CN109219101A - 无线体域网中基于二次移动平均预测法的路由建立方法 - Google Patents
无线体域网中基于二次移动平均预测法的路由建立方法 Download PDFInfo
- Publication number
- CN109219101A CN109219101A CN201811108509.2A CN201811108509A CN109219101A CN 109219101 A CN109219101 A CN 109219101A CN 201811108509 A CN201811108509 A CN 201811108509A CN 109219101 A CN109219101 A CN 109219101A
- Authority
- CN
- China
- Prior art keywords
- node
- link
- quality
- moving average
- data
- 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
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
- H04B—TRANSMISSION
- H04B13/00—Transmission systems characterised by the medium used for transmission, not provided for in groups H04B3/00 - H04B11/00
- H04B13/005—Transmission systems in which the medium consists of the human body
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
- H04B17/3913—Predictive models, e.g. based on neural network models
-
- 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
- H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
-
- 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
- H04W40/22—Communication route or path selection, e.g. power-based or shortest path routing using selective relaying for reaching a BTS [Base Transceiver Station] or an access point
-
- 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)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种无线体域网中基于二次移动平均预测法的路由建立方法。方法步骤为:首先确定无线体域网的基本网络架构,采集传感器节点与sink节点之间的链路质量数据,获取各个传感器节点与sink节点之间的链路质量曲线;然后初始化链路质量信息矩阵和中继节点信息矩阵,依次选取链路质量矩阵中的传感器节点作为起始节点,判断其与sink节点之间的链路质量是否达到预设值,如果是,则将该起始节点经过一跳直接连接到sink节点,完成数据传输;否则选取该时刻链路质量最高的传感器节点作为中继节点,将该起始节点经过两跳连接到sink节点,完成数据传输;重复以上过程,直到数据传输全部完成。本发明提高了无线体域网中数据传输的安全性、能效性和可靠性。
Description
技术领域
本发明属于无线通信网络技术领域,特别是一种无线体域网中基于二次移动平均预测法的路由建立方法。
背景技术
体域网是一种可长期监视和记录人体健康信号的基本技术,早期应用主要是用来连续监视和记录慢性病(如糖尿病、哮喘病和心脏病等)患者的健康参数,提供某种方式的自动疗法控制。体域网未来还可广泛应用于消费者电子、娱乐、运动、环境智能、畜牧、泛在计算、军事或安全等领域。
无线体域网起源于无线传感器网络,是由布置在人体体表、体内及周围区域的集成化传感器、网络协调器以及数据基站等设备通过无线通信技术而构成的无线通信网络,网络中数据的传输需要路由协议在传感器节点和sink节点间建立可靠的路由。由于无线体域网是由随着身体姿势移动的节点组成的,节点的移动性会导致网络拓扑结构和链路质量动态变化,因此必须设计合理的路由算法才能保证数据的可靠传输。另外,受网络运行的环境所限,无线媒体的开放性使得网络很容易受到各种安全攻击,因此所设计的路由算法同时必须具有抵御外来攻击的能力,即具有安全性。
针对以上问题,国内外有学者进行了路由算法的开发。有些学者提出了延迟容忍网络(DTN)协议,通过避免使用具有高存储缓冲延迟的节点来最小化端到端的延迟,该协议使用一种基于概率距离矢量分组的路由算法,使用随机链路成本公式来捕获人体姿势运动中的局部多尺度拓扑,如果在当前时隙中连接了链路,则链路在下一个时隙中保持连接的概率以固定的速率增加。延迟容忍网络(DTN)协议运用到无线体域网路由建立时使用节点的缓存来提高数据传输的可靠性,当体域网节点处于分割状态时,被断开的传感器节点将正在传输中的数据包缓存到当前节点中,直到网络通信恢复正常,数据包才继续发送。该协议存在当节点之间不能通信时将会导致数据包丢失的问题,并且对传感器节点的容量和能量要求较高,不能解决数据传输的及时性和安全性问题。
此外,还有学者通过遗传算法来提高数据传输的可靠性,将体域网节点中的路径看成是染色体,节点看成是基因,适应值是链路的可靠性值,通过几次交叉、变异之后找到路径中可靠性相对较高的路径,但是遗传算法时间复杂度较高,节点在计算的过程中会浪费许多的能量。
发明内容
本发明的目的在于提供一种无线体域网中基于二次移动平均预测法的路由建立方法,使得传感器节点在身体姿态移动变化时仍然具有较高的链路质量,从而保证数据传输的可靠性和安全性。
实现本发明目的的技术解决方案为:一种无线体域网中基于二次移动平均预测法的路由建立方法,包括以下步骤:
步骤1,确定无线体域网的基本网络架构,采集传感器节点与sink节点之间的链路质量数据;
步骤2,采用二次移动平均预测法处理链路质量数据,得到各个传感器节点与sink节点之间的链路质量曲线;
步骤3,初始化链路质量矩阵和中继节点矩阵,依次选取链路质量矩阵中的初始时刻值作为起始节点,判断该起始节点与sink节点之间的链路质量是否达到预设值,如果判断结果为是,则执行步骤4;如果判断结果为否,则执行步骤5;
步骤4,将该起始节点经过一跳直接连接到sink节点,完成数据传输;
步骤5,记录该时刻所有链路质量达到预设值的传感器节点,选取其中链路质量最高的传感器节点作为中继节点,将中继节点信息记录到中继节点矩阵中,将该起始节点经过两跳连接到sink节点,完成数据传输。
进一步地,步骤1所述的确定无线体域网的基本网络架构,采集传感器节点与sink节点之间的链路质量数据,具体如下:
信道模型为采用IEEE 802.15.6协议的标准模型,在身体表面所部署的任意两个传感器之间的路径损耗PL(d)为:
PL(d)[dB]=a×log10(d)+b+N
其中a和b是线性拟合的系数,d是两个节点之间的直线距离,N是具有标准偏差σN的零均值正态分布的随机变量;
接收信号功率为:
Pr(d)[dBm]=Ps-PL(d)-N0
其中,Ps为发射功率,Pr为接收信号功率,N0为噪声功率;
将接收信号强度Pr作为链路质量的判断指标。
进一步地,步骤2所述的采用二次移动平均预测法处理链路质量数据,得到各个传感器节点与sink节点之间的链路质量曲线,具体如下:
步骤2.1、对时间序列项数n进行取值,取值范围为能够包含周期性变动的数值;
步骤2.2、进行一次移动平均预测:
其中:yt为第t个数据的实际值;为第t个数据计算后的一次移动平均数;为第t+1个链路质量数据,其中t≥n,n为原始数据数组{yt}所含实际链路质量值的个数;
步骤2.3、进行二次移动平均预测
步骤2.4、计算预测参数
步骤2.5、根据以下预测方程计算预测值
其中,τ为预测超前期。
本发明与现有技术相比,其显著优点在于:(1)采用二次移动平均法分析和预测节点之间的链路特征,有效的屏蔽了外界网络的攻击,提高了数据传输的安全性;(2)利用预测模型下的链路质量曲线,进行中继节点的动态选择,使链路质量始终保持最佳,提高了数据传输的可靠性。
附图说明
图1是本发明无线体域网中基于二次移动平均预测法的路由建立方法的流程图。
图2是本发明中的中继节点计算方法的流程图。
图3是本发明实施例中无线体域网网络架构示意图。
图4是本发明实施例中s1节点-sink节点链路质量预测数据曲线图。
图5是本发明实施例中s2节点-sink节点链路质量预测数据曲线图。
图6是本发明实施例中s3节点-sink节点链路质量预测数据曲线图。
图7是本发明实施例中s4节点-sink节点链路质量预测数据曲线图。
图8是本发明实施例中s5节点-sink节点链路质量预测数据曲线图。
图9是本发明实施例中s节点1的中继节点选择示意图。
图10是本发明实施例中s2节点的中继节点选择示意图。
图11是本发明实施例中s3节点的中继节点选择示意图。
图12是本发明实施例中s4节点的中继节点选择示意图。
图13是本发明实施例中s5节点的中继节点选择示意图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
本发明无线体域网中基于二次移动平均预测法的路由建立方法,首先确立无线体域网的网络架构,建立节点之间的信道模型,进行无线通信链路质量的数据采集;然后采用移动二次平均预测方法,对数据进行处理,得到能反映其链路质量变化规律和特征的链路质量预测值;最后进行数据传输路径的选择:在一跳路径下能满足链路质量要求的节点直接连接到sink节点;一跳路径不能满足链路质量要求的节点则选择与sink节点链路质量最好的节点作为中继节点,通过两跳的方式连接到sink节点。
结合图1,本发明无线体域网中基于二次移动平均预测法的路由建立方法,包括以下步骤:
步骤1,确定无线体域网的基本网络架构,采集传感器节点与sink节点之间的链路质量数据;
步骤2,采用二次移动平均预测法处理链路质量数据,得到各个传感器节点与sink节点之间的链路质量曲线;
步骤3,初始化链路质量矩阵和中继节点矩阵,依次选取链路质量矩阵中的初始时刻值作为起始节点,判断其与sink节点之间的链路质量是否达到预设值,如果判断结果为是,则执行步骤4;如果判断结果为否,则执行步骤5;
步骤4,将该起始节点经过一跳直接连接到sink节点,完成数据传输;
步骤5,记录该时刻所有链路质量达到预设值的传感器节点,选取其中链路质量最高的传感器节点作为中继节点,将中继节点信息记录到中继节点矩阵中,将该起始节点经过两跳连接到sink节点,完成数据传输。
进一步地,步骤1所述的确定无线体域网的基本网络架构,采集传感器节点与sink节点之间的链路质量数据,具体如下:
信道模型为采用IEEE 802.15.6协议的标准模型,在身体表面所部署的任意两个传感器之间的路径损耗为:
PL(d)[dB]=a×log10(d)+b+N
其中a和b是线性拟合的系数,d是两个节点之间的直线距离,N是具有标准偏差σN的零均值正态分布的随机变量;
接收信号功率为:
Pr(d)[dBm]=Ps-PL(d)-N0
其中Ps为发射功率,Pr为接收信号功率,N0为噪声功率;
将接收信号强度Pr作为链路质量的判断指标。
进一步地,步骤2所述的采用二次移动平均预测法处理链路质量数据,得到各个传感器节点与sink节点之间的链路质量曲线,具体如下:
步骤2.1、对时间序列项数n进行取值,取值范围为能够包含周期性变动的数值;
步骤2.2、进行一次移动平均预测:
其中:yt为第t个数据的实际值;为第t个数据计算后的一次移动平均数;为第t+1个链路质量数据,其中t≥n,n为原始数据数组{yt}所含实际链路质量值的个数;
步骤2.3、进行二次移动平均预测:
步骤2.4、计算预测参数
步骤2.5、根据以下预测方程计算预测值:
其中,τ为预测超前期。
下面结合具体实施例对本发明进一步详细说明。
实施例1
图2中所示的WBAN模型由6个节点组成,包括1个sink节点和5个传感器节点(s1-s5)。sink节点被放置在腰部,其余节点被分别放置在脚踝、膝盖、手腕、肩膀以及心脏部位,人体姿态变化方式为反复地变换蹲姿与站姿。
本发明无线体域网中基于二次移动平均预测法的路由建立方法,具体实施方法如下:
步骤1,确定无线体域网的基本网络架构,如图3所示,采集传感器节点与sink节点之间的链路质量数据;
本实施例选择2.4GHz频带进行通信,根据IEEE 802.15协议可得信道模型参数取值如下:a=29.3,b=-16.8,σN=6.89,将数据直接导入步骤2程序进行计算;
步骤2,采用二次移动平均预测法处理链路质量数据,得到各个传感器节点与sink节点之间的链路质量曲线;
将每次姿势变换划分为50个模拟时间段,则本实施例选取n值为50,即姿态变换的周期。利用MATLAB编程计算可以得到各个传感器节点与sink节点之间的预测链路质量曲线如图4、图5、图6、图7、图8。
步骤3,初始化链路质量矩阵和中继节点矩阵,依次选取链路质量矩阵中的初始时刻值作为起始节点,判断其与sink节点之间的链路质量是否达到预设值,如果判断结果为是,则执行步骤4;如果判断结果为否,则执行步骤5;
步骤4,将该起始节点经过一跳直接连接到sink节点,完成数据传输;
步骤5,记录该时刻所有链路质量达到预设值的传感器节点,选取其中链路质量最高的传感器节点作为中继节点,将中继节点信息记录到中继节点矩阵中,将该起始节点经过两跳连接到sink节点,完成数据传输。
利用MATLAB作为仿真平台来进行上述步骤3、4、5的仿真,记录各个节点随着链路质量的变化而选择不同路径时所借用的中继节点,制成散点图如图9、图10、图11、图12、图13观察中继节点选择的变化。
由散点图可见,s3、s4和s5三个节点,在大部分时间内都可以直接连接sink节点而无需中继节点,而s1与s2节点,各自还有另外一到两个散点分布较为密集的横轴,需要经常借用这些横轴对应的节点作为中继节点。
由以上分析可见,五个节点的总体链路质量趋势如预测模型所示,s3、s4、s5节点具有较高的链路质量,它们的大部分数据都可以通过一跳传输直接发送给数据接收器,而s1与s2节点则时常需要借助其他中间节点来达成两跳传输以保证信号能够可靠的被发送。
在s1节点选择中继节点进行传输的时候,s3节点也常常被作为比s2节点更好的选择来充当中继节点。此外,s3节点除了被s2节点选择作为中间节点之外,还不时被比s2更为远离数据接收器的s1节点选择作用为中间节点。这一情况,在位置关系相似的s4与s5节点之间从来没有出现过,从散点图中也可以发现,s5从不将s4作为中间节点。这一现象是由于人体姿态变换的特殊性导致的。本实施例所采用的是从蹲姿到站姿的姿态变化,在这一变化过程中,心脏部位和肩膀部位与腰部不会有太大的相对位置变化,而脚踝、手腕与膝盖(对应s1、s3、s2节点)的直线距离则会随着由站姿到蹲姿的变化不断缩小,膝盖部位到腰部则没有太过明显的变化,所以在某些时间段内,信号由s2节点发出,向下经过s1节点中继,再发送向腰部sink节点。
综上,本发明一种无线体域网中基于二次移动平均预测法的路由建立方法,采用二次移动平均法分析和预测节点之间的链路特征,有效的屏蔽了外界网络的攻击,提高了数据传输的安全性;利用预测模型下的链路质量曲线,进行中继节点的动态选择,使链路质量始终保持最佳,提高了数据传输的可靠性。
Claims (3)
1.一种无线体域网中基于二次移动平均预测法的路由建立方法,其特征在于,包括以下步骤:
步骤1,确定无线体域网的基本网络架构,采集传感器节点与sink节点之间的链路质量数据;
步骤2,采用二次移动平均预测法处理链路质量数据,得到各个传感器节点与sink节点之间的链路质量曲线;
步骤3,初始化链路质量矩阵和中继节点矩阵,依次选取链路质量矩阵中的初始时刻值作为起始节点,判断该起始节点与sink节点之间的链路质量是否达到预设值,如果判断结果为是,则执行步骤4;如果判断结果为否,则执行步骤5;
步骤4,将该起始节点经过一跳直接连接到sink节点,完成数据传输;
步骤5,记录该时刻所有链路质量达到预设值的传感器节点,选取其中链路质量最高的传感器节点作为中继节点,将中继节点信息记录到中继节点矩阵中,将该起始节点经过两跳连接到sink节点,完成数据传输。
2.根据权利要求1所述的无线体域网中基于二次移动平均预测法的路由建立方法,其特征在于,步骤1所述的确定无线体域网的基本网络架构,采集传感器节点与sink节点之间的链路质量数据,具体如下:
信道模型为采用IEEE 802.15.6协议的标准模型,在身体表面所部署的任意两个传感器之间的路径损耗PL(d)为:
PL(d)[dB]=a×log10(d)+b+N
其中a和b是线性拟合的系数,d是两个节点之间的直线距离,N是具有标准偏差σN的零均值正态分布的随机变量;
接收信号功率为:
Pr(d)[dBm]=Ps-PL(d)-N0
其中,Ps为发射功率,Pr为接收信号功率,N0为噪声功率;
将接收信号强度Pr作为链路质量的判断指标。
3.根据权利要求1所述的无线体域网中基于二次移动平均预测法的路由建立方法,其特征在于,步骤2所述的采用二次移动平均预测法处理链路质量数据,得到各个传感器节点与sink节点之间的链路质量曲线,具体如下:
步骤2.1、对时间序列项数n进行取值,取值范围为能够包含周期性变动的数值;
步骤2.2、进行一次移动平均预测:
其中:yt为第t个数据的实际值;为第t个数据计算后的一次移动平均数;为第t+1个链路质量数据,其中t≥n,n为原始数据数组{yt}所含实际链路质量值的个数;
步骤2.3、进行二次移动平均预测
步骤2.4、计算预测参数
步骤2.5、根据以下预测方程计算预测值
其中,τ为预测超前期。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811108509.2A CN109219101B (zh) | 2018-09-21 | 2018-09-21 | 无线体域网中基于二次移动平均预测法的路由建立方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811108509.2A CN109219101B (zh) | 2018-09-21 | 2018-09-21 | 无线体域网中基于二次移动平均预测法的路由建立方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109219101A true CN109219101A (zh) | 2019-01-15 |
CN109219101B CN109219101B (zh) | 2021-09-10 |
Family
ID=64985391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811108509.2A Active CN109219101B (zh) | 2018-09-21 | 2018-09-21 | 无线体域网中基于二次移动平均预测法的路由建立方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109219101B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111465032A (zh) * | 2020-03-26 | 2020-07-28 | 南京理工大学 | 多无线体域网环境中基于a3c算法的任务卸载方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101868047A (zh) * | 2010-06-30 | 2010-10-20 | 上海交通大学 | 无线体域网的信息传输方法 |
KR20120012281A (ko) * | 2010-07-30 | 2012-02-09 | 경희대학교 산학협력단 | 무선 인체 통신망에서 네트워크의 수명 연장과 통신 신뢰성 향상을 위한 라우팅 시스템 및 그에 따른 네트워크 통신 방법 |
EP2506499A1 (fr) * | 2011-04-01 | 2012-10-03 | Commissariat à l'Énergie Atomique et aux Énergies Alternatives | Procédé d'évaluation de la qualité des liens radio pour un réseau corporel sans-fil, procédé de transmission de messages pour un réseau corporel sans-fil et dispositifs pour la mise en oeuvre des procédés |
CN103354652A (zh) * | 2013-06-14 | 2013-10-16 | 中国农业大学 | 一种无线体域网轻量级数据融合的方法与装置 |
CN103974370A (zh) * | 2014-04-29 | 2014-08-06 | 南京邮电大学 | 一种基于瞬时分差学习的无线体域网路由方法 |
-
2018
- 2018-09-21 CN CN201811108509.2A patent/CN109219101B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101868047A (zh) * | 2010-06-30 | 2010-10-20 | 上海交通大学 | 无线体域网的信息传输方法 |
KR20120012281A (ko) * | 2010-07-30 | 2012-02-09 | 경희대학교 산학협력단 | 무선 인체 통신망에서 네트워크의 수명 연장과 통신 신뢰성 향상을 위한 라우팅 시스템 및 그에 따른 네트워크 통신 방법 |
EP2506499A1 (fr) * | 2011-04-01 | 2012-10-03 | Commissariat à l'Énergie Atomique et aux Énergies Alternatives | Procédé d'évaluation de la qualité des liens radio pour un réseau corporel sans-fil, procédé de transmission de messages pour un réseau corporel sans-fil et dispositifs pour la mise en oeuvre des procédés |
CN103354652A (zh) * | 2013-06-14 | 2013-10-16 | 中国农业大学 | 一种无线体域网轻量级数据融合的方法与装置 |
CN103974370A (zh) * | 2014-04-29 | 2014-08-06 | 南京邮电大学 | 一种基于瞬时分差学习的无线体域网路由方法 |
Non-Patent Citations (2)
Title |
---|
BENDJEHICH ROMAISSA等: "In-Body Routing Protocols for Wireless Body Sensor Networks", 《2017 10TH INTERNATIONAL CONFERENCE ON DEVELOPMENTS IN ESYSTEMS ENGINEERING》 * |
彭艺等: "面向无线体域网的能耗控制路由算法研究", 《软件导刊》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111465032A (zh) * | 2020-03-26 | 2020-07-28 | 南京理工大学 | 多无线体域网环境中基于a3c算法的任务卸载方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109219101B (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104320845B (zh) | 一种基于传感器和量子智能计算的主用户定位方法 | |
CN101772156A (zh) | 一种无线局域网设备定位方法及装置 | |
CN104270807B (zh) | 一种用于三维场景的无线Mesh网络发射功率选择方法及设备 | |
CN108966239A (zh) | 一种基于能量空洞度部署中继节点的方法 | |
CN103889020A (zh) | 一种基于动态路由的无线传感网络系统及其方法 | |
CN105722174A (zh) | 异构融合用电信息采集网络中的节点链路调度方法 | |
Firner et al. | Multiple receiver strategies for minimizing packet loss in dense sensor networks | |
Garcia et al. | A wireless sensor network for soccer team monitoring | |
CN107182838A (zh) | 一种家禽养殖智能监测系统 | |
CN103391594A (zh) | 一种无线体域网路由优化的方法及装置 | |
CN107645772A (zh) | 人体定位方法、人体定位系统与定位服务器 | |
CN103888957B (zh) | 基于玉米生长态势的信号损耗预测的节点扩散方法 | |
Chagas et al. | Genetic algorithms and simulated annealing optimization methods in wireless sensor networks localization using artificial neural networks | |
CN109219101A (zh) | 无线体域网中基于二次移动平均预测法的路由建立方法 | |
Sardar et al. | Experimental analysis of LoRa CSS wireless transmission characteristics for forestry monitoring and sensing | |
Hao et al. | RSS-based coverage deployment method under probability model in 3D-WSN | |
Abbasi et al. | Cross-layer MAC/routing protocol for reliable communication in Internet of Health Things | |
CN107171906A (zh) | 一种移动终端控制的智能家居系统 | |
CN105101334B (zh) | 一种多wban共存网络协同组网方法 | |
CN110177389A (zh) | 基于社交群关联度的路由方法 | |
CN110312322A (zh) | 随机接入的方法及执行随机接入的设备 | |
CN106793051B (zh) | 数据传输方法及接收端 | |
Calhan et al. | A new network coordinator node design selecting the optimum wireless technology for wireless body area networks | |
Gannapathy et al. | A Smart Handover Strategy for 5G mmWave Dual Connectivity Networks | |
CN106604345B (zh) | 一种实现动态高能效的移动Ad-hoc网络路由方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |