CN109618401A - 基于双向并行a星算法的体域网能量感知自适应优化方法 - Google Patents
基于双向并行a星算法的体域网能量感知自适应优化方法 Download PDFInfo
- Publication number
- CN109618401A CN109618401A CN201910085447.6A CN201910085447A CN109618401A CN 109618401 A CN109618401 A CN 109618401A CN 201910085447 A CN201910085447 A CN 201910085447A CN 109618401 A CN109618401 A CN 109618401A
- Authority
- CN
- China
- Prior art keywords
- transmission node
- signal transmission
- signal
- energy
- path
- 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
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
-
- 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
-
- 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
- H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
- H04W84/10—Small scale networks; Flat hierarchical 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)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于双向并行A星算法的体域网能量感知自适应优化方法,具体按照以下步骤进行:首先确定无线体域网即WBAN的应用场景;其次确定无线体域网中信号发送端、信号接收端和信号传输节点的位置以及所用信号传输节点的数量;最后当信号接收端监测到信号发送端异常时,信号接收端显示异常,由信号发送端和信号接收端同时进行信号传递,将异常信号发给相邻的信号传输节点;信号发送端和信号接收端进行路径的探索,寻找最优路径。本发明能够保证信号稳定传输并延长网络的生命周期,适合WBAN网络的路径传输优化。
Description
技术领域
本发明属于无线通信技术领域,特别是涉及一种基于双向并行A星算法的体域网能量感知自适应优化方法。
背景技术
随着中国步入老龄化社会,疾患人数的上升和医疗资源相对紧张成为了人们日渐关注的热点问题,这不仅加重社会医疗健康系统的负担也严重的影响了国家经济的发展。无线体域网(WBAN)应运而生,它综合运用了无线通信、生物医学、人体健康管理、等一系列先进技术,通过诊断威胁生命的疾病和提供实时的生理参数监测改革未来的医疗健康监测系统,达到疾病监测和快速应急处理的目的,对于未来医疗健康系统的改革有着重要的研究意义和实用价值。
WBAN是一个小型无线传感器网络,包含多个监测生理参数的低功耗传感器节点,各节点是接近人体甚至植于体内的,一方面节点数的增多会大大降低佩戴者的健康和舒适度,另一方面现在的传感器大多采用电池供电,电量有限,尤其对于植入人体内部的传感器更换电池更为不易。因此在保证传感器正常通信的同时,减少传感器节点的数量同时减少能量消耗的优化方案的提出迫在眉睫。
WBAN的节点不适合处理复杂的运算和较大功率的数据发送,要求算法所占用的资源尽量小。蚁群算法、遗传算法和A星算法都属于启发式捜索算法,哈尔滨工业大学的毛圣歌从能量均衡角度提出了基于蚁群算法的无线体域网路由算法。申请号为20171118623.6,申请日为2017年11月23日,发明名称为“一种无线体域网共存的博弈论功率控制方法”,该专利从网络连通度角度提出了无线体域网共存的博弈论功率控制方法。A星算法是一种最佳优先算法,对可能的节点预设代价函数进行权衡,选择代价最小的节点直到目标点,但是由于其在节点数量过多时运行速度减慢,算法效率降低甚至演变成贪婪算法而在体域网中没有推广。
发明内容
本发明的目的在于提供一种基于双向并行A星算法的体域网能量感知自适应优化方法,解决了现有技术中存在的WBAN的节点不适合处理复杂的运算和较大功率的数据发送以及A星算法在体域网中由于其在节点数量过多时运行速度减慢,算法效率降低甚至演变成贪婪算法的问题。
本发明所采用的技术方案是,基于双向并行A星算法的体域网能量感知自适应优化方法,具体按照以下步骤进行:
步骤S1、确定无线体域网即WBAN的应用场景;
