CN103906108A - 网络结构调整方法、汇聚节点和管理节点 - Google Patents
网络结构调整方法、汇聚节点和管理节点 Download PDFInfo
- Publication number
- CN103906108A CN103906108A CN201410114375.0A CN201410114375A CN103906108A CN 103906108 A CN103906108 A CN 103906108A CN 201410114375 A CN201410114375 A CN 201410114375A CN 103906108 A CN103906108 A CN 103906108A
- Authority
- CN
- China
- Prior art keywords
- network
- network structure
- localized
- node
- complicated
- 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.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供一种网络结构调整方法、汇聚节点和管理节点,该方法包括:汇聚节点周期获取所管辖局部网络内各传感器节点的属性信息;根据属性信息确定局部网络的网络结构复杂度;接收所述管理节点在接收到网络中各汇聚节点分别发送的各网络结构复杂度后发送的调整指令,以根据调整指令调整局部网络的网络结构。基于网络中传感器节点的属性信息确定网络结构复杂度,该网络结构复杂度反映了WSN的网络特点,即与位置有关的结构上的特点以及与网络吞吐量有关的数据上的特点,从而使得基于该网络结构复杂度进行的网络结果调整,能够使WSN整体网络结构更优化,从而有利于降低传感器节点能耗,延长网络生命周期。
Description
技术领域
本发明属于无线通信技术领域,具体是涉及一种网络结构调整方法、汇聚节点和管理节点。
背景技术
随着物联网技术的不断发展,无线传感器网络(Wireless SensorNetworks,以下简称WSN)作为底层感知网络受到广泛关注。WSN通常包括传感器节点、汇聚节点,传感器节点用于感知物理对象的多种数据信息,并将这些数据信息通过多跳自组织的方式传输至汇聚节点,汇聚节点通过互联网等网络将数据信息传输至后台管理节点,以应用于不同业务中。
WSN作为一种自组织网络,网络结构的好坏对网络性能有很大影响,因此,网络结构的优化调整具有重要意义。现有的WSN网络结构调整方法,多是基于传统互联网中广泛采用的某种技术指标来对网络结构进行调整,比如基于误码率、通信效率、路由效率等。
但是,由于WSN具有节点规模大、资源受限等特点,对节点能耗、网络生命周期比较敏感,因此,如何从WSN网络的特点出发对WSN的网络结构进行调整,以降低节点能耗,延长网络生命周期,对WSN而言是一个亟待解决的问题。
发明内容
针对现有技术中存在的问题,本发明提供一种网络结构调整方法、汇聚节点和管理节点,从WSN网络的特点出发对WSN网络结构进行调整,以实现降低节点能耗,延长网络生命周期的目的。
本发明提供了一种网络结构调整方法,包括:
汇聚节点周期获取所管辖局部网络内各传感器节点的属性信息,所述属性信息包括位置信息和感知数据的数据量信息;
所述汇聚节点根据所述属性信息,确定所述局部网络的网络结构复杂度;
所述汇聚节点将确定的网络结构复杂度发送给管理节点;
所述汇聚节点接收所述管理节点在接收到网络中各汇聚节点分别发送的各局部网络的网络结构复杂度后,根据所述各局部网络的网络结构复杂度向所述汇聚节点发送的调整指令,以根据所述调整指令调整所述局部网络的网络结构。
本发明提供了另一种网络结构调整方法,包括:
管理节点接收网络中各汇聚节点分别发送的各局部网络的网络结构复杂度,其中,所述网络结构复杂度为所述各汇聚节点周期获取所管辖局部网络内各传感器节点的属性信息后,根据所述属性信息确定的,所述属性信息包括位置信息和感知数据的数据量信息;
所述管理节点根据所述各局部网络的网络结构复杂度向所述各汇聚节点发送的调整指令,以使所述各汇聚节点根据所述调整指令调整对应局部网络的网络结构。
本发明提供了一种汇聚节点,包括:
获取模块,用于周期获取所管辖局部网络内各传感器节点的属性信息,所述属性信息包括位置信息和感知数据的数据量信息;
确定模块,用于根据所述属性信息,确定所述局部网络的网络结构复杂度;
发送模块,用于将确定的网络结构复杂度发送给管理节点;
调整模块,用于接收所述管理节点在接收到网络中各汇聚节点分别发送的各局部网络的网络结构复杂度后,根据所述各局部网络的网络结构复杂度向所述汇聚节点发送的调整指令,以根据所述调整指令调整所述局部网络的网络结构。
