质量和当前链路质量,其中,最差链路质量:用来标记数据包走过的路径中,最差的链路质量,当前链路质量:用来标记数据包走过的路径中,当前的链路质量;跳数:用来标记该数据包经历了多少跳,用于建立网络的拓扑结构。
步骤S104,该中间节点根据当前的网络状态对数据包进行标记;
中间节点接收到数据包后,可以执行下述操作:中间节点根据源节点标识判断数据包是否为源节点首次发送的数据包,如果是,检查该数据包是否携带有其它节点的标记信息;如果检查结果为没有,该中间节点将该中间节点的标识写入数据包指定子域,并在本地数据结构中记录源节点标识和该数据包序列号。
上述数据包中一开始只有源节点的标识,在数据包的传输过程中会标记数据包,本实施例中,数据包会被一个中间节点标识。因此,如果该数据包携带有其它节点的标记信息,则该中间节点会将数据包直接转发出去。
优选地,当该数据包还携带有最差链路质量和当前链路质量时,该中间节点根据源节点标识判断该数据包是否为源节点首次发送的数据包之前,还可以包括:该中间节点接收到数据包后,根据自身的链路质量更新数据包中的当前链路质量,并检测该数据包中的最差链路质量是否大于更新后的当前链路质量;如果是,该中间节点将最差链路质量所在子域的值标记为更新后的当前链路质量。这样就可以保证数据包中携带的最差链路质量真实可靠,为汇聚节点进行网络状态检测提供可靠的数据。
若上述数据包携带有数据包传输经过的跳数,该中间节点根据当前的网络状态对数据包进行标记还包括:该中间节点检查该数据包不是源节点首次发送的数据包时,从本地数据结构查找源节点标识对应的数据结构条目;该中间节点判断数据包中的数据包序列号与该数据结构条目中的数据包序列号是否连续,如果连续(说明未发生丢包),更新数据结构条目中的数据包序列号,并修改数据包中的跳数(例如将原跳数加1);如果不连续(说明已发生丢包),在该数据包中标记中间节点标识。
步骤S106,该中间节点转发标记后的数据包。
通过上述方法,中间节点将对接收到的数据包进行标记,进而可以使汇聚节点能够根据标记信息判断当前的网络状态,这种直接对数据包进行标记的方式不需要汇聚节点发起询问,汇聚节点直接利用数据包中的标记信息即可获知网络状态,减少了网络状态检测过程中的消息信令,解决了主动询问方式确定网络状态的方法造成网络负担较重的问题,进而延长了每个节点的使用寿命,优化了系统的性能。
本实施例还提供了一种网络状态检测方法,该方法是从汇聚节点侧进行描述的,参见图2,该方法包括以下步骤(步骤S202-步骤S206):
步骤S202,汇聚节点接收数据包;
步骤S204,汇聚节点解析数据包,得到网络状态的标记信息;由上述方法可以知道,汇聚节点接收的数据包中将会包括下述标记信息:源节点标识、数据包序列号、中间节点标识、最差链路质量、当前链路质量和跳数;各个信息的含义与上述方法描述中相同,这里不再赘述。
步骤S206,汇聚节点根据标记信息确定网络状态。
例如,汇聚节点检查本地路径数据库中是否有与源节点对应的路径条目;如果没有,汇聚节点确定网络状态为源节点的拓扑信息未建立状态,在本地路径数据库中增加源节点条目,源节点条目包括:中间节点的标识、跳数、数据包序列号和最差链路质量;如果有,汇聚节点根据标记信息生成网络状态初步报告,并根据标记信息更新源节点条目;汇聚节点统计指定周期内的网络状态初步报告,根据统计结果确定网络状态。
其中,汇聚节点根据标记信息生成网络状态初步报告包括:
1)汇聚节点比较数据包中的序列号与本地路径数据库中源节点对应的序列号是否连续,如果不连续,生成丢包的错误报告,如果连续,生成成功传输报告;
2)汇聚节点根据源节点条目确定数据包是否发生路径切换,如果是,生成路径切换报告;
3)汇聚节点根据源节点条目生成源节点的最差链路质量报告。
基于上述报告,汇聚节点根据统计结果确定网络状态包括:汇聚节点根据统计的结果确定网络信息,其中,网络信息包括以下至少之一:数据包的成功传输率、源节点的丢包率、有无路由切换、源节点对应的最差链路质量参数和源节点与相邻节点的最差链路质量相似度;汇聚节点根据网络信息,采用BP神经网络确定网络状态,其中,网络状态分为以下类别:正常、物理损坏、软件冲突、网络阻塞和环境影响。
其中,BP神经网络可以预先根据实验数据进行调整和优化,以确保得到的输出结果真实可靠,具体优化和参数调整方式可以参照相关技术实现。
采用上述方法,当网络故障发生的时候可以及时的发现错误,准确的定位错误,得出最有可能的网络故障类型,为下一步网络故障的排除提供依据。尤其将上述方法应用于传感器网络中时,可以通过故障诊断,能及时地、准确地对各种异常状态或故障状态做出诊断,预防或消除故障,对传感器的运行进行必要的指导,提高节点运行的可靠性、安全性和有效性,以期把故障损失降低到最低限度;保证无线传感器网络发挥最大的设计能力,以便在允许的条件下,充分挖掘无线传感器网络的潜力,延长其使用寿命。
实施例2
本发明实施例针对无线传感器网络进行说明,本实施例在对传感器网络进行故障诊断过程中,采用基于汇聚节点被动接收和BP神经网络相结合方式,如图3所示故障诊断示意图,在网络的各个节点中加入数据包的标记功能模块,使得出现任何的网络状态异常都可以及时的对该数据包进行标记,被动采集无线传感器网络中各个源节点的路由信息,在汇聚节点将信息汇总整合,作为诊断的依据。然后把汇聚节点处的信息分析整合,作为BP神经网络的输入参数。构造BP神经网络,根据BP神经网络的输出特征向量诊断网络故障状态。具体步骤如下:
步骤1,无线传感器网络中的每个节点都加入了数据包的标记功能模块,每当该节点收到来自其他节点的数据包的时候,都会根据数据包标记算法来判断是否对该数据包进行标记。例如,如果该节点所收到的数据包中发送序列子域的值与本节点中储存的值不是连续的,那么可以断定在数据包的传送过程中发生了丢包现象。此时该节点可以对这个数据包进行标记,标记的方法就是在数据包的标记节点ID单元处写入本节点的ID。
步骤2,无线传感器网络中的汇聚节点中加入数据包标记的解析功能模块。如果该数据包是被某个节点标记过的,则可以认为在该节点处发生了数据丢包及网络路由的转换。根据数据包中的标记子域中的节点ID就可以很容易的记录节点发生异常的具体位置。
步骤3,无线传感器网络汇聚节点的数据包标记的解析功能模块首先对网络的状态做出宏观的不完整的判断,包括成功传输报告、数据丢包报告以及网络路由变换报告,得到网络拓扑。在无线传感器网络的汇聚节点中维护一组数据结构(相当于上述实施例1中的路径数据库),这个数据结构包含着整个网络的路由结构,即网络拓扑。
步骤4,采集无线传感器网络中的关于各个源节点信息。采集方式是源节点主动向汇聚节点发送消息包,对源节点设置了固定的发包频率,网络空间内的源节点有序地向汇聚节点发送消息。汇聚节点处维护一个数据结构,表中包含了向它发送过消息的每个源节点的当前路由情况。表中每一个条目包括针对特定源节点到汇聚节点的路径Hop[count];路径中最差链路质量系数;下一个期望收到的消息包的序列号,一段时间内收到的成功收包报告个数SuccessReport[cursor]。
步骤5,从上述汇聚节点处的表条目中,提取分析网络状态信息,作为下一步BP神经网络的输入参数。网络状态信息包括:(1)N个周期内收到的发送消息包成功报告个数,N是根据网络具体情况设置的一个常数;(2)源节点丢包率;(3)有无路由转换;(4)源节点路由路径最差链路质量参数。
