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

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

一种基于多跳无线传感器网络的采样周期优化方法

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μ_i；

步骤2，由步骤1设置的节点数据发送率μ_i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：

步骤2.1，根据M/M/1队列理论，得到节点i内部的队列延时概率密度函数

其表达式如下：

其中，τ_i为节点i的单跳传输延时，λ_i为节点i的数据采样率，λ_i＝1/T_s，T_s为数据采样周期，i＝1,2,…,n；

步骤2.2，由步骤2.1得到的

得到第1个节点到第n个节点多跳传输延时的概率密度函数f_1→n(τ_1→n)，其表达式如下：

f_1→n(τ_1→n)＝f₁(τ₁)*f₂(τ₂)*…*f_n(τ_n),n≥2 (2)

其中，τ_1→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f_1→n(τ_1→n)确定优化目标为节点数据采样率最大，记为maxλ_i，其约束条件表达式如下：

其中，τ_m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τ_m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μ_i条件下，优化得出节点最优的数据采样率λ_imax；

步骤5，由步骤4得到的节点最优的数据采样率λ_imax计算得出优化后的多跳无线传感器网络采样周期T_smax，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λ_i均小于对应i节点的数据发送率μ_i。

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μ_i。在本实施例中，n＝4，通过设置节点的邻居节点数N_ng来设置不同的数据发送率μ_i。

步骤2，由步骤1设置的节点数据发送率μ_i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：

步骤2.1，根据M/M/1队列理论，得到节点i内部的队列延时概率密度函数

其表达式如下：

其中，τ_i为节点i的单跳传输延时，λ_i为节点i的数据采样率，λ_i＝1/T_s，T_s为数据采样周期，i＝1,2,…,n。

具体的，节点i的数据采样率λ_i均小于对应i节点的数据发送率μ_i。

步骤2.2，由步骤2.1得到的

得到第1个节点到第n个节点多跳传输延时的概率密度函数f_1→n(τ_1→n)，其表达式如下：

f_1→n(τ_1→n)＝f₁(τ₁)*f₂(τ₂)*…*f_n(τ_n),n≥2 (2)

其中，τ_1→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f_1→n(τ_1→n)确定优化目标为节点数据采样率最大，记为maxλ_i，其约束条件表达式如下：

其中，τ_m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，τ_m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τ_m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μ_i条件下，优化得出节点最优的数据采样率λ_imax。

具体的，针对设置的不同的数据发送率μ_i，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λ_imax。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N_ng来设置不同的数据发送率μ_i，由步骤4优化得出节点最优的数据采样率λ_imax。当数据采样率λ_i＞λ_imax时，总延时超过了规定的延时上界；当数据采样率λ_i＜λ_imax时，总延时虽未到达规定的延时上界，但λ_i偏小影响了整个网络的采样性能；当数据采样率λ_i＝λ_imax时，总延时不超过规定的延时上界，λ_i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λ_imax计算得出优化后的多跳无线传感器网络采样周期T_smax，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μ_i；

步骤2，由步骤1设置的节点数据发送率μ_i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：

步骤2.1，根据M/M/1队列理论，得到节点i内部的队列延时概率密度函数

其表达式如下：

其中，τ_i为节点i的单跳传输延时，λ_i为节点i的数据采样率，λ_i＝1/T_s，T_s为数据采样周期，i＝1,2,…,n；

步骤2.2，由步骤2.1得到的

得到第1个节点到第n个节点多跳传输延时的概率密度函数f_1→n(τ_1→n)，其表达式如下：

f_1→n(τ_1→n)＝f₁(τ₁)*f₂(τ₂)*…*f_n(τ_n),n≥2 (2)

其中，τ_1→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f_1→n(τ_1→n)确定优化目标为节点数据采样率最大，记为max λ_i，其约束条件表达式如下：

其中，τ_m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τ_m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μ_i条件下，优化得出节点最优的数据采样率λ_imax；

步骤5，由步骤4得到的节点最优的数据采样率λ_imax计算得出优化后的多跳无线传感器网络采样周期T_smax，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λ_i均小于对应i节点的数据发送率μ_i。

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。

Images