步骤S2、确定无线体域网中信号发送端、信号接收端和信号传输节点的位置以及所用信号传输节点的数量;
步骤S3、当信号接收端监测到信号发送端异常时,信号接收端显示异常,由信号发送端和信号接收端同时进行信号传递,将异常信号发给相邻的信号传输节点;信号发送端和信号接收端进行路径的探索,寻找最优路径。
进一步的,所述信号发送端为植入式心脏检测节点;
所述信号接收端为终端设备,采用智能手表、智能手机、智能平板、智能手环的任意一种;
所述信号传输节点为可穿戴式传感器,位于人体外表面,信号传输节点具备能量感知控制能力。
进一步的,所述信号发送端和信号接收端均设有路径选择线程和能量选择线程。
进一步的,所述步骤S3寻找最优路径具体按照以下步骤进行:
步骤S31、信号发射端设为T,信号接收端设为R,T和R均拥有OPEN1表、OPEN2表和一个CLOSE表,当R监测到T异常时,T和R均将各自的路径选择线程和能量选择线程并行;
步骤S32、T和R均将路径选择线程初始化,把未访问过的信号传输节点放入OPEN1表中,T和R同时均将能量选择线程初始化,同样把未访问过的信号传输节点放入OPEN2表中;
步骤S33、若OPEN1表的长度为0,则退出,若OPEN1表长度不为0,则路径选择线程根据总代价函数f(n)进行信号传输节点扩展、排序,搜索最短路径,T和R的路径选择线程找出相同的路径最小代价值信号传输节点,存入CLOSE表中;若OPEN2表的长度不为0,则能量选择线程根据自适应算法控制消耗的总能量为最小进行信号传输节点扩展、排序,找出最小能量路径,T和R的能量选择线程找出相同的能量最小代价值信号传输节点,存入CLOSE表,判断路径最小代价值信号传输节点和能量最小代价值信号传输节点是否一致,若一致,则成功找出最优路径,若不一致,将路径最小代价值信号传输节点进行重新排序,同时能量最小代价值信号传输节点也进行重新排序,直至找出最优路径。
进一步的,所述步骤S32中OPEN1表和OPEN2表均采用二叉堆中的小根堆存储节点。
进一步的,所述步骤S33路径选择线程根据总代价函数f(n)进行信号传输节点扩展、排序,搜索最短路径,具体按照以下步骤进行:
步骤①、总代价函数f(n)由代价函数g(n)和实际代价函数h(n)之和组成;代价函数其中,di为第i个信号传输节点与第i-1个信号传输节点之间的距离,pi为第i个信号传输节点与第i-1个信号传输节点之间的搜索概率,w1为距离代价的加权系数,w2为搜索代价的加权系数;
步骤②、若di和pi不在一个数量级上时,对代价函数g(n)进行归一化处理,归一化距离w1+w2=1,Pi=pi,g(n)为从信号发送端发送的信号到当前信号传输节点n的实际移动距离即从信号发送端发送的信号传递到当前信号传输节点n所用的代价;
步骤③、信号接收端为终端设备,佩戴终端设备的人体三维坐标为(xg,yg,zg),则实际代价函数其中,h(n)为从当前信号传输节点n传递信号到信号接收端的估算距离即当前信号传输节点n传递信号到信号接收端的估算代价;
步骤④、当信号传输节点n对应的g(n)和h(n)之和即f(n)为最小时,则将此信号传输节点n视为最短路径中的临时节点存放入CLOSE表中,进行信号传输节点的下一次扩展、排序,选择f(n)为最小的信号传输节点所对应的路径为最短路径,f(n)为最小的信号传输节点为路径最小代价值信号传输节点。
进一步的,所述步骤S33能量选择线程根据自适应算法控制能量消耗最小进行信号传输节点扩展、排序,找出最小能量路径,具体按照以下步骤进行:
步骤①、设当前信号传输节点a处电池最大能量值为Eamax,Eacs为当前信号传输节点a已消耗的总能量,Ea为前信号传输节点a的剩余能量:Ea=Eamax-Eacs;
步骤②、当前信号传输节点a的能量用于信号的发送、接收和转发,设当前信号传输节点a发送一个数据所需能量为Ese,则Ese=PsTp=IsvTp,接收一个数据所需要的能量为Ere,则Ere=PrTp=IrvTp,转发一个数据所需能量为Eafw,则Eafw=(Ps+Pr)Tp,当前信号传输节点a已消耗的总能量Eacs=Ese+Ere+(M-1)Eafw,其中,Ps是发射功率,Tp是发送和接收一个数据所需时间,Is是发送电流,Is=280mA,Pr是接收功率,Ir是接收电流,Ir=204mA,M是分组数,v是信号传输节点的电压,4.74V≤v≤5V;
步骤③、当前信号传输节点a的优先指数为
Ta是当前信号传输节点a在传递信号前需要等待的时间长度:
式中D为设定的最长等待时间,c=0.4;