步骤6,将上述的网络状态信息参数作为BP人工神经网络的输入向量。
步骤7,采用BP神经网络诊断无线传感器网络,提取故障特征向量,判断网络故障类型。采用自适应学习速率法加快BP网络的训练速度,设置合适的误差平方和,BP网络结构,学习速度增大和减小因子,网络隐层的激励函数和输出函数。通过大量的训练样本,确定上述参数和BP网络结构。最后,通过输出的特征向量判断网络故障类型。
上述标记算法的主要操作是让传感器节点在传送的数据包上加入自己的ID信息。由于在传感网络中的传递的数据包大小的限制,这种标记信息只额外使用了4个字节。在网络的汇聚节点处通过分析被标记的数据包来建立从源节点到汇聚节点的路径。通过组建不同源节点的路径信息,网络拓扑将会沿着数据传递的方向建立。如果网络状态保持稳定,这种标记操作将会在网络拓扑建立完毕后自动停止。当网络状态发生变化的时候,比如丢包或者路由切换发生时,这种标记操作将会在发生错误的地方自动重新开始工作。
如表1所示,本实施例中,每一个数据包包含以下子域:
表1
…… | 源节点ID | 数据包序列号 | 路由跳数 | 标记节点ID | 最差链路质量 | 当前链路质量 |
其中,源节点ID子域:表示数据的源节点,即数据的发起节点的标识。数据包序列号子域:用来识别该数据包,作为数据包是否连续的判断依据。路由跳数子域:用来标记该数据包经历了多少跳,用于建立网络的拓扑结构。标记节点ID:用来表示标记该数据包的节点ID,是准确定位故障的重要依据。最差链路质量:用来标记消息包走过的路径中,最差的链路质量。
当前链路质量:用来标记消息包走过的路径中,当前的链路质量。
本实施例每一个中间节点都维护了一个数据结构用来保存与它通信的源节点的相关信息,每一个数据结构包括:源节点ID子域、接收到的最新的数据包序列号子域。这个数据结构保存着所有与该节点建立通信关系的源节点的节点ID。
如图4所示,本实施例中间节点执行的数据包的标记算法包括以下步骤:
步骤S402,当收到数据包时,中间节点首先检测数据包中最差链路质量是否大于当前路质量,如果是,执行步骤S404;如果否,执行步骤S406;
步骤S404,中间节点将数据包中最差链路质量子域的值更新为当前的链路质量的值。
步骤S406,保持数据包中最差链路质量子域的值不变。
步骤S408,中间节点检查该节点是否被其他的节点标记过,如果是,执行步骤S410;如果否,执行步骤S412;
步骤S410,不对该数据包做任何操作。
步骤S412,检查本地的数据结构;
步骤S414,判断本地数据结构中是否有与源节点对应的条目,如果是,执行步骤S416;如果否,执行步骤S422;
步骤S416,根据源节点对应的序列号子域判断数据包的序列号首否连续,如果序列号连续,说明数据的传递正常,执行步骤S418;如果数据结构中的序列号子域不是连续的,说明在该数据的传送过程中发生了丢包的现象,执行步骤S420;
步骤S418,更新序列号子域并将数据包的跳数子域加1,将数据包转发出去。
步骤S420,将该数据包进行标记,更新数据结构域中的信息后将该数据包转发出去。
步骤S422,标记该数据包,创建与该源节点相对应的数据结构条目。
通过这样的操作,使得有问题的数据包可以被及时的发现并标记,正常通信的数据包则不会有任何的操作。这样就大大的减轻了整个系统的通信开支和计算开支。
汇聚节点同样参加这个标记过程,根据源节点和数据序列号信息创建一个表条目。根据上述标记算法,汇聚节点接收到的被标记的数据包携带有路由路径上的一个节点ID以及该节点到汇聚节点之间的跳数。根据这些信息可以确定从一个源节点到汇聚节点的一条路径。从路径的开始建立到完成是一个过程,需要获得足够的路径信息。至少需要几个数据收发周期,这个具体数目则要依据具体的网络情况来决定。
汇聚节点根据收到的数据包所提供的信息,以对网络的状态信息做出初步的判断并且得出初步的报告。在汇聚节点处,标记解析模块解析收到的数据包的标记信息。汇聚节点处维护了一个关于路径的数据结构,该数据结构分为许多小段。每一个小段内都存储了一条路径上的一个节点ID和与其相对应的跳数,记为Hop[count]。如图5所示,数据包的解析算法包括:
步骤S502,当汇聚节点接收到一个新的数据包时,解析模块首先检查是否有与该源节点相对应的路径条目,如果没有,说明是第一次收到来自该源节点的数据包,执行步骤S504;如果有,执行步骤S506。
步骤S504,创建与该源节点对应的路径条目并且将源节点的ID信息存放在路径结构条目中的第一段内,同时记录该路径上的最差链路质量。然后接着检查该数据包是否被标记过,如果被标记过,那么就根据数据包中存在的跳数子域的内容将标记节点ID存入路径结构中与跳数相应的字段内。
步骤S506,计算数据包中序列号与本地存储的序列号之差。
步骤S508,判断序列号之差是否大于1,如果是,执行步骤S510;如果否,执行步骤S512;
步骤S510,产生丢包的错误报告。
与源节点对应的路径结构中也维护了最新收到的数据的序列号信息,当收到新的数据包后汇聚节点会对原有的序列号和数据包中的序列号进行比较,如果它们之差大于1,明在这条路径上发生了丢包的现象,此时产生丢包的错误报告。
步骤S512,判断数据包中的节点标识与本地数据结构中的节点标识是否一致,如果一致,执行步骤S514;如果否,执行步骤S516;
步骤S514,不做处理;
步骤S516,产生路由切换报告;
与数据包中跳数子域的值相对应的hop[Count]中的节点ID与数据包中标记的节点ID不符,说明该条路径上发生了路由切换。此时产生路由切换报告,同时更新相对应的hop[Count]中的值,同时说明由hop[Count]段开始以后的路径信息变得不再可靠,从而将这些路径信息删除,启动数据包标记操作对该路径进行重建。
数据包标记解析模块就是通过这种记录的路径信息来组建和更新网络拓扑的。对于网络中的每一个连接来说,通过该连接发送的数据包的数量表示了该连接的使用率。而这种数据表示了网络中父节点和其子节点之间联系的强度。
数据包解析模块做出了一个粗略的和不完整的报告,包括成功传输报告、数据丢包报告、网络路由变换报告以及与源节点相对应的最差链路质量的值。
根据上述得出的汇聚节点处的报告分析提取网络信息。包括:(1)N个周期内收到的发送消息包成功报告个数,N是根据网络具体情况设置的一个常数;(2)源节点丢包率;(3)有无路由转换;(4)源节点路由路径最差链路质量参数。
P1-N个周期内收到的发送消息包的成功率,N是根据网络具体情况设置的一个常数。在表单中的存储了一个SuccessReport[N],它里面的值初始化为0。使用Cursor变量标识当前的位置,如果在下个周期前收到了对应源节点的发送消息成功报告,则把当前位置的值置为1,否则置0。游标在SuccessReport离开第N个位置后回到SuccessReport队列的第1个位置,相当于一个循环链表。将SuccessReport中的值全部相加即得到在N个周期内的发送消息包成功报告数,这个数比上N就得到了发送消息包的成功率。
P2-源节点丢包率。汇聚节点收到被标记的数据包后,如果数据包序列子域的值之差大于1,就可以认定在该标记节点处发生了一次丢包。在N个周期内记录网络所发生的丢包的数量。这个数量比上N就得到了对应的源节点的丢包率。