本发明提供了一种管理节点,包括:
接收模块,用于接收网络中各汇聚节点分别发送的各局部网络的网络结构复杂度,其中,所述网络结构复杂度为所述各汇聚节点周期获取所管辖局部网络内各传感器节点的属性信息后,根据所述属性信息确定的,所述属性信息包括位置信息和感知数据的数据量信息;
发送模块,用于根据所述各局部网络的网络结构复杂度向所述各汇聚节点发送的调整指令,以使所述各汇聚节点根据所述调整指令调整对应局部网络的网络结构。
本发明提供的网络结构调整方法、汇聚节点和管理节点,汇聚节点周期获取所管辖局部网络内各传感器节点包含位置信息和感知数据的数据量信息的属性信息,以根据该属性信息确定其所在局部网络的网络结构复杂度,并将该网络结构复杂度发送给管理节点,使得管理节点根据收到的各个汇聚节点发送的网络结构复杂度向该汇聚节点发送调整指令,使得该汇聚节点根据该调整指令对其局部网络的网络结构进行调整。基于网络中传感器节点的属性信息确定网络结构复杂度,该网络结构复杂度反映了WSN的网络特点,即与位置有关的结构上的特点以及与网络吞吐量有关的数据上的特点,从而使得基于该网络结构复杂度进行的网络结果调整,能够使WSN整体网络结构更优化,从而有利于降低传感器节点能耗,延长网络生命周期。
附图说明
图1为本发明网络结构调整方法实施例一的流程图;
图2为本发明网络结构调整方法实施例二的流程图;
图3为本发明汇聚节点实施例一的结构示意图;
图4为本发明管理节点实施例一的结构示意图。
具体实施方式
图1为本发明网络结构调整方法实施例一的流程图,如图1所示,该方法包括:
步骤101、汇聚节点周期获取所管辖局部网络内各传感器节点的属性信息,所述属性信息包括位置信息和感知数据的数据量信息;
在WSN中,汇聚节点相对于普通用于数据感知的传感器节点,具有更强的计算能力、存储能力和通信能力等,汇聚节点可以随机布放,但是一般更多的是固定布放。一般而言,在初始构建大规模WSN网络时,将各个传感器节点随机散布于包含有多个汇聚节点的某一监测区域内,各传感器节点以自组织的方式加入某个汇聚节点的覆盖范围,从而形成一个个以各汇聚节点为主节点的局部网络。值得说明的是,各个局部网络并非严格意义上的绝对独立,往往会有所交集。
首先,汇聚节点需周期获取所管辖局部网络内各传感器节点的属性信息,该属性信息包括位置信息和感知数据的数据量信息。
具体地,在组网过程中,汇聚节点可以获知其管辖的局部网络中各个传感器节点的位置信息,由于在网络开始应用时,位于同一局部网络内的各个传感器节点需要将感知的数据信息传输给其汇聚节点,因此,汇聚节点也能获知其管辖局部网络内各传感器节点感知数据的数据量信息。
步骤102、汇聚节点根据所述属性信息,确定所述局部网络的网络结构复杂度;
具体地,汇聚节点根据所述位置信息确定所述局部网络的网络结构分形维数,并根据所述数据量信息确定所述局部网络的网络数据分形维数;
所述汇聚节点根据公式(1)确定所述局部网络的网络结构复杂度:
C(n)=a×X(n)+b×Y(n) (1)
其中,n表征一局部网络,C(n)为局部网络n的网络结构复杂度,X(n)为所述局部网络的网络结构分形维数,Y(n)为所述局部网络的网络数据分形维数,a和b为预设系数。
本实施例中,在计算网络结构复杂度时涉及两个参数,一个是网络结构分形维数,该参数与各传感器节点的位置信息相关,表征了在该局部网络中各传感器节点的分布情况,即该局部网络被传感器节点的填充情况,体现了该局部网络结构上的特点;一个是网络数据分形维数,该参数与各传感器节点的感知数据的数据量有关,表征了该局部网络中的数据传输量,体现了该局部网络数据上的特点。
步骤103、汇聚节点将确定的网络结构复杂度发送给管理节点;
步骤104、汇聚节点接收所述管理节点在接收到网络中各汇聚节点分别发送的各局部网络的网络结构复杂度后,根据所述各局部网络的网络结构复杂度向所述汇聚节点发送的调整指令,以根据所述调整指令调整所述局部网络的网络结构。
本实施例中,当WSN中的各局部网络的汇聚节点确定了各自对应局部网络的网络结构复杂度之后,将该网络结构复杂度发送给位于远端的管理节点,以使管理节点在收到各个网络结构复杂度之后,根据该各网络结构复杂度向某些满足预设条件的汇聚节点发送调整指令,以使其根据该调整指令来调整其局部网络的网络结构。
具体地,所述调整指令中包括目标网络结构复杂度,所述目标网络结构复杂度为所述管理节点设定的预设阈值,或,所述管理节点根据所述各局部网络的网络结构复杂度计算获得的平均网络结构复杂度;
所述属性信息中还包括所述感知数据的数据类型信息;
相应的,所述汇聚节点接收所述管理节点发送的调整指令,以根据所述调整指令调整所述局部网络的网络结构,包括:
