CN104270795B - 一种基于骨干节点构建传感网络的信息势域的方法及系统 - Google Patents
一种基于骨干节点构建传感网络的信息势域的方法及系统 Download PDFInfo
- Publication number
- CN104270795B CN104270795B CN201410471730.XA CN201410471730A CN104270795B CN 104270795 B CN104270795 B CN 104270795B CN 201410471730 A CN201410471730 A CN 201410471730A CN 104270795 B CN104270795 B CN 104270795B
- Authority
- CN
- China
- Prior art keywords
- node
- sensor
- backbone
- network
- information
- 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
Links
Classifications
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
-
- 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
-
- 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)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明涉及一种基于骨干节点构建传感器网络中信息势域的方法和系统。其中所述方法包括以下步骤:为传感器网络中的所有传感器节点设置信息强度值;从多个传感器节点中选择多个传感器节点以作为骨干节点,由骨干节点组成骨干网络,并且在骨干网络上执行雅克比迭代直到骨干网络收敛为止,从而确定每个骨干节点的信息强度值;根据骨干节点的信息强度值,采用拉格朗日插值法和双线性插值法,分布式地计算传感器网络中的普通传感器节点的信息强度值;在传感器网络内执行多次雅克比迭代,直到传感器网络收敛,以实现对传感器网络进行信息势域光滑处理,从而获得光滑的信息势域。
Description
技术领域
本发明属于无线传感器网络的路由和导航技术领域,涉及分布式迭代技术,并且具体涉及是一种基于骨干节点构建传感器网络的信息势域的方法和系统,可应用于小规模及大规模的无线传感器网络中的信息势域的构建。
背景技术
目前,无线传感器网络的一个重要应用是协助动态环境中的信息识别和导航,包括将查询或数据包导航到源点。源点是指检测到感兴趣事件的传感器节点。随着传感器感测能力的成熟,越来越多的无线传感器网络部署在自然环境中用于生态监控。在这种传感器节点数量众多的大规模无线传感器网络中,基于本地节点的信息通过贪心决策来实现全局目标的分布式算法受到越来越多的青睐。
一种满足上述要求的分布式策略是基于信息梯度的信息驱动的路由协议。Mabrouki等人在ValueTools'07会议上发表的“Random walk based routing protocolfor wireless sensor networks”提出了一种模仿自然界中的光和热的传播过程的信息梯度,然而这种遵照自然规则构建的信息梯度不能提供理想的导航,由于该信息梯度存在局部极值点和平坦区域会导致随机游走。局部极值点是指信息强度值高于所有邻居节点的信息强度值的非源节点。
Han等人在2004年的Vehicular Technology会议上发表的“A novel gradientapproach for efficient data dissemination in wireless sensor networks”中提出根据节点间的跳数距离构建信息梯度,然而,在这种模式下当网络拓扑改变时需要频繁地洪范消息来保证信息梯度的精确性。
为解决上述问题,Lin等人在IPSN'08会议上发表的“Composable informationgradients in wireless sensor networks”中引入了一种无局部极值的人工信息梯度。他们提出的信息梯度模式是通过求解调和函数得到信息势域。优选地,首先初始化边界点(网络边缘节点)以及源点的信息强度值,然后通过执行雅克比迭代得到网络中其它节点(非边界点及非源点)的信息强度值。当网络收敛时每个节点持有一个稳定的信息强度值从而形成一个信息势域,该信息势域代表了用户感兴趣的事件从源点向四周扩散的强度。基于该人工信息势域,用户只需沿着信息势的上升方向即可到达源点位置。然而他们提出的构建信息势域的方法存在收敛速度慢、能耗大的问题。而且在传感器节点数量众多的大范围网络中,很难兼顾迭代能耗及信息势域的质量,如果选择松弛的收敛条件网络可能出现不收敛的问题。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于骨干节点构建传感器网络的信息势域的方法和系统,有效地降低迭代次数以及能量消耗,并且在大规模的和动态网络中保持信息势域的支持本地贪心路由的特性。优选地,动态网络是指在传感器网络中源点的出现和消失是一种动态的随机过程。
本发明中的网络是一个长为l宽为h的2维矩形区域,传感器节点均匀地分布在整个网络中,形成一个规则的网格型网络拓扑,网络包括边界节点和内部节点。该网络可建模为一个无向图,每个内部节点都有4个邻居节点,边界节点有2或3个邻居节点。
为了达到上述目的,根据本发明的一个方面,提出一种基于骨干节点构建传感器网络的信息势域的方法,其中所述传感器网络包括多个传感器节点,所述多个传感器节点之间采用分层的网格状连接方式进行连接,所述方法包括以下步骤:
(1)为传感器网络中的每个传感器节点设置信息强度值;
(2)从所述多个传感器节点中选择传感器节点以作为骨干节点,由骨干节点组成骨干网络,并且在骨干网络上执行雅克比迭代直到骨干网络收敛为止,从而确定每个骨干节点的信息强度值;
(3)根据骨干节点的信息强度值,采用拉格朗日插值法和双线性插值法,分布式地计算传感器网络中的普通传感器节点的信息强度值;
其中普通传感器节点是传感器网络中除了骨干节点、源传感器节点以及边界传感器节点以外的其它传感器节点,其中源传感器节点是感测到感兴趣事件的传感器节点,边界传感器节点是指位于传感器网络边缘的传感器节点;
(4)在传感器网络内执行雅克比迭代,直到传感器网络收敛为止,以实现对传感器网络的信息势域进行光滑处理,从而获得光滑的信息势域。
根据本发明的另一方面,提出一种基于骨干节点构建传感器网络的信息势域的系统,其中所述传感器网络包括多个传感器节点,所述多个传感器节点之间采用分层的网格状连接方式进行连接,所述系统包括:
强度值设置单元,为传感器网络中的所有传感器节点设置信息强度值;
骨干节点选择单元,从多个传感器节点中选择传感器节点以作为骨干节点,由骨干节点组成骨干网络;
信息强度值计算单元,在骨干网络上执行雅克比迭代直到骨干网络收敛为止,从而确定每个骨干节点的信息强度值;并且根据骨干节点的信息强度值,采用拉格朗日插值法和双线性插值法,分布式地计算传感器网络中的普通传感器节点的信息强度值;其中普通传感器节点是传感器网络中除了骨干节点、源传感器节点以及边界传感器节点以外的其它传感器节点,其中源传感器节点是感测到感兴趣事件的传感器节点,边界传感器节点是指位于传感器网络边缘的传感器节点;
信息势域生成单元,在传感器网络内执行雅克比迭代,直到传感器网络收敛为止,以实现对传感器网络的信息势域进行光滑处理,从而获得光滑的信息势域。
优选地,可以由信息强度值计算单元在在传感器网络内执行雅克比迭代,直到传感器网络收敛为止,并且由信息势域生成单元生成光滑的信息势域并输出给用户。
优选地,本发明的基于骨干节点的轻量级构建信息势域的方法包括:
(1)初始化设置所有节点的信息强度值。源点的信息强度值固定为最大值强度值Φmax=100,边界节点的信息强度值固定为0,其他内部节点的初始化信息强度值设为Φ0(u)=0.1。源点是指感测到感兴趣事件的传感器节点,边界节点是指位于网络边缘的传感器节点。
(2)在骨干网络上执行雅克比迭代直到骨干网络收敛,具体包括:
2a)在整个网络范围内逐层选取节点作为骨干节点。首先将源点选为骨干节点,然后将源点四周的相隔2跳的4个节点选择为骨干节点,再分别由该4个骨干节点在四周相隔2跳的位置选取一个节点作为骨干节点,直到最后一层骨干节点到达网络边界,所有的骨干节点形成一个骨干网络。
2b)从源点的四个邻居骨干节点开始,逐层向外执行雅克比迭代。每个骨干节点根据其邻居骨干节点的信息强度值Φk(u),分布式地执行雅克比迭代计算新的信息强度值Φk+1(u),N(u)指骨干节点u的所有邻居骨干节点的集合,d(u)指骨干节点u的度数,本发明中d(u)=4。如果该骨干节点计算的新的迭代值Φk+1(u)与上一次的信息强度值Φk(u)差别不大,则不执行本次迭代。
每个骨干节点在执行迭代的过程中有计划地保存和删除历史信息强度值。骨干节点的历史信息强度值以1组/m次为单位保存在本地,形成一个数据序列Di={Φi1,Φi2…Φim},本发明中m=10。该骨干节点基于数据序列Di采用三次样条插值法计算序列的极限值Φm+1,并使用Φm+1替代该骨干节点的当前信息强度值,清空该骨干节点的内存。继续执行接下来的迭代,直到骨干网络收敛。
在整个迭代过程中源点和边界节点的信息强度值固定不变,不执行雅克比迭代。
如果在执行一组迭代途中骨干网络收敛,则不用执行改组余下的雅克比迭代,直接进入(3)。
本发明中骨干网络收敛的条件是网络中没有需要执行迭代的骨干节点。具体地,每个骨干节点u基于邻居骨干节点上一次的信息强度值,采用雅克比迭代计算得到的新值Φk+1(u)与旧值Φk(u)差别不大时,该骨干节点不执行迭代。换言之,当满足时,则迭代终止。其中ε是本发明选取的更新阈值,ε=0.01%。
(3)网络中的其它普通节点根据骨干节点的信息强度值,采用拉格朗日插值法和双线性插值法,分布式地计算出自己的信息强度值。
本发明中的普通节点是指网络中除了骨干节点、源点以及边界节点以外的其它所有节点。
(4)在整个网络上进行一下光滑处理,即在整个网络范围内执行若干次雅克比迭代,直到整个网络收敛,这时信息势域变得光滑。
整个网络收敛的条件是指网络内所有节点无需执行迭代,节点不执行迭代的条件是该节点采用雅克比迭代式计算新的信息强度值Φk+1(u)与旧值Φk(u)差别不大,则继续使用旧值,不执行本次迭代。整个网络收敛的条件可以表示为其中ε是本发明选取的更新阈值,ε=0.01%。
光滑的信息势域是指不存在局部极值点且不存在平坦区域的信息势域。局部极值点是指所具有的信息强度值大于所有邻居节点的信息强度值的非源节点。平坦区域是指传感器网络中两个或两个以上传感器节点具有相等的信息强度值。
根据本发明的一个方面,提供一种基于骨干节点构建传感器网络的信息势域的方法,其中所述传感器网络包括至少N个传感器节点,所述至少N个传感器节点之间采用分层级联的连接方式进行连接,所述方法包括以下步骤:
(1)为传感器网络中的所有传感器节点设置信息强度值;
(2)从至少N个传感器节点中选择多个传感器节点以作为骨干节点,由骨干节点组成骨干网络,并且在骨干网络上执行雅克比迭代直到骨干网络收敛为止,从而确定每个骨干节点的信息强度值;
(3)根据骨干节点的信息强度值,采用拉格朗日插值法和双线性插值法,分布式地计算传感器网络中的普通传感器节点的信息强度值;
其中普通传感器节点是传感器网络中除了骨干节点、源传感器点以及边界传感器节点以外的其它节点;
(4)在传感器网络内执行多次雅克比迭代,直到传感器网络收敛,以实现对传感器网络进行信息势域光滑处理,从而获得光滑的信息势域。
根据本发明的另一方面,一种基于骨干节点构建传感器网络的信息势域的系统,其中所述传感器网络包括至少N个传感器节点,所述至少N个传感器节点之间采用分层级联的连接方式进行连接,所述系统包括:
强度值设置单元,为传感器网络中的所有传感器节点设置信息强度值;
骨干节点选择单元,从至少N个传感器节点中选择多个传感器节点以作为骨干节点,由骨干节点组成骨干网络;
信息强度值计算单元,在骨干网络上执行雅克比迭代直到骨干网络收敛为止,从而确定每个骨干节点的信息强度值;并且根据骨干节点的信息强度值,采用拉格朗日插值法和双线性插值法,分布式地计算传感器网络中的普通传感器节点的信息强度值;其中普通传感器节点是传感器网络中除了骨干节点、源传感器点以及边界传感器节点以外的其它节点;
信息势域生成单元,在传感器网络内执行多次雅克比迭代,直到传感器网络收敛,以实现对传感器网络进行信息势域光滑处理,从而获得光滑的信息势域。
本发明与现有的技术相比具有以下优点:
第一,本发明求解调和函数的方法是一种分布式算法,每个节点根据来自于自己或邻居节点的本地数据计算信息强度值,节约通信消耗。
第二,本发明提出了一种基于骨干节点的层级化构建方法,首先选择合适的骨干节点进行迭代运算,然后通过插值法将骨干节点的信息强度值延拓至整个网络,为了保证信息势域的质量进一步进行光滑处理。优化了信息势域构建过程中的消息交互量、节点迭代次数、以及网络能耗几项性能指标。