步骤④、当前信号传输节点a等待Ta结束决定是否转播信号,即当前信号传输节点a需要传递信号时,相邻信号传输节点同时接收到信号产生竞争,相邻信号传输节点根据剩余能量公式算出各自在传递信号前需要等待的时间长度后,确定是否进行转发信号,在相邻信号传输节点和当前信号传输节点a中剩余能量和优先指数最大的信号传输节点所对应的等待的时间长度最小,等待的时间长度最小的信号传输节点获得优先转播权,避免与其它相邻信号传输节点发生碰撞,等待的时间长度最小的信号传输节点的已消耗的总能量最小即剩余能量最大;此时,消耗的总能量最小对应的信号传输节点的路径即为最小能量传输路径,将此时的信号传输节点视为最小能量传输路径中的临时节点存放入CLOSE表中,进行信号传输节点的下一次扩展、排序,选择消耗的总能量为最小的信号传输节点所对应的路径为最小能量传输路径,消耗的总能量为最小的信号传输节点为能量最小代价值信号传输节点。
本发明的有益效果是,与现有技术相比,用简单A星的算法快速选择较优路径的同时控制节点能量消耗最小化,保证信号能够稳定传输的并延长网络的生命周期。本发明引入并行技术达到快速有效传达信息的目的,双向是分别从发送端和接收端采用A星算法作为路径代价函数寻找最短路径,同时采用自适应算法作为能量代价函数寻找能量消耗最小的路径,当二者相重合时则认为是最优路径,从而在最短的节点路径范围内自适应控制能量的消耗,确保网络通信的可靠性并延长网络的生存周期。本发明采用A星算法通过改进匹配合适的启发函数,利用A星算法本身的并行性,相互独立的节点分配不同的线程进行同时扩展,进而大大提高算法的执行效率,同时由于A星算法没有复杂的运算,各个节点也不会承担大量工作量,满足传感器中节点能量受限的条件,因此适合WBAN网络的路径传输优化。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明人体无线体域网络节点结构的示意图。
图2是本发明的双向传递示意图。
图3是本发明的并行方案流程图。
具体实施方式
下面将结合本发明实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在无线体域网中,信号传输节点分布于身体表面和身体内部,用来监测各项生理参数。需要配置多个传感器监测某项生理参数用于提高监测参数的准确性,因而WBAN中传感器数量会达到几十甚至上百个,人体周围的传感器分布模型如图1所示。
以监测心电节点进行研究,确定人体中传感器节点数量和所处位置。
基于双向并行A算法的体域网能量感知自适应优化方法,具体按照以下步骤进行:
步骤S1、确定无线体域网即WBAN的应用场景;
步骤S2、确定无线体域网中信号发送端、信号接收端和信号传输节点的位置以及所用信号传输节点的数量;信号发送端为植入式心脏检测节点;信号接收端为采用智能手环;信号传输节点为可穿戴式传感器,位于人体外表面,信号传输节点具备能量感知控制能力;
步骤S3、当智能手环监测到信号发送端异常时,信号接收端显示异常,由信号发送端和信号接收端同时进行信号传递,将异常信号发给相邻的信号传输节点;信号发送端和信号接收端进行路径的探索,寻找最优路径;信号发送端和信号接收端均设有路径选择线程和能量选择线程;
步骤S31、信号发射端设为T,信号接收端设为R,T和R均拥有OPEN1表、OPEN2表和一个CLOSE表,当R监测到T异常时,T和R均将各自的路径选择线程和能量选择线程并行,如图2所示;
步骤S32、T和R均将路径选择线程初始化,把未访问过的信号传输节点放入OPEN1表中,T和R同时均将能量选择线程初始化,同样把未访问过的信号传输节点放入OPEN2表中,OPEN1表和OPEN2表均采用二叉堆中的小根堆存储节点来减少查找最小代价值节点的时间;
步骤S33、若OPEN1表的长度为0,则退出,若OPEN1表长度不为0,则路径选择线程根据总代价函数f(n)进行信号传输节点扩展、排序,搜索最短路径,T和R的路径选择线程找出相同的路径最小代价值信号传输节点,存入CLOSE表中;若OPEN2表的长度不为0,则能量选择线程根据自适应算法控制消耗的总能量为最小进行信号传输节点扩展、排序,找出最小能量路径,T和R的能量选择线程找出相同的能量最小代价值信号传输节点,存入CLOSE表,判断路径最小代价值信号传输节点和能量最小代价值信号传输节点是否一致,若一致,则成功找出最优路径,若不一致,将路径最小代价值信号传输节点进行重新排序,同时能量最小代价值信号传输节点也进行重新排序,直至找出最优路径,如图3所示;
路径选择线程根据总代价函数f(n)进行信号传输节点扩展、排序,搜索最短路径,具体按照以下步骤进行:
步骤①、总代价函数f(n)由代价函数g(n)和实际代价函数h(n)之和组成;代价函数其中,di为第i个信号传输节点与第i-1个信号传输节点之间的距离,pi为第i个信号传输节点与第i-1个信号传输节点之间的搜索概率,w1为距离代价的加权系数,w2为搜索代价的加权系数;
步骤②、若di和pi不在一个数量级上时,对代价函数g(n)进行归一化处理,归一化距离w1+w2=1,Pi=pi,g(n)为从信号发送端发送的信号到当前信号传输节点n的实际移动距离即从信号发送端发送的信号传递到当前信号传输节点n所用的代价;
步骤③、信号接收端为终端设备,佩戴终端设备的人体三维坐标为(xg,yg,zg),则实际代价函数当前信号传输节点n的三维坐标为(xn,yn,zn);其中,h(n)为从当前信号传输节点n传递信号到信号接收端的估算距离即当前信号传输节点n传递信号到信号接收端的估算代价;
步骤④、当信号传输节点n对应的g(n)和h(n)之和即f(n)为最小时,则将此信号传输节点n视为最短路径中的临时节点存放入CLOSE表中,进行信号传输节点的下一次扩展、排序,选择f(n)为最小的信号传输节点所对应的路径为最短路径,f(n)为最小的信号传输节点为路径最小代价值信号传输节点;
能量选择线程根据自适应算法控制能量消耗最小进行信号传输节点扩展、排序,找出最小能量路径,具体按照以下步骤进行:
步骤①、设当前信号传输节点a处电池最大能量值为Eamax,Eacs为当前信号传输节点a已消耗的总能量,Ea为前信号传输节点a的剩余能量:Ea=Eamax-Eacs;
步骤②、当前信号传输节点a的能量用于信号的发送、接收和转发,设当前信号传输节点a发送一个数据所需能量为Ese,则Ese=PsTp=IsvTp,接收一个数据所需要的能量为Ere,则Ere=PrTp=IrvTp,转发一个数据所需能量为Eafw,则Eafw=(Ps+Pr)Tp,当前信号传输节点a已消耗的总能量Eacs=Ese+Ere+(M-1)Eafw,其中,Ps是发射功率,Tp是发送和接收一个数据所需时间,Is是发送电流,Is=280mA,Pr是接收功率,Ir是接收电流,Ir=204mA,M是分组数,v是信号传输节点的电压,4.74V≤v≤5V;
步骤③、当前信号传输节点a的优先指数为
Ta是当前信号传输节点a在传递信号前需要等待的时间长度:
式中D为设定的最长等待时间,c=0.4;
步骤④、当前信号传输节点a等待Ta结束决定是否转播信号,即当前信号传输节点a需要传递信号时,相邻信号传输节点同时接收到信号产生竞争,相邻信号传输节点根据剩余能量公式算出各自在传递信号前需要等待的时间长度后,确定是否进行转发信号,在相邻信号传输节点和当前信号传输节点a中剩余能量和优先指数最大的信号传输节点所对应的等待的时间长度最小,等待的时间长度最小的信号传输节点获得优先转播权,避免与其它相邻信号传输节点发生碰撞,等待的时间长度最小的信号传输节点的已消耗的总能量最小即剩余能量最大;此时,消耗的总能量最小对应的信号传输节点的路径即为最小能量传输路径,将此时的信号传输节点视为最小能量传输路径中的临时节点存放入CLOSE表中,进行信号传输节点的下一次扩展、排序,选择消耗的总能量为最小的信号传输节点所对应的路径为最小能量传输路径,消耗的总能量为最小的信号传输节点为能量最小代价值信号传输节点。
基于双向并行A星算法的体域网能量感知自适应优化方法能够大大减少路径完成所需时间。传统的A星算法运行及搜索效率不高,本发明引入并行技术有效减少运行时间。双向是线路分别从信号发送端和信号接收端采用A星算法作为路径代价函数寻找最短路径,同时采用自适应算法作为能量代价函数寻找能量消耗最小的路径,当二者相重合时则认为是最优路径,从而达到在最短的传输节点路径范围内自适应控制能量的消耗,确保网络通信的可靠性并延长网络的生存周期的目的。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (7)
1.基于双向并行A星算法的体域网能量感知自适应优化方法,其特征在于,具体按照以下步骤进行:
步骤S1、确定无线体域网即WBAN的应用场景;
步骤S2、确定无线体域网中信号发送端、信号接收端和信号传输节点的位置以及所用信号传输节点的数量;
步骤S3、当信号接收端监测到信号发送端异常时,信号接收端显示异常,由信号发送端和信号接收端同时进行信号传递,将异常信号发给相邻的信号传输节点;信号发送端和信号接收端进行路径的探索,寻找最优路径。
2.根据权利要求1所述的基于双向并行A星算法的体域网能量感知自适应优化方法,其特征在于,所述信号发送端为植入式心脏检测节点;
所述信号接收端为终端设备,采用智能手表、智能手机、智能平板、智能手环的任意一种;
所述信号传输节点为可穿戴式传感器,位于人体外表面,信号传输节点具备能量感知控制能力。
3.根据权利要求1所述的基于双向并行A星算法的体域网能量感知自适应优化方法,其特征在于,所述信号发送端和信号接收端均设有路径选择线程和能量选择线程。
4.根据权利要求1所述的基于双向并行A星算法的体域网能量感知自适应优化方法,其特征在于,所述步骤S3寻找最优路径具体按照以下步骤进行:
步骤S31、信号发射端设为T,信号接收端设为R,T和R均拥有OPEN1表、OPEN2表和一个CLOSE表,当R监测到T异常时,T和R均将各自的路径选择线程和能量选择线程并行;