所述汇聚节点根据所述位置信息和所述数据类型信息,确定具有相同数据类型且距离小于预设距离的多个传感器节点;
在确定出的所述多个传感器节点中,控制至少一个传感器节点处于休眠状态,以使所述局部网络的网络结构复杂度不超过所述目标网络结构复杂度;
和/或,
所述汇聚节点根据所述位置信息、所述数据类型信息和所述感知数据,确定具有相同数据类型、相近感知数据且距离小于预设距离的多个传感器节点;
在确定出的所述多个传感器节点中,仅接收其中一个传感器节点的感知数据,以使所述局部网络的网络结构复杂度不超过所述目标网络结构复杂度。
也就是说,本实施例中,管理节点在收到各汇聚节点发送的各自局部网络的网络结构复杂度之后,计算各网络结构复杂度的平均值,以该平均值作为目标网络结构复杂度,或者以一个预设阈值作为目标网络结构复杂度。进而管理节点判断各局部网络中是否存在网络结构复杂度大于该目标网络结构复杂度的局部网络,如果有,那么说明这些局部网络的网络结构不够优化,需要作出调整,该管理节点即向这些局部网络的汇聚节点发送调整指令,以使这些汇聚节点分别调整其局部网络的网络结构,以满足使其局部网络的网络结构复杂度不超过该目标网络结构复杂度的目的。
而在汇聚节点根据目标网络结构复杂度对其局部网络结构进行调整的过程中,主要是通过控制某些传感器节点处于休眠状态,和/或将相似数据进行融合,以减少数据传输量两方面进行调整。之所以对这两方面进行调整也是因为网络结构复杂度的定义即与网络结构和网络数据相关,而控制传感器节点处于休眠状态即是在网络结构上进行的一种调整,而数据融合即是在网络数据上进行的一种调整。
本实施例中,汇聚节点周期获取所管辖局部网络内各传感器节点包含位置信息和感知数据的数据量信息的属性信息,以根据该属性信息确定其所在局部网络的网络结构复杂度,并将该网络结构复杂度发送给管理节点,使得管理节点根据收到的各个汇聚节点发送的网络结构复杂度向该汇聚节点发送调整指令,使得该汇聚节点根据该调整指令对其局部网络的网络结构进行调整。基于网络中传感器节点的属性信息确定网络结构复杂度,该网络结构复杂度反映了WSN的网络特点,即与位置有关的结构上的特点以及与网络吞吐量有关的数据上的特点,从而使得基于该网络结构复杂度进行的网络结果调整,能够使WSN整体网络结构更优化,从而有利于降低传感器节点能耗,延长网络生命周期。
图2为本发明网络结构调整方法实施例二的流程图,如图2所示,该方法包括:
步骤201、管理节点接收网络中各汇聚节点分别发送的各局部网络的网络结构复杂度,其中,所述网络结构复杂度为所述各汇聚节点周期获取所管辖局部网络内各传感器节点的属性信息后,根据所述属性信息确定的,所述属性信息包括位置信息和感知数据的数据量信息;
具体地,当WSN中各局部网络的汇聚节点在获得其所管辖局部网络中各传感器节点的属性信息后,根据该属性信息计算得到各自局部网络的网络结构复杂度,并将该网络结构复杂度发送给位于远端的管理节点,以使管理节点根据这些网络结构复杂度做出调整指令。
步骤202、管理节点根据所述各局部网络的网络结构复杂度向所述各汇聚节点发送的调整指令,以使所述各汇聚节点根据所述调整指令调整对应局部网络的网络结构。
具体地,所述管理节点确定所述各局部网络中是否存在网络结构复杂度大于目标网络结构复杂度的局部网络,其中,所述目标网络结构复杂度为所述管理节点设定的预设阈值,或,所述管理节点根据所述各局部网络的网络结构复杂度计算获得的平均网络结构复杂度;
若存在,则所述管理节点向与确定的各局部网络对应的各汇聚节点分别发送携带有所述目标网络结构复杂度的调整指令,以使所述各汇聚节点根据所述调整指令调整所述确定的局部网络的网络结构。
本实施例中,管理节点在收到各汇聚节点发送的各自局部网络的网络结构复杂度之后,计算各网络结构复杂度的平均值,以该平均值作为目标网络结构复杂度,或者以一个预设阈值作为目标网络结构复杂度。进而管理节点判断各局部网络中是否存在网络结构复杂度大于该目标网络结构复杂度的局部网络,如果有,那么说明这些局部网络的网络结构不够优化,需要作出调整,该管理节点即向这些局部网络的汇聚节点发送调整指令,以使这些汇聚节点分别调整其局部网络的网络结构,以满足使其局部网络的网络结构复杂度不超过该目标网络结构复杂度的目的。
图3为本发明汇聚节点实施例一的结构示意图,如图3所示,该汇聚节点包括:
获取模块11,用于周期获取所管辖局部网络内各传感器节点的属性信息,所述属性信息包括位置信息和感知数据的数据量信息;
确定模块12,用于根据所述属性信息,确定所述局部网络的网络结构复杂度;
发送模块13,用于将确定的网络结构复杂度发送给管理节点;
调整模块14,用于接收所述管理节点在接收到网络中各汇聚节点分别发送的各局部网络的网络结构复杂度后,根据所述各局部网络的网络结构复杂度向所述汇聚节点发送的调整指令,以根据所述调整指令调整所述局部网络的网络结构。
进一步地,所述确定模块12,包括:
第一确定单元121,用于根据所述位置信息确定所述局部网络的网络结构分形维数,并根据所述数据量信息确定所述局部网络的网络数据分形维数;
第二确定单元122,用于根据公式(1)确定所述局部网络的网络结构复杂度:
C(n)=a×X(n)+b×Y(n) (1)
其中,n表征一局部网络,C(n)为局部网络n的网络结构复杂度,X(n)为所述局部网络的网络结构分形维数,Y(n)为所述局部网络的网络数据分形维数,a和b为预设系数。
进一步地,所述调整指令中包括目标网络结构复杂度,所述目标网络结构复杂度为所述管理节点设定的预设阈值,或,所述管理节点根据所述各局部网络的网络结构复杂度计算获得的平均网络结构复杂度;
所述属性信息中还包括所述感知数据的数据类型信息;
相应的,所述调整模块14,具体用于:
根据所述位置信息和所述数据类型信息,确定具有相同数据类型且距离小于预设距离的多个传感器节点;
在确定出的所述多个传感器节点中,控制至少一个传感器节点处于休眠状态,以使所述局部网络的网络结构复杂度不超过所述目标网络结构复杂度;
和/或,
根据所述位置信息、所述数据类型信息和所述感知数据,确定具有相同数据类型、相近感知数据且距离小于预设距离的多个传感器节点;
在确定出的所述多个传感器节点中,仅接收其中一个传感器节点的感知数据,以使所述局部网络的网络结构复杂度不超过所述目标网络结构复杂度。
本实施例的汇聚节点可以用于执行图1所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图4为本发明管理节点实施例一的结构示意图,如图4所示,该管理节点包括:
接收模块21,用于接收网络中各汇聚节点分别发送的各局部网络的网络结构复杂度,其中,所述网络结构复杂度为所述各汇聚节点周期获取所管辖局部网络内各传感器节点的属性信息后,根据所述属性信息确定的,所述属性信息包括位置信息和感知数据的数据量信息;
发送模块22,用于根据所述各局部网络的网络结构复杂度向所述各汇聚节点发送的调整指令,以使所述各汇聚节点根据所述调整指令调整对应局部网络的网络结构。
进一步地,所述发送模块22,包括:
确定单元221,用于确定所述各局部网络中是否存在网络结构复杂度大于目标网络结构复杂度的局部网络,其中,所述目标网络结构复杂度为所述管理节点设定的预设阈值,或,所述管理节点根据所述各局部网络的网络结构复杂度计算获得的平均网络结构复杂度;
发送单元222,用于若存在,则向与确定的各局部网络对应的各汇聚节点分别发送携带有所述目标网络结构复杂度的调整指令,以使所述各汇聚节点根据所述调整指令调整所述确定的局部网络的网络结构。
本实施例的管理节点可以用于执行图2所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种网络结构调整方法,其特征在于,包括:
汇聚节点周期获取所管辖局部网络内各传感器节点的属性信息,所述属性信息包括位置信息和感知数据的数据量信息;
所述汇聚节点根据所述属性信息,确定所述局部网络的网络结构复杂度;
所述汇聚节点将确定的网络结构复杂度发送给管理节点;
所述汇聚节点接收所述管理节点在接收到网络中各汇聚节点分别发送的各局部网络的网络结构复杂度后,根据所述各局部网络的网络结构复杂度向所述汇聚节点发送的调整指令,以根据所述调整指令调整所述局部网络的网络结构。
2.根据权利要求1所述的方法,其特征在于,所述汇聚节点根据所述属性信息,确定所述局部网络的网络结构复杂度,包括:
所述汇聚节点根据所述位置信息确定所述局部网络的网络结构分形维数,并根据所述数据量信息确定所述局部网络的网络数据分形维数;
所述汇聚节点根据公式(1)确定所述局部网络的网络结构复杂度:
C(n)=a×X(n)+b×Y(n) (1)
其中,n表征一局部网络,C(n)为局部网络n的网络结构复杂度,X(n)为所述局部网络的网络结构分形维数,Y(n)为所述局部网络的网络数据分形维数,a和b为预设系数。
3.根据权利要求1或2所述的方法,其特征在于,所述调整指令中包括目标网络结构复杂度,所述目标网络结构复杂度为所述管理节点设定的预设阈值,或,所述管理节点根据所述各局部网络的网络结构复杂度计算获得的平均网络结构复杂度;
所述属性信息中还包括所述感知数据的数据类型信息;
相应的,所述汇聚节点接收所述管理节点发送的调整指令,以根据所述调整指令调整所述局部网络的网络结构,包括:
所述汇聚节点根据所述位置信息和所述数据类型信息,确定具有相同数据类型且距离小于预设距离的多个传感器节点;
在确定出的所述多个传感器节点中,控制至少一个传感器节点处于休眠状态,以使所述局部网络的网络结构复杂度不超过所述目标网络结构复杂度;
和/或,
所述汇聚节点根据所述位置信息、所述数据类型信息和所述感知数据,确定具有相同数据类型、相近感知数据且距离小于预设距离的多个传感器节点;
在确定出的所述多个传感器节点中,仅接收其中一个传感器节点的感知数据,以使所述局部网络的网络结构复杂度不超过所述目标网络结构复杂度。
4.一种网络结构调整方法,其特征在于,包括:
管理节点接收网络中各汇聚节点分别发送的各局部网络的网络结构复杂度,其中,所述网络结构复杂度为所述各汇聚节点周期获取所管辖局部网络内各传感器节点的属性信息后,根据所述属性信息确定的,所述属性信息包括位置信息和感知数据的数据量信息;
所述管理节点根据所述各局部网络的网络结构复杂度向所述各汇聚节点发送的调整指令,以使所述各汇聚节点根据所述调整指令调整对应局部网络的网络结构。
5.根据权利要求4所述的方法,其特征在于,所述管理节点根据所述各局部网络的网络结构复杂度向所述各汇聚节点发送的调整指令,包括:
所述管理节点确定所述各局部网络中是否存在网络结构复杂度大于目标网络结构复杂度的局部网络,其中,所述目标网络结构复杂度为所述管理节点设定的预设阈值,或,所述管理节点根据所述各局部网络的网络结构复杂度计算获得的平均网络结构复杂度;
若存在,则所述管理节点向与确定的各局部网络对应的各汇聚节点分别发送携带有所述目标网络结构复杂度的调整指令,以使所述各汇聚节点根据所述调整指令调整所述确定的局部网络的网络结构。
6.一种汇聚节点,其特征在于,包括:
获取模块,用于周期获取所管辖局部网络内各传感器节点的属性信息,所述属性信息包括位置信息和感知数据的数据量信息;
确定模块,用于根据所述属性信息,确定所述局部网络的网络结构复杂度;
发送模块,用于将确定的网络结构复杂度发送给管理节点;
调整模块,用于接收所述管理节点在接收到网络中各汇聚节点分别发送的各局部网络的网络结构复杂度后,根据所述各局部网络的网络结构复杂度向所述汇聚节点发送的调整指令,以根据所述调整指令调整所述局部网络的网络结构。
7.根据权利要求6所述的节点,其特征在于,所述确定模块,包括:
第一确定单元,用于根据所述位置信息确定所述局部网络的网络结构分形维数,并根据所述数据量信息确定所述局部网络的网络数据分形维数;
第二确定单元,用于根据公式(1)确定所述局部网络的网络结构复杂度:
C(n)=a×X(n)+b×Y(n) (1)
其中,n表征一局部网络,C(n)为局部网络n的网络结构复杂度,X(n)为所述局部网络的网络结构分形维数,Y(n)为所述局部网络的网络数据分形维数,a和b为预设系数。
8.根据权利要求6或7所述的节点,其特征在于,所述调整指令中包括目标网络结构复杂度,所述目标网络结构复杂度为所述管理节点设定的预设阈值,或,所述管理节点根据所述各局部网络的网络结构复杂度计算获得的平均网络结构复杂度;
所述属性信息中还包括所述感知数据的数据类型信息;
相应的,所述调整模块,具体用于:
根据所述位置信息和所述数据类型信息,确定具有相同数据类型且距离小于预设距离的多个传感器节点;
在确定出的所述多个传感器节点中,控制至少一个传感器节点处于休眠状态,以使所述局部网络的网络结构复杂度不超过所述目标网络结构复杂度;
和/或,
根据所述位置信息、所述数据类型信息和所述感知数据,确定具有相同数据类型、相近感知数据且距离小于预设距离的多个传感器节点;
在确定出的所述多个传感器节点中,仅接收其中一个传感器节点的感知数据,以使所述局部网络的网络结构复杂度不超过所述目标网络结构复杂度。
9.一种管理节点,其特征在于,包括:
接收模块,用于接收网络中各汇聚节点分别发送的各局部网络的网络结构复杂度,其中,所述网络结构复杂度为所述各汇聚节点周期获取所管辖局部网络内各传感器节点的属性信息后,根据所述属性信息确定的,所述属性信息包括位置信息和感知数据的数据量信息;
发送模块,用于根据所述各局部网络的网络结构复杂度向所述各汇聚节点发送的调整指令,以使所述各汇聚节点根据所述调整指令调整对应局部网络的网络结构。
10.根据权利要求9所述的节点,其特征在于,所述发送模块,包括:
确定单元,用于确定所述各局部网络中是否存在网络结构复杂度大于目标网络结构复杂度的局部网络,其中,所述目标网络结构复杂度为所述管理节点设定的预设阈值,或,所述管理节点根据所述各局部网络的网络结构复杂度计算获得的平均网络结构复杂度;
发送单元,用于若存在,则向与确定的各局部网络对应的各汇聚节点分别发送携带有所述目标网络结构复杂度的调整指令,以使所述各汇聚节点根据所述调整指令调整所述确定的局部网络的网络结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410114375.0A CN103906108B (zh) | 2014-03-25 | 2014-03-25 | 网络结构调整方法、汇聚节点和管理节点 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410114375.0A CN103906108B (zh) | 2014-03-25 | 2014-03-25 | 网络结构调整方法、汇聚节点和管理节点 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103906108A true CN103906108A (zh) | 2014-07-02 |
CN103906108B CN103906108B (zh) | 2017-06-20 |
Family
ID=50997212
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410114375.0A Active CN103906108B (zh) | 2014-03-25 | 2014-03-25 | 网络结构调整方法、汇聚节点和管理节点 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103906108B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101247342A (zh) * | 2008-03-14 | 2008-08-20 | 毛宏伟 | 一种无线传感器网络、建立方法及通信方法 |
CN101471952A (zh) * | 2007-12-28 | 2009-07-01 | 中国科学院软件研究所 | 一种无线传感器网络层级结构数据融合方法 |
CN102149160A (zh) * | 2011-04-20 | 2011-08-10 | 宁波职业技术学院 | 一种用于无线传感网络的能量感知路由算法 |
CN102595412A (zh) * | 2012-01-10 | 2012-07-18 | 南京邮电大学 | 一种基于移动节点的无线传感器网络分簇拓扑控制方法 |
-
2014
- 2014-03-25 CN CN201410114375.0A patent/CN103906108B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101471952A (zh) * | 2007-12-28 | 2009-07-01 | 中国科学院软件研究所 | 一种无线传感器网络层级结构数据融合方法 |
CN101247342A (zh) * | 2008-03-14 | 2008-08-20 | 毛宏伟 | 一种无线传感器网络、建立方法及通信方法 |
CN102149160A (zh) * | 2011-04-20 | 2011-08-10 | 宁波职业技术学院 | 一种用于无线传感网络的能量感知路由算法 |
CN102595412A (zh) * | 2012-01-10 | 2012-07-18 | 南京邮电大学 | 一种基于移动节点的无线传感器网络分簇拓扑控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103906108B (zh) | 2017-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liang et al. | Research on routing optimization of WSNs based on improved LEACH protocol | |
Liu et al. | Intelligent data fusion algorithm based on hybrid delay-aware adaptive clustering in wireless sensor networks | |
Zhang et al. | An adaptive clustering algorithm for dynamic heterogeneous wireless sensor networks | |
Wu et al. | Learning-based synchronous approach from forwarding nodes to reduce the delay for Industrial Internet of Things | |
US10021636B2 (en) | Methods, apparatuses, and computer program products for configuring and collecting information from sleepy devices | |
Wang et al. | Comprehensive optimization of energy consumption and delay performance for green communication in internet of things | |
Nageswari et al. | Performance analysis of cluster based homogeneous sensor network using energy efficient N-policy (EENP) model | |
CN107659974A (zh) | 无线传感网路由方法、装置、设备及计算机可读存储介质 | |
He et al. | PUAR: Performance and usage aware routing algorithm for long and linear wireless sensor networks | |
KR20200080388A (ko) | 강화학습 기법을 활용한 LoRa Enabled IoT 장치의 에너지 최적화 방법 및 시스템 | |
Yalçın et al. | BTA-MM: Burst traffic awareness-based adaptive mobility model with mobile sinks for heterogeneous wireless sensor networks | |
Luo et al. | Topology control based on optimally rigid graph in wireless sensor networks | |
da Rocha Henriques et al. | DECA: distributed energy conservation algorithm for process reconstruction with bounded relative error in wireless sensor networks | |
CN104902492B (zh) | 一种面向无线体域网的高能效拓扑结构优化方法 | |
Khasteh et al. | On transmission range of sensors in sparse wireless sensor networks | |
Guo et al. | A cluster-based algorithm for energy-efficient routing in wireless sensor networks | |
Madheswaran et al. | Performance evaluation of balanced partitioning dynamic cluster head algorithm (bp-dca) for wireless sensor networks | |
CN103906108A (zh) | 网络结构调整方法、汇聚节点和管理节点 | |
KR101915566B1 (ko) | 멀티홉 네트워크 및 그것의 토폴로지 형성 방법 | |
Jeevanantham et al. | Hierarchical stable election protocol for WSN‐based IoT inhabitant and environmental monitoring applications | |
KR101490062B1 (ko) | 무선 센서 네트워크에서 센서 노드의 그룹화 방법 | |
Ghaffarzadeh et al. | Two-phase data traffic optimization of wireless sensor networks for prolonging network lifetime | |
KR101355228B1 (ko) | 적응형 트래픽 보고 주기 조정 방법 및 그 시스템 | |
Eang et al. | Offloading Decision and Resource Allocation in Mobile Edge Computing for Cost and Latency Efficiencies in Real-Time IoT | |
KR101533025B1 (ko) | 무선 센서 네트워크 트리 재구축 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |