CN109982357B - 一种基于多跳无线传感器网络的采样周期优化方法 - Google Patents
一种基于多跳无线传感器网络的采样周期优化方法 Download PDFInfo
- Publication number
- CN109982357B CN109982357B CN201910279175.3A CN201910279175A CN109982357B CN 109982357 B CN109982357 B CN 109982357B CN 201910279175 A CN201910279175 A CN 201910279175A CN 109982357 B CN109982357 B CN 109982357B
- Authority
- CN
- China
- Prior art keywords
- node
- hop
- wireless sensor
- sampling period
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种基于多跳无线传感器网络的采样周期优化方法,该方法所述的多跳无线传感器网络中的每个节点具有固定的数据发送率和相同的采样周期,多个节点以中继转发的模式将采样数据发送至汇聚节点,并在一定置信水平下,以满足多跳延时上界为约束条件,优化每个节点的数据采样周期。与传统的无线传感器网络采样周期优化方法相比,本方法能够更精确地对多跳网络每个节点的采样周期进行优化。
Description
技术领域
本发明涉及无线传感器网络通信技术领域,是一种基于多跳无线传感器网络的采样周期优化方法。
背景技术
无线传感器网络具有无需固定设备支撑,快速部署、自组网,一定程度无地理位置约束的特点,适用于难以使用传统网络通信的极端环境。目前,无线传感器网络已广泛融入我们生活的各个领域,在数量众多的无线传感器网络应用中,尽管网络中链路等存在很大的不确定性,但是支持实时的通信依然是必要的。例如战场上目标检测与追踪,医疗监测以及放射性元素检测与预防等,都需要实时通信的支持。
根据传感器节点的分布,常常需要进行多跳传输,这也给实时通信带来了巨大的挑战。无线传感器网络的采样周期与网络延时性能相互耦合,为此,对无线传感器网络采样周期的优化研究已成为多跳无线传感器延时性能优化研究中的热点之一。如宋洋,黄志清,张严心,等人在文献《基于压缩感知的无线传感器网络动态采样方法[J]》(计算机应用,2017,37(1):183-187.)中通过对汇聚节点分析当前采样时段与上一采样时段获取数据的线性度量指标,预测数据的变化趋势;然后,根据预测结果计算感知节点未来的采样率,并通过反馈控制机制对感知节点的采样过程进行动态调节,设计了一种基于数据预测和采样率反馈控制的动态采样方法。此方法存在以下不足之处:
1)文中提出的汇聚节点通过分析当前采样时段与上一采样时段获取数据的线性度量指标,预测数据的变化趋势,只对汇聚节点进行分析,并不能很好的反应整个多跳网络的实际情况;
2)文中设计的基于数据预测的动态采样调度方法,采用线性拟合,而实际中各类数据的整体线性特征通常并不明显,采用线性拟合的效果不理想;
3)作者的工作偏向于能耗的优化,关于采样周期优化对延时的影响并没有过多研究。
发明内容
本发明的主要目的是为了针对现有的多跳无线传感器网络以固定的采样周期采样,并不能保证多跳网络延时满足要求的延时上界的问题,提出了一种基于多跳无线传感器网络的采样周期优化方法。
为了实现上述目的,本发明采取以下技术方案。
一种基于多跳无线传感器网络的采样周期优化方法,所述的多跳无线传感器网络中的每个节点具有固定的数据发送率和相同的采样周期,多个节点以中继转发的模式将采样数据发送至汇聚节点,并在一定置信水平下,以满足多跳延时上界为约束条件,优化每个节点的数据采样周期,其具体步骤如下:
步骤1,设一条多跳链路上有n个节点,将n个节点中的任一个节点记为节点i,i=1,2,…,n,对节点i设置已知且固定的节点数据发送率μi;
步骤2,由步骤1设置的节点数据发送率μi确定一条多跳链路上n个节点总传输延时的概率密度函数,其具体步骤包括:
其中,τi为节点i的单跳传输延时,λi为节点i的数据采样率,λi=1/Ts,Ts为数据采样周期,i=1,2,…,n;
f1→n(τ1→n)=f1(τ1)*f2(τ2)*…*fn(τn),n≥2 (2)
其中,τ1→n为第1个节点到第n个节点的多跳传输延时,*代表卷积运算;
步骤3,由步骤2得到的f1→n(τ1→n)确定优化目标为节点数据采样率最大,记为maxλi,其约束条件表达式如下:
其中,τm为无线传感器网络多跳延时上界,β为置信水平;
步骤4,根据步骤3,在给定多跳延时上界τm和置信水平β的条件下,采用非线性优化的求解方法,在给定的节点数据发送率μi条件下,优化得出节点最优的数据采样率λimax;
步骤5,由步骤4得到的节点最优的数据采样率λimax计算得出优化后的多跳无线传感器网络采样周期Tsmax,其表达式如下:
优选地,步骤2中所述的节点i的数据采样率λi均小于对应i节点的数据发送率μi。
优选地,步骤4中所述的非线性优化的求解方法为内点法,通过对可行区域内部的遍历,得到最优解。
与现有技术相比,本发明的有益效果在于:
1、本发明运用排队理论,准确分析了多跳无线传感器网络的延时情况;
2、本发明运用非线性优化方法,固定各节点数据发送率,对多跳延时上界进行约束,从而得出节点的最优数据采样率,保证了多跳无线传感器网络采样周期的优化效果。
附图说明
图1为本发明的方法流程图。
图2为本发明的多跳链路节点传输模型图。
图3为本发明的节点不同数据采样率与多跳延时关系图。
具体实施方式