P3-有无路由转换。根据上一步中汇聚节点处的报告可以得出网络中是否发生了路由转换。如果发生了路由转换,则记为P3=1,否则为P3=0。
P4-源节点路由路径最差链路质量参数。即汇聚节点处路由条目中的源节点路由路径上的最差链路质量。链路质量取值范围[0,255],链路质量最好为255。
P5-与相邻节点的最差链路质量相似度。源节点与它同一物理区域内源节点的链路质量做比较,相似度从小到大取值范围(0,1)。
本实施例采用BP神经网络诊断无线传感器网络,提取故障特征向量,判断网络故障类型。BP网络的学习采用误差反向传播算法,即BP算法。如图6所示,其主要思想是把学习过程分为两个阶段:第一阶段(信号的正向传播),给出输入样本通过输入层,经隐含层逐层处理并计算每个单元的实际输出值;第二阶段(误差的反向传播),若在输出层未能得到期望的输出值,则逐层递归地计算实际输出与期望输出之差值,将此差值以某种形式通过隐层向输入层逐层反传,并将误差分摊给各层的所有单元,从而各层单元获得误差信号,此误差信号即为修正各单元权值的依据。这种信号正向传播与误差反向传播的各层权值调整过程是周而复始的,权值不断调整的过程,也就是网络的学习过程。此过程一直到网络输出误差减少到预定值。
BP网络的输入层即第三步中得到的五个参数。BP网络的输出层使用四个神经元,代表5类网络状态:(1)正常。(2)物理损坏。(3)软件冲突。(4)网络阻塞。(5)环境影响。分别用F1到F4来表示。
本实施例采用BP算法的改进方法——自适应学习速率法。误差平方和设定为0.5。将训练样本输入到BP神经网络中,试探和调整,确定BP网络结构的层数和每层的节点数,学习速度,学习增大因子,学习减小因子。根据实验数据和经验,选取两个隐层的BP神经网络,并设置各个隐层对应的激励函数,例如,将网络隐层1的激励函数选为tansig,隐层2激励函数选为logsig,输出层函数选为purelin;这三个函数均为Matlab语言中的函数,当然根据使用的程序语言不同,也可以采用其它函数。
当网络的输出与期望输出不一致时,输出的误差平方和E,定义如下:
其中ok为输出层的输出向量,dk为期望输出向量。l表示网络的输出端共有l个节点。
将其展开至隐层有:
l表示网络的输出端共有l个节点,dk为期望输出向量,netk为隐层节点k输出,f为隐层激励函数,m表示隐层节点的个数,wjk表示隐层第j个节点到输出层第k个节点之间的权值,yj表示隐层第j个节点的输出。这里把两个隐层统一为“隐层”,该公式主要揭示BP神经网络“输入层-隐层-输出层”的三层迭代结构,并不强调具体的分层和每层的具体实现。进一步展开至输入层有:
l表示网络的输出端共有l个节点,dk为期望输出向量,f为隐层激励函数,m表示隐层节点的个数,wjk表示隐层第j个节点到输出层第k个节点之间的权值,netj表示输入层节点j的输出,vij为输入层第i个节点对隐层第j个节点之间的权值,xi表示输入层第i个节点的输入。
由此可以看出,网络误差是各层权值wjk的函数,因此调整权值来改变误差E,使之缩小到设定的目标之内。
其中,梯度下降常数η∈(0,1)表示比例系数,在训练中反映了学习速率。经过推导,得到BP学习算法权值调整公式:
Δwjk=η(dk-ok)ok(1-ok)yj
其中,上述xi为输入向量,yj为输出向量,ok为输出层的输出向量,dk为期望输出向量,为输出节点k的反传误差。通过大量训练样本的训练,使误差平方和达到我们要求的精度,训练结束。根据选取样本的特点,当输入的或输出的各分量的量纲不同时,对应不同的分量在其取值范围内分别进行变换。将最差链路质量参数P4做归一化处理。同时根据无线传感器的特点,选取阈值为0.80,若输出向量中的因子大于阈值,则表示该输出为故障输出,反之为正常输出。使用上述方法,下表列出了BP网络的部分样本训练结果,如表2所示。
表2
本实施例将被动网络信息采集技术即无线传感器网络的数据包标记技术,与BP神经网络技术相结合,建立一种无线传感器网络诊断技术。被动网络信息采集技术在消息包中额外增加的4个字节的包负载,提供网络诊断的原始信息。较之于汇聚节点主动询问的方式,被动的信息采集方法大大降低了网络的通信开支。在BP神经网络中采用自适应学习速率法,可以有效地避免学习率大导致的网络权值变化量不稳定和学习率过小而产生的学习速度太慢的问题。采用这种方法可以将误差限定在一个很小的范围,保障故障分类的准确性,得到较为理想的结果。该方法在无线传感器网络应用系统中具有广泛的应用前景。
实施例3
本实施例提供了一种网络状态上报装置,该装置可以设置在上述实施例的中间节点上,参见图7,该装置包括以下模块:
接收模块72,用于接收数据包;
标记模块74,与接收模块72相连,用于根据当前的网络状态对数据包进行标记;
转发模块76,与标记模块74相连,用于转发标记后的数据包。
其中,标记模块74包括:判断单元,用于根据数据包中的源节点标识判断数据包是否为源节点首次发送的数据包;检查单元,与判断单元相连,用于判断单元的判断结果为是时,检查数据包是否携带有其它节点的标记信息;标记单元,与检查单元相连,用于检查单元的检查结果为没有时,将中间节点的标识写入数据包指定子域,并在本地数据结构中记录源节点标识和数据包的序列号。
优选地,标记模块74还包括:链路质量检测单元,用于检测数据包中的最差链路质量是否大于数据包中的当前链路质量;链路质量标记单元,与链路质量检测单元相连,用于链路质量检测单元的检测结果为是时,将最差链路质量所在子域的值标记为当前链路质量。
上述标记模块74还包括:查找单元,用于判断单元的判断结果为否时,从本地数据结构查找源节点标识对应的数据结构条目;序列号判断单元,与查找单元相连,用于判断数据包中的数据包序列号与查找单元查找到的数据结构条目中的数据包序列号是否连续;跳数修改单元,与序列号判断单元相连,用于序列号判断单元的判断结果为是时,更新数据结构条目中的数据包序列号,并修改数据包中的跳数;节点标记单元,与序列号判断单元相连,用于序列号判断单元的判断结果为否时,在数据包中标记中间节点标识。
本实施例还提供了一种网络状态检测装置,该装置可以设置在上述实施例的汇聚节点上,参见图8,该装置包括以下模块:
数据包接收模块82,用于接收数据包;
标记信息获取模块84,与数据包接收模块82相连,用于解析数据包,得到网络状态的标记信息;
网络状态确定模块86,与标记信息获取模块84相连,用于根据标记信息确定网络状态。
其中,标记信息获取模块14包括:解析单元,用于解析数据包;标记信息提取单元,与解析单元相连,用于提取解析单元解析得到的标记信息,标记信息包括源节点标识、数据包序列号、中间节点标识、最差链路质量、当前链路质量和跳数;各个信息与上述实施例中的含义相同,这里不再赘述。
优选地,网络状态确定模块86包括下述单元:
检查单元,用于检查本地路径数据库中是否有与数据包中的源节点对应的路径条目;
第一状态确定单元,与检查单元相连,用于检查单元的检查结果为是时,确定网络状态为源节点的拓扑信息未建立状态;
数据库修改单元,与第一状态确定单元相连,用于第一状态确定单元确定为源节点的拓扑信息未建立状态时,在本地路径数据库中增加源节点条目,源节点条目包括:中间节点的标识、跳数、数据包序列号和最差链路质量;
