CN106302681A - 一种基于物联网的数据显示服务器系统 - Google Patents
一种基于物联网的数据显示服务器系统 Download PDFInfo
- Publication number
- CN106302681A CN106302681A CN201610645594.0A CN201610645594A CN106302681A CN 106302681 A CN106302681 A CN 106302681A CN 201610645594 A CN201610645594 A CN 201610645594A CN 106302681 A CN106302681 A CN 106302681A
- Authority
- CN
- China
- Prior art keywords
- node
- value
- data
- alpha
- log
- 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
- 230000005540 biological transmission Effects 0.000 claims abstract description 4
- 230000003993 interaction Effects 0.000 claims description 42
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000012417 linear regression Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 7
- 230000007774 longterm Effects 0.000 claims description 6
- 238000000034 method Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 238000000205 computational method Methods 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000005562 fading Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000000750 progressive effect Effects 0.000 claims description 3
- 230000000630 rising effect Effects 0.000 claims description 3
- 230000002618 waking effect Effects 0.000 claims description 3
- VIEYMVWPECAOCY-UHFFFAOYSA-N 7-amino-4-(chloromethyl)chromen-2-one Chemical compound ClCC1=CC(=O)OC2=CC(N)=CC=C21 VIEYMVWPECAOCY-UHFFFAOYSA-N 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于物联网的数据显示服务器系统,包括Zigbee传感器网络模块、服务器、数据库模块、移动客户端;所述移动客户端与所述服务器无线连接,所述服务器与所述Zigbee传感器网络模块无线连接,所述数据库模块与所述服务器无线连接;所述服务器用于接收Zigbee传感器网络模块发送的数据并将该数据存储在所述数据库模块和接收移动客户端发送的查询请求后将数据库模块的存储的数据发送给移动客户端。本发明通过移动客户端实现了数据的远程访问和管理。
Description
技术领域
本发明属于物联网领域,尤其涉及一种基于物联网的数据显示服务器系统。
背景技术
随着计算机、电子通讯、控制、信息等技术的发展,运用计算机物联网技术可为生态农、牧业建设和科学管理提供全方位、完善的监测技术手段。建立生态物联网可对农业、草原牧区土壤和气象环境参数进行实时、高效、快速的检测,对生态产量和质量进行预报,以及对重大农、牧业生态环境污染事故做出预警,是有效扭转我国目前生态农牧发展现状的技术方法之一,这将产生良好的社会和经济效益,推动社会发展。
无线传感器网络的产品备受消费者青睐,然而由于采集数据较多,用户实时性要求较高,PC机笨重不便携的缺点日益凸显。
发明内容
本发明实施例的目的在于提供一种基于物联网的数据显示服务器系统,旨在解决现有物联网无线传感器网络采用PC机,笨重便于携带和操作的问题。
本发明是这样实现的,一种基于物联网的数据显示服务器系统,所述基于物联网的数据显示服务器系统包括Zigbee传感器网络模块、服务器、数据库模块、移动客户端;
所述移动客户端与所述服务器无线连接,所述服务器与所述Zigbee传感器网络模块无线连接,所述数据库模块与所述服务器无线连接;
所述服务器用于接收Zigbee传感器网络模块发送的数据并将该数据存储在所述数据库模块和接收移动客户端发送的查询请求后将数据库模块的存储的数据发送给移动客户端;
所述服务器获得移动客户端最新查询请求时间节点,通过该最新查询请求时间节点锁定该查询时间中获取的Zigbee传感器网络模块的数据;
所述数据库模块内置数据创建子模块、数据读取子模块、数据更新子模块、数据删除子模块。
进一步,所述服务器设置有多元线性回归分析模块,多元线性回归分析模块利用regress函数作多元线性回归分析方法包括:
对于自变量x1,x2,x3…xp和因变量y的n次独立观测,y关于x1,x2,x3…xp的p重广义线性回归模型公式:
进一步,所述移动客户端设置有无线体域网快速唤醒关联模块,所述无线体域网快速唤醒关联模块的关联方法包括:
步骤一,Hub根据当前通信的需要设置SSS、Asso_ctrl域为相应的值,构造Wakeup帧;在发送Wakeup帧后,向节点发送T-Poll帧;
步骤二,节点收到唤醒帧后,获得本次关联的配置信息以及Hub的公钥PKb,然后选择自己的私钥SKa长为256比特,计算公钥计算公钥PKa=SKa×G,计算出公钥后,节点再计算基于口令的公钥,PKa'=PKa-Q(PW),Q(PW)=(QX,QY),QX=232×PW+MX;节点根据收到的Wakeup帧中的Nonce_b以及自身选择的Nonce_a计算:
KMAC_1A
=CMAC(Temp_1,Add_a□Add_b□Nonce_a□Nonce_b□SSS,64)
KMAC_2A
=CMAC(Temp_1,Add_b□Add_a□Nonce_b□Nonce_a□SSS,64);
利用上述计算的信息PKa、KMAC_2A构造第一关联请求帧,并向Hub发送;
步骤三,Hub收到第一关联请求帧后,首先复原当前节点的公钥PKa=PKa'+Q(PW),Q(PW)=(QX,QY),QX=232×PW+MX;MX为使QX满足椭圆曲线上的点的最小非负整数;计算DHKey=X(SKb×PKa)=X(SKa×SKb×G),这里X()函数是取椭圆曲线密钥的X坐标值,Temp_1=RMB_128(DHKey),根据收到的信息以及计算得到的信息计算:
KMAC_1B
=CMAC(Temp_1,Add_a□Add_b□Nonce_a□Nonce_b□SSS,64)
KMAC_2B
=CMAC(Temp_1,Add_b□Add_a□Nonce_b□Nonce_a□SSS,64)
对比收到的KMAC_2A和计算得到的KMAC_2B,如果相同则继续构造第二关联请求帧并进入本次关联请求的步骤五,如果不同则取消本次关联请求;
步骤四,节点收到第二关联请求帧,对比在步骤二中计算的KMAC_1A与收到的KMAC_1B,如果不同则取消本次关联请求,如果相同则进入本次关联的步骤五步;
步骤五,节点与Hub计算MK=CMAC(Temp_2,Nonce_a□Nonce_b,128),Temp_2=LMB(DHKey),为DHKey的最左128位;双方完成唤醒关联。
进一步,所述移动客户端设置有无线体域网极限容量计算模块,所述无线体域网的计算方法如下:
利用Laguerre多项式计算得到:
其中,m=min(Nt,Nr);
n=max(Nt,Nr);
为次数为k的Laguerre多项式;
如果令λ=n/m,可以推导出如下归一化后的信道容量表示式;
其中,
在快速瑞利衰落的情况下,令m=n=Nt=Nr,则v1=0,v2=4;
渐进信道容量为:
利用不等式:
log2(1+x)≥log2(x);
式简化为:
进一步,所述无线体域网极限容量计算模块设置有吞吐量计算模块,所述在一个时间帧内次级网络的平均吞吐量写成如下形式:
其中:hk,gss分别是主用户发射机PU-Tx到次级用户发射机SU-Tx次级用户发射机SU-Tx、次级用户发射机SU-Tx到次级用户接收机SU-Rx之间的信道衰减系数,P(H0)和P(H1)分别表示主用户PU实际处于闲状态与忙状态的概率。
进一步,所述无线体域网极限容量计算模块设置有信任值计算模块,所述任值计算模块的信任值计算方法包括以下步骤:
步骤一,采集节点间不同时间片的交互次数,根据得到的数据建立时间序列,通过三次指数平滑法来预测节点间下一个时间片的交互次数,将交互次数预测值与实际值的相对误差作为节点的直接信任值;采集网络观测节点i与节点j之间的n个时间片的交互次数:
选取一定时间间隔t作为一个观测时间片,以观测节点i和被测节点j在1个时间片内的交互次数作为观测指标,真实交互次数,记作yt,依次记录n个时间片的yn,并将其保存在节点i的通信记录表中;
预测第n+1个时间片的交互次数:
根据采集到的n个时间片的交互次数建立时间序列,采用三次指数平滑法预测下一个时间片n+1内节点i和j之间的交互次数,预测交互次数,记作计算公式如下:
预测系数an、bn、cn的取值可由如下公式计算得到:
其中:分别是一次、二次、三次指数平滑数,由如下公式计算得到:
是三次指数平滑法的初始值,其取值为:
α是平滑系数(0<α<1),体现信任的时间衰减特性,即离预测值越近的时间片的yt权重越大,离预测值越远的时间片的yt权重越小;一般地,如果数据波动较大,且长期趋势变化幅度较大,呈现明显迅速的上升或下降趋势时α应取较大值(0.6~0.8),增加近期数据对预测结果的影响;当数据有波动,但长期趋势变化不大时,α在0.1~0.4之间取值;如果数据波动平稳,α应取较小值(0.05~0.20);
计算直接信任值:
节点j的直接信任值TDij为预测交互次数和真实交互次数yn+1的相对误差,
步骤二,采用多路径信任推荐方式而得到的计算式计算间接信任值;收集可信节点对节点j的直接信任值:
节点i向所有满足TDik≤φ的可信关联节点询问其对节点j的直接信任值,其中φ为推荐节点的可信度阈值,根据可信度的要求精度,φ的取值范围为0~0.4;
计算间接信任值:
综合计算所收集到的信任值,得到节点j的间接信任值TRij,其中,Set(i)为观测节点i的关联节点中与j节点有过交互且其直接信任值满足TDik≤φ的节点集合;
步骤三,由直接信任值和间接信任值整合计算得出综合信任值,综合信任值(Tij)的计算公式如下:Tij=βTDij+(1-β)TRij,其中β(0≤β≤1)表示直接信任值的权重,当β=0时,节点i和节点j没有直接交互关系,综合信任值的计算直接来自于间接信任值,判断较客观;当β=1时,节点i对节点j的综合信任值全部来自于直接信任值,在这种情况下,判断较为主观,实际计算根据需要确定β的取值。
本发明通过移动客户端实现了数据的远程访问和管理。无线体域网的信任值计算方法,包括:直接信任值计算、间接信任值计算和综合信任值计算三个阶段,直接信任值计算首先采集节点间不同时间片的交互次数,根据得到的数据建立时间序列,然后通过三次指数平滑法来预测节点间下一个时间片的交互次数,将交互次数预测值与实际值的相对误差作为节点的直接信任值,间接信任值的计算式采用多路径信任推荐方式而得到的,综合信任值是由直接信任值和间接信任值整合计算得出;本发明为节点信任值计算提供了一种方法,根据网络的具体情况,可选择相适应的平滑系数α、可信度阈值φ、直接信任值权重β的取值,确保信任值的时间衰减特性和客观性,客观准确地描述节点的可信度、计算复杂度低及通信代价小,可适用于无线Mesh网络,具有较强的推广与应用价值。
附图说明
图1是本发明实施例提供的基于物联网的数据显示服务器系统的结构示意图;
图中:1、Zigbee传感器网络模块;2、服务器;3、数据库模块;4、移动客户端。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本本发明,并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示,本发明实施例的基于物联网的数据显示服务器系统,包括Zigbee传感器网络模块1、服务器2、数据库模块3、移动客户端4。
所述移动客户端4与所述服务器2无线连接,所述服务器2与所述Zigbee传感器网络模块1无线连接,所述数据库模块3与所述服务器2无线连接。
所述服务器2用于接收Zigbee传感器网络模块1发送的数据并将该数据存储在所述数据库模块3和接收移动客户端4发送的查询请求后将数据库模块3的存储的数据发送给移动客户端4。
进一步,所述服务器2获得移动客户端4最新查询请求时间节点,通过该最新查询请求时间节点锁定该查询时间中获取的Zigbee传感器网络模块的数据。
进一步,所述数据库模块3内置数据创建子模块、数据读取子模块、数据更新子模块、数据删除子模块。
当服务器2端获得了客户端发送的最新查询请求(包括区编号以及节点编号)后,需返回给客户端该传感器最新存储到数据库中的数据。首先通过select语句获得该节点的最新查询时间。进而通过该最新查询时间锁定该查询时间中获取的环境参数。
DAO(Data Access Object)层是新建一个访问数据的类,包含了对数据库的创建、读取、更新、删除操作,而不包括任何业务相关的信息。这样就能把底层的数据访问逻辑和上层的逻辑剥离开。使得DAO层能够更加专注于实现数据访问部分的功能。这样做的优势就是实现了功能的模块化,更有利于代码的维护的和升级。
进一步,所述服务器设置有多元线性回归分析模块,多元线性回归分析模块利用regress函数作多元线性回归分析方法包括:
对于自变量x1,x2,x3…xp和因变量y的n次独立观测,y关于x1,x2,x3…xp的p重广义线性回归模型公式:
进一步,所述移动客户端设置有无线体域网快速唤醒关联模块,所述无线体域网快速唤醒关联模块的关联方法包括:
步骤一,Hub根据当前通信的需要设置SSS、Asso_ctrl域为相应的值,构造Wakeup帧;在发送Wakeup帧后,向节点发送T-Poll帧;