步骤S32、T和R均将路径选择线程初始化,把未访问过的信号传输节点放入OPEN1表中,T和R同时均将能量选择线程初始化,同样把未访问过的信号传输节点放入OPEN2表中;
步骤S33、若OPEN1表的长度为0,则退出,若OPEN1表长度不为0,则路径选择线程根据总代价函数f(n)进行信号传输节点扩展、排序,搜索最短路径,T和R的路径选择线程找出相同的路径最小代价值信号传输节点,存入CLOSE表中;若OPEN2表的长度不为0,则能量选择线程根据自适应算法控制消耗的总能量为最小进行信号传输节点扩展、排序,找出最小能量路径,T和R的能量选择线程找出相同的能量最小代价值信号传输节点,存入CLOSE表,判断路径最小代价值信号传输节点和能量最小代价值信号传输节点是否一致,若一致,则成功找出最优路径,若不一致,将路径最小代价值信号传输节点进行重新排序,同时能量最小代价值信号传输节点也进行重新排序,直至找出最优路径。
5.根据权利要求4所述的基于双向并行A星算法的体域网能量感知自适应优化方法,其特征在于,所述步骤S32中OPEN1表和OPEN2表均采用二叉堆中的小根堆存储节点。
6.根据权利要求4或5任意一项所述的基于双向并行A星算法的体域网能量感知自适应优化方法,其特征在于,所述步骤S33路径选择线程根据总代价函数f(n)进行信号传输节点扩展、排序,搜索最短路径,具体按照以下步骤进行:
步骤①、总代价函数f(n)由代价函数g(n)和实际代价函数h(n)之和组成;代价函数其中,di为第i个信号传输节点与第i-1个信号传输节点之间的距离,pi为第i个信号传输节点与第i-1个信号传输节点之间的搜索概率,w1为距离代价的加权系数,w2为搜索代价的加权系数;
步骤②、若di和pi不在一个数量级上时,对代价函数g(n)进行归一化处理,归一化距离w1+w2=1,Pi=pi,g(n)为从信号发送端发送的信号到当前信号传输节点n的实际移动距离即从信号发送端发送的信号传递到当前信号传输节点n所用的代价;
步骤③、信号接收端为终端设备,佩戴终端设备的人体三维坐标为(xg,yg,zg),则实际代价函数其中,h(n)为从当前信号传输节点n传递信号到信号接收端的估算距离即当前信号传输节点n传递信号到信号接收端的估算代价;
步骤④、当信号传输节点n对应的g(n)和h(n)之和即f(n)为最小时,则将此信号传输节点n视为最短路径中的临时节点存放入CLOSE表中,进行信号传输节点的下一次扩展、排序,选择f(n)为最小的信号传输节点所对应的路径为最短路径,f(n)为最小的信号传输节点为路径最小代价值信号传输节点。
7.根据权利要求4或5任意一项所述的基于双向并行A星算法的体域网能量感知自适应优化方法,其特征在于,所述步骤S33能量选择线程根据自适应算法控制能量消耗最小进行信号传输节点扩展、排序,找出最小能量路径,具体按照以下步骤进行:
步骤①、设当前信号传输节点a处电池最大能量值为Eamax,Eacs为当前信号传输节点a已消耗的总能量,Ea为前信号传输节点a的剩余能量:Ea=Eamax-Eacs;
步骤②、当前信号传输节点a的能量用于信号的发送、接收和转发,设当前信号传输节点a发送一个数据所需能量为Ese,则Ese=PsTp=IsvTp,接收一个数据所需要的能量为Ere,则Ere=PrTp=IrvTp,转发一个数据所需能量为Eafw,则Eafw=(Ps+Pr)Tp,当前信号传输节点a已消耗的总能量Eacs=Ese+Ere+(M-1)Eafw,其中,Ps是发射功率,Tp是发送和接收一个数据所需时间,Is是发送电流,Is=280mA,Pr是接收功率,Ir是接收电流,Ir=204mA,M是分组数,v是信号传输节点的电压,4.74V≤v≤5V;
步骤③、当前信号传输节点a的优先指数为
Ta是当前信号传输节点a在传递信号前需要等待的时间长度:
式中D为设定的最长等待时间,c=0.4;
步骤④、当前信号传输节点a等待Ta结束决定是否转播信号,即当前信号传输节点a需要传递信号时,相邻信号传输节点同时接收到信号产生竞争,相邻信号传输节点根据剩余能量公式算出各自在传递信号前需要等待的时间长度后,确定是否进行转发信号,在相邻信号传输节点和当前信号传输节点a中剩余能量和优先指数最大的信号传输节点所对应的等待的时间长度最小,等待的时间长度最小的信号传输节点获得优先转播权,避免与其它相邻信号传输节点发生碰撞,等待的时间长度最小的信号传输节点的已消耗的总能量最小即剩余能量最大;此时,消耗的总能量最小对应的信号传输节点的路径即为最小能量传输路径,将此时的信号传输节点视为最小能量传输路径中的临时节点存放入CLOSE表中,进行信号传输节点的下一次扩展、排序,选择消耗的总能量为最小的信号传输节点所对应的路径为最小能量传输路径,消耗的总能量为最小的信号传输节点为能量最小代价值信号传输节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910085447.6A CN109618401B (zh) | 2019-01-29 | 2019-01-29 | 基于双向并行a星算法的体域网能量感知自适应优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910085447.6A CN109618401B (zh) | 2019-01-29 | 2019-01-29 | 基于双向并行a星算法的体域网能量感知自适应优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109618401A true CN109618401A (zh) | 2019-04-12 |
CN109618401B CN109618401B (zh) | 2021-07-27 |
Family
ID=66021065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910085447.6A Active CN109618401B (zh) | 2019-01-29 | 2019-01-29 | 基于双向并行a星算法的体域网能量感知自适应优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109618401B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110220528A (zh) * | 2019-06-10 | 2019-09-10 | 福州大学 | 一种基于a星算法的自动驾驶无人车双向动态路径规划方法 |
CN112099498A (zh) * | 2020-09-08 | 2020-12-18 | 合肥学院 | 基于参数化Thiele连分式插值的路径规划方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101917335A (zh) * | 2010-08-04 | 2010-12-15 | 华南理工大学 | 一种保证服务质量的体域网多跳协作能量均衡路由方法 |
CN104053206A (zh) * | 2014-06-20 | 2014-09-17 | 哈尔滨工业大学 | 用于无线体域网或能量受限的小型无线传感网络的可靠节能型层次路由实现方法 |
CN104168661A (zh) * | 2014-06-19 | 2014-11-26 | 吉林大学 | 一种满足公平性条件的最大化网络生存期传输调度方法 |
CN104168619A (zh) * | 2014-09-02 | 2014-11-26 | 哈尔滨工业大学 | 无线体域网下基于d算法的动态路由建立方法 |
CN104268420A (zh) * | 2014-10-10 | 2015-01-07 | 重庆邮电大学 | 基于二叉堆节点排序的a星寻路方法及系统 |
CN108508893A (zh) * | 2018-03-23 | 2018-09-07 | 西安电子科技大学 | 一种基于改进a算法的机器人能效最优路径规划方法 |
-
2019
- 2019-01-29 CN CN201910085447.6A patent/CN109618401B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101917335A (zh) * | 2010-08-04 | 2010-12-15 | 华南理工大学 | 一种保证服务质量的体域网多跳协作能量均衡路由方法 |
CN104168661A (zh) * | 2014-06-19 | 2014-11-26 | 吉林大学 | 一种满足公平性条件的最大化网络生存期传输调度方法 |
CN104053206A (zh) * | 2014-06-20 | 2014-09-17 | 哈尔滨工业大学 | 用于无线体域网或能量受限的小型无线传感网络的可靠节能型层次路由实现方法 |
CN104168619A (zh) * | 2014-09-02 | 2014-11-26 | 哈尔滨工业大学 | 无线体域网下基于d算法的动态路由建立方法 |
CN104268420A (zh) * | 2014-10-10 | 2015-01-07 | 重庆邮电大学 | 基于二叉堆节点排序的a星寻路方法及系统 |
CN108508893A (zh) * | 2018-03-23 | 2018-09-07 | 西安电子科技大学 | 一种基于改进a算法的机器人能效最优路径规划方法 |
Non-Patent Citations (2)
Title |
---|
LIHENG WANG等: "《Wireless Information and Power Transfer to Maximize Information Throughput in WBAN》", 《IEEE INTERNET OF THINGS JOURNAL》 * |
王志军: "《基于无线体域网的传输功率控制和调度算法》", 《通信学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110220528A (zh) * | 2019-06-10 | 2019-09-10 | 福州大学 | 一种基于a星算法的自动驾驶无人车双向动态路径规划方法 |
CN112099498A (zh) * | 2020-09-08 | 2020-12-18 | 合肥学院 | 基于参数化Thiele连分式插值的路径规划方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109618401B (zh) | 2021-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105122246B (zh) | 具有多模式无线电的超低功率感测平台 | |
CN104168661B (zh) | 一种满足公平性条件的最大化网络生存期传输调度方法 | |
CN106102075A (zh) | 无线传感网络中基于等级区域划分的分簇方法及系统 | |
CN109618401A (zh) | 基于双向并行a星算法的体域网能量感知自适应优化方法 | |
CN104378771B (zh) | 盲点预测农田时变异构网络节点部署与交互调度方法 | |
CN107295597B (zh) | 一种自适应分簇路由方法、装置及电子设备 | |
CN109873722A (zh) | 固件远程升级方法、装置、计算机设备及存储介质 | |
CN104486807A (zh) | 一种小规模无线传感器网络的路由方法 | |
CN104994020A (zh) | 基于蜂群优化算法模型的预测性能量高效分簇路由方法 | |
Vyas et al. | Survey on clustering techniques in wireless sensor network | |
CN108846244A (zh) | 建筑结构健康智能监测系统 | |
CN108513352A (zh) | 基于无线传感器网络的分布式定位方法和无线传感器节点 | |
Angurala et al. | Wireless battery recharging through UAV in wireless sensor networks | |
Banerjee et al. | Health-dev: Model based development pervasive health monitoring systems | |
Gao et al. | Joint wireless charging and sensor activity management in wireless rechargeable sensor networks | |
CN111882164A (zh) | 基于物联网架构的村组防疫一体化平台 | |
CN107529213A (zh) | 一种资源控制方法及装置 | |
US20090144069A1 (en) | System and method for providing personalized service | |
CN106776993A (zh) | 一种基于时序约束活动意向的路径推荐方法及系统 | |
Jiang et al. | SenSearch: GPS and witness assisted tracking for delay tolerant sensor networks | |
CN109547967A (zh) | 一种用于降低无线传感器功耗的通讯方法 | |
Panckhurst et al. | Solar-powered sensor for continuous monitoring of livestock position | |
Martey et al. | Improved cluster to normal ratio protocol for increasing the lifetime of wireless sensor networks | |
CN107397529A (zh) | 体征数据的检测方法、装置、服务器和存储介质 | |
CN206302468U (zh) | 一种可实现省电定位的移动终端 |
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 |