第二状态确定单元,与检查单元相连,用于检查单元的检查结果为否时,根据标记信息生成网络状态初步报告,并根据标记信息更新源节点条目;并统计指定周期内的网络状态初步报告,根据统计结果确定网络状态。
其中,第二状态确定单元包括:比较子单元,用于比较数据包中的序列号与本地路径数据库中源节点对应的序列号是否连续;错误报告生成子单元,与比较子单元相连,用于比较子单元的比较结果为不连续时,生成丢包的错误报告;成功传输报告生成子单元,与比较子单元相连,用于比较子单元的比较结果为连续时,生成成功传输报告;路径切换报告生成子单元,与检查单元相连,用于根据源节点条目确定数据包是否发生路径切换,如果是,生成路径切换报告;链路质量报告生成子单元,与检查单元相连,用于根据源节点条目生成源节点的最差链路质量报告。
第二状态确定单元包括:网络信息确定子单元,用于根据统计的结果确定网络信息,其中,网络信息包括以下至少之一:数据包的成功传输率、源节点的丢包率、有无路由切换、源节点对应的最差链路质量参数,以及源节点与相邻节点的最差链路质量相似度;网络状态确定子单元,用于根据网络信息确定子单元确定的网络信息,采用反向传播BP神经网络确定网络状态,其中,网络状态分为以下类别:正常、物理损坏、软件冲突、网络阻塞和环境影响。
本实施例还提供了一种网络状态检测系统,参见图9,该系统包括:中间节点70和汇聚节点80,其中,中间节点70包括上述网络状态上报装置,汇聚节点80包括上述网络状态检测装置。
本实施例提供的装置和系统可以应用与无线传感器网络中。
本实施例的中间节点将对接收到的数据包进行标记,进而可以使汇聚节点能够根据标记信息判断当前的网络状态,这种直接对数据包进行标记的方式不需要汇聚节点发起询问,汇聚节点直接利用数据包中的标记信息即可获知网络状态,减少了网络状态检测过程中的消息信令,解决了主动询问方式确定网络状态的方法造成网络负担较重的问题,进而延长了每个节点的使用寿命,优化了系统的性能。
从以上的描述中可以看出,上述实施例采用数据包标记技术与BP神经网络技术相结合,通过在数据包中标记网络状态信息,大大降低了网络的通信开支。通过BP神经网络保障了故障分类的准确性,得到较为理想的结果,进而优化了系统的性能。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (18)
1.一种网络状态上报方法,其特征在于,包括:
中间节点接收数据包;
所述中间节点根据当前的网络状态对所述数据包进行标记;
所述中间节点转发标记后的所述数据包。
2.根据权利要求1所述的方法,其特征在于,所述数据包携带有源节点标识和数据包序列号;
所述中间节点根据当前的网络状态对所述数据包进行标记包括:
所述中间节点根据所述源节点标识判断所述数据包是否为源节点首次发送的数据包,如果是,检查所述数据包是否携带有其它节点的标记信息;
如果检查结果为没有,所述中间节点将所述中间节点的标识写入所述数据包指定子域,并在本地数据结构中记录所述源节点标识和所述数据包序列号。
3.根据权利要求2所述的方法,其特征在于,其中,所述数据包还携带有最差链路质量和当前链路质量;
所述中间节点根据所述源节点标识判断所述数据包是否为源节点首次发送的数据包之前,所述方法还包括:
所述中间节点接收到数据包后,根据自身的链路质量更新所述数据包中的所述当前链路质量,并检测所述数据包中的所述最差链路质量是否大于更新后的所述当前链路质量;
如果是,所述中间节点将所述最差链路质量所在子域的值标记为更新后的所述当前链路质量。
4.根据权利要求2或3所述的方法,其特征在于,所述数据包携带有所述数据包传输经过的跳数;
所述中间节点根据当前的网络状态对所述数据包进行标记包括:
所述中间节点检查所述数据包不是所述源节点首次发送的数据包时,从所述本地数据结构查找所述源节点标识对应的数据结构条目;
所述中间节点判断所述数据包中的数据包序列号与所述数据结构条目中的数据包序列号是否连续,如果连续,更新所述数据结构条目中的数据包序列号,并修改所述数据包中的跳数;如果不连续,在所述数据包中标记所述中间节点标识。
5.一种网络状态检测方法,其特征在于,包括:
汇聚节点接收数据包;
所述汇聚节点解析所述数据包,得到网络状态的标记信息;
所述汇聚节点根据所述标记信息确定网络状态。
6.根据权利要求5所述的方法,其特征在于,所述标记信息包括源节点标识、数据包序列号、中间节点标识、最差链路质量、当前链路质量和跳数;
所述汇聚节点根据所述标记信息确定网络状态包括:
所述汇聚节点检查本地路径数据库中是否有与所述源节点对应的路径条目;
如果没有,所述汇聚节点确定网络状态为所述源节点的拓扑信息未建立状态,在所述本地路径数据库中增加所述源节点条目,所述源节点条目包括:所述中间节点的标识、所述跳数、所述数据包序列号和所述最差链路质量;
如果有,所述汇聚节点根据所述标记信息生成网络状态初步报告,并根据所述标记信息更新所述源节点条目;
所述汇聚节点统计指定周期内的所述网络状态初步报告,根据统计结果确定网络状态。
7.根据权利要求6所述的方法,其特征在于,所述汇聚节点根据所述标记信息生成网络状态初步报告包括:
所述汇聚节点比较所述数据包中的序列号与所述本地路径数据库中所述源节点对应的序列号是否连续,如果不连续,生成丢包的错误报告,如果连续,生成成功传输报告;
所述汇聚节点根据所述源节点条目确定所述数据包是否发生路径切换,如果是,生成路径切换报告;
所述汇聚节点根据所述源节点条目生成所述源节点的最差链路质量报告。
8.根据权利要求7所述的方法,其特征在于,所述汇聚节点根据统计结果确定网络状态包括:
所述汇聚节点根据统计的结果确定网络信息,其中,所述网络信息包括以下至少之一:数据包的成功传输率、所述源节点的丢包率、有无路由切换和所述源节点对应的最差链路质量参数,以及所述源节点与相邻节点的最差链路质量相似度;
所述汇聚节点根据所述网络信息,采用反向传播BP神经网络确定网络状态,其中,所述网络状态分为以下类别:正常、物理损坏、软件冲突、网络阻塞和环境影响。
9.根据权利要求8所述的方法,其特征在于,所述BP神经网络的确定过程包括:
所述汇聚节点设置隐层的BP神经网络,并设置隐层对应的激励函数,以及设置输出层函数;
所述汇聚节点将接收的训练样本输入所述BP神经网络,设置所述BP神经网络的输出与期望输出的误差平方和E:
其中,l表示所述BP神经网络的输出端共有l个节点,dk为期望输出向量,f为隐层激励函数,m表示隐层节点的个数,n表示输入层节点的个数,wjk表示隐层第j个节点到输出层第k个节点之间的权值,netj表示输入层节点j的输出,vij为输入层第i个节点对隐层第j个节点之间的权值,xi表示输入层输入向量中第i个节点的输入值;
所述汇聚节点通过调整wjk和vij使E缩小到设定的目标之内;其中,
Δwjk=η(dk-ok)ok(1-ok)yj;
10.一种网络状态上报装置,其特征在于,包括:
接收模块,用于接收数据包;
标记模块,用于根据当前的网络状态对所述数据包进行标记;
转发模块,用于转发标记后的所述数据包。
11.根据权利要求10所述的装置,其特征在于,所述标记模块包括:
判断单元,用于根据所述数据包中的源节点标识判断所述数据包是否为所述源节点首次发送的数据包;
检查单元,用于所述判断单元的判断结果为是时,检查所述数据包是否携带有其它节点的标记信息;
标记单元,用于所述检查单元的检查结果为没有时,将所述中间节点的标识写入所述数据包指定子域,并在本地数据结构中记录所述源节点标识和所述数据包的序列号。
12.根据权利要求11所述的装置,其特征在于,其中,所述标记模块还包括:
链路质量检测单元,用于接收到数据包后,根据自身的链路质量更新所述数据包中的当前链路质量,并检测所述数据包中的最差链路质量是否大于更新后的所述当前链路质量;
链路质量标记单元,用于所述链路质量检测单元的检测结果为是时,将所述最差链路质量所在子域的值标记为更新后的所述当前链路质量。
13.根据权利要求11所述的装置,其特征在于,所述标记模块还包括:
查找单元,用于所述判断单元的判断结果为否时,从所述本地数据结构查找所述源节点标识对应的数据结构条目;
序列号判断单元,用于判断所述数据包中的数据包序列号与所述查找单元查找到的所述数据结构条目中的数据包序列号是否连续;
跳数修改单元,用于所述序列号判断单元的判断结果为是时,更新所述数据结构条目中的数据包序列号,并修改所述数据包中的跳数;
节点标记单元,用于所述序列号判断单元的判断结果为否时,在所述数据包中标记所述中间节点标识。
14.一种网络状态检测装置,其特征在于,包括:
数据包接收模块,用于接收数据包;
标记信息获取模块,用于解析所述数据包,得到网络状态的标记信息;
网络状态确定模块,用于根据所述标记信息确定网络状态。
15.根据权利要求14所述的装置,其特征在于,
所述标记信息获取模块包括:解析单元,用于解析所述数据包;标记信息提取单元,用于提取所述解析单元解析得到的标记信息,所述标记信息包括源节点标识、数据包序列号、中间节点标识、最差链路质量、当前链路质量和跳数;
所述网络状态确定模块包括:
检查单元,用于检查本地路径数据库中是否有与所述数据包中的源节点对应的路径条目;
第一状态确定单元,用于所述检查单元的检查结果为是时,确定网络状态为所述源节点的拓扑信息未建立状态;
数据库修改单元,用于所述第一状态确定单元确定为所述源节点的拓扑信息未建立状态时,在所述本地路径数据库中增加所述源节点条目,所述源节点条目包括:所述中间节点的标识、所述跳数、所述数据包序列号和所述最差链路质量;
第二状态确定单元,用于所述检查单元的检查结果为否时,根据所述标记信息生成网络状态初步报告,并根据所述标记信息更新所述源节点条目;并统计指定周期内的所述网络状态初步报告,根据统计结果确定网络状态。
16.根据权利要求15所述的装置,其特征在于,所述第二状态确定单元包括:
比较子单元,用于比较所述数据包中的序列号与所述本地路径数据库中所述源节点对应的序列号是否连续;
错误报告生成子单元,用于所述比较子单元的比较结果为不连续时,生成丢包的错误报告;
成功传输报告生成子单元,用于所述比较子单元的比较结果为连续时,生成成功传输报告;
路径切换报告生成子单元,用于根据所述源节点条目确定所述数据包是否发生路径切换,如果是,生成路径切换报告;
链路质量报告生成子单元,用于根据所述源节点条目生成所述源节点的最差链路质量报告。
17.根据权利要求16所述的装置,其特征在于,所述第二状态确定单元包括:
网络信息确定子单元,用于根据统计的结果确定网络信息,其中,所述网络信息包括以下至少之一:数据包的成功传输率、所述源节点的丢包率、有无路由切换和所述源节点对应的最差链路质量参数,以及所述源节点与相邻节点的最差链路质量相似度;
网络状态确定子单元,用于根据所述网络信息确定子单元确定的网络信息,采用反向传播BP神经网络确定网络状态,其中,所述网络状态分为以下类别:正常、物理损坏、软件冲突、网络阻塞和环境影响。
18.一种网络状态检测系统,其特征在于,包括:中间节点和汇聚节点,其中所述中间节点包括权利要求10-13任一项所述的装置,所述汇聚节点包括权利要求14-17任一项所述的装置。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011101509617A CN102196481A (zh) | 2011-06-07 | 2011-06-07 | 网络状态上报方法、检测方法、装置和系统 |
PCT/CN2012/072630 WO2012167644A1 (zh) | 2011-06-07 | 2012-03-20 | 网络状态上报方法、检测方法、装置和系统 |
EP12796004.5A EP2680636B1 (en) | 2011-06-07 | 2012-03-20 | Reporting method, detection method, device and system for network state |
US14/009,638 US9161255B2 (en) | 2011-06-07 | 2012-03-20 | Reporting method, detection method, device and system for network state |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011101509617A CN102196481A (zh) | 2011-06-07 | 2011-06-07 | 网络状态上报方法、检测方法、装置和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102196481A true CN102196481A (zh) | 2011-09-21 |
Family
ID=44603702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011101509617A Pending CN102196481A (zh) | 2011-06-07 | 2011-06-07 | 网络状态上报方法、检测方法、装置和系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9161255B2 (zh) |
EP (1) | EP2680636B1 (zh) |
CN (1) | CN102196481A (zh) |
WO (1) | WO2012167644A1 (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012167644A1 (zh) * | 2011-06-07 | 2012-12-13 | 中兴通讯股份有限公司 | 网络状态上报方法、检测方法、装置和系统 |
CN104253750A (zh) * | 2013-06-26 | 2014-12-31 | 华为技术有限公司 | 路径获取方法、路径计算单元、路径计算客户端及系统 |
CN106157571A (zh) * | 2015-05-12 | 2016-11-23 | 霍尼韦尔国际公司 | 从无线网状传感器到云的预测数据的自动报告 |
CN106998579A (zh) * | 2017-05-23 | 2017-08-01 | 山东大学 | 基于正交溯源的wsn加权传输拓扑发现方法及系统 |
CN107508759A (zh) * | 2017-08-16 | 2017-12-22 | 北京小度信息科技有限公司 | 信息上报方法、装置、计算机可读存储介质和电子设备 |
CN108495284A (zh) * | 2018-03-26 | 2018-09-04 | 王智华 | 传感器连接方法、装置及计算机可读存储介质 |
CN109842856A (zh) * | 2017-11-29 | 2019-06-04 | 成都鼎桥通信技术有限公司 | 一种屏蔽上行丢包的方法和设备 |
CN111447645A (zh) * | 2020-03-11 | 2020-07-24 | 北京工业大学 | 无线传感器网络场景下一种实时感知网络状态的方法 |
CN112583659A (zh) * | 2020-11-24 | 2021-03-30 | 视联动力信息技术股份有限公司 | 视联网网络状态的检测方法、装置、终端设备和存储介质 |
CN113517997A (zh) * | 2021-03-31 | 2021-10-19 | 邦彦技术股份有限公司 | 基于分片的网络状态查询方法、装置及存储介质 |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9286620B2 (en) * | 2012-11-05 | 2016-03-15 | Broadcom Corporation | Annotated tracing for data networks |
US10142202B2 (en) * | 2014-01-30 | 2018-11-27 | Qualcomm Incorporated | Determination of end-to-end transport quality |
US9699023B2 (en) * | 2014-07-18 | 2017-07-04 | Fujitsu Limited | Initializing a network interface based on stored data |
US20160134543A1 (en) * | 2014-11-06 | 2016-05-12 | Mediatek Singapore Pte. Ltd. | Method and associated network device for managing network traffic |
CN107371183B (zh) * | 2016-05-11 | 2020-12-04 | 大唐移动通信设备有限公司 | 一种网络质量报告的输出方法和装置 |
US20180365556A1 (en) | 2017-07-31 | 2018-12-20 | Seematics Systems Ltd | System and method for generating and using descriptors of artificial neural networks |
WO2019100436A1 (en) * | 2017-11-22 | 2019-05-31 | Zhejiang Dahua Technology Co., Ltd. | Methods and systems for face recognition |
KR101948214B1 (ko) * | 2018-02-09 | 2019-02-14 | 경희대학교 산학협력단 | 패킷의 무결성을 판단하는 방법 |
TWI672644B (zh) * | 2018-03-27 | 2019-09-21 | 鴻海精密工業股份有限公司 | 人工神經網路 |
CN108521346B (zh) * | 2018-04-07 | 2020-06-02 | 中南大学 | 一种基于终端数据的电信承载网异常节点定位方法 |
US11327472B2 (en) * | 2018-07-27 | 2022-05-10 | Rockwell Automation Technologies, Inc. | System and method of connection management during synchronization of high availability industrial control systems |
CN109246736B (zh) * | 2018-08-31 | 2021-11-26 | 中建科技集团有限公司 | 一种传感器网络监听系统、监听器及故障分析终端 |
CN109379755B (zh) * | 2018-10-29 | 2022-02-01 | 中建科技集团有限公司 | 一种传感器网络的故障诊断装置及其故障诊断方法 |
CN109714788A (zh) * | 2019-02-28 | 2019-05-03 | 福建师范大学 | 在线容错和邻居协作的传感器节点故障诊断算法 |
US11336557B2 (en) | 2019-11-07 | 2022-05-17 | Arista Networks, Inc. | System and method for managing computing resources |
CN112422333B (zh) * | 2020-11-06 | 2022-12-20 | 深圳市晨北科技有限公司 | 一种配网情况确定方法、系统及相关装置 |
CN113676457B (zh) * | 2021-07-26 | 2022-04-01 | 北京东方通网信科技有限公司 | 一种基于状态机的流式多层安全检测方法及系统 |
CN114339654B (zh) * | 2022-03-11 | 2022-06-17 | 东莞市易联交互信息科技有限责任公司 | 一种多传感器系统的通信方法和装置 |
CN115028036A (zh) * | 2022-05-06 | 2022-09-09 | 北京中铁电梯工程有限公司 | 一种基于大数据的电梯管理方法 |
CN117176550B (zh) * | 2023-09-25 | 2024-03-19 | 云念软件(广东)有限公司 | 基于故障辨识的集成运行维护方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1794732A (zh) * | 2005-12-26 | 2006-06-28 | 北京交通大学 | IPv6微型传感路由器协议栈体系结构及实现方法 |
CN1939007A (zh) * | 2004-03-30 | 2007-03-28 | 英国电讯有限公司 | 对数据网络中的数据的处理 |
CN101247288A (zh) * | 2008-03-14 | 2008-08-20 | 华为技术有限公司 | 链路质量检测方法和链路质量检测设备 |
EP2106068A1 (en) * | 2008-03-28 | 2009-09-30 | British Telecommunications Public Limited Company | Measuring data source-specific network metrics |
CN101873258A (zh) * | 2010-06-07 | 2010-10-27 | 清华大学 | 一种概率包标记及攻击源追溯方法、系统及装置 |
CN102055677A (zh) * | 2011-01-26 | 2011-05-11 | 杭州华三通信技术有限公司 | 减少网络拥塞的方法及设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1835440B (zh) * | 2005-03-19 | 2011-09-14 | 腾讯科技(深圳)有限公司 | 一种在即时通信系统中显示通信状态的方法 |
US20070019593A1 (en) | 2005-06-30 | 2007-01-25 | Sarkar Prateep K | Apparatus, system and method capable of signal strength based dynamic source routing in Ad-Hoc wireless networks |
CN101489248B (zh) | 2009-03-03 | 2011-02-16 | 中国科学院软件研究所 | 一种无线传感器网络拓扑的轻量级监视方法 |
US8693339B2 (en) * | 2009-12-10 | 2014-04-08 | Verizon Patent And Licensing Inc. | LDP extension for forwarding path congestion notification |
CN101808289B (zh) * | 2010-04-07 | 2012-09-05 | 上海交通大学 | 基于移动汇聚节点的无线传感器网络的数据收集方法 |
CN102196481A (zh) * | 2011-06-07 | 2011-09-21 | 中兴通讯股份有限公司 | 网络状态上报方法、检测方法、装置和系统 |
-
2011
- 2011-06-07 CN CN2011101509617A patent/CN102196481A/zh active Pending
-
2012
- 2012-03-20 US US14/009,638 patent/US9161255B2/en active Active
- 2012-03-20 EP EP12796004.5A patent/EP2680636B1/en not_active Not-in-force
- 2012-03-20 WO PCT/CN2012/072630 patent/WO2012167644A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1939007A (zh) * | 2004-03-30 | 2007-03-28 | 英国电讯有限公司 | 对数据网络中的数据的处理 |
CN1794732A (zh) * | 2005-12-26 | 2006-06-28 | 北京交通大学 | IPv6微型传感路由器协议栈体系结构及实现方法 |
CN101247288A (zh) * | 2008-03-14 | 2008-08-20 | 华为技术有限公司 | 链路质量检测方法和链路质量检测设备 |
EP2106068A1 (en) * | 2008-03-28 | 2009-09-30 | British Telecommunications Public Limited Company | Measuring data source-specific network metrics |
CN101873258A (zh) * | 2010-06-07 | 2010-10-27 | 清华大学 | 一种概率包标记及攻击源追溯方法、系统及装置 |
CN102055677A (zh) * | 2011-01-26 | 2011-05-11 | 杭州华三通信技术有限公司 | 减少网络拥塞的方法及设备 |
Non-Patent Citations (3)
Title |
---|
KEBIN LIU: "Passive diagnosis for wireless sensor networks", 《IEEE/ACM TRANSACTIONS ON NETWORKING》 * |
唐洪法: "基于BP神经网络的网络故障诊断系统", 《中国优秀博硕士学位论文全文数据库》 * |
秦华: "基于自适应神经网络的葡萄病害发生预测研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9161255B2 (en) | 2011-06-07 | 2015-10-13 | Zte Corporation | Reporting method, detection method, device and system for network state |
WO2012167644A1 (zh) * | 2011-06-07 | 2012-12-13 | 中兴通讯股份有限公司 | 网络状态上报方法、检测方法、装置和系统 |
CN104253750B (zh) * | 2013-06-26 | 2018-10-09 | 华为技术有限公司 | 路径获取方法、路径计算单元、路径计算客户端及系统 |
CN104253750A (zh) * | 2013-06-26 | 2014-12-31 | 华为技术有限公司 | 路径获取方法、路径计算单元、路径计算客户端及系统 |
US10230618B2 (en) | 2013-06-26 | 2019-03-12 | Huawei Technologies Co., Ltd. | Path acquisition method, path computation element, path computation client and system |
CN106157571A (zh) * | 2015-05-12 | 2016-11-23 | 霍尼韦尔国际公司 | 从无线网状传感器到云的预测数据的自动报告 |
CN106998579A (zh) * | 2017-05-23 | 2017-08-01 | 山东大学 | 基于正交溯源的wsn加权传输拓扑发现方法及系统 |
CN106998579B (zh) * | 2017-05-23 | 2019-10-18 | 山东大学 | 基于正交溯源的wsn加权传输拓扑发现方法及系统 |
CN107508759A (zh) * | 2017-08-16 | 2017-12-22 | 北京小度信息科技有限公司 | 信息上报方法、装置、计算机可读存储介质和电子设备 |
CN107508759B (zh) * | 2017-08-16 | 2020-06-05 | 北京星选科技有限公司 | 信息上报方法、装置、计算机可读存储介质和电子设备 |
CN109842856A (zh) * | 2017-11-29 | 2019-06-04 | 成都鼎桥通信技术有限公司 | 一种屏蔽上行丢包的方法和设备 |
CN108495284A (zh) * | 2018-03-26 | 2018-09-04 | 王智华 | 传感器连接方法、装置及计算机可读存储介质 |
CN111447645A (zh) * | 2020-03-11 | 2020-07-24 | 北京工业大学 | 无线传感器网络场景下一种实时感知网络状态的方法 |
CN111447645B (zh) * | 2020-03-11 | 2022-10-11 | 北京工业大学 | 无线传感器网络场景下一种实时感知网络状态的方法 |
CN112583659A (zh) * | 2020-11-24 | 2021-03-30 | 视联动力信息技术股份有限公司 | 视联网网络状态的检测方法、装置、终端设备和存储介质 |
CN113517997A (zh) * | 2021-03-31 | 2021-10-19 | 邦彦技术股份有限公司 | 基于分片的网络状态查询方法、装置及存储介质 |
CN113517997B (zh) * | 2021-03-31 | 2024-03-15 | 邦彦技术股份有限公司 | 基于分片的网络状态查询方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
EP2680636B1 (en) | 2018-01-17 |
EP2680636A4 (en) | 2015-04-15 |
EP2680636A1 (en) | 2014-01-01 |
WO2012167644A1 (zh) | 2012-12-13 |
US20140022997A1 (en) | 2014-01-23 |
US9161255B2 (en) | 2015-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102196481A (zh) | 网络状态上报方法、检测方法、装置和系统 | |
Vashishth et al. | GMMR: A Gaussian mixture model based unsupervised machine learning approach for optimal routing in opportunistic IoT networks | |
Arzamendia et al. | Comparison of eulerian and hamiltonian circuits for evolutionary-based path planning of an autonomous surface vehicle for monitoring ypacarai lake | |
Laroui et al. | Driving path stability in VANETs | |
Cao et al. | Data fusion algorithm for heterogeneous wireless sensor networks based on extreme learning machine optimized by particle swarm optimization | |
CN105704031A (zh) | 一种数据传输路径确定方法及装置 | |
Pal et al. | Path length prediction in MANET under AODV routing: Comparative analysis of ARIMA and MLP model | |
CN108696453A (zh) | 轻量级的电力通信网sdn业务流感知方法及系统 | |
CN102065446B (zh) | 面向群组移动环境的拓扑控制系统及控制方法 | |
Ekárt et al. | Genetic programming with transfer learning for urban traffic modelling and prediction | |
Kumar et al. | An optimal emperor penguin optimization based enhanced flower pollination algorithm in WSN for fault diagnosis and prolong network lifespan | |
Singh et al. | Designing an energy efficient network using integration of KSOM, ANN and data fusion techniques | |
Cao et al. | A mobility-supported routing mechanism in industrial IoT networks | |
CN112866120A (zh) | 基于分类搜索的sdn流表无环一致性更新方法和系统 | |
Turčaník | Network routing by artificial neural network | |
Aljeri et al. | A novel online machine learning based RSU prediction scheme for intelligent vehicular networks | |
CN110120918A (zh) | 一种标识解析方法及装置 | |
Gu et al. | Recovery Routing Based on Q‐Learning for Satellite Network Faults | |
Dagdeviren et al. | KEIP: a distributed k-connectivity estimation algorithm based on independent paths for wireless sensor networks | |
Nayana et al. | Probabilistic Approach for a Fault Tolerant Wireless Sensor Network | |
CN107371125A (zh) | 基于粒子群算法的无线传感器网络故障修复方法及装置 | |
Zhang et al. | Energy-Aware Positioning Service Provisioning for Cloud-Edge-Vehicle Collaborative Network Based on DRL and Service Function Chain | |
Hadi et al. | Propose effective routing method for mobile sink in wireless sensor network | |
Rekha et al. | Automatic Fault Identification in WSN Based Smart Grid Environment | |
Shi et al. | Complexity Assessment with K-Weighted Entropy for Cloud-Edge-Vehicle System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20110921 |
|
RJ01 | Rejection of invention patent application after publication |