CN102271379B - 一种基于上下文感知技术的物联网节点节能路由方法 - Google Patents

Abstract

本发明公开了一种基于上下文感知技术的能量有效的路由协议——CATRP。以CATRP协议作为物联网环境中节点的路由工作方式从而达到既定的节能目标。其属于物联网技术领域。主要针对工作在物联网中的可通信节点运用了上下文感知技术作为本专利节能的核心技术。并从工作流程、数据结构、定量算法设计等角度全方位的设计了协议的组成模块。通过对本专利的申请，将为在不远的将来实现全社会的普适计算服务打好基础，为未来物联网技术的正确发展指引了方向，为现阶段无线传感器网络技术的转型充实了理论基础、做出了一定贡献。对提高业内物联网节能技术水平，加快国内物联网节点节能路由课题研究进度，推动内需，促进相关产业发展有重要意义。

Description

一种基于上下文感知技术的物联网节点节能路由方法

技术领域

本发明涉及一种基于上下文感知技术的物联网节点节能路由方法——CATRP(Context-Aware Technology Routing Protocol)，属于物联网技术领域。

背景技术

随着微机电系统(Micro Electro Mechanism System，MEMS)、片上系统(SOC，Systemon Chip)、无线通信和低功耗嵌入式技术的飞速发展，无线传感器网络(Wireless SensorNetworks，WSN)以其低功耗、低成本、分布式和自组织的特点给信息感知技术领域带来了一场变革。

上世纪80年代晚期至90年代初，Mark Weiser提出了普适计算的设想，而物联网技术的实现和普及将是普适计算思想的重要体现之一。物联网是新一代信息技术的重要组成部分。物联网(The Internet of  things，IOT)，顾名思义，就是“物物相连的互联网”。在未来智能型社会、智能生活概念的指引下，物联网将实现全社会物与物、物与人的大联接，构建一个巨大的网络。

在目前研究阶段，可以认为无线传感器网络就是宏观物联网在微观意义上的具体体现，是物联网重要的基础支撑部分，是物联网理论技术研究的重要实现平台。

我国现代意义的无线传感器网络及其应用研究几乎与发达国家同步启动，首次正式出现于1999年中国科学院的“信息与自动化领域研究报告”中，把其作为该领域提出的五个重大项目之一。2001年上海微系统所成立微系统研究与发展中心，在无线传感器网络方向上相继部署了若干重大研究项目。2004年末，863计划信息获取与处理技术主题年会上，与会的专家学者普遍认为传感器网络已经成为信息获取领域的发展重点。科技部973计划也将传感器网络的相关基础理论研究列为2005年重点支持方向。作为一项新兴的顶尖技术，无线传感器网络研究已成为世界各国科技竞争的焦点。相比欧美发达国家，我国在物联网研究的基础领域——无线传感器网络领域的研究和产业化进程发展相对缓慢，许多方面都与发达国家存在明显差距。我们应抓住机遇，深入开展相关研究，推动我国无线传感器网络领域的技术进步和应用推广的不断发展，以此为我国“十二五”规划期间物联网研究的战略部署出力添功。这对我国产业链的发展升级和核心竞争力的形成具有重大的战略意义，为建设创新型国家做好理论和技术铺垫。

随着WSN网络部署规模的逐渐扩大，无线传感器网络应用范围也更加宽广，给人们生产生活带来极大改观。在未来的展望中，WSN技术的普及与智能社会物联网概念的技术革命相辅相成，将彻底的改变人类的生活方式。这也对应用于WSN中传感器节点之间的路由协议提出了更高的要求。传统路由协议相对于WSN部署环境的不适应以及一些如LEACH、TTDD、定向扩散等等老式经典协议固有的一些问题和欠缺考虑的方面都使得对WSN应用路由协议的研究和改进具备相当的必要性和长期性。而超越传统老式路由算法的节能特性也是本专利申请的重要申请点之一。从而可知本专利申请将提出一种面向物联网工作环境的、区别于以往的、具备充分节能特性的、新式路由方法。本专利申请提出的CATRP协议融合普适计算环境中的关键技术——上下文感知技术，充分考虑物联网/WSN网络的固有特性，通过对节点在长时间运行中变化趋势的控制有效的提高能量的使用效率。利用多种上下文信息对上述协议考虑较少的节点工作状态数据进行全面的描述和考察，CATRP协议可以有效降低物联网/WSN网络中的通信量和路由建立及维护开销，提高网络生存时间和能量使用效率。

物联网技术中有一项关键子技术——上下文感知技术，作为本专利的核心技术。

所谓上下文感知，即一种掌握、获取和分析上下文信息的技术及其相关技术。由于部署无线传感器的目的在于获取、采集传感器周围环境的数据信息并将其中有用的数据整合并提供给相关模块(或人员)分析，而这个周围环境的变化信息就是所谓的“上下文”(Context)。

上下文(Context)的概念出现在1991年，它基本被定义为：能够用来刻画一个实体的情形(situation)的所有信息。所谓实体即是指任何与用户和应用交互相关的人、位置或对象，包含用户和应用本身。对于典型范例——可移动的用户来说，上下文信息将至少包括对几个基本情况的描述：该用户的地理位置、该用户和谁在一起、该用户所处地域周围自然环境、该用户正在进行的动作描述、当前时间等。而这些上下文信息将会处于随时变化的状态，在这里上下文信息主要体现为对环境的描述。

而为什么需要“上下文”的感知呢？单纯实现无线传感器网络的部署，除了获取传感器可获取到的信息外并不能提供丰富的服务。而物联网系统应该能做到最大程度地自主、合理地自动调节自身服务状态。在具有了上下文感知能力后，系统就可以感知环境变化，并根据具体的情况采用最合适的方式为用户提供透明的服务。尤其是在不远的未来人们将实现智能社会、智能生产……这些都离不开拥有智能的无线传感器网络。在具有了上下文感知能力后，物联网系统就可以感知环境变化，并根据具体的情况采用最合适的方式为用户提供透明的服务。

而一个WSN系统，如果能够利用上下文信息，并能够根据上下文信息的变化自动地作出相适应的改变和配置，为使用者提供个性化的、适合于当前上下文的服务，即可称之为上下文感知系统。它具有以下几个特征：

1)根据上下文进行信息推送服务；

2)根据上下文自动触发执行相应动作；

3)跟踪上下文的变化，用户可以查询相关的上下文信息。

由于具体环境、应用中的复杂性和多样性，业界通常把“上下文”数据分为如下几类：实际环境上下文、个人上下文、情景描述上下文、时空上下文、设备上下文、业务上下文、网络情况上下文等。

下面简释理论界中WSN节点工作的主流路由技术与节能分析：

(1)LEACH协议作为一个基本的框架性协议，它有着随机选取簇头，将高能消耗平均分配到无线传感器网络中各节点的设计目标。但是它忽视了节点能量问题。LEACH协议并没有直接设计与节点能量相关的处理机制、考察参数或相关算法，直接能量控制手段的缺失致使LEACH的能量有效性并不能满足对WSN网络能量技术不断的要求。CATRP协议作为一种立足于能量有效性的WSN路由协议，通过多种相关手段、策略的设计将节点能耗作为协议的一项重要指标，通过实时考察多种能量参数有效的、合理的改善了传感器节点的能量问题，在当前WSN路由技术降低能耗的研究工作中取得了相对于LEACH等已有协议明显的提高。

LEACH协议在选举中容易出现簇头节点偏于一方的情况，不均匀、不合理、不能达到真正随机性。这体现在簇头节点的分布不均性。在最坏情况下，运行LEACH协议的WSN网络中的簇头节点会聚集在一起。平面型路由协议在本质上不存在这样的问题。CATRP协议在中小型WSN环境中有着良好的表现，经过合理的拓展成为复合型的层次式路由协议以便适应大规模的WSN网络。

LEACH协议强调在每一轮中随机化的选择簇头节点，以达到在长时间运行中可以将整个网络的能量负载平均分配到每个节点上。然而即使LEACH的计算公式得到更为随机性的改良，LEACH也仅仅片面强调了随机性而不具备如CATRP协议充分的逻辑性。CATRP根据严密的拓扑逻辑指定合理的下一跳路由选择规则，对合理控制节点能量利用、维持WSN有效拓扑、提高电池寿命、保证无线传感器网络稳定工作、延长网络生存时间有着重要的意义。具备LEACH协议不具备的严密性和逻辑性。这是LEACH与CATRP最大的不同之处。

LEACH在簇的建立过程中大量使用广播通信方式，选定蔟首节点后，也要通过广播告知整个网络才能使节点归入合适的簇，完成簇的建立。LEACH协议有着许多环节需要使用广播通信甚至是洪泛通信。在具体运行中，还有不少的细节环节需要类似的通信方式参与，如簇之间必要的同步。广播或洪泛通信方式较之单播或组播更为耗费能量，CATRP协议在运行阶段、选举阶段和预测阶段等细节环节都不依赖于广播通信方式或大规模的洪泛方式。作为按需的被动路由机制，CATRP协议不需要全网拓扑信息，环境上下文数据表等数据结构的合理设置在节点的业务相关范围内有效维护局部拓扑，通过适量的、高效的单播或组播就可以保持协议的正常工作。

LEACH假定在最初的蔟首选择回合中，所有的节点都携带相同的能量，并且每个成为蔟首的节点都消耗大致相同的能量。因此，协议不适合节点能量不均衡的网络。CATRP协议立足于对传感器节点实际能量的考察和控制，故协议对于各种能量情况的WSN环境都具备充分的适应性。

且平面型路由协议较之层次型路由协议更易实现最佳路由，而层次型路由协议有着更为复杂的同步机制、较弱的资源消耗控制能力等弱势。随着硬件技术的大幅提高、硬件成本和能耗的显著降低，平面型路由协议在算法复杂度上的劣势越趋不明显。

(2)Flooding与Gossiping作为以数据为中心的路由是WSN系统中最经典最传统的路由协议。这两种协议在应用中都具备严重缺陷：内爆、重叠、资源盲目利用、目的不明确性、传输时延大等等。在能量有效性上也无法与本申请提出的以能量为中心的CATRP协议相比。

(3)SPIN虽然通过设计了协商机制来解决信息爆炸和信息重复等资源浪费问题，拓扑变化也类似于CATRP协议一样呈现出本地化特征，然而其繁琐的“三次握手”，不灵活的能量阈值机制都使得SPIN协议在能量有效性上并不出色。最重要的是，由于SPIN过于控制传输数据的类别，当邻居节点不需要时，在应用中常常导致远端节点无法得到关键数据，这使得SPIN的应用环境得到了极大的限制。

(4)Rumor作为基于查询的路由协议的代表方案，在取缔洪泛传播和路径增强的条件下克服了DD(定向扩散)的开销大的问题，然而由于Rumor以随机性为协议根本——立足于随机单播的方式缺乏可靠性保证，更谈不上逻辑性，致使Rumor协议不能摆脱产生路径的非最优化问题和路由环路问题。

《无线传感器网络路由中的能量预测及算法实现》(通信学报，2006年，林恺等著)给出的路由算法EPGR设计的节点状态并不能切实反应大多数WSN节点的各种不同工作状态，设计繁复、代表性差；《嵌入式通信系统中基于动态多因素的马尔可夫决策路由》(上海交通大学学报，2007年，刘甜甜等著)给出的路由算法DMMDR将传感器节点设计为不同状态，使用马尔可夫工具进行预测，然而在WSN实际部署中，由于拓扑变化的不确定性和频繁性将导致该算法“状态”规模的不稳定和不可靠。且DMMDR算法仅以图论式结构探讨WSN拓扑问题，缺乏应用合理性；《普适计算中基于上下文触发的事务模型》(小型微型计算机系统，2004年，罗俊伟等著)提出的CTMPC模型是上下文感知技术的一种应用代表，然而该模型及学术界其他类似工作的研究思想都仅停留于理论推理层面和定性规划层面，无法在具体应用中进行定量化的规范部署，是上下文感知技术肤浅的研究层次。《上下文感知的普适服务组合研究》(江苏大学，2008年博士学位论文，黄纬著)也仅笼统的研究了上下文感知技术的多种应用方式和技术，却并没有具体的应用范例和环境进行检验。未来普适计算环境下的上下文感知技术的应用必然要与数学工具相结合，才能更好的提高WSN路由技术的综合指标；《上下文感知计算若干关键技术研究》(湖南大学，2007年博士学位论文，李蕊著)提出的MAFZP协议没有充分利用到上下文感知技术，模型设计牵强，不能很好的反映节点运动的上下文关联性，在细节缺乏技术融合，上下文感知技术特性发挥不大。不能认为是上下文感知技术核心思想与具体应用大力结合的代表性设计。

发明内容

本发明提供了一种基于上下文感知技术的物联网节点节能路由方法。

本发明的技术方案包括以下步骤：

(1)制定5个状态：全工作状态，也叫1号状态；服务状态，也叫2号状态；单工作状态，也叫3号状态；休眠状态，也叫4号状态；休克状态，也叫5号状态；

(2)节点在5个状态间的工作方式如下：节点在能量消耗率、瞬时消耗率、剩余能量、待完成任务队列长4个参数都符合节点状态转移规则表中每条规定值的情况下，节点将按照该条规则的结论进行状态转移；休眠状态和休克状态的区别在于接收机的关闭与否；休眠状态除了节点的无线接收机外都处于关闭或低功耗状态；休眠节点保持监听邻居范围内信道，当存在邻居节点有突发业务数据需要转发或无法成功选举得到下一跳路由节点时，休眠节点被有紧急状况的节点播发的单跳广播报文唤醒临时工作；休克状态中间无法被唤醒；节点在刚从休眠或休克状态“苏醒”过来后不能再转入休眠或休克状态中，必须进入其余三个状态中的一个，即两次休眠或休克状态不能连续；

在无线传感器网络中传播的用于下一跳选举的上下文数据报文只在两个有直接业务联系的传感器节点之间收发，亦即只有业务上级为其业务下级计算并预测其未来工作动态的情况；

(3)假如某节点在未来若干个时间片后具有转移至不能承担上级业务的状态的相当可能性，则当时间运行到该节点的上级业务节点为它估测的转移时间片的前一个时间片时，上级业务节点必须进行下一跳节点的重新选择工作以便在下一个时间片到达时停止与原下级节点的联系，更改下一跳路由，让原下级节点进入休息状态；此后，上级节点将只为新的业务下级节点计算工作状态参数，填写其维护的上下文数据结构表；在具体的应用环境中，CATRP允许在邻居节点中根据具体情况选举出一至数个下一跳路由节点作为替代路由；

(4)采集数据的方式

在每一个时间片的前一半上采集4类数据，每类5个，共20个数据；

在前半片时间片上采集的数据主要包括：EC数据、CR数据、RE数据、PT数据；其中，EC数据指Rate_{Energy Consumption}，即Rate of Energy Consumption——能量消耗率参数；CR数据指Instant_{Consumption Rate}，即Instant Value of Consumption Rate——瞬时消耗速率参数；RE数据指LifeTime_{Residual Energy}，即Lifetime ofResidual Energy——剩余能量生存时间参数；PT数据指Queue_{Pending Tasks}，即Queue ofPending Tasks——待完成任务队列长参数；

将一个时间片的前一半平均分为5份，在每一份的开头采集CR数据，得5个CR数据；在每份的结尾采集EC数据和PT数据，得5个EC和5个PT数据；在每份的中间采集RE数据，得5个RE数据；这里命名的EC、RE、PT是最后的参数名称值，直接采集得到的数据要经过一定处理才能得到它们；下面规定时间片设计为10分钟时对采集到的数据的初步处理方式；

EC值的获得方式：采集五个电池剩余能量值a，b，c，d，e，单位为J(焦耳)；以后面的数值减去前面的数值即得到相对于过去的一分钟真实消耗的能量值；即对于y₁＝a，y₂＝b，y₃＝c，y₄＝d，y₅＝e这5个数据，得到四个

(其中正整数i取值为[1，4])；CATRP协议使用这四个参数作为Rate_{Energy Consumption}类型数据；Rate_{Energy Consumption}类型的四个数据在转移规则表的匹配中，第一列前两条和最后一条由于范围的单向性，将不采用语义距离方法；仅根据这四个数据有几个符合这两条标准值进行判断；都符合就将

和

和

置为1，相应的三个符合就置为

以此类推；剩余三条采用语义距离法计算；

CR值是均匀采集五个时间点上的瞬时能量消耗速率值，直接使用这5个数据作为Instant_{Consumption Rate}，单位J/min；CR值由于其瞬时特殊性，在匹配转移规则表时实行5个采样数据中有一个符合转移标准值就将该结论对应项置1，否则置0；

RE值是采集五个电池剩余时间数据；在采集时刻使用当时剩余能量值y_i除以当时瞬时能量消耗速率值z_i，得到5个瞬时电池剩余时间值

其中正整数i取值为[1，5]；为了反映电池能量剩余时间在这前半时间片上的变化程度和消耗速率，CATRP规定使用后面的数值减去前面的数值即得到相对于过去的一分钟电池剩余时间的变化率，这一数值为正值或负值；通过v_i＝t_i+1-t_i，其中正整数i∈[1，4]，得到4个v_i值；最后使用每个v_i除以最后一次采集时的t₅值，得到四个LifeTime_{Residual Energy}类型数据：

式中分子表示节点在一分钟内的电池持续时间的损耗，分母表示以最后一个采集点为标准，电池所剩下的可持续时间；当存在LifeTime_{Residual Energy}类型数据小于0时，即LifeTimeⁱ _{Residual Energy}＜0 i＝1，2，3，4.时，比式变大表示电池可持续时间的消耗速度降低或当前剩余续航时间的回升，比式变小表示电池可持续时间的消耗速度增大或当前剩余续航时间的降低；当存在LifeTime_{Residual Energy}类型数据大于或于0时，即LifeTimeⁱ _{Residual Energy}＞0时，根据比式设计含义，大于0的数据不能合理反映电池能量正常衰减的动态，不参与计算语义距离；如果四个数据都大于0，则

置为0；

PT值获取方式同CR值；采集五个当前节点仍需负责发送完成的数据队列长度值；直接使用这5个数据作为Queue_{Pending Tasks}；队列长度的度量以WSN网络具体部署环境为依据，以定长数据为基准值100％、用百分比衡量节点尚需完成发送的上级节点或自己采集的数据信息；值域为[0，+∞)；Queue_{Pending Tasks}类型数据匹配转移规则表时采用和Rate_{Energy Consumption}类型数据匹配第一、二条结论相同的计算方法，以

衡量

(5)数据整合

通过将采集得到的5×4个数据按组与节点内存储的可调整的状态转移规则中的H₁：H₅条结论进行一定的运算得到采集数据相对于每一结论的权重值

再将这些权重值与该类数据的可信程度CF(E_i)——即此证据在这次观察下的证据可信度结合，得到该节点在本时间片上相对于结论H_j的综合符合度

(E)即

(E/S)，并用其作为动态观察下的综合证据后验概率P(H₁/S)；再通过计算得到节点在当前状态转移至其他四个状态的4个后验概率值，将状态转移矩阵初始化；状态转移矩阵是每个传感器节点都维护的一个数据结构，在CATRP协议中设计有5个状态，相应的转移矩阵规模为5×5；在协议运行过程中，矩阵中有任一个元素如果大于20％，就存在在该时间片由当前状态向该状态转移的趋势；如果有1个以上的元素大于20％，就认为节点将向概率最大的那个状态转移；在CATRP协议的定量计算模块中，我们会计算得到当前节点所处状态下的那一行五个状态转移可能的概率值，而矩阵中的其它元素的值我们都默认置为20％；以此完成了矩阵的初始化；(如果最终五个状态转移概率值的计算结果总和不归一，协议将进行简单的归一化；如10％，20％，15％，30％，35％这五个值，归一化为10/110，20/110，15/110，30/110，35/110，以保持矩阵形式；而量纲标准仍以百分制的为准)；