步骤二,节点收到唤醒帧后,获得本次关联的配置信息以及Hub的公钥PKb,然后选择自己的私钥SKa长为256比特,计算公钥计算公钥PKa=SKa×G,计算出公钥后,节点再计算基于口令的公钥,PKa'=PKa-Q(PW),Q(PW)=(QX,QY),QX=232×PW+MX;节点根据收到的Wakeup帧中的Nonce_b以及自身选择的Nonce_a计算:
KMAC_1A
=CMAC(Temp_1,Add_a□Add_b□Nonce_a□Nonce_b□SSS,64)
KMAC_2A
=CMAC(Temp_1,Add_b□Add_a□Nonce_b□Nonce_a□SSS,64);
利用上述计算的信息PKa、KMAC_2A构造第一关联请求帧,并向Hub发送;
步骤三,Hub收到第一关联请求帧后,首先复原当前节点的公钥PKa=PKa'+Q(PW),Q(PW)=(QX,QY),QX=232×PW+MX;MX为使QX满足椭圆曲线上的点的最小非负整数;计算DHKey=X(SKb×PKa)=X(SKa×SKb×G),这里X()函数是取椭圆曲线密钥的X坐标值,Temp_1=RMB_128(DHKey),根据收到的信息以及计算得到的信息计算:
KMAC_1B
=CMAC(Temp_1,Add_a□Add_b□Nonce_a□Nonce_b□SSS,64)
KMAC_2B
=CMAC(Temp_1,Add_b□Add_a□Nonce_b□Nonce_a□SSS,64)
对比收到的KMAC_2A和计算得到的KMAC_2B,如果相同则继续构造第二关联请求帧并进入本次关联请求的步骤五,如果不同则取消本次关联请求;
步骤四,节点收到第二关联请求帧,对比在步骤二中计算的KMAC_1A与收到的KMAC_1B,如果不同则取消本次关联请求,如果相同则进入本次关联的步骤五步;
步骤五,节点与Hub计算MK=CMAC(Temp_2,Nonce_a□Nonce_b,128),Temp_2=LMB(DHKey),为DHKey的最左128位;双方完成唤醒关联。
进一步,所述移动客户端设置有无线体域网极限容量计算模块,所述无线体域网的计算方法如下:
利用Laguerre多项式计算得到:
其中,m=min(Nt,Nr);
n=max(Nt,Nr);
为次数为k的Laguerre多项式;
如果令λ=n/m,可以推导出如下归一化后的信道容量表示式;
其中,
在快速瑞利衰落的情况下,令m=n=Nt=Nr,则v1=0,v2=4;
渐进信道容量为:
利用不等式:
log2(1+x)≥log2(x);
式简化为:
进一步,所述无线体域网极限容量计算模块设置有吞吐量计算模块,所述在一个时间帧内次级网络的平均吞吐量写成如下形式:
其中:hk,gss分别是主用户发射机PU-Tx到次级用户发射机SU-Tx次级用户发射机SU-Tx、次级用户发射机SU-Tx到次级用户接收机SU-Rx之间的信道衰减系数,P(H0)和P(H1)分别表示主用户PU实际处于闲状态与忙状态的概率。
进一步,所述无线体域网极限容量计算模块设置有信任值计算模块,所述任值计算模块的信任值计算方法包括以下步骤:
步骤一,采集节点间不同时间片的交互次数,根据得到的数据建立时间序列,通过三次指数平滑法来预测节点间下一个时间片的交互次数,将交互次数预测值与实际值的相对误差作为节点的直接信任值;采集网络观测节点i与节点j之间的n个时间片的交互次数:
选取一定时间间隔t作为一个观测时间片,以观测节点i和被测节点j在1个时间片内的交互次数作为观测指标,真实交互次数,记作yt,依次记录n个时间片的yn,并将其保存在节点i的通信记录表中;
预测第n+1个时间片的交互次数:
根据采集到的n个时间片的交互次数建立时间序列,采用三次指数平滑法预测下一个时间片n+1内节点i和j之间的交互次数,预测交互次数,记作计算公式如下:
预测系数an、bn、cn的取值可由如下公式计算得到:
其中:分别是一次、二次、三次指数平滑数,由如下公式计算得到:
是三次指数平滑法的初始值,其取值为:
α是平滑系数(0<α<1),体现信任的时间衰减特性,即离预测值越近的时间片的yt权重越大,离预测值越远的时间片的yt权重越小;一般地,如果数据波动较大,且长期趋势变化幅度较大,呈现明显迅速的上升或下降趋势时α应取较大值(0.6~0.8),增加近期数据对预测结果的影响;当数据有波动,但长期趋势变化不大时,α在0.1~0.4之间取值;如果数据波动平稳,α应取较小值(0.05~0.20);
计算直接信任值:
节点j的直接信任值TDij为预测交互次数和真实交互次数yn+1的相对误差,
步骤二,采用多路径信任推荐方式而得到的计算式计算间接信任值;收集可信节点对节点j的直接信任值:
节点i向所有满足TDik≤φ的可信关联节点询问其对节点j的直接信任值,其中φ为推荐节点的可信度阈值,根据可信度的要求精度,φ的取值范围为0~0.4;
计算间接信任值:
综合计算所收集到的信任值,得到节点j的间接信任值TRij,其中,Set(i)为观测节点i的关联节点中与j节点有过交互且其直接信任值满足TDik≤φ的节点集合;
步骤三,由直接信任值和间接信任值整合计算得出综合信任值,综合信任值(Tij)的计算公式如下:Tij=βTDij+(1-β)TRij,其中β(0≤β≤1)表示直接信任值的权重,当β=0时,节点i和节点j没有直接交互关系,综合信任值的计算直接来自于间接信任值,判断较客观;当β=1时,节点i对节点j的综合信任值全部来自于直接信任值,在这种情况下,判断较为主观,实际计算根据需要确定β的取值。
本发明通过移动客户端实现了数据的远程访问和管理。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于物联网的数据显示服务器系统,其特征在于,所述基于物联网的数据显示服务器系统包括Zigbee传感器网络模块、服务器、数据库模块、移动客户端;
所述移动客户端与所述服务器无线连接,所述服务器与所述Zigbee传感器网络模块无线连接,所述数据库模块与所述服务器无线连接;
所述服务器用于接收Zigbee传感器网络模块发送的数据并将该数据存储在所述数据库模块和接收移动客户端发送的查询请求后将数据库模块的存储的数据发送给移动客户端;
所述服务器获得移动客户端最新查询请求时间节点,通过该最新查询请求时间节点锁定该查询时间中获取的Zigbee传感器网络模块的数据;
所述数据库模块内置数据创建子模块、数据读取子模块、数据更新子模块、数据删除子模块。
2.如权利要求1所述的基于物联网的数据显示服务器系统,其特征在于,所述服务器设置有多元线性回归分析模块,多元线性回归分析模块利用regress函数作多元线性回归分析方法包括:
对于自变量x1,x2,x3…xp和因变量y的n次独立观测,y关于x1,x2,x3…xp的p重广义线性回归模型公式:
3.如权利要求1所述的基于物联网的数据显示服务器系统,其特征在于,所述移动客户端设置有无线体域网快速唤醒关联模块,所述无线体域网快速唤醒关联模块的关联方法包括:
步骤一,Hub根据当前通信的需要设置SSS、Asso_ctrl域为相应的值,构造Wakeup帧;在发送Wakeup帧后,向节点发送T-Poll帧;
步骤二,节点收到唤醒帧后,获得本次关联的配置信息以及Hub的公钥PKb,然后选择自己的私钥SKa长为256比特,计算公钥计算公钥PKa=SKa×G,计算出公钥后,节点再计算基于口令的公钥,PKa'=PKa-Q(PW),Q(PW)=(QX,QY),QX=232×PW+MX;节点根据收到的Wakeup帧中的Nonce_b以及自身选择的Nonce_a计算:
利用上述计算的信息PKa、KMAC_2A构造第一关联请求帧,并向Hub发送;
步骤三,Hub收到第一关联请求帧后,首先复原当前节点的公钥PKa=PKa'+Q(PW),Q(PW)=(QX,QY),QX=232×PW+MX;MX为使QX满足椭圆曲线上的点的最小非负整数;计算DHKey=X(SKb×PKa)=X(SKa×SKb×G),这里X()函数是取椭圆曲线密钥的X坐标值,Temp_1=RMB_128(DHKey),根据收到的信息以及计算得到的信息计算:
对比收到的KMAC_2A和计算得到的KMAC_2B,如果相同则继续构造第二关联请求帧并进入本次关联请求的步骤五,如果不同则取消本次关联请求;
步骤四,节点收到第二关联请求帧,对比在步骤二中计算的KMAC_1A与收到的KMAC_1B,如果不同则取消本次关联请求,如果相同则进入本次关联的步骤五步;
步骤五,节点与Hub计算Temp_2=LMB(DHKey),为DHKey的最左128位;双方完成唤醒关联。
4.如权利要求1所述的基于物联网的数据显示服务器系统,其特征在于,所述移动客户端设置有无线体域网极限容量计算模块,所述无线体域网的计算方法如下:
利用Laguerre多项式计算得到:
其中,m=min(Nt,Nr);
n=max(Nt,Nr);
为次数为k的Laguerre多项式;
如果令λ=n/m,可以推导出如下归一化后的信道容量表示式;
其中,
在快速瑞利衰落的情况下,令m=n=Nt=Nr,则v1=0,v2=4;
渐进信道容量为:
利用不等式:
log2(1+x)≥log2(x);
式简化为:
5.如权利要求4所述的基于物联网的数据显示服务器系统,其特征在于,所述无线体域网极限容量计算模块设置有吞吐量计算模块,所述在一个时间帧内次级网络的平均吞吐量写成如下形式:
其中:hk,gss分别是主用户发射机PU-Tx到次级用户发射机SU-Tx次级用户发射机SU-Tx、次级用户发射机SU-Tx到次级用户接收机SU-Rx之间的信道衰减系数,P(H0)和P(H1)分别表示主用户PU实际处于闲状态与忙状态的概率。
6.如权利要求4所述的基于物联网的数据显示服务器系统,其特征在于,所述无线体域网极限容量计算模块设置有信任值计算模块,所述任值计算模块的信任值计算方法包括以下步骤:
步骤一,采集节点间不同时间片的交互次数,根据得到的数据建立时间序列,通过三次指数平滑法来预测节点间下一个时间片的交互次数,将交互次数预测值与实际值的相对误差作为节点的直接信任值;采集网络观测节点i与节点j之间的n个时间片的交互次数:
选取一定时间间隔t作为一个观测时间片,以观测节点i和被测节点j在1个时间片内的交互次数作为观测指标,真实交互次数,记作yt,依次记录n个时间片的yn,并将其保存在节点i的通信记录表中;
预测第n+1个时间片的交互次数:
根据采集到的n个时间片的交互次数建立时间序列,采用三次指数平滑法预测下一个时间片n+1内节点i和j之间的交互次数,预测交互次数,记作计算公式如下:
预测系数an、bn、cn的取值可由如下公式计算得到:
其中:分别是一次、二次、三次指数平滑数,由如下公式计算得到:
是三次指数平滑法的初始值,其取值为:
α是平滑系数(0<α<1),体现信任的时间衰减特性,即离预测值越近的时间片的yt权重越大,离预测值越远的时间片的yt权重越小;一般地,如果数据波动较大,且长期趋势变化幅度较大,呈现明显迅速的上升或下降趋势时α应取较大值(0.6~0.8),增加近期数据对预测结果的影响;当数据有波动,但长期趋势变化不大时,α在0.1~0.4之间取值;如果数据波动平稳,α应取较小值(0.05~0.20);
计算直接信任值:
节点j的直接信任值TDij为预测交互次数和真实交互次数yn+1的相对误差,
步骤二,采用多路径信任推荐方式而得到的计算式计算间接信任值;收集可信节点对节点j的直接信任值:
节点i向所有满足TDik≤φ的可信关联节点询问其对节点j的直接信任值,其中φ为推荐节点的可信度阈值,根据可信度的要求精度,φ的取值范围为0~0.4;
计算间接信任值:
综合计算所收集到的信任值,得到节点j的间接信任值TRij,其中,Set(i)为观测节点i的关联节点中与j节点有过交互且其直接信任值满足TDik≤φ的节点集合;
步骤三,由直接信任值和间接信任值整合计算得出综合信任值,综合信任值(Tij)的计算公式如下:Tij=βTDij+(1-β)TRij,其中β(0≤β≤1)表示直接信任值的权重,当β=0时,节点i和节点j没有直接交互关系,综合信任值的计算直接来自于间接信任值,判断较客观;当β=1时,节点i对节点j的综合信任值全部来自于直接信任值,在这种情况下,判断较为主观,实际计算根据需要确定β的取值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610645594.0A CN106302681A (zh) | 2016-08-06 | 2016-08-06 | 一种基于物联网的数据显示服务器系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610645594.0A CN106302681A (zh) | 2016-08-06 | 2016-08-06 | 一种基于物联网的数据显示服务器系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106302681A true CN106302681A (zh) | 2017-01-04 |
Family
ID=57666787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610645594.0A Pending CN106302681A (zh) | 2016-08-06 | 2016-08-06 | 一种基于物联网的数据显示服务器系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106302681A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106647534A (zh) * | 2017-01-23 | 2017-05-10 | 谢圣超 | 一种基于云计算的眼科信息处理控制系统 |
CN106686006A (zh) * | 2017-03-01 | 2017-05-17 | 湖南财政经济学院 | 一种基于互联网网络安全的大数据实施控制系统 |
CN107133463A (zh) * | 2017-04-27 | 2017-09-05 | 湖北民族学院附属民大医院 | 一种综合多功能病理诊断系统 |
CN107563220A (zh) * | 2017-08-29 | 2018-01-09 | 湖南财政经济学院 | 一种基于计算机的大数据分析控制系统及控制方法 |
CN107993501A (zh) * | 2017-12-04 | 2018-05-04 | 菏泽学院 | 一种人体解剖教学系统 |
CN108616364A (zh) * | 2018-05-15 | 2018-10-02 | 广西壮族自治区农业科学院 | 一种智能种子出芽率评定系统及评定方法、计算机 |
CN111698335A (zh) * | 2020-06-29 | 2020-09-22 | 腾讯科技(深圳)有限公司 | 设备状态查询方法、装置及服务器 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930703A (zh) * | 2012-09-28 | 2013-02-13 | 山西科达自控工程技术有限公司 | 一种远程水压监控方法及系统 |
CN103455132A (zh) * | 2013-08-20 | 2013-12-18 | 西安电子科技大学 | 基于硬件性能计数器的嵌入式系统功耗估算方法 |
CN104038928A (zh) * | 2014-03-26 | 2014-09-10 | 宋晓宇 | 一种无线Mesh网络节点的信任值计算方法 |
CN104113921A (zh) * | 2014-07-11 | 2014-10-22 | 山东科技大学 | 一种mimo-edm无线通信系统及方法 |
CN104202102A (zh) * | 2014-09-10 | 2014-12-10 | 西安电子科技大学 | 一种考虑恶意节点的认知无线电网络合作频谱感知方法 |
CN104301973A (zh) * | 2014-10-30 | 2015-01-21 | 西安电子科技大学 | 一种无线体域网快速唤醒关联的方法 |
CN104965449A (zh) * | 2015-04-28 | 2015-10-07 | 北京航空航天大学 | 一种用于物流运输过程中的环境参数测量装置及测量报警方法 |
-
2016
- 2016-08-06 CN CN201610645594.0A patent/CN106302681A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930703A (zh) * | 2012-09-28 | 2013-02-13 | 山西科达自控工程技术有限公司 | 一种远程水压监控方法及系统 |
CN103455132A (zh) * | 2013-08-20 | 2013-12-18 | 西安电子科技大学 | 基于硬件性能计数器的嵌入式系统功耗估算方法 |
CN104038928A (zh) * | 2014-03-26 | 2014-09-10 | 宋晓宇 | 一种无线Mesh网络节点的信任值计算方法 |
CN104113921A (zh) * | 2014-07-11 | 2014-10-22 | 山东科技大学 | 一种mimo-edm无线通信系统及方法 |
CN104202102A (zh) * | 2014-09-10 | 2014-12-10 | 西安电子科技大学 | 一种考虑恶意节点的认知无线电网络合作频谱感知方法 |
CN104301973A (zh) * | 2014-10-30 | 2015-01-21 | 西安电子科技大学 | 一种无线体域网快速唤醒关联的方法 |
CN104965449A (zh) * | 2015-04-28 | 2015-10-07 | 北京航空航天大学 | 一种用于物流运输过程中的环境参数测量装置及测量报警方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106647534A (zh) * | 2017-01-23 | 2017-05-10 | 谢圣超 | 一种基于云计算的眼科信息处理控制系统 |
CN106686006A (zh) * | 2017-03-01 | 2017-05-17 | 湖南财政经济学院 | 一种基于互联网网络安全的大数据实施控制系统 |
CN107133463A (zh) * | 2017-04-27 | 2017-09-05 | 湖北民族学院附属民大医院 | 一种综合多功能病理诊断系统 |
CN107563220A (zh) * | 2017-08-29 | 2018-01-09 | 湖南财政经济学院 | 一种基于计算机的大数据分析控制系统及控制方法 |
CN107993501A (zh) * | 2017-12-04 | 2018-05-04 | 菏泽学院 | 一种人体解剖教学系统 |
CN108616364A (zh) * | 2018-05-15 | 2018-10-02 | 广西壮族自治区农业科学院 | 一种智能种子出芽率评定系统及评定方法、计算机 |
CN111698335A (zh) * | 2020-06-29 | 2020-09-22 | 腾讯科技(深圳)有限公司 | 设备状态查询方法、装置及服务器 |
CN111698335B (zh) * | 2020-06-29 | 2022-06-24 | 腾讯科技(深圳)有限公司 | 设备状态查询方法、装置及服务器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106302681A (zh) | 一种基于物联网的数据显示服务器系统 | |
Li et al. | Minimizing packet expiration loss with path planning in UAV-assisted data sensing | |
CN104038928A (zh) | 一种无线Mesh网络节点的信任值计算方法 | |
Kong et al. | Construction of intelligent traffic information recommendation system based on long short-term memory | |
Luo et al. | Stackelberg game based incentive mechanisms for multiple collaborative tasks in mobile crowdsourcing | |
Dong et al. | Age-upon-decisions minimizing scheduling in Internet of Things: To be random or to be deterministic? | |
Singh et al. | A lightweight trust mechanism and overhead analysis for clustered WSN | |
Gilbert et al. | Trust aware nature inspired optimised routing in clustered wireless sensor networks | |
Xiong et al. | Reward-based spatial crowdsourcing with differential privacy preservation | |
Jagannathan et al. | A state action frequency approach to throughput maximization over uncertain wireless channels | |
CN114301935B (zh) | 一种基于声誉的物联网边云协同联邦学习节点选择方法 | |
CN106604288B (zh) | 无线传感器网络中节点自适应按需覆盖布设方法和装置 | |
Hong et al. | Communication-efficient randomized algorithm for multi-kernel online federated learning | |
CN106978341B (zh) | 一种细胞培养系统 | |
Cho et al. | On the tradeoff between altruism and selfishness in MANET trust management | |
CN105354092A (zh) | 一种应用性能风险预测方法、装置和系统 | |
CN105243080A (zh) | 基于esb架构的资源感知自适应适配系统 | |
Zhu et al. | Providing desirable data to users when integrating wireless sensor networks with mobile cloud | |
Jiao et al. | Optimal energy-delay scheduling for energy-harvesting WSNs with interference channel via negatively correlated search | |
Gu et al. | Optimizing cluster heads for energy efficiency in large-scale heterogeneous wireless sensor networks | |
Keskin et al. | Combining simulated annealing with Lagrangian relaxation and weighted Dantzig–Wolfe decomposition for integrated design decisions in wireless sensor networks | |
Jiang et al. | An optimal stopping approach for iterative training in federated learning | |
Sharanya et al. | Solar Powered IoT Sensors to Increase the Network Longevity | |
CN107154876A (zh) | 一种基于云服务平台的大规模数据计算加速系统 | |
Chen et al. | Query-based sensors selection for collaborative wireless sensor networks with stochastic energy harvesting |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170104 |