第三,在骨干网络执行迭代的步骤中,每个节点基于自己的一列历史数据预测出节点信息强度的收敛值来替代当前值,反复执行直到网络收敛。有效地加快了骨干网络收敛的速度、降低消息交互量以及节点能耗。
第四,解决了传统的雅克比迭代方法在大规模网络中由于迭代精度选择不当引起的能耗大或存在局部极值点的问题。
附图说明
图1示出了根据本发明实施方式的传感器网络的结构示意图;
图2示出了根据本发明另一实施方式的传感器网络的结构示意图;
图3示出了根据本发明优选实施方式的基于骨干节点的轻量级构建传感器网络信息势域的方法的流程图;
图4示出了根据本发明优选实施方式的对骨干网络进行迭代的方法的流程图;以及
图5示出了根据本发明优选实施方式的基于骨干节点的轻量级构建传感器网络信息势域的系统的结构图。
具体实施方式
下面结合附图对本发明做进一步描述。
图1示出了根据本发明实施方式的传感器网络的结构示意图。如图1所示,传感器网络100是一个长为l宽为h的2维矩形区域。优选地,l和h的数量级为分别可以是米、十米、百米和千米。优选地,传感器节点均匀地分布在传感器网络100中,形成一个规则的网格型网络拓扑。根据本发明的优选实施方式,传感器网络100内的传感器节点之间按照正方形的网格状进行组网。本申请不考虑各种极端情况,例如长l或宽h为极小值的情况。
如图1所示,传感器网络100的内部形状类似于围棋的棋盘。其中相邻的四个传感器节点(例如,传感器节点110、111、112和116)组成正方形。优选地,传感器节点可以是各种类型的传感器,例如,光敏传感器、声敏传感器、气敏传感器、化学传感器、压敏传感器、温敏传感器、流体传感器等。优选地,当l和h相等时,传感器节点的个数为n2,其中n为传感器网络的任意边上的传感器数量。优选地,传感器节点的数量为至少2000个、3000个、5000个或20000个等。
优选地,传感器网络100包括边界传感器节点和内部传感器节点。其中,边界传感器节点位于传感器网络100的边界处,例如图1中示出的传感器节点123-125、传感器节点179-183。其中,内部传感器节点位于传感器网络100的内部,例如图1中示出的传感器节点110-116、传感器节点120-123、传感器节点130、传感器节点140和传感器节点150。应当了解的是,为了简明的目的,图1中仅示出了部分传感器节点并且其余区域包含按类似方式组网的传感器节点。优选地,传感器网络100内的传感器节点填充整个传感器网络区域(l*h)。
优选地,可将传感器网络100建模为无向图。在传感器网络100中,每个内部传感器节点都有4个邻居传感器节点,边界传感器节点有2或3个邻居传感器节点。如图1所示,内部传感器节点110具有4个邻居传感器节点,即传感器节点111、传感器节点112、传感器节点113和传感器节点114。内部传感器节点112具有4个邻居传感器节点,即传感器节点115、传感器节点116、传感器节点110和传感器节点120。内部传感器节点120具有4个邻居传感器节点,即传感器节点121、传感器节点122、传感器节点123和传感器节点112。
优选地,边界传感器节点180具有2个邻居传感器节点,即传感器节点179和传感器节点181。优选地,边界传感器节点123具有3个邻居传感器节点,即传感器节点124、传感器节点125和传感器节点120。通常地,位于传感器网络100的四个顶点位置的边界传感器节点具有两个邻居传感器节点。位于传感器100的网络边缘且非顶点处的边界传感器节点具有三个邻居传感器节点。
图2示出了根据本发明另一实施方式的传感器网络的结构示意图。优选地,传感器网络200包括源传感器节点、普通传感器节点和边界传感器节点。如图2所示,当传感器网络200中的传感器节点210检测到感兴趣事件时,传感器节点210被称为源传感器节点。传感器节点223-225和279-283位于传感器网络200的边缘处,因此被称为边界传感器节点。优选地,除源传感器节点和边界传感器节点之外的其它内部传感器节点为普通传感器节点。例如,传感器节点211-216、传感器节点220-225、传感器节点230、传感器节点240和传感器节点250为普通传感器节点。应当了解的是,为了简明的目的,图2中仅示出了部分传感器节点。优选地,传感器网络200内的传感器节点填充整个传感器网络区域(l*h)。
优选地,在传感器网络中,按照传感器节点所处的位置,将传感器节点分为内部传感器节点(例如,传感器节点220)和边界传感器节点(例如,传感器节点280)。按照传感器节点的功能,将传感器节点分为源传感器节点(即,检测到感兴趣事件的传感器节点)、普通传感器节点(即,内部传感器节点中除了检测到感兴趣事件的传感器节点之外的所有传感器节点)以及边界传感器节点。
优选地,在进行构建传感器网络的信息势域时,通常会为传感器网络中的每个传感器节点设置信息强度值的初始值。优选地,在构建传感器网络的信息势域过程中,会对信息强度值进行修改以获得最终值。优选地,信息强度值的范围为0至100。所属领域技术人员可以了解的是,信息强度值的范围可以是其它任何合理范围。优选地,将源传感器节点的信息强度值设为最大值强度值Φmax=100,同时将边界传感器节点的信息强度值设为0,这样可强制在网络上形成一个信息梯度。优选地,初始化其他传感器节点的信息强度值为0.01。如图2所示,源传感器节点210的信息强度值为100,并且边界传感器节点223-225和279-283的信息强度值为0。普通传感器节点211-216、传感器节点220-225、传感器节点230、传感器节点240和传感器节点250的信息强度值为0.01。优选地,可以将普通传感器节点的信息强度值设置为任何合理数值。
图3示出了根据本发明优选实施方式的基于骨干节点的轻量级构建传感器网络信息势域的方法的流程图。如图3所示,方法300从步骤301处开始,然后进行到步骤302。优选地,本申请采用两步迭代法来获得光滑的信息势域。首先,选取骨干节点并且在骨干节点组成的骨干网络中执行雅克比迭代,直到骨干网络收敛为止。然后,在针对传感器网络内,除源传感器节点和边界传感器节点之外的普通传感器节点进行雅克比迭代,直到传感器网络收敛为止。其中,针对普通传感器节点的雅克比迭代方式与针对骨干节点的雅克比迭代的原理和迭代方式相同。
在步骤302,在如图1所示的长为l宽为h的代表传感器网络的2维矩形区域中,初始化传感器网络中特殊节点的信息势域。其中传感器网络包括边界传感器节点以及内部传感器节点。优选地,特殊节点包括源传感器节点和边界传感器节点。其中源传感器节点是指感测到感兴趣事件的传感器节点,并且边界传感器节点是指位于网络边缘的传感器节点。
根据优选的实施方式,本发明通过近似求解离散的近似调和函数来构建信息势域。其中调和函数是一种满足拉普拉斯方程的函数。
其中拉普拉斯方程为:
由此可知,根据狄利克雷边界条件,如果确定边界传感器节点的信息强度值,则拉普拉斯方程的解唯一。优选地,将源传感器节点的信息强度值设为最大值强度值Φmax=100,并且将边界传感器节点的信息强度值设为0。这样可强制在传感器网络上形成信息梯度。此外,初始化其他传感器节点的信息强度值为0.01。
需要说明的是,在构建信息势域的过程中,源传感器节点和边界传感器节点始终不执行迭代。因此,在构建信息势域的过程中,源传感器节点和边界传感器节点的信息强度值保持不变。
接下来,进行步骤303,在骨干网络中执行迭代,直到骨干网络收敛为止。
图4示出了根据本发明优选实施方式的对骨干网络进行迭代的方法的流程图。如图4所示,方法400从步骤401处开始。
在步骤402处,在整个传感器网络中,根据合适粒度来选择一部分传感器节点作为骨干节点。优选地,骨干节点的粒度指两个相邻骨干节点之间距离最近的跳数。由于骨干节点的粒度选择对迭代方法的性能存在很大的影响,因此粒度不能过于稀疏也不能过于密集。骨干节点过于密集会导致较多的迭代次数,然而过于稀疏的骨干节点会产生长距离的数据传输。虽然中继节点可能有助于解决远距离的数据传输,但是由于数据传输频繁,导致中继节点比普通节点能耗高很多。
优选地,本发明可以三种选取骨干节点的模式。所属领域技术人员应当了解的是,还可以采用其他任何合适的骨干节点选取模式。其中传感器网络采用围棋棋盘的网格方式组网。优选地,三种选取骨干节点的模式包括:
模式一:两层骨干节点的结构。将源传感器节点以及与源传感器节点同行同列的边界传感器节点作为骨干节点。
模式二:三层骨干节点的结构。在包括如模式一所选取的骨干节点外,在与最里层和最外层距离相等的位置添加一层中间层的骨干节点。
模式三:根据传感器网络的规模来确定骨干节点的层数。首先,将源传感器节点选为骨干节点,然后将与源传感器节点相隔2跳的传感器节点中的4个传感器节点选择为骨干节点,再分别由该4个骨干节点在相隔2跳的传感器节点中选取4个传感器节点作为骨干节点,直到网络边界位置,即最后一层骨干节点为边界传感器节点到达传感器网络的边界。由此可知,骨干节点在整个传感器网络中是均匀选取的。
优选地,参照图2,将源传感器节点210选为骨干节点。然后,将与源传感器节点相隔两跳(即,相隔一个传感器节点)的传感器节点220、230、240和250选为骨干节点,再分别由传感器节点220、230、240和250分别选取相隔2跳的四个传感器节点,以作为骨干节点,直到网络的边界位置为止。优选地,由于源传感器节点可能位于传感器网络内的任何位置,因此在源传感器节点周围四个方向上选择的骨干节点的数量不一定相同。
通过大量实验对比,分析根据上面三种模式选取骨干节点时,在整个传感器网络中构建信息势域所需的迭代次数。在本发明中,根据传感器网络的迭代次数与传感器节点的通信距离,本实施方式选用第三种模式来选取骨干节点作为实例。
在通过步骤402选取了骨干节点之后,确定了由骨干节点组成的骨干网络。接着,进行步骤403。在步骤403,每个骨干节点开始分布式执行雅克比迭代。优选地,按照从靠近源节点的第一层骨干节点开始,按层逐渐扩散至位于边界处的骨干节点的方式来执行雅克比迭代。优选地,相同层的骨干节点在相同的时间区间内执行雅克比迭代。优选地,可以将执行雅克比迭代的次数设置为m次。并且,从第i=1次开始执行雅克比迭代。
然后在步骤404,判断骨干网络是否收敛,如果骨干网络已经收敛(即执行了1次雅克比迭代即导致骨干网络收敛),则进行步骤411,过程结束。如果骨干网络还未收敛,则在由骨干节点构成的骨干网络上,从与源传感器节点相邻的四个骨干节点开始逐层向外,对骨干节点分布式地执行雅克比迭代:
其中,
N(u)指骨干节点u的所有邻居骨干节点v的集合,在本发明中,邻居骨干节点v的数量为4个;
d(u)指骨干节点u的度数,优选地,在本发明的网格型传感器网络中d(u)=4;
每个骨干节点根据4个邻居骨干节点的第k次迭代的信息强度值Φk(u),分布式地执行雅克比迭代计算新的信息强度值Φk+1(u);其中k为自然数;
优选地,为了减少执行迭代的次数,本发明采用计算信息强度值的近似策略。即当骨干节点通过雅克比迭代公式计算得到的新的信息强度值Φk+1(u)与上一次的信息强度值Φk(u)差别不大时,则不执行本次迭代。换言之,当满足|Φk+1(u)-Φk(u)|≤ε·max{Φk+1(u),Φk(u)}时,迭代终止。其中ε表示更新阈值。优选地,更新阈值ε取0.05、0.06、0.08等任何合理数值。
优选地,每个骨干节点在执行雅克比迭代的过程中,能够保存和/或删除历史信息强度值,并能够利用骨干节点的历史信息强度值进行迭代加速。优选地,每个骨干节点从第1次执行雅克比迭代开始计数,骨干节点的历史信息强度值以m个一组为单位保存在本地存储装置中。优选地,存储装置可以是各种类型的存储器。历史信息强度值形成数据序列Di={Φi1,Φi2…Φim}。其中Di表示骨干节点的第i组历史信息强度值,其中Φi1表示第i组信息强度值中的第1个信息强度值,依次类推。优选地,本实施方式中,m=10。
在步骤406,执行当获得第i组历史信息强度值序列之后,将i赋值为i+1,以进行下一次迭代。在步骤407,判断i是否小于m。如果i小于m,则过程回到步骤404,判断是否继续进行雅克比迭代。如果i大于或等于m,则过程进行到步骤408。其中i大于或等于m表示已经执行了预定次数(即m次)的雅克比迭代。
在步骤408,分析m个信息强度值的变化规律。优选地,以骨干节点u的第一组数据序列为例。骨干节点u将自身第1次执行雅克比迭代到第m次执行雅克比迭代的信息强度值作为第1组数据集D1={Φ11,Φ12…Φ1m}。优选地,骨干节点u利用D1中的多个历史信息强度值,分析数据集D={Φ1,Φ2…Φm}中信息强度值的变化规律。注意的是,每个传感器节点中所保存的信息强度值随时间变化的趋势是可以预估的。
在步骤409,采用三次样条插值法计算骨干节点信息强度值的收敛值。对于数据集D1={Φ11,Φ12…Φ1m},可以用(m-1)段三次多项式在m个数据点之间构建一个三次样条。采用三次样条插值法计算序列D1的极限值Φm+1,即收敛值。
在步骤410,用收敛值替代当前信息强度值,并且清空内存。优选地,使用Φm+1替代该骨干节点u的当前信息强度值,清空该骨干节点的内存。从当前信息强度值Φm+1再次开始记录m个信息强度值,作为D2={Φ21,Φ22…Φ2m};重复上面的步骤,接着对更多的数据集Di进行操作,直到骨干网络收敛。
优选地,每个骨干节点按照分布式方式执行上述步骤。
本发明中骨干网络收敛的条件是对于网络中的所有骨干节点u无需执行迭代,则迭代收敛。具体地,如果所有的骨干节点执行雅克比迭代计算得到的新的信息强度值Φ'(u)与旧的信息强度值Φ(u)差小于阈值,则迭代结束。换言之,当满足时,网络收敛。优选地,其中更新阈值ε=0.01%。
如图3所示,在步骤304,采用插值法将骨干节点的信息强度值延拓至传感器网络中的普通节点,从而求出传感器网络中所有传感器节点的信息强度值。优选地,普通节点是指网络中除了骨干节点以外的其他传感器节点。已知的是,根据位于一条直线上的三个骨干节点的信息强度值,可以通过拉格朗日插值法求出与上述骨干节点位于同一直线上的任何一个普通传感器节点的信息强度值,具体公式为
其中x1,x2和x3分别代表三个骨干节点的位置坐标,普通节点的位置坐标为x。对于由四个骨干节点围成的任意大小的矩形区域内的普通节点可以采用双线性插值法求解信息强度值,具体公式为:
其中四个骨干节点(x1,y1)、(x1,y2)、(x2,y1)和(x2,y2)的信息强度值已知,则普通节点(x,y)的信息强度值可以由上式求得。
在步骤步骤405,进行信息势域的光滑处理,即在整个传感器网络范围内执行若干次雅克比迭代,直到整个传感器网络收敛,此时的信息势域为光滑的信息势域。优选地,针对普通传感器节点的雅克比迭代方式与针对骨干节点的雅克比迭代的原理和迭代方式相同,因此不再累述。
优选地,整个网络收敛的条件是传感器网络内所有传感器节点无需执行迭代。传感器节点不需执行迭代的条件是该传感器节点采用雅克比迭代公式计算新的信息强度值Φk+1(u)与旧值Φk(u)差别小于阈值。优选地,当差别小于阈值时,继续使用旧值,并且不执行本次迭代。优选地,整个网络收敛的条件可以表示为其中ε是本发明选取的更新阈值,ε=0.01%。
光滑的信息势域是指不存在局部极值点且不存在平坦区域的信息势域。局部极值点是指所具有的信息强度值大于所有邻居节点的信息强度值的非源节点。优选地,平坦区域是指传感器网络中存在具有相等的信息强度值的两个传感器节点。优选地,平坦区域是指传感器网络中存在两个以上具有相等的信息强度值的传感器节点
图5示出了根据本发明优选实施方式的基于骨干节点的轻量级构建传感器网络信息势域的系统的结构图。如图5所示,系统500包括:强度值设置单元501、骨干节点选择单元502、信息强度值计算单元503和信息势域生成单元504。优选地,其中所述传感器网络包括多个传感器节点,所述多个传感器节点之间采用分层级联的连接方式进行连接
优选地,强度值设置单元501,为传感器网络中的所有传感器节点设置信息强度值。优选地,骨干节点选择单元502,从多个传感器节点中选择多个传感器节点以作为骨干节点,由骨干节点组成骨干网络。
优选地,信息强度值计算单元503,在骨干网络上执行雅克比迭代直到骨干网络收敛为止,从而确定每个骨干节点的信息强度值。并且,信息强度值计算单元503根据骨干节点的信息强度值,采用拉格朗日插值法和双线性插值法,分布式地计算传感器网络中的普通传感器节点的信息强度值。其中普通传感器节点是传感器网络中除了骨干节点、源传感器点以及边界传感器节点以外的其它节点。优选地,信息势域生成单元504,在整个传感器网络范围内执行数次雅克比迭代,直到传感器网络收敛,以实现对传感器网络进行信息势域光滑处理,从而获得光滑的信息势域。
Claims (10)
1.一种基于骨干节点构建传感器网络的信息势域的方法,其中所述传感器网络包括多个传感器节点,所述多个传感器节点之间采用分层的网格状连接方式进行连接,所述方法包括:
(1)为传感器网络中的每个传感器节点设置信息强度值;
(2)从所述多个传感器节点中选择传感器节点以作为骨干节点,由骨干节点组成骨干网络,并且在骨干网络上执行雅克比迭代直到骨干网络收敛为止,从而确定每个骨干节点的信息强度值;
(3)根据骨干节点的信息强度值,采用拉格朗日插值法和双线性插值法,分布式地计算传感器网络中的普通传感器节点的信息强度值;
其中普通传感器节点是传感器网络中除了骨干节点、源传感器节点以及边界传感器节点以外的其它传感器节点,其中源传感器节点是感测到感兴趣事件的传感器节点,边界传感器节点是指位于传感器网络边缘的传感器节点;
(4)在传感器网络内执行雅克比迭代,直到传感器网络收敛为止,以实现对传感器网络的信息势域进行光滑处理,从而获得光滑的信息势域。
2.根据权利要求1所述的方法,其中所述为传感器网络中的每个传感器节点设置信息强度值包括:
将源传感器节点的信息强度值设置为信息强度值的最大值Φmax=100,将边界传感器节点的信息强度值设置为0,并且将除源传感器节点和边界传感器节点之外的其他传感器节点的信息强度值初始化设置为Φ0(u)=0.1;
其中从所述多个传感器节点中选择传感器节点以作为骨干节点:在传感器网络中的多个传感器节点中均匀地选择多个传感器节点以作为骨干节点。
3.根据权利要求1所述的方法,其中
从所述多个传感器节点中选择传感器节点以作为骨干节点,由骨干节点组成骨干网络包括:
在传感器网络内逐层选取传感器节点作为骨干节点,具体包括:
首先,将源传感器节点选择为骨干节点,
然后将与源传感器节点相隔2跳的4个传感器节点选择为骨干节点,
再分别由所选的4个骨干节点分别将与其各自相隔2跳的4个传感器节点选择为骨干节点,直到最后一层骨干节点到达传感器网络的边界,
最后将边界传感器节点选择为骨干节点;以及
将所有骨干节点形成骨干网络。
4.根据权利要求3所述的方法,其中
所述在骨干网络上执行雅克比迭代直到骨干网络收敛为止,从而确定每个骨干节点的信息强度值包括:
在骨干网络中,从源传感器节点的四个邻居骨干节点开始,逐层向外执行雅克比迭代,
其中执行雅克比迭代包括:每个骨干节点根据其邻居骨干节点的信息强度值,分布式地执行雅克比迭代
<mrow>
<msup>
<mi>&Phi;</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
<mo>&LeftArrow;</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<msub>
<mi>&Sigma;</mi>
<mrow>
<mi>v</mi>
<mo>&Element;</mo>
<mi>N</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<msup>
<mi>&Phi;</mi>
<mi>k</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
</mrow>
从而计算新的信息强度值Φk+1(u),其N(u)是骨干节点u的所有邻居骨干节点的集合,d(u)是骨干节点u的度数,其中d(u)=4;如果新的信息强度值Φk+1(u)与上一次计算的信息强度值Φk(u)的差值小于阈值,则不执行本次雅克比迭代;
其中,源传感器节点和边界传感器节点不进行雅克比迭代;
其中每个骨干节点在执行雅克比迭代的过程中,对信息强度值进行保存或删除,将骨干节点的每m个历史信息强度值作为一组进行保存,其中每个组形成一个数据序列Di={Φi1,Φi2…Φim},其中m=10,i是大于等于1的自然数,其中每个骨干节点基于数据序列Di采用三次样条插值法计算序列的极限值Φm+1,并使用Φm+1替代骨干节点的当前信息强度值,清空骨干节点的内存;并且继续执行雅克比迭代,直到骨干网络收敛为止;
其中骨干网络收敛的条件是骨干网络中没有需要执行雅克比迭代的骨干节点,包括:每个骨干节点u基于邻居骨干节点上一次的信息强度值Φk(u),与采用雅克比迭代计算得到新的信息强度值Φk+1(u)的差值小于阈值时,该骨干节点不执行迭代,即当满足
<mrow>
<mo>(</mo>
<mo>&ForAll;</mo>
<mi>u</mi>
<mo>)</mo>
<mo>|</mo>
<msup>
<mi>&Phi;</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
<mo>-</mo>
<msup>
<mi>&Phi;</mi>
<mi>k</mi>
</msup>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
<mo>|</mo>
<mo><</mo>
<mo>{</mo>
<msup>
<mi>&Phi;</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
<mo>,</mo>
<msup>
<mi>&Phi;</mi>
<mi>k</mi>
</msup>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
<mo>}</mo>
</mrow>
时,则雅克比迭代终止;其中ε=0.01%并且k为自然数,ε表示更新阈值;
其中在整个迭代过程中源传感器点和边界传感器节点的信息强度值固定不变,不执行雅克比迭代;
其中如果在执行一组雅克比迭代时,骨干网络已经收敛,则不用执行其余组雅克比迭代;
其中每个骨干节点利用本地历史信息强度值,分析数据集D={Φ1,Φ2…Φm}中信息强度值的变化规律;
对于数据集D1={Φ11,Φ12…Φ1m},用(m-1)段三次多项式在m个数据点之间构建三次样条,采用三次样条插值法计算序列D1的极限值Φm+1,并使用Φm+1替代该骨干节点的当前信息强度值,清空该骨干节点的内存;
其中m为大于1的自然数。
5.根据权利要求1所述的方法,其中
传感器网络收敛的条件是传感器网络内任意传感器节点不需要执行雅克比迭代,其中传感器节点不执行迭代的条件是该传感器节点采用雅克比迭代式计算的新信息强度值Φk+1(u)与旧值Φk(u)的差值小于阈值,则继续使用旧值,不执行本次迭代;其中整个网络收敛的条件为
<mrow>
<mo>(</mo>
<mo>&ForAll;</mo>
<mi>u</mi>
<mo>)</mo>
<mo>|</mo>
<msup>
<mi>&Phi;</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
<mo>-</mo>
<msup>
<mi>&Phi;</mi>
<mi>k</mi>
</msup>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
<mo>|</mo>
<mo><</mo>
<mo>{</mo>
<msup>
<mi>&Phi;</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
<mo>,</mo>
<msup>
<mi>&Phi;</mi>
<mi>k</mi>
</msup>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
<mo>}</mo>
</mrow>
其中ε=0.01%,ε表示更新阈值;
其中,光滑的信息势域是不存在局部极值点且不存在平坦区域的信息势域,局部极值点是指传感器网络中存在所具有的信息强度值大于所有邻居节点的信息强度值的非源传感器节点;平坦区域是指传感器网络中两个或两个以上传感器节点具有相等的信息强度值。
6.一种基于骨干节点构建传感器网络的信息势域的系统,其中所述传感器网络包括多个传感器节点,所述多个传感器节点之间采用分层的网格状连接方式进行连接,所述系统包括:
强度值设置单元,为传感器网络中的所有传感器节点设置信息强度值;
骨干节点选择单元,从多个传感器节点中选择传感器节点以作为骨干节点,由骨干节点组成骨干网络;
信息强度值计算单元,在骨干网络上执行雅克比迭代直到骨干网络收敛为止,从而确定每个骨干节点的信息强度值;并且根据骨干节点的信息强度值,采用拉格朗日插值法和双线性插值法,分布式地计算传感器网络中的普通传感器节点的信息强度值;其中普通传感器节点是传感器网络中除了骨干节点、源传感器节点以及边界传感器节点以外的其它传感器节点,其中源传感器节点是感测到感兴趣事件的传感器节点,边界传感器节点是指位于传感器网络边缘的传感器节点;
信息势域生成单元,在传感器网络内执行雅克比迭代,直到传感器网络收敛为止,以实现对传感器网络的信息势域进行光滑处理,从而获得光滑的信息势域。
7.根据权利要求6所述的系统,其中所述强度值设置单元还进行:
将源传感器节点的信息强度值设置为信息强度值的最大值Φmax=100,将边界传感器节点的信息强度值设置为0,并且将除源传感器节点和边界传感器节点以外的其他传感器节点的信息强度值初始化设置为Φ0(u)=0.1;其中在传感器网络中的多个传感器节点中均匀地选择多个传感器节点以作为骨干节点。
8.根据权利要求6所述的系统,其中所述骨干节点选择单元还进行:
在传感器网络内逐层选取传感器节点作为骨干节点,具体包括:
将源传感器节点选择为骨干节点,
将与源传感器节点相隔2跳的4个传感器节点选择为骨干节点,
分别由所选的4个骨干节点分别将与其各自相隔2跳的4个传感器节点选择为骨干节点,直到最后一层骨干节点到达传感器网络的边界,
将边界传感器节点选择为骨干节点;以及
将所有骨干节点形成骨干网络。
9.根据权利要求8所述的系统,其中所述信息强度值计算单元还进行:
在骨干网络中,从源传感器节点的四个邻居骨干节点开始,逐层向外执行雅克比迭代,
其中执行雅克比迭代包括:每个骨干节点根据其邻居骨干节点的信息强度值,分布式地执行雅克比迭代
<mrow>
<msup>
<mi>&Phi;</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
<mo>&LeftArrow;</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<msub>
<mi>&Sigma;</mi>
<mrow>
<mi>v</mi>
<mo>&Element;</mo>
<mi>N</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<msup>
<mi>&Phi;</mi>
<mi>k</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
</mrow>
从而计算新的信息强度值Φk+1(u),其N(u)是骨干节点u的所有邻居骨干节点的集合,d(u)是骨干节点u的度数,其中d(u)=4;如果新的信息强度值Φk+1(u)与上一次计算的信息强度值Φk(u)的差值小于阈值,则不执行本次雅克比迭代;
其中,源传感器节点和边界传感器节点不进行雅克比迭代;
其中每个骨干节点在执行雅克比迭代的过程中,对信息强度值进行保存或删除,将骨干节点的每m个历史信息强度值作为一组进行保存,其中每个组形成一个数据序列Di={Φi1,Φi2…Φim},其中m=10,i是大于等于1的自然数,其中每个骨干节点基于数据序列Di采用三次样条插值法计算序列的极限值Φm+1,并使用Φm+1替代骨干节点的当前信息强度值,清空骨干节点的内存;并且继续执行雅克比迭代,直到骨干网络收敛为止;
其中骨干网络收敛的条件是骨干网络中没有需要执行雅克比迭代的骨干节点,包括:每个骨干节点u基于邻居骨干节点上一次的信息强度值Φk(u),与采用雅克比迭代计算得到新的信息强度值Φk+1(u)的差值小于阈值时,该骨干节点不执行迭代,即当满足
<mrow>
<mo>(</mo>
<mo>&ForAll;</mo>
<mi>u</mi>
<mo>)</mo>
<mo>|</mo>
<msup>
<mi>&Phi;</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
<mo>-</mo>
<msup>
<mi>&Phi;</mi>
<mi>k</mi>
</msup>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
<mo>|</mo>
<mo><</mo>
<mo>{</mo>
<msup>
<mi>&Phi;</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
<mo>,</mo>
<msup>
<mi>&Phi;</mi>
<mi>k</mi>
</msup>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
<mo>}</mo>
</mrow>
时,则雅克比迭代终止;其中ε=0.01%并且k为自然数;
其中在整个迭代过程中源传感器点和边界传感器节点的信息强度值固定不变,不执行雅克比迭代;
其中如果在执行一组雅克比迭代时,骨干网络已经收敛,则不用执行其余组雅克比迭代;
其中每个骨干节点利用本地历史信息强度值,分析数据集D={Φ1,Φ2…Φm}中信息强度值的变化规律;
对于数据集D1={Φ11,Φ12…Φ1m},用(m-1)段三次多项式在m个数据点之间构建三次样条,采用三次样条插值法计算序列D1的极限值Φm+1,并使用Φm+1替代该骨干节点的当前信息强度值,清空该骨干节点的内存;
其中m为大于1的自然数。
10.根据权利要求6所述的系统,其中所述信息势域生成单元还进行
传感器网络收敛的条件是传感器网络内任意传感器节点不需要执行雅克比迭代,其中传感器节点不执行迭代的条件是该传感器节点采用雅克比迭代式计算的新信息强度值Φk+1(u)与旧值Φk(u)的差值小于阈值,则继续使用旧值,不执行本次迭代;其中整个网络收敛的条件为
<mrow>
<mo>(</mo>
<mo>&ForAll;</mo>
<mi>u</mi>
<mo>)</mo>
<mo>|</mo>
<msup>
<mi>&Phi;</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
<mo>-</mo>
<msup>
<mi>&Phi;</mi>
<mi>k</mi>
</msup>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
<mo>|</mo>
<mo><</mo>
<mo>{</mo>
<msup>
<mi>&Phi;</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
<mo>,</mo>
<msup>
<mi>&Phi;</mi>
<mi>k</mi>
</msup>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
<mo>}</mo>
</mrow>
其中ε=0.01%,ε表示更新阈值;
其中,光滑的信息势域是不存在局部极值点且不存在平坦区域的信息势域,局部极值点是指传感器网络中存在所具有的信息强度值大于所有邻居节点的信息强度值的非源传感器节点;平坦区域是指传感器网络中两个或两个以上传感器节点具有相等的信息强度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410471730.XA CN104270795B (zh) | 2014-09-16 | 2014-09-16 | 一种基于骨干节点构建传感网络的信息势域的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410471730.XA CN104270795B (zh) | 2014-09-16 | 2014-09-16 | 一种基于骨干节点构建传感网络的信息势域的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104270795A CN104270795A (zh) | 2015-01-07 |
CN104270795B true CN104270795B (zh) | 2018-03-02 |
Family
ID=52162262
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410471730.XA Active CN104270795B (zh) | 2014-09-16 | 2014-09-16 | 一种基于骨干节点构建传感网络的信息势域的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104270795B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101272294A (zh) * | 2007-03-23 | 2008-09-24 | 西安电子科技大学 | 无线传感器网络WSN接入Internet网络体系结构及服务提供方法 |
WO2009075431A1 (en) * | 2007-12-13 | 2009-06-18 | Electronics And Telecommunications Research Institute | System and method for tracking position of moving object |
-
2014
- 2014-09-16 CN CN201410471730.XA patent/CN104270795B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101272294A (zh) * | 2007-03-23 | 2008-09-24 | 西安电子科技大学 | 无线传感器网络WSN接入Internet网络体系结构及服务提供方法 |
WO2009075431A1 (en) * | 2007-12-13 | 2009-06-18 | Electronics And Telecommunications Research Institute | System and method for tracking position of moving object |
Also Published As
Publication number | Publication date |
---|---|
CN104270795A (zh) | 2015-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Barthélemy et al. | Modeling urban street patterns | |
Barzegar et al. | Forecasting of groundwater level fluctuations using ensemble hybrid multi-wavelet neural network-based models | |
da Fontoura Costa et al. | Exploring complex networks through random walks | |
Kim et al. | Neural network model incorporating a genetic algorithm in estimating construction costs | |
Zheng et al. | Improving the efficiency of multi-objective evolutionary algorithms through decomposition: An application to water distribution network design | |
Wu et al. | City expansion model based on population diffusion and road growth | |
CN103401922B (zh) | 无线传感器网络中基于博弈方法的分布式定位装置与方法 | |
CN103020267B (zh) | 基于三角簇多标签传播的复杂网络社区结构挖掘方法 | |
Kar et al. | Rain gauge network design for flood forecasting using multi-criteria decision analysis and clustering techniques in lower Mahanadi river basin, India | |
CN103077247B (zh) | 一种社交网络中的朋友关系传递树的建立方法 | |
CN103731277B (zh) | 软件定义网络中的节能方法和节能控制设备 | |
Zhao et al. | Population-driven urban road evolution dynamic model | |
Kişi et al. | Modeling monthly pan evaporations using fuzzy genetic approach | |
CN104217579B (zh) | 基于路段子网络冗余度的交通网络关键路段搜索方法 | |
CN104156537A (zh) | 一种基于随机森林的元胞自动机城市扩展模拟方法 | |
CN107742169A (zh) | 一种基于复杂网络的城市公交网络系统构建方法及性能评估方法 | |
CN105389469A (zh) | 一种暴雨洪水管理模型参数自动率定方法 | |
CN110222372A (zh) | 一种基于数据同化的河网水流水质实时预测方法及装置 | |
CN103455612B (zh) | 基于两阶段策略的非重叠与重叠网络社区检测方法 | |
Shakshuki et al. | WSN in cyber physical systems: Enhanced energy management routing approach using software agents | |
CN105591876A (zh) | 一种虚拟网络映射方法 | |
CN108733952A (zh) | 一种基于序贯模拟的土壤含水量空间变异性三维表征方法 | |
CN104657901A (zh) | 一种基于随机游走的标签传播社区发现方法 | |
Galelli et al. | Combining metamodelling and stochastic dynamic programming for the design of reservoir release policies | |
CN104270795B (zh) | 一种基于骨干节点构建传感网络的信息势域的方法及系统 |
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 |