为使本发明的目的、技术方案以及优点更加明晰,下面将结合附图对本发明做进一步详细说明。
本发明基于多跳无线传感器网络的采样周期优化方法中,所述的多跳无线传感器网络中的每个节点具有固定的数据发送率和相同的采样周期,多个节点以中继转发的模式将采样数据发送至汇聚节点,并在一定置信水平下,以满足多跳延时上界为约束条件,优化每个节点的数据采样周期。
按照图1所示的本发明基本方法流程图,本发明实施例的步骤如下:
步骤1,设一条多跳链路上有n个节点,将n个节点中的任一个节点记为节点i,i=1,2,…,n,对节点i设置已知且固定的节点数据发送率μi。在本实施例中,n=4,通过设置节点的邻居节点数Nng来设置不同的数据发送率μi。
步骤2,由步骤1设置的节点数据发送率μi确定一条多跳链路上n个节点总传输延时的概率密度函数,其具体步骤包括:
其中,τi为节点i的单跳传输延时,λi为节点i的数据采样率,λi=1/Ts,Ts为数据采样周期,i=1,2,…,n。
具体的,节点i的数据采样率λi均小于对应i节点的数据发送率μi。
f1→n(τ1→n)=f1(τ1)*f2(τ2)*…*fn(τn),n≥2 (2)
其中,τ1→n为第1个节点到第n个节点的多跳传输延时,*代表卷积运算;
图2为本发明的多跳链路节点传输模型图。如图2所示,每个节点有一个节点内缓冲队列,相邻节点之间为1跳,数据从第1个节点到第n个节点的过程为多跳传输过程。在本实施例中,n=4,即多跳传输跳数为3。
步骤3,由步骤2得到的f1→n(τ1→n)确定优化目标为节点数据采样率最大,记为maxλi,其约束条件表达式如下:
其中,τm为无线传感器网络多跳延时上界,β为置信水平。
在本实施例中,τm取值为5ms,β取值为98%,即有98%的概率无线传感器网络多跳延时在(0,5ms)区间上。
步骤4,根据步骤3,在给定多跳延时上界τm和置信水平β的条件下,采用非线性优化的求解方法,在给定的节点数据发送率μi条件下,优化得出节点最优的数据采样率λimax。
具体的,针对设置的不同的数据发送率μi,运用内点法,通过对可行区域内部的遍历,优化得出节点最优的数据采样率λimax。图3为本发明的节点不同数据采样率与多跳延时关系图。通过设置节点的邻居节点数Nng来设置不同的数据发送率μi,由步骤4优化得出节点最优的数据采样率λimax。当数据采样率λi>λimax时,总延时超过了规定的延时上界;当数据采样率λi<λimax时,总延时虽未到达规定的延时上界,但λi偏小影响了整个网络的采样性能;当数据采样率λi=λimax时,总延时不超过规定的延时上界,λi也取得相对的最大值。
步骤5,由步骤4得到的节点最优的数据采样率λimax计算得出优化后的多跳无线传感器网络采样周期Tsmax,其表达式如下:
Claims (3)
1.一种基于多跳无线传感器网络的采样周期优化方法,其特征在于,所述的多跳无线传感器网络中的每个节点具有固定的数据发送率和相同的采样周期,多个节点以中继转发的模式将采样数据发送至汇聚节点,并在一定置信水平下,以满足多跳延时上界为约束条件,优化每个节点的数据采样周期,其具体步骤如下:
步骤1,设一条多跳链路上有n个节点,将n个节点中的任一个节点记为节点i,i=1,2,…,n,对节点i设置已知且固定的节点数据发送率μi;
步骤2,由步骤1设置的节点数据发送率μi确定一条多跳链路上n个节点总传输延时的概率密度函数,其具体步骤包括:
其中,τi为节点i的单跳传输延时,λi为节点i的数据采样率,λi=1/Ts,Ts为数据采样周期,i=1,2,…,n;
f1→n(τ1→n)=f1(τ1)*f2(τ2)*…*fn(τn),n≥2 (2)
其中,τ1→n为第1个节点到第n个节点的多跳传输延时,*代表卷积运算;
步骤3,由步骤2得到的f1→n(τ1→n)确定优化目标为节点数据采样率最大,记为max λi,其约束条件表达式如下:
其中,τm为无线传感器网络多跳延时上界,β为置信水平;
步骤4,根据步骤3,在给定多跳延时上界τm和置信水平β的条件下,采用非线性优化的求解方法,在给定的节点数据发送率μi条件下,优化得出节点最优的数据采样率λimax;
步骤5,由步骤4得到的节点最优的数据采样率λimax计算得出优化后的多跳无线传感器网络采样周期Tsmax,其表达式如下:
2.根据权利要求1所述的一种基于多跳无线传感器网络的采样周期优化方法,其特征在于,步骤2中所述的节点i的数据采样率λi均小于对应i节点的数据发送率μi。
3.根据权利要求1所述的一种基于多跳无线传感器网络的采样周期优化方法,其特征在于,步骤4中所述的非线性优化的求解方法为内点法,通过对可行区域内部的遍历,得到最优解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910279175.3A CN109982357B (zh) | 2019-04-09 | 2019-04-09 | 一种基于多跳无线传感器网络的采样周期优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910279175.3A CN109982357B (zh) | 2019-04-09 | 2019-04-09 | 一种基于多跳无线传感器网络的采样周期优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109982357A CN109982357A (zh) | 2019-07-05 |
CN109982357B true CN109982357B (zh) | 2021-08-20 |
Family
ID=67083581
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910279175.3A Active CN109982357B (zh) | 2019-04-09 | 2019-04-09 | 一种基于多跳无线传感器网络的采样周期优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109982357B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113194491B (zh) * | 2021-04-30 | 2022-06-07 | 合肥工业大学 | 一种基于多目标的多跳无线网络拓扑优化方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101511099A (zh) * | 2009-04-01 | 2009-08-19 | 南京邮电大学 | 基于时间序列预测模型的无线传感器网络数据采集方法 |
CN101883385A (zh) * | 2010-04-12 | 2010-11-10 | 北京航空航天大学 | 一种主动式预测的无线传感器网络可靠数据传输方法 |
CN103249158A (zh) * | 2013-05-20 | 2013-08-14 | 无锡赛睿科技有限公司 | 一种无线传感器网络的最佳采样频率分配方法及装置 |
CN103716809A (zh) * | 2013-12-30 | 2014-04-09 | 中国人民解放军重庆通信学院 | 一种用于ir-uwb无线传感器网络数据的二维压缩感知方法 |
CN104038991A (zh) * | 2014-05-21 | 2014-09-10 | 河海大学 | 一种长距离线型无线传感器网络跨层通信方法 |
CN106954228A (zh) * | 2017-03-29 | 2017-07-14 | 西安电子科技大学 | 一种基于动态数据图样的生命期最优化树的构造方法 |
CN108184251A (zh) * | 2017-12-28 | 2018-06-19 | 西安电子科技大学 | 一种基于生命期最优dag的节能调度方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7539882B2 (en) * | 2005-05-30 | 2009-05-26 | Rambus Inc. | Self-powered devices and methods |
-
2019
- 2019-04-09 CN CN201910279175.3A patent/CN109982357B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101511099A (zh) * | 2009-04-01 | 2009-08-19 | 南京邮电大学 | 基于时间序列预测模型的无线传感器网络数据采集方法 |
CN101883385A (zh) * | 2010-04-12 | 2010-11-10 | 北京航空航天大学 | 一种主动式预测的无线传感器网络可靠数据传输方法 |
CN103249158A (zh) * | 2013-05-20 | 2013-08-14 | 无锡赛睿科技有限公司 | 一种无线传感器网络的最佳采样频率分配方法及装置 |
CN103716809A (zh) * | 2013-12-30 | 2014-04-09 | 中国人民解放军重庆通信学院 | 一种用于ir-uwb无线传感器网络数据的二维压缩感知方法 |
CN104038991A (zh) * | 2014-05-21 | 2014-09-10 | 河海大学 | 一种长距离线型无线传感器网络跨层通信方法 |
CN106954228A (zh) * | 2017-03-29 | 2017-07-14 | 西安电子科技大学 | 一种基于动态数据图样的生命期最优化树的构造方法 |
CN108184251A (zh) * | 2017-12-28 | 2018-06-19 | 西安电子科技大学 | 一种基于生命期最优dag的节能调度方法 |
Non-Patent Citations (3)
Title |
---|
Lazy Schema: An Optimal Sampling Frequency Assignment for Real-Time Sensor Systems;Hui He 等;《2011 Seventh International Conference on Mobile Ad-hoc and Sensor Networks》;20111229;全文 * |
基于压缩感知的无线传感器网络动态采样方法;宋洋 等;《计算机应用》;20170228;全文 * |
基于无线传感器网络的控制系统采样频率优化算法;毛剑琳 等;《控制与决策》;20070312;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109982357A (zh) | 2019-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Klügel et al. | AoI-penalty minimization for networked control systems with packet loss | |
Sun et al. | Update or wait: How to keep your data fresh | |
KR102030128B1 (ko) | 기계학습을 이용한 무선 백홀망 자원할당방법 및 자원할당 장치 | |
Tan et al. | Data reduction in wireless sensor networks: A hierarchical LMS prediction approach | |
Lian et al. | Alternative surface integral equation formulations for characteristic modes of dielectric and magnetic bodies | |
Stamatakis et al. | Optimal policies for status update generation in an IoT device with heterogeneous traffic | |
Zhang et al. | AoI-driven statistical delay and error-rate bounded QoS provisioning for mURLLC over UAV-multimedia 6G mobile networks using FBC | |
CN109982357B (zh) | 一种基于多跳无线传感器网络的采样周期优化方法 | |
Ganjewar et al. | A hierarchical fractional LMS prediction method for data reduction in a wireless sensor network | |
Nourian et al. | An optimal transmission strategy for Kalman filtering over packet dropping links with imperfect acknowledgements | |
Cheng et al. | Adaptive finite blocklength for ultra-low latency in wireless communications | |
Hakami et al. | An optimal policy for joint compression and transmission control in delay-constrained energy harvesting IoT devices | |
Lin et al. | Age-of-information in first-come-first-served wireless communications: Upper bound and performance optimization | |
Xin et al. | Optimal controller location in wireless networked control systems | |
Park | Traffic generation rate control of wireless sensor and actuator networks | |
Larionov et al. | A multiphase queueing model for performance analysis of a multi-hop IEEE 802.11 wireless network with DCF channel access | |
Chang et al. | Effective age of information in real-time wireless feedback control systems | |
Gamgam et al. | Exact analytical model of age of information in multi-source status update systems with per-source queueing | |
Chang et al. | Age of information for actuation update in real-time wireless control systems | |
Varma et al. | Energy efficient time-triggered control over wireless sensor/actuator networks | |
Chen et al. | Mse minimized scheduling for multiple-source remote estimation with aoi constraints in iwsn | |
Juneja et al. | Correlated age-of-information bandits | |
Moradian et al. | Average age of information in two-way relay networks with service preemptions | |
Chen et al. | Self-stopping epidemic routing in cooperative wireless mobile sensor networks | |
Sun et al. | Intersensor collaboration in distributed quantization networks |
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 |