(6)CATRP协议的数据结构

路由选举请求报文，也叫RER报文，中的Dest表示报文的目的节点ID号，Src表示播发报文的源节点ID号；第3项Next hop表示在当前(预转移时间片)拓扑下，Src节点的下一跳节点——也是要寻找替代节点替换的目标节点，第4项Second hop表示Src节点的第二跳节点，接收节点用于进行存在性判断；

环境上下文数据表，也叫ECDT表，中的“当前邻居节点”表项保存本节点在这一阶段的拓扑中与自己成邻居关系的节点ID(WSN长时间运行中，有的节点临时进入休克状态后会用一个广播报文通知自己的邻居节点，这时其他节点的ECDT表就将该节点标为暂时失效节点)，“当前下级节点”保存当前拓扑中本节点的业务下级节点ID，“当前上级节点”保存当前拓扑中本节点的业务上级节点ID，“当前同级节点”保存当前拓扑中本节点的同级节点ID，“暂时失效节点”保存由本节点通过CATRP协议的上下文感知技术预测判断出的失效节点——进入休眠及休克状态的节点以及上面提到的临时播发失效报文的部分节点的ID；

路由选举应答报文，也叫REREP应答报文，中的Dest填写RER报文中的Src一项的源节点，Src为应答节点的ID，第3、4项的Boolean值用来表示应答节点是否是请求节点下一跳和第二跳的邻居节点，如果是就置为“Y”，否则为“N”；第5、6、7、8、9项保存本应答节点的上下文数据信息，其中Rate_{Energy Consumption}、Instant_{Consumption Rate}、LifeTime_{Residual Energy}、Queue_{Pending Tasks}这四个表项的值都以节点在一个时间片里的前半段的上下文数据为基础，通过对前5分钟的节点工作情况的数据采集来代表节点在后5分钟里的工作情况，并以此预测节点在未来时间片的工作状态；CATRP协议利用相对可靠的、一定的数学工具通过对节点自身前半段时间的上下文数据的统计在一定概率基础上估计节点状态转移可能性并以此指导节点的路由选举、改善WSN网络的能源利用；CurrentState表示当前节点所处的状态；

本节点上下文数据表，也叫CDT表与下级节点上下文数据表，也叫SCDT表中存储的都是具体的上下文数据；

(7)计算办法

节点在运行时间片上采集得到的自身的上下文数据经由状态转移规则中的5条结论的量化分别得到这一组上下文数据对于状态转移影响的权重值：

本专利提出的CATRP协议在此环节采用公式(1)的计算办法；

$d(A,B)={[\frac{1}{n}\×\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{|{\mathrm{\μ}}_A\left(u_i\right)-{\mathrm{\μ}}_B\left(u_i\right)|}^{\mathrm{\σ}}]}^{1/\mathrm{\σ}}$ (λ≥1)

(1)

如在实际工作中采集得到5个剩余能量值a，b，c，d，e，单位为J(焦耳)；则由

得到电池总能量在这几个一分钟的小时间片中分别的能量消耗速率参数；然后使用这一类型的四个数据进行转移规则匹配的语义距离计算(相对于状态转移规则表)；设一条转移规则中相应的能量消耗率子项转移标准值为S，则以S为标准，衡量上述四个表述目标节点在半个时间片内能量消耗幅度的参量x₁，x₂，x₃，x₄；即讨论以这四个值为元素的论域U＝{u₁，u₂，u₃，u₄}＝{x₁，x₂，x₃，x₄}上模糊集A与表示标准S的模糊集B的语义距离；其中，模糊集合A表示U中各元素u_i接近标准值S的程度；特殊模糊集B为人为构造的具有相应数量表示标准值S  的元素的集合；即A＝{μ_A(u_i)|u_i∈U，i＝1，2，3L}，B＝{μ_B(u_i)|u_i＝S，i＝1，2，3L}＝{1，1，1，1}；在本专利中设计使用的隶属函数如公式(2)所示；

${\mathrm{\μ}}_A\left(u_i\right)e^{{-\mathrm{\λ}(u_i-S)}^2}$

(2)

其中λ在实际模拟工作中取0.0078；通过以上模糊计算，得到模糊集合A：A＝{μ_A(x₁)，μ_A(x₂)，μ_A(x₃)，μ_A(x₄)}，模糊集合B作为标准恒定；

最后应用上面给出的公式(1)得到这一组能量消耗数据参数相对于转移标准值S的匹配程度；

CATRP协议还需附加应用公式(3)计算证据与规则之间的相似值；

$r(A,B)=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\min \{{\mathrm{\μ}}_A\left(u_i\right),{\mathrm{\μ}}_B\left(u_i\right)\}}{\frac{1}{2}\×\underset{i=1}{\overset{n}{\mathrm{\Σ}}}({\mathrm{\μ}}_A\left(u_i\right)+{\mathrm{\μ}}_B\left(u_i\right))}$

(3)

通过1-d(A，B)＝r′(A，B)求得由距离概念相应计算得到的相似度，最后将这两个值做算术平均，从而得到

这里应用到了独创公式(4)；

$\stackrel{\‾}{r(A,B)}={{\mathrm{\ω}}_i}^{H_j}=\frac{r^{\′}(A,B)+r(A,B)}{2}$

(4)

上面通过(1)、(2)、(3)、(4)的计算，得到了采集到的第一组能量消耗数据匹配一条规则的计算结果

相似的，计算其他三组的数据；

CATRP协议将采样数据的抖动幅度合理的映射为其相应的可信程度CF(E_i)；应用公式(5)、(6)、(7)、(8)、(9)、(10)，(11)计算CF(E_i)值；最后通过公式(11)得到综合反映传感器节点匹配这一规则的概率程度；

$\mathrm{En}=\sqrt{\frac{\mathrm{\π}}{2}}\×\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}|X_i-E\left(X\right)|---\left(5\right)$

$\mathrm{He}=\sqrt{S^2-{\mathrm{En}}^2}---\left(6\right)$

$\mathrm{CF}\left(E_i\right)=e^{-{\mathrm{\ϵ}}^{\·}\mathrm{He}}---\left(7\right)$

若采样数据a，b，c，d，e分别对应式(5)中随机变量集合X＝(X₁，X₂，L X_n)中的样本元素X₁，X₂，X₃，X₄，X₅；通过(5)、(6)两式计算得到采集的样本数据的熵和超熵，并根据具体WSN网络部署情况配置(7)中参数ε(在本申请中，ε取0.4621)，最终得到样本数据的可信度的概率表示CF(E_i)；其中根据基本概率理论，X_i为采样数据的单个样本观察值，S²为样本方差，为样本平均值，各变量计算公式如下；

$\stackrel{\‾}{X}=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{X}_i---\left(8\right)$

$E\left(X\right)=\stackrel{\‾}{X}---\left(9\right)$

$S^2=\frac{1}{n-1}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(X_i-\stackrel{\‾}{X})}^2---\left(10\right)$

协议采用公式(11)得到可信度值

(E/S)以综合反映传感器节点匹配这一规则的概率程度；公式(11)如下：

$P(H_j/S)=P_{H_j}(E/S)={\mathrm{CF}}_{H_j}\left(E\right)=\frac{1}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{{\mathrm{\ω}}_i}^{H_j}}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}({{\mathrm{\ω}}_i}^{H_j}\×\mathrm{CF}\left(E_i\right))---\left(11\right)$

本专利最后的预测方法应用了Markov概率工具对目标节点进行未来多时间片的转移趋势预测计算；将之前获得的概率值输入5维转移矩阵中，根据齐次马氏链使用递归定义描述的C-K方程，公式(14)。

P(n)＝P(1)ⁿ

(14)

本发明的有益效果如下：本发明能够很好的与现有大规模物联网计划匹配、与未来全社会的普适计算环境相融合。上下文感知技术将使本申请设计的系统方法较同类能量有效路由算法更加智能化，预测性更好，节能效果更好，从而使工作在物联网环境中的节点得到更加可靠的能量保障和能量续航。运用业内领先的、理论界首创性的节点关键上下文信息采集、建模和处理技术，把以往研究成果未能集中关注的重要信息指标批量融合，整合处理，合理规划，转变成关键性、有意义、合理的信息，使业务流程更加的科学、有效，路由更加精确。合理整合了人工智能技术、概率计算工具和模糊理论工具以及国内知名专家的抖动理论(不确定性理论)等研究成果，形成关键理论技术的联动合力。独树一帜的将业界长期对上下文技术的研究进行量化落实，使之有了可以超越以往单纯“建模化”、“语言化”、“定性化”研究的保证。

如上所述，本专利申请使用多项国内领先的技术概念组成本发明的核心技术使本专利具备一定领先性，填补了上下文感知技术等研究领域的研究空白，突破了此块课题的研究进度。将对我国未来物联网研究部署实施计划的发展做出前瞻性探索，为现阶段无线传感器网络的科研向人工智能方向转轨、加速与未来普适计算物联网环境接轨做出其独到的贡献。

本发明的节能系统方法(路由协议方法)经过模拟实验论证，节能效果可信。通过修正路由协议中的相关参数及复用设计，可获得不同需求下、不同环境下运行效果。本发明专利经过充分的技术论证，具备充分的理论可行性和实践可能性。

附图说明

图1是邻居节点、上级节点、下级节点及同级节点关系示意图。

图2是本发明专利提出的CATRP协议局部工作思路示意图。

图3是节点状态转移示例(省略判断框)图。

图4是本专利提出的CATRP协议主要数据处理图。

图5是用P(H_i/S)初始化的状态转移矩阵图。

图6是路由选举请求报文(RER)格式。

图7是环境上下文数据表(ECDT)结构图。

图8是路由选举应答报文(REREP)格式图。

图9是WSN运行实验中局部拓扑举例。

图10是本节点上下文数据表(CDT)结构。

图11是下级节点上下文数据表(SCDT)结构。

图12是以10分钟举例，在一个时间片上采集上下文数据的方式。

图13是CATRP协议组织结构。

图14是CATRP协议逻辑层次结构。

具体实施方式

CATRP(Context-Aware Technology Routing Protocol)融合上下文感知技术，充分考虑物联网/WSN网络的固有特性，利用多种上下文信息对节点工作状态数据进行全面的描述和考察，有效控制节点在长时间运行中的变化趋势，提高能量的使用效率。

一、协议基本流程与工作思路

CATRP协议基于可扩展性强的平面型路由协议设计思路(在一定合适的条件下可以将CATRP协议移植到结构型路由协议中)。通过本发明提出的CATRP协议作为WSN网络中路由协议的通用平台和基础协议，并在不同的应用环境中加以改进和调整将可以更好的适应多种分布式网络环境。

协议的设计将以以下诸原则为基本出发点。

在实现WSN的具体物理环境下，任意两个存在无线通信链路、能够通信的节点之间必然存在双向的连通链路。

定义1：设V和E是有限集合，且

当V中的所有元素都是结点，E中的所有元素都是连接集合V中任意两结点的边，且V中任意两结点通过边都互相可达时，则称由集合V与集合E组成的图G＝(V，E)为连通图。我们在CATRP协议中将使用这一定义来描述基本的WSN应用环境。

定义2：在定义1中给出的用连通图G＝(V，E)表示的WSN中，对于任意一个节点v∈G(V)，距离d_SingleHop为其在额定发射功率下的一次发射射程，我们称其为单跳距离。

定义3：为了下面使用和表示的方便性和统一性，我们使用固定的数学符号来表示CATRP协议工作的WSN网络中特有的概念。这里，我们固定使用符号“о”来表示符号前元素是符号后元素的邻居节点，如AoB表示传感器节点A是节点B的邻居；使用d(u，v)表示传感器节点u到传感器节点v的信号传播最短距离，在仿真场景中为平面直线距离；使用Neighbor(v)表示传感器节点v的邻居节点集合。

定义4：

在以节点v为圆心，长度d_SingleHop为半径的规则圆形区域内所有其它节点都被定义为节点v的邻居节点。即Neighbor(v)＝{v′|v′∈G(V)∧d(v′，v)＜d_SingleHop}，其中Neighbor(v)表示节点v的邻居节点。

在说明书附图1所示中，我们给出了一个局部WSN网络的拓扑结构示意图。在该图中，重点标示出了0号、6号、7号传感器节点的单跳发射范围以及与此相关的邻近节点位置关系，黑色箭头表示的传感器节点间信息数据的无线发送。最终汇聚到Sink节点中(用五角星表示)。在图1中，0、5、3、1、2、7都是6号传感器的邻居节点，其中，0、5、3是6号节点的业务源头邻居节点，我们定义其为6号节点的上级邻居节点，简称为“上级节点”；同理7号节点定义为6号节点的“下级节点”；而1、2号节点为6号节点的“同级节点”。

定义5：具体部署到应用中的无线传感器节点在工作中都具有多种不同的工作方案，以便适应不同的工作环境和时常改变的业务流量。每一套预定义的工作方案称为一种工作状态。节点通过更改自己的工作状态采取不同的工作方式和能源方案最终达到适应环境、节省能量的目的。在长时间运行的WSN网络中，节点各自不断的在多种状态间转移以适应周围的业务环境和物理环境的变化，而本专利申请中提出的CATRP协议将在拓扑不断变化的WSN网络中根据其算法给出应用于任一局部环境都较为合理的路由方案，从而在宏观上达到理想效果。CATRP协议中定义节点有五个不同的工作状态。

定义6：在本专利发明中长时间运行的WSN网络中的节点是以一段一段均等的时间长工作的，其中每一段时间定义为一个时间片，而“定义5”中的状态的转移正是以时间片为基本单位进行的。即传感器节点在每一种状态至少工作n个时间片长度的时间，其中n是整数。而状态的转移也是在当前时间片结束后、下一时间开始时发生转移。在一时间片开始时应当发生转移的时间片定义为转移时间片，上一时间片定义为预转移时间片。

定义7：根据之前阐述的“上下文”这一概念的广泛定义，这里给出WSN网络中应用到的上下文概念的具体定义。上下文在WSN场景中可以包括物理环境上下文和节点动态上下文等等相关上下文信息。其中，节点动态上下文是本领域内可量化研究的最直接、最有效的上下文信息。本专利发明中应用到的节点动态上下文为：在WSN应用环境中能够具体描述节点动态工作情况的各种信息。包括节点能量消耗速率信息、节点在一段定长时间内处理任务量信息、节点在长时间运行中工作状态的变化情况信息等等。本专利申请中提出的CATRP协议将给出以节点动态上下文中几个具有典型代表意义的信息为核心研究参量的能量有效路由方案。

定义8：能量通常是指一个系统能够释放出来的、或者可以从中获得的、相当于做一定量的功的概念。在本专利申请中主要指WSN节点自身所携带的电源总能量。由于在WSN的传统部署中，汇聚节点(Sink Node或基站节点)是接地或类接地设计的，一般路由协议不考虑其能量设计和处理规模，所以本专利提出的CATRP协议将集中讨论和设计WSN节点间的交互方式，规划其能量效率，实现能量有效的路由方案。通常传感器节点采用电池，如5号电池供电，在本专利申请的核心理论所基于的学术文章(已发表)中的实验证明工作中也参考了由5号电池供电的实物传感器节点。根据传感器节点说明书定义，能量单位由J(焦耳)衡量，功率绝对值由dBm(分贝毫瓦)衡量，电压由v(伏特)衡量，电池能量由mAh(毫安时)衡量。

原则1：在连通图网络G＝(V，E)中，CATRP协议采取局部最优的思想来完成每一次的路由更迭操作。Thomas H.Cormen等人所著《算法导论》一书给出的“贪心算法”是这一思想的另一种表述形式。在连通图G的全局中，最佳路由的选择在本质上是“最优化问题”的一种，而这将包含一系列步骤，每一步都有一组选择，贪心算法思想期望通过所做的局部最优选择，最终来产生一个全局最优解。故CATRP协议的核心操作都集中于已有路由路径上每一个节点的单跳发射范围内(邻居节点范围内)，这也是对于每一个传感器节点而言最自然、最直接、最现实的工作方式，通过无数单个节点微观上的“最优选择”在宏观上实现全网的指标最优。从而在宏观全局的角度避免了某些已提出的能量路由协议在基层路由分支更迭、重选时上溯反馈过多的弊端。不存在“牵一发而动全身”的问题，在理论基础上保证了CATRP可操控性好、复杂度低、鲁棒性高的特点。本原则限制了CATRP协议的路由选举仅在单跳覆盖圆形范围内进行。

原则2：在使用CATRP协议的无线传感器网络中传播的用于下一跳选举的上下文数据报文只在两个有直接业务联系的传感器节点之间收发，亦即只有业务上级为其业务下级计算并预测其未来工作动态的情况，从而掌握单跳邻居范围内有用的上下文信息。

原则3：在无线传感器网络全网运行CATRP协议前，WSN网络已经初始建立了原始的、稳定的、简单的、有效路由(可以通过理论界最基本的路由协议实现)。

如图2所示，以局部网络环境为例，已建成的实线稳定路由以0、5号两个传感器节点为源，经过“下游”节点6、7最终将传感器采集到的数据信息传递至Sink node(汇聚节点)。基于原则2的思想，7号节点的工作状态——繁忙程度、能量消耗状况以及状态转移趋势等将作为关键上下文数据只被它的业务上级节点6所掌握；同理，6号节点的工作状态也仅由其上级节点(这里是0、5)所掌握。节点由于工作必然会导致能量的损耗，而节点的繁忙程度、能量消耗率、状态转移趋势等参数将作为关键的判定因素输入CATRP协议的核心工作模块。上级节点通过这几个关键上下文信息判断WSN网络局部环境的工作情况——掌握下级节点的当前工作状态并预测未来的状态转移趋势。假如7号节点在未来N个时间片后具有转移至不能承担上级业务的状态的相当可能，则当时间片到达6为7估测的转移时间片的前一个时间片，6号节点必须进行下一跳的节点的重新选择工作以便在下一个时间片(转移时间片)到达时停止与下级节点7的联系，更改下一跳路由，让它进入休息状态。6选择3代替7成为下一跳节点并形成了6→3→Sink node的新路由办法(在图2中以虚线表示)。此后，6将只为3号节点计算工作状态参数。在具体的应用环境中，CATRP允许在邻居节点中根据具体情况选举出一至数个下一跳路由节点作为替代路由，多路径传输将可以分散分配需要转发的业务量从而分担下级节点的工作负担，降低单个节点能耗，延长全网生存时间的目的。

在具体的应用中，有一些细节性的、简单的协议完善性问题可以做淡化处理，不再给出明确处理步骤以简化协议篇幅。如当6号节点进行路由选举后，在预转移时间片结束时6将给7发送一个业务终止的END报文，具体设计比较简单不再在CATRP协议中给出。相似的，在完成路由选举后其它未被选中的参选邻居节点在各自的计时器超过一定计时长后会自动放弃等待业务通知，它们默认为本次选举已失败。

根据设计，7号节点在由于自身的工作消耗暂时不能再承担6号节点分配的业务而进入一定的状态转移后，它将进入协议特定的“休息状态”，在完成或结束特定“休息状态”后，7将重新回到可以承担其他节点业务的工作序列中，但7并不主动播发任何消息通知其自身邻居范围内的任何节点，在下一次邻居节点发起的路由选举中它将自动参加。这样设计在一定程度上减少了用于节点状态同步的报文，降低了邻居范围内节点之间的通信量和媒体访问需求从而达到降低能耗的目的。

在本协议中，若6号节点在下一跳的路由选举中无法找到合适的替代节点，6将这一情况反馈给自己的上级节点0和5，并向0和5发送自己的业务数据，变为业务上级节点。这一阶段网络中业务数据发送的格局将变为由长期处于数据流向下游、距离sink节点(汇聚节点)较近的节点向距离sink节点较远的、原上游节点发送数据，再由原上游节点提高发射功率向sink节点发射。

二、协议细节定义与数据结构

CATRP协议针对大规模WSN的节能方案将重点规划节点的通信模块，包括根据不同的工作方式合理的规划节点状态、大幅度降低节点间同步报文和邻居范围内的广播报文以及基本取消洪泛方式的工作方法。

根据定义5的规划，CATRP协议明确定义了五种不同的工作状态：全工作状态、服务状态、单工作状态、休眠状态、休克状态。每种状态具体的定义如下：

全工作状态(1号状态)：节点各模块都处于工作状态，在采集、发送本节点需要完成的业务数据的同时还负责转发其它节点(业务上级)的数据信息；

服务状态(2号状态)：节点完成了自身业务，专为上级节点转发业务数据；

单工作状态(3号状态)：节点仅完成自身的业务数据的采集和发送，不负担其他节点的业务数据的转发；

休眠状态(4号状态)：节点的发射机关闭、处理机能耗降至最低、仅保留接收机在低功耗状态下工作；

休克状态(5号状态)：节点的发射机、接收机与处理机全部关闭(计时器忽略不计)。节点处于完全静止状态。

根据设计，节点在自身能量消耗、业务完成量等几个CATRP协议考察的上下文参量达到一定指标的前提下可以维持全工作状态，这需要节点的能量消耗在一定可以接受的速率的前提下。而当节点完成了自身的业务任务后节点将转入服务状态，一旦长时间繁忙工作的节点的相关上下文指标达到某一限度后，节点将出于对能量消耗的抑制而转入单工作或休眠状态或休克状态(取决于节点是否有突发的或周期性的业务任务和能量消耗的强度)。休眠状态和休克状态的区别在于接收机的关闭与否。休眠状态除了节点的无线接收机外都处于关闭或低功耗状态，保留接收机开机是保留可以被唤醒的可能。休眠节点保持监听邻居范围内信道，当存在邻居节点有突发业务数据需要转发或无法成功选举得到下一跳路由节点时，休眠节点可以通过有紧急状况的节点播发的单跳广播报文唤醒临时工作。当节点的能量损耗在一定限度内时，节点进入休眠状态而不是休克状态，休克状态的节点完全静止(除了计时器微弱的工作)，待休克一定长时间后(在CATRP协议中通常设计为一个时间片长)通过内部计时器唤醒节点内相应工作模块，休克状态中间无法被唤醒。在CATRP协议中设计的状态转移规则规定，节点在刚从休眠或休克状态“苏醒”过来后不能再转入休眠或休克状态中，必须进入其余三个状态中的一个。即两次休眠或休克状态不能连续。通过这一设计降低了有类似机制设计的WSN网络中大量相邻节点集体假性失效的概率，从而提高了长期工作的网络存活时间并改善了目标WSN中节点在网络生存期后期的工作效率。专利申请中为了方便阐述CATRP协议设计一个时间片长为10分钟(根据不同的实验场景和模拟环境需要具体调整这一时间长度值)。下面通过图3来举例说明节点状态之间的转移。

本专利申请提出的CATRP协议将组合人工智能理论与Markov概率工具将节点在每一时间片上米集到的各类数据按一套司调制的状态转移规则进行量化后整合输入协议给出的定量模块最终得到预测节点状态变化趋势的有效参数。如图4所示。采集数据的方式在后文详述。

上图中EC数据指Rate_{Energy Consumption}，即Rate of Energy Consumption——能量消耗率参数；CR数据指Instant_{Consumption Rate}，即Instant Value of Consumption Rate——瞬时消耗速率参数；RE数据指LifeTime_{Residual Energy}，即Lifetime of Residual Energy——剩余能量生存时间参数；PT数据指Queue_{Pending Tasks}，即Queue ofPending Tasks——待完成任务队列长参数。

通过将采集得到的5×4个数据按组与节点内存储的可调整的状态转移规则中的H₁：H₅条结论进行一定的运算得到采集数据相对于每一结论的权重值

再将这些权重值与该类数据的可信程度CF(E_i)——即此证据在这次观察下的证据可信度结合，得到该节点在本时间片上相对于结论H_j的综合符合度

(E)即

(E/S)，并用其作为动态观察下的综合证据后验概率P(H₁/S)。再通过计算得到节点在当前状态转移至其他四个状态的4个后验概率值，将状态转移矩阵初始化。如图5所示。状态转移矩阵是每个传感器节点都维护的一个数据结构，应用于Markov理论的预测办法中。在本申请提出的CATRP协议中有5个状态，相应的转移矩阵规模为5×5。在协议运行过程中，我们认为在矩阵中的任一个元素如果大于20％，就存在在该时间片由当前状态向该状态转移的趋势。如果有1个以上的元素大于20％，就认为节点将向概率最大的那个状态转移。在CATRP协议的定量计算模块中，我们会计算得到当前节点所处状态下的那一行五个状态转移可能的概率值，而矩阵中的其它元素的值我们都默认置为20％。这样就完成了矩阵的初始化。(如果最终五个状态转移概率值的计算结果总和不归一，协议将进行简单的归一化。如10％，20％，15％，30％，35％这五个值，我们归一化为10/110，20/110，15/110，30/110，35/110，以保持矩阵形式。而量纲标准仍以百分制的为准)具体部署协议中，每个节点保存的可调制的状态转移规则最初以相同的转移标准执行，在长时间运行后，由于WSN全网中各局部区域业务性质的不同和环境状态分部的不均匀可能会导致不同区域内的节点转移标准有所不同。CATRP协议的拓展充分考虑到了以上问题，允许各节点单独保存状态转移规则，并根据长时运行的反馈来自行调整转移规则的标注参数，以便更好的适应网络环境和物理环境。

CATRP协议在单跳邻居范围内路由选举以寻找下一跳替代节点。在路由选举过程中，上游节点将在其邻居范围内播发一个路由选举请求报文(如图6所示)，播发目的地将根据节点内保存的环境上下文数据表(如图7)内容进行选择性组播。接收请求报文的目的节点将根据自己的上下文数据情况回复一个路由选举应答报文(如图8)。

RER报文和REREP报文的设计功能类似于AODV中的RREP和RREQ报文，负责路由请求与答复。在其它相似路由协议中也有一些如同HELLO报文的同步报文，在CATRP协议的框架设计中采用不周期同步的方式以降低节点间通信开销和减少报文量。可以将HELLO报文的功能实现于RER报文和REREP报文中。

如图9所示，上图给出了一个WSN中局部拓扑情况示例。当1号传感器节点根据预测判定下一跳节点3将在下一时间片发生影响业务数据转发的状态转移时，1号节点将进行下一跳路由节点的改选。CATRP协议在路由选举请求和应答报文中设计了对发起节点下一跳和第二跳(下下跳)节点的记录和判断项内容。是因为，在模拟实验中常会遇到长时间运行的WSN网络内拓扑复杂，路由交错的情况，与路由初始化收敛时路由的简洁性和反向明确性大为不同，不易在局部拓扑中判断弯路路由的方向性。如图中原路由假设为1→3→4→5，则在路由选举请求报文RER中记录3、4两节点的ID号填入报文的第三项和第四项。1号节点邻居范围内的接受节点对照这两项内容，判断自己的环境上下文信息是不是这两节点的邻居，如是就在REREP报文中的Boolean项中置为Y，否则置为N。在原节点最终确定下一跳替代节点的判断过程中，两项都是Y(即参选节点是这两跳的邻居节点)的节点将获得较高的优先级，其次再考察参选节点的能量、工作状态等上下文数据的优势比。比如在上图中，2、2′、7号节点都参与1号节点发起的下一跳竞选活动，但是2′节点不是3号节点的邻居，被排除；2号节点不是4号节点的邻居，被排除候选节点；则7号节点成为最佳候选，事实上，在模拟实验中7号节点是最佳的替代3号节点连通4号节点的下一跳路由节点。通过对下两跳的考察在很大程度上排除了位置不佳的参选节点。然而由于长时间运行的WSN网络的路由复杂性和方向不明确性(如上述)，当例中的业务数据流向并非如β轴所示而是α轴指向的方向时，如原路由为1→3→4→6，并存在如8号节点的参选节点，则对原节点1的第三跳路由的考察也具有了必要性——参选节点是不是6号节点的邻居节点。在休眠调度情况各不相同的WSN局部网络中，业务数据流向的宏观性在实际实验中并不容易确定，故而本专利申请提出的CATRP协议默认使用两跳考察机制，以在一定程度上平衡精确性与实现代价，有效的提高网络路由的改选的合理性和准确性。在实际应用中，CATRP协议将综合考虑下一跳路由考察结果和各参选节点的上下文数据情况确定下一跳路由。

在CATRP协议中，使用本申请提出的“上下文数据表”将常规路由协议中维护的路由表的功能统一实现在这一表中，传感器节点只需维护这一种数据表即可。新设计的上下文数据表在功能上大大超越了记录路由信息的单一功能，包含了传统路由表不能详细区分的节点间关联信息，将下一跳的路由节点信息做归类性质的划分并将节点的“上下文数据”这一概念引入统计范畴，使WSN路由协议具备了相当的上下文感知、预测的能力。较之目前已有协议的路由表功能更丰富、信息量更全面有效、在存储空间和维护成本上并没有明显的增大。

在设计完表项内容后将“上下文数据表”这一大表拆分成3个子表以降低数据结构的复杂度和冗余度，使数据表之间的关联更为清晰、专用性更强。如图7、10、11所示。其中，本节点上下文数据表(CDT)是用来存储本节点的上下文数据信息的数据结构；下级节点上下文数据表(SCDT)是用来维护当前节点的所有下级节点的上下文数据信息的数据结构；环境上下文数据表(ECDT)是用来维护以当前节点为中心的单跳邻居范围内周围节点的上下文数据信息的数据结构。

下面阐述各表项含义。

图6RER报文中的Dest表示报文的目的节点ID号，Src表示播发报文的源节点ID号。第3项Next hop表示在当前(预转移时间片)拓扑下，Src节点的下一跳节点——也是要寻找替代节点替换的目标节点，第4项Second hop表示Src节点的第二跳节点，接收节点用于进行存在性判断。

图7ECDT表中的“当前邻居节点”表项保存本节点在这一阶段的拓扑中与自己成邻居关系的节点ID(WSN长时间运行中，有的节点临时进入休克状态后会用一个广播报文通知自己的邻居节点，这时其他节点的ECDT表就将该节点标为暂时失效节点)，“当前下级节点”保存当前拓扑中本节点的业务下级节点ID，“当前上级节点”保存当前拓扑中本节点的业务上级节点ID，“当前同级节点”保存当前拓扑中本节点的同级节点ID，“暂时失效节点”保存由本节点通过CATRP协议的上下文感知技术预测判断出的失效节点——进入休眠及休克状态的节点以及上面提到的临时播发失效报文的部分节点的ID。

图8REREP应答报文中的Dest填写RER报文中的Src一项的源节点，Src为应答节点的ID，第3、4项的Boolean值用来表示应答节点是否是请求节点下一跳和第二跳的邻居节点，如果是就置为“Y”，否则为“N”。第5、6、7、8、9项保存本应答节点的上下文数据信息，其中Rate_{Energy Consumption}、Instant_{Consumption Rate}、LifeTime_{Residual Energy}、Queue_{Pending Tasks}这四个表项的值都以节点在一个时间片里的前半段的上下文数据为基础，通过对前5分钟的节点工作情况的数据采集来代表节点在后5分钟里的工作情况，并以此预测节点在未来时间片的工作状态。CATRP协议利用相对可靠的、一定的数学工具通过对节点自身前半段时间的上下文数据的统计在一定概率基础上估计节点状态转移可能性并以此指导节点的路由选举、改善WSN网络的能源利用。如图12所示。CurrentState表示当前节点所处的状态。

上图使用不同的箭头来表示四类数据采集的时间点。其中，PT数据与EC数据在同一时间点采集。需要注意的是，这里命名的EC、RE、PT等是最后的参数名称值，直接采集得到的数据要经过一定处理才能得到它们。下面讨论时间片设计为10分钟时采集数据的处理方式：

如EC值的获得方式：采集五个电池剩余能量值a，b，c，d，e，单位为J(焦耳)。以后面的数值减去前面的数值即得到相对于过去的一分钟真实消耗的能量值。即对于y₁＝a，y₂＝b，y₃＝c，y₄＝d，y₅＝e这5个数据，可以得到四个

(其中正整数i取值为[1，4])。CATRP协议使用这四个参数作为Rate_{Energy Consumption}类型数据。Rate_{Energy Consumption}类型的四个数据在转移规则的匹配中(参见附录图表)，第一列前两条和最后一条由于范围的单向性，将不采用语义距离方法。仅根据这四个数据有几个符合这两条标准值进行判断。都符合就将

和

和

置为1，相应的三个符合就置为

以此类推。剩余三条采用语义距离法计算；

CR值是均匀采集五个时间点上的瞬时能量消耗速率值，直接使用这5个数据作为Instant_{Consumption Rate}，单位J/min。CR值由于其瞬时特殊性，在匹配转移规则表时实行5个采样数据中有一个符合转移标准值就将该结论对应项置1，否则置0；

RE值是采集五个电池剩余时间数据。在采集时刻使用当时剩余能量值y_i除以当时瞬时能量消耗速率值z_i，可以得到5个瞬时电池剩余时间值

其中正整数i取值为[1，5]。为了反映电池能量剩余时间在这前半时间片上的变化程度和消耗速率，我们使用后面的数值减去前面的数值即得到相对于过去的一分钟电池剩余时间的变化率，这一数值可能为正值或负值。通过v_i＝t_i+1-t_i，其中正整数i∈[1，4]，得到4个v_i值。最后使用每个v_i除以最后一次采集时的t₅值，得到四个LifeTime_{Residual Energy}类型数据：式中分子表示节点在一分钟内的电池持续时间的损耗，分母表示以最后一个采集点为标准，电池所剩下的可持续时间。当存在LifeTime_{Residual Energy}类型数据小于0时，即LifeTimeⁱ _{Residual Energy}＜0 i＝1，2，3，4.时，比式变大表示电池可持续时间的消耗速度降低或当前剩余续航时间的回升，比式变小表示电池可持续时间的消耗速度增大或当前剩余续航时间的降低。当存在LifeTime_{Residual Energy}类型数据大于或等于0时，即LifeTimeⁱ _{Residual Energy}＞0时，根据CATRP协议设计的比式含义，大于0的数据不能合理反映电池能量正常衰减的动态，将不参与计算语义距离。如果四个数据都大于0，则

置为0；

PT值获取方式同CR值。采集五个当前节点仍需负责发送完成的数据队列长度值。直接使用这5个数据作为Queue_{Pending Tasks}。队列长度的度量以WSN网络具体部署环境为依据，以定长数据为基准值100％(比如1K、5K、10K等等。根据本专利所依靠的已发表学术论文中模拟工作的实验器材，正常情况下一次通信中数据容量在50Byte左右，单次数据量上限值在85Byte以下。应用CATRP协议中，要根据被部署的具体WSN环境和物理节点硬件参数具体配置基准值)、用百分比衡量节点尚需完成发送的上级节点或自己采集的数据信息。值域为[0，+∞)。Queue_{Pending Tasks}类型数据匹配转移规则表时采用和Rate_{Energy Consumption}类型数据匹配第一、二条结论相同的计算方法，以衡量

三、协议定量模块

如图4所示，节点在运行时间片上采集得到的自身的上下文数据经由状态转移规则中的5条结论的量化分别得到这一组上下文数据对于状态转移影响的权重值：

这里将使用人工智能理论的数学基础——模糊匹配理论^[1]。本申请提出的CATRP协议在此环节采用式(1)的计算办法：

$d(A,B)={[\frac{1}{n}\×\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{|{\mathrm{\μ}}_A\left(u_i\right)-{\mathrm{\μ}}_B\left(u_i\right)|}^{\mathrm{\σ}}]}^{1/\mathrm{\σ}}$ (λ≥1)           (1)

其中σ的取值在本申请的应用模拟工作中取2。

如在实际工作中采集得到5个剩余能量值a，b，c，d，e，单位为J(焦耳)。则由

得到电池总能量在这几个一分钟的小时间片中分别的能量消耗速率参数。然后使用这一类型的四个数据进行转移规则匹配的语义距离计算(转移规则参见表1)。设一条转移规则中相应的能量消耗率子项转移标准值为S，则以S为标准，衡量上述四个表述目标节点在半个时间片内能量消耗幅度的参量x₁，x₂，x₃，x₄。即讨论以这四个值为元素的论域U＝{u₁，u₂，u₃，u₄}＝{x₁，x₂，x₃，x₄}上模糊集A与表示标准S的模糊集B的语义距离。其中，模糊集合A表示U中各元素u_i接近标准值S的程度；特殊模糊集B为人为构造的具有相应数量表示标准值S  的元素的集合。即A＝{μ_A(u_i)|u_i∈U，i＝1，2，3L}，B＝{μ_B(u_i)|u_i＝S，i＝1，2，3L}＝{1，1，1，1}。在实验中设计使用的隶属函数如式(2)：

${\mathrm{\μ}}_A\left(u_i\right)e^{{-\mathrm{\λ}(u_i-S)}^2}---\left(2\right)$

其中λ在实际模拟工作中取0.0078。通过以上模糊计算，得到模糊集合A：A＝{μ_A(x₁)，μ_A(x₂)，μ_A(x₃)，μ_A(x₄)}，模糊集合B作为标准恒定。

最后应用上面给出的式(1)得到这一组能量消耗数据参数相对于转移标准值S的匹配程度。

由于单方面的使用语义距离度量证据与规则之间匹配程度在实际的测试实验中并不足够精确，故CATRP协议还需附加计算证据与规则之间的相似值，从两个方向逼近客观上的真实值。公式(3)^[1]如下：

$r(A,B)=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\min \{{\mathrm{\μ}}_A\left(u_i\right),{\mathrm{\μ}}_B\left(u_i\right)\}}{\frac{1}{2}\×\underset{i=1}{\overset{n}{\mathrm{\Σ}}}({\mathrm{\μ}}_A\left(u_i\right)+{\mathrm{\μ}}_B\left(u_i\right))}---\left(3\right)$

协议通过1-d(A，B)＝r′(A，B)求得由距离概念相应计算得到的相似度，最后将这两个值做算术平均，从而得到

式(4)如下：

$\stackrel{\‾}{r(A,B)}={{\mathrm{\ω}}_i}^{H_j}=\frac{r^{\′}(A,B)+r(A,B)}{2}---\left(4\right)$

上式表明通过(1)、(2)、(3)、(4)的计算，得到了采集到的第一组能量消耗数据匹配一条规则的计算结果

相似的，也可以计算其他三组的数据。

CF(E_i)是评价一组证据可信度的关键参数。一组数据来源于现实，采集于节点工作的几个时间点，在一定程度上反映了该节点工作状态，而度量这个程度的关键就由此种数据基于一定范围的波动程度来决定。倘若该组数据的抖动幅度(或称为变化幅度)超越我们实践得出的、对具体WSN网络工作状况的预计，我们就相应的调低此组数据的可信程度值，否则相反。本机制有效地制约了参与CATRP协议考察的数据的相应权重，使得对节点未来状态的预测更为客观、更为精确。将采样数据的抖动幅度合理的映射为其相应的可信程度CF(E_i)，即本组数据证据在这次样本采集的观察下的概率确定性。CATRP协议借鉴云模型原理并改进为适合可信度计算的组成模块^[2-4]。式(5)、(6)、(7)如下：

$\mathrm{En}=\sqrt{\frac{\mathrm{\π}}{2}}\×\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}|X_i-E\left(X\right)|---\left(5\right)$

$\mathrm{He}=\sqrt{S^2-{\mathrm{En}}^2}---\left(6\right)$

$\mathrm{CF}\left(E_i\right)=e^{-{\mathrm{\ϵ}}^{\·}\mathrm{He}}---\left(7\right)$

在上面所举例子中，采样数据a，b，c，d，e分别对应式(5)中随机变量集合X＝(X₁，X₂，LX_n)中的样本元素X₁，X₂，X₃，X₄，X₅。这样，通过(5)、(6)两式计算得到采集的样本数据的熵和超熵，并根据具体WSN网络部署情况配置(7)中参数ε(在实验中，ε取0.4621)，最终得到样本数据的可信度的概率表示CF(E_i)。其中根据基本概率理论，X_i为采样数据的单个样本观察值，S²为样本方差，

为样本平均值，各变量计算如下，不再赘述。

$\stackrel{\‾}{X}=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{X}_i---\left(8\right)$

$E\left(X\right)=\stackrel{\‾}{X}---\left(9\right)$

$S^2=\frac{1}{n-1}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(X_i-\stackrel{\‾}{X})}^2---\left(10\right)$

由于协议针对一个传感器节点在一个时间片的前半段上采集了四类不同类型的数据，所以必须将多种采样数据的权重及其相应可信度融合得到组合证据相应于具体规则的可信度值(E/S)以综合反映传感器节点匹配这一规则的概率程度。式(11)如下：

$P(H_j/S)=P_{H_j}(E/S)={\mathrm{CF}}_{H_j}\left(E\right)=\frac{1}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{{\mathrm{\ω}}_i}^{H_j}}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}({{\mathrm{\ω}}_i}^{H_j}\×\mathrm{CF}\left(E_i\right))---\left(11\right)$

在得到目标节点在本时间片的后半段相对各状态的转移概率值后，CATRP协议将通过Markov概率工具对目标节点进行未来多时间片的转移趋势预测计算。根据齐次马氏链使用递归定义描述的C-K方程，式(12)^[5]：

$P_{\mathrm{ij}}(u+v)=\underset{k=1}{\overset{\∞}{\mathrm{\Σ}}}{P}_{\mathrm{ik}}\left(u\right)P_{\mathrm{kj}}\left(v\right),$ i，j＝1， 2L            (12)

则使用矩阵形式表达的C-K方程如(13)所示：

P(u+v)＝P(u)P(v)   (13)

则我们能够得到用于计算n步转移概率的递推关系，如式(14)^[5]：

P(n)＝P(1)ⁿ               (14)

上式表明了使用齐次马氏链来描述的节点的转移趋势特性，可以使用当前的一步转移矩阵的n次方来进行n步转移概率趋势的预测。

总的来说，在节点预测计算的过程中，使用语义距离算法计算处理后的数据接近阈值20、30、50、60、-0.5、-1等的程度，而相对于只有单界的开放性阀值的规则则使用

或

的方式评估；在节点判断过程中，普通节点使用本表判断下一时间片的状态转移。如果前一半时间片的工作状态参数处理结果符合表中的相应标准，CATRP协议就认为这一项符合了转移标准。

下表是节点状态转移规则。

表1节点状态转移规则

Claims (1)

1.一种基于上下文感知技术的物联网节点节能路由方法，该方法是基于上下文感知技术，其特征在于以下步骤：

（1）制定5个状态：全工作状态,也叫1号状态；服务状态,也叫2号状态；单工作状态,也叫3号状态；休眠状态，也叫4号状态；休克状态，也叫5号状态；

（2）节点在5个状态间的工作方式如下：节点在能量消耗率、瞬时消耗率、剩余能量、待完成任务队列长4个参数都符合节点状态转移规则表中每条规定值的情况下，节点将按照该条规则的结论进行状态转移；休眠状态和休克状态的区别在于接收机的关闭与否；休眠状态除了节点的无线接收机外都处于关闭或低功耗状态；休眠节点保持监听邻居范围内信道，当存在邻居节点有突发业务数据需要转发或无法成功选举得到下一跳路由节点时，休眠节点被有紧急状况的节点播发的单跳广播报文唤醒临时工作；休克状态中间无法被唤醒；节点在刚从休眠或休克状态“苏醒”过来后不能再转入休眠或休克状态中，必须进入其余三个状态中的一个，即两次休眠或休克状态不能连续；

在无线传感器网络中传播的用于下一跳选举的上下文数据报文只在两个有直接业务联系的传感器节点之间收发，亦即只有业务上级为其业务下级计算并预测其未来工作动态的情况；

（3）假如某节点在未来若干个时间片后具有转移至不能承担上级业务的状态的相当可能性，则当时间运行到该节点的上级业务节点为它估测的转移时间片的前一个时间片时，上级业务节点必须进行下一跳节点的重新选择工作以便在下一个时间片到达时停止与原下级节点的联系，更改下一跳路由，让原下级节点进入休息状态；此后，上级节点将只为新的业务下级节点计算工作状态参数，填写其维护的上下文数据结构表；在具体的应用环境中，基于上下文感知技术的物联网节点节能路由方法CATRP允许在邻居节点中根据具体情况选举出一至数个下一跳路由节点作为替代路由；

（4）采集数据的方式

在每一个时间片的前一半上采集4类数据，每类5个，共20个数据；

在前半片时间片上采集的数据主要包括：EC数据、CR数据、RE数据、PT数据；其中，EC数据指Rate_{Energy Consumption}，即Rate of Energy Consumption——能量消耗率参数；CR数据指Instant_{Consumption Rate}，即Instant Value of ConsumptionRate——瞬时消耗速率参数；RE数据指LifeTime_{Residual Energy}，即Lifetime ofResidual Energy——剩余能量生存时间参数；PT数据指Queue_{Pending Tasks}，即Queueof Pending Tasks——待完成任务队列长参数；

将一个时间片的前一半平均分为5份，在每一份的开头采集CR数据，得5个CR数据；在每份的结尾采集EC数据和PT数据，得5个EC和5个PT数据；在每份的中间采集RE数据，得5个RE数据；这里命名的EC、RE、PT是最后的参数名称值，直接采集得到的数据要经过一定处理才能得到它们；下面规定时间片设计为10分钟时对采集到的数据的初步处理方式；

EC值的获得方式：采集五个电池剩余能量值a，b，c，d，e，单位为J（焦耳）；以后面的数值减去前面的数值即得到相对于过去的一分钟真实消耗的能量值；即对于y₁=a，y₂=b，y₃=c，y₄=d，y₅=e这5个数据，得到四个

（其中正整数i取值为[1,4]）；CATRP方法使用这四个参数作为Rate_{Energy Consumption}类型数据；Rate_{Energy Consumption}类型的四个数据在转移规则表的匹配中，第一列前两条和最后一条由于范围的单向性，将不采用语义距离方法；用这两条标准值判断以上四个数据；都符合就将和

和

置为1，相应的三个符合就置为

以此类推；剩余三条采用语义距离法计算；

CR值是均匀采集五个时间点上的瞬时能量消耗速率值，直接使用这5个数据作为Instant_{Consumption Rate}，单位J/min；CR值由于其瞬时特殊性，在匹配转移规则表时实行5个采样数据中有一个符合转移标准值就将结论对应项置1，否则置0；

RE值是采集五个电池剩余时间数据；在采集时刻使用当时剩余能量值y_i除以当时瞬时能量消耗速率值z_i，得到5个瞬时电池剩余时间值

其中正整数i取值为[1,5]；为了反映电池能量剩余时间在这前半时间片上的变化程度和消耗速率，CATRP规定使用后面的数值减去前面的数值即得到相对于过去的一分钟电池剩余时间的变化率，这一数值为正值或负值；通过v_i=t_i+1-t_i，其中正整数i∈[1,4]，得到4个v_i值；最后使用每个v_i除以最后一次采集时的t₅值，得到四个LifeTime_{Residual Energy}类型数据：

式中分子表示节点在一分钟内的电池持续时间的损耗，分母表示以最后一个采集点为标准，电池所剩下的可持续时间；当存在LifeTime_{Residual Energy}类型数据小于0时，即LifeTimeⁱ _{Residual Energy}<0i=1,2,3,4.时，比式变大表示电池可持续时间的消耗速度降低或当前剩余续航时间的回升，比式变小表示电池可持续时间的消耗速度增大或当前剩余续航时间的降低；当存在LifeTime_{Residual Energy}类型数据大于0时，即LifeTimeⁱ _{Residual Energy}>0时，根据比式设计含义，大于0的数据不能合理反映电池能量正常衰减的动态，不参与计算语义距离；如果四个数据都大于0，则

置为0；

PT值获取方式同CR值；采集五个当前节点仍需负责发送完成的数据队列长度值；直接使用这5个数据作为Queue_{Pending Tasks}；队列长度的度量以无线传感器网络WSN具体部署环境为依据，以定长数据为基准值100%、用百分比衡量节点尚需完成发送的上级节点或自己采集的数据信息；值域为[0,+∞)；Queue_{Pending Tasks}类型数据匹配转移规则表时采用和Rate_{Energy Consumption}类型数据匹配第一、二条结论相同的计算方法，以

衡量

（5）数据整合

通过将采集得到的5×4个数据按组与节点内存储的可调整的状态转移规则中的H₁□H₅条结论进行一定的运算得到采集数据相对于每一结论的权重值

再将这些权重值与该类数据的可信程度CF(E_i)——即此证据在这次观察下的证据可信度结合，得到该节点在本时间片上相对于结论H_j的综合符合度

即并用其作为动态观察下的综合证据后验概率P(H₁/S)；再通过计算得到节点在当前状态转移至其他四个状态的4个后验概率值，将状态转移矩阵初始化；状态转移矩阵是每个传感器节点都维护的一个数据结构，在CATRP方法中设计有5个状态，相应的转移矩阵规模为5×5；在方法运行过程中，矩阵中有任一个元素如果大于20%，就存在在该时间片由当前状态向该状态转移的趋势；如果有1个以上的元素大于20%，就认为节点将向概率最大的那个状态转移；在CATRP方法的定量计算模块中，我们会计算得到当前节点所处状态下的那一行五个状态转移可能的概率值，而矩阵中的其它元素的值我们都默认置为20%；以此完成了矩阵的初始化；如果最终五个状态转移概率值的计算结果总和不归一，方法将进行简单的归一化，以保持矩阵形式；而量纲标准仍以百分制的为准；

（6）CATRP方法的数据结构

路由选举请求报文，也叫RER报文，中的Dest表示报文的目的节点ID号，Src表示播发报文的源节点ID号；第3项Next hop表示在当前（预转移时间片）拓扑下，Src节点的下一跳节点——也是要寻找替代节点替换的目标节点，第4项Second hop表示Src节点的第二跳节点，接收节点用于进行存在性判断；

环境上下文数据表，也叫ECDT表，中的“当前邻居节点”表项保存本节点在这一阶段的拓扑中与自己成邻居关系的节点ID，WSN长时间运行中，有的节点临时进入休克状态后会用一个广播报文通知自己的邻居节点，这时其他节点的ECDT表就将该节点标为暂时失效节点，“当前下级节点”保存当前拓扑中本节点的业务下级节点ID，“当前上级节点”保存当前拓扑中本节点的业务上级节点ID，“当前同级节点”保存当前拓扑中本节点的同级节点ID，“暂时失效节点”保存由本节点通过CATRP方法的上下文感知技术预测判断出的失效节点——进入休眠及休克状态的节点以及上面提到的临时播发失效报文的部分节点的ID；

路由选举应答报文，也叫REREP应答报文，中的Dest填写RER报文中的Src一项的源节点，Src为应答节点的ID，第3、4项的Boolean值用来表示应答节点是否是请求节点下一跳和第二跳的邻居节点，如果是就置为“Y”，否则为“N”；第5、6、7、8、9项保存本应答节点的上下文数据信息，其中Rate_{Energy Consumption}、Instant_{Consumption Rate}、LifeTime_{Residual Energy}、Queue_{Pending Tasks}这四个表项的值都以节点在一个时间片里的前半段的上下文数据为基础，通过对前5分钟的节点工作情况的数据采集来代表节点在后5分钟里的工作情况，并以此预测节点在未来时间片的工作状态；CATRP方法利用相对可靠的、一定的数学工具通过对节点自身前半段时间的上下文数据的统计在一定概率基础上估计节点状态转移可能性并以此指导节点的路由选举、改善WSN网络的能源利用；CurrentState表示当前节点所处的状态；

本节点上下文数据表，也叫CDT表与下级节点上下文数据表，也叫SCDT表中存储的都是具体的上下文数据；

（7）计算办法

节点在运行时间片上采集得到的自身的上下文数据经由状态转移规则中的5条结论的量化分别得到这一组上下文数据对于状态转移影响的权重值：本方法提出的CATRP方法在此环节采用公式（1）的计算办法；

$d(A,B)={[\frac{1}{n}\&times;\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{|{\mathrm{\&mu;}}_A\left(u_i\right)-{\mathrm{\&mu;}}_B\left(u_i\right)|}^{\mathrm{\&sigma;}}]}^{1/\mathrm{\&sigma;}},(\mathrm{\&lambda;}\&GreaterEqual;1)---\left(1\right)$

如在实际工作中采集得到5个剩余能量值a，b，c，d，e，单位为J（焦耳）；则由 $x_1=\frac{b-a}{1}(J/\min ),x_2=\frac{c-b}{1}(J/\min ),x_3=\frac{d-c}{1}(J/\min ),x_4=\frac{e-d}{1}(J/\min )$ 得到电池总能量在这几个一分钟的小时间片中分别的能量消耗速率参数；然后使用这一类型的四个数据进行转移规则匹配的语义距离计算（相对于状态转移规则表）；设一条转移规则中相应的能量消耗率子项转移标准值为S，则以S为标准，衡量上述四个表述目标节点在半个时间片内能量消耗幅度的参量x₁，x₂，x₃，x₄；即讨论以这四个值为元素的论域U={u₁,u₂,u₃,u₄}={x₁,x₂,x₃,x₄}上模糊集A与表示标准S的模糊集B的语义距离；其中，模糊集合A表示U中各元素u_i接近标准值S的程度；模糊集B为人为构造的具有相应数量表示标准值S的元素的集合；即A={μ_A(u_i)|u_i∈U,i=1,2,3…}，B={μ_B(u_i)|u_i=S,i=1,2,3…}={1,1,1,1}；在本方法中设计使用的隶属函数如公式（2）所示；

${\mathrm{\&mu;}}_A\left(u_i\right)=e^{-\mathrm{\&lambda;}{(u_i-S)}^2}---\left(2\right)$

其中λ在实际模拟工作中取0.0078；通过以上模糊计算，得到模糊集合A：A={μ_A(x₁),μ_A(x₂),μ_A(x₃),μ_A(x₄)}，模糊集合B作为标准恒定；

最后应用上面给出的公式（1）得到这一组能量消耗数据参数相对于转移标准值S的匹配程度；

CATRP方法还需附加应用公式（3）计算证据与规则之间的相似值；

$r(A,B)=\frac{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}\min \{{\mathrm{\&mu;}}_A\left(u_i\right),{\mathrm{\&mu;}}_B\left(u_i\right)\}}{\frac{1}{2}\&times;\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}({\mathrm{\&mu;}}_A\left(u_i\right)+{\mathrm{\&mu;}}_B\left(u_i\right))}---\left(3\right)$

通过1-d(A,B)=r′(A,B)求得由距离概念相应计算得到的相似度，最后将这两个值做算术平均，从而得到

，这里应用到了独创公式（4）；

$\stackrel{\&OverBar;}{r(A,B)}={{\mathrm{\&omega;}}_i}^{H_j}=\frac{r^{\&prime;}(A,B)+r(A,B)}{2}---\left(4\right)$

上面通过（1）、（2）、（3）、（4）的计算，得到了采集到的第一组能量消耗数据匹配一条规则的计算结果

相似的，计算其他三组的数据；

CATRP方法将采样数据的抖动幅度合理的映射为其相应的可信程度CF(E_i)；应用公式（5）、（6）、（7）、（8）、（9）、（10），（11）计算CF(E_i)值；最后通过公式（11）得到综合反映传感器节点匹配这一规则的概率程度；

若采样数据a，b，c，d，e分别对应式（5）中随机变量集合X=(X₁,X₂,…X_n)中的样本元素X₁，X₂，X₃，X₄，X₅；通过（5）、（6）两式计算得到采集的样本数据的熵和超熵，并根据具体WSN网络部署情况配置（7）中参数ε，在本申请中，ε取0.4621，最终得到样本数据的可信度的概率表示CF(E_i)；其中根据基本概率理论，X_i为采样数据的单个样本观察值，S²为样本方差，

为样本平均值，各变量计算公式如下；

$\stackrel{\&OverBar;}{X}=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{X}_i---\left(8\right)$

$S^2=\frac{1}{n-1}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{(X_i-\stackrel{\&OverBar;}{X})}^2---\left(10\right)$

方法采用公式（11）得到可信度值

以综合反映传感器节点匹配这一规则的概率程度；公式（11）如下：

$P(H_j/S)=P_{H_j}(E/S)={\mathrm{CF}}_{H_j}\left(E\right)=\frac{1}{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{{\mathrm{\&omega;}}_i}^{H_j}}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}({{\mathrm{\&omega;}}_i}^{H_j}\&times;\mathrm{CF}\left(E_i\right))---\left(11\right)$

本方法最后的预测方法应用了Markov概率工具对目标节点进行未来多时间片的转移趋势预测计算；将之前获得的概率值输入5维转移矩阵中，根据齐次马氏链使用递归定义描述的C-K方程，公式（14）：

P(n)=P(1)ⁿ     (14)。

Images