CN114900255B - 一种基于链路势能的近地表无线网络链路梯度场构建方法 - Google Patents

一种基于链路势能的近地表无线网络链路梯度场构建方法 Download PDF

Info

Publication number
CN114900255B
CN114900255B CN202210479812.3A CN202210479812A CN114900255B CN 114900255 B CN114900255 B CN 114900255B CN 202210479812 A CN202210479812 A CN 202210479812A CN 114900255 B CN114900255 B CN 114900255B
Authority
CN
China
Prior art keywords
node
link
potential energy
link potential
neighbor
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
Application number
CN202210479812.3A
Other languages
English (en)
Other versions
CN114900255A (zh
Inventor
杨泓渊
段荣宙
王龙旭
张怀柱
郑凡
张林行
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jilin University
Original Assignee
Jilin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jilin University filed Critical Jilin University
Priority to CN202210479812.3A priority Critical patent/CN114900255B/zh
Publication of CN114900255A publication Critical patent/CN114900255A/zh
Application granted granted Critical
Publication of CN114900255B publication Critical patent/CN114900255B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04BTRANSMISSION
    • H04B17/00Monitoring; Testing
    • H04B17/30Monitoring; Testing of propagation channels
    • H04B17/309Measuring or estimating channel quality parameters
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W24/00Supervisory, monitoring or testing arrangements
    • H04W24/08Testing, supervising or monitoring using real traffic
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W84/00Network topologies
    • H04W84/18Self-organising networks, e.g. ad-hoc networks or sensor networks
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于链路势能的近地表无线网络链路梯度场构建方法,属于无线自组织网络通信领域,针对节点地震仪等近地表铺设的可移动式无线自组织传感器网络需要无结构化的动态网络拓扑,同时要应对严重的链路波动的问题,本发明提出了链路势能的概念,针对性的设计了基于网络通信链路质量的梯度场,设计中同时考虑了均衡网络中各节点能耗。该梯度场能较为准确的反映无线网络通信链路质量的变化情况,避免了直接使用链路质量评估值评价通信链路产生的波动。同时可以判断网络节点对于控制中心的相对位置,能够作为节点地震仪多测线情况下的梯度路由算法使用。

Description

一种基于链路势能的近地表无线网络链路梯度场构建方法
技术领域
本发明属于无线自组织网络通信领域,特别是涉及一种基于链路势能的近地表无线网络链路梯度场构建方法。
背景技术
无线自组织网络是由一组移动节点通过无线通信方式自组织连接形成的无中心结构的通信网络。相较于传统有基站的无线网络,自组织网络中各节点地位是相等的,均能作为终端和转发节点,网络具有抗毁性强,鲁棒性高等优点。同时无线自组织网络依靠多跳传输数据,灵活性与可扩展性强。因此,无线自组织网络技术广泛应用于无线传感器测量系统,可以将大量的移动测量传感器节点连入无线通信网络,用来构建区域数据采集和监控系统。
无缆式节点地震仪是无线自组网的一种典型应用场景。相较于普通无线传感节点构建的无线自组织网络,节点地震仪构建的无线自组织网络一般具有以下特点:
一、由于地震勘探的需要,地震仪节点需贴地表布设,有时甚至进行浅层埋设,近地表环境对无线信号的干扰影响较大,使得网络链路波动性明显。
二、地震仪节点需按照地震勘探测线等距布置,常为均匀分布的长链状结构,不适于搭建分层的树状网络或者分簇的网状网络结构。
三、由于地震勘探的需要,地震仪节点需要随时滚道,更替。故此网络中的节点须能随机加入、移动、退出,即网络需要有动态自适应的拓扑。
因此,节点地震仪进行无线自组网需要设计无结构化的动态网络拓扑,同时要能够应对严重的链路波动。
针对于无结构化的动态网络拓扑,地理路由和梯度路由得到广泛应用。
地理路由是一种只需要网络节点地理位置信息即可做出路由决策的路由算法。无需维护全局拓扑结构,依靠网络节点的地理位置信息进行数据转发,适合大规模、节点位置变动的无线网络数据传输。但是地理路由需要额外的地理位置信息获取单元,成本与能耗均较高。同时当节点位置信息丢失或不准确时,数据转发会陷入所谓路由洞问题。
梯度路由通过在网络中构建梯度场来判断节点所处的相对位置和数据转发方向。常见的用于构建梯度场的参数有多种,如数据包跳数、节点当前电量、节点队列长度等。梯度路由相较于地理路由成本低,开销少,但是跳数等梯度参数受网络链路波动明显,网络节点相对位置信息较于绝对地理信息模糊易错,结果导致使用梯度路由的网络数据包投递失误率、传输延迟均较高,网络规模也较小。
发明内容
节点地震仪等近地表铺设的可移动式无线自组织传感器网络需要无结构化的动态网络拓扑,同时要应对严重的链路波动。针对以上问题,提出一种基于链路势能的近地表无线网络链路梯度场构建方法,无需固定的网络拓扑,克服了近地表环境对网络通信链路产生的严重干扰,能够获取到可靠的网络链路情况以及方向梯度等相对位置信息,为节点地震仪等近地表铺设无线网络在组网使用梯度路由时提供新方案。
本发明所采用的技术方案具体如下:
一种基于链路势能的近地表无线网络链路梯度场构建方法,该方法包括:
1)无线网络中的节点都以周期性向周边的邻居节点发送广播数据包;广播数据包中包含了节点id和节点链路势能;所述的链路势能是一种自定义的由网络采集控制中心产生的虚拟能量,链路势能在网络链路中只能从高到低的传导,同时在传导过程中会模拟能量的损耗。
2)无线网络中的节点在发送周期内对接收到的邻居节点的广播数据包先进行存储,每个节点存储周围邻居节点链路势能信息的数据结构是一个链表,数据结构中包括了邻居节点的节点id、节点间链路质量、节点链路势能和该邻居节点信息丢失周期数。
3)无线网络中的节点存储接收到的邻居节点广播数据包时,首先是遍历信息存储链表,找到对应的周围邻居节点记录;如果存储的链表中没有该邻居节点的信息记录,那么直接到链表的尾部新建一条节点记录,记录中填写该新邻居节点的节点id、链路势能,并将丢失周期数初始化为0,之后对节点与该邻居节点间的链路质量做出评估并将链路质量评估值r填入记录中;如果找到该邻居节点记录,则更新相应节点的链路势能,并重新评估当前周期与邻居节点间的链路质量,将链路质量评估值r填入记录中,然后同样将丢失周期数修改为0,以示该节点信息在本广播周期内接收。
4)待无线网络中的节点在周期发送操作触发后,首先需要调整节点记录的丢失周期数;节点从存储的邻居节点信息链表顶部开始,遍历每一个邻居节点记录,首先调整节点记录的丢失周期数,对当前周期未收到广播包的每一个邻居节点的丢失周期数加1,当丢失周期数达到超时次数n时,可信度降低到0,认为该记录完全不可信,该节点记录将从链表中剔除。
5)对邻居节点链路势能信息进行判别可信度判别工作,具体按照下式进行:
Figure BDA0003627117140000021
其中,p代表可信度,n为设置的最多丢失周期数,称之为超时次数,c为该邻居节点当前已丢失周期数。
当可信程度p大于临界值时,选择相信该邻居节点信息;否则将对节点信息中的链路势能总量乘以p得到一个新的链路势能,即对该节点传输的链路势能进行一定程度的衰减,表明该节点链路势能信息丢失周期较多,不具有可信度。
6)遍历比较所有已存储邻居节点的链路势能,提取出所有链路势能大于本节点链路势能的邻居节点记录。对于所有链路势能大于本节点链路势能的邻居节点,使用链表中各邻居节点的链路质量评估值r、本节点自身当前电量m,根据下式计算链路势能传导损耗:
Figure BDA0003627117140000031
其中r为评估得到的链路质量,0<r<1。
Figure BDA0003627117140000032
为链路势能损耗衰减因子,其中m为本节点当前电量,用百分数表示,范围是[0%,100%],
Figure BDA0003627117140000033
为衰减指数,为大于1的正整数,用于控制节点电量对传导损耗衰减的力度,受不同网络应用场景影响,经实验得出并自由调整。
7)将步骤5)中通过可信度判别得到的各邻居节点新的链路势能值与步骤6)获得链路势能传导损耗两者相减,获取各邻居传导至本节点的链路势能值。
8)通过排序算法获取各邻居传导至本节点的链路势能值的最大值,保留对应邻居节点信息。如果保留的节点信息不为空,表明在节点的邻居节点中有可以向本节点传导的节点。节点将该链路势能最大值打包后通过广播发送,完成传导。
如果没有链路势能大于本节点链路势能的邻居节点,或计算之后保留节点为空,则表明邻居节点中没有节点可以向本节点传导链路势能,节点按照下式衰减自己的链路势能L;
L1=L0×β
其中L0为更新前节点的链路势能,L1为更新后节点的链路势能,β为衰减系数,0<β<1为经验值,受网络应用场景影响,可由实验得出。
本发明与现有技术相比,有益效果在于:
本发明方法充分考虑了以节点地震仪为代表的可移动式近地表铺设无线自组织网络的特点,提出了链路势能的概念,针对性的设计了基于网络通信链路质量的梯度场,设计中同时考虑了均衡网络中各节点能耗。该梯度场能较为准确的反映无线网络通信链路质量的变化情况,避免了直接使用链路质量评估值评价通信链路产生的波动。同时可以判断网络节点对于控制中心的相对位置,能够作为节点地震仪多测线情况下的梯度路由算法使用。经验证,该梯度场能有效的降低无线信号波动的影响,解决了常规梯度路由数据包投递失误率、传输延迟较高的问题,能够扩大网络规模,均衡网络各节点能耗,提升网络生命周期。
附图说明
图1为链路势能传导规则说明示意图;
图2为典型链路势能传导结果示意图;
图3为链路势能传导分区示意图;
图4为节点存储链路势能信息流程示意图;
图5为节点发送链路势能信息流程示意图。
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发明,并不用于限定本发明。
首先针对本发明所提供的一种基于链路势能的近地表无线网络链路梯度场构建方法,中涉及得到的基本概念做出解释和说明。
链路势能及相关概念的定义。具体的,本发明提出了一种自定义的由网络中心产生的虚拟能量,类比电势能等经典势能的定义,称之为链路势能。为了更好理解链路势能的概念,给出如下的定义:
定义1(链路势能):链路势能由网络中心节点产生,且网络中心节点处的链路势能恒定不变,不会随着时间流失。
链路势能是一种虚拟能量,规定中心节点具有无限的,恒定的链路势能值。该值通过无线数据包的周期性广播实现扩散传导。在接收到链路势能传导数据包时,普通节点通过从数据包中记录的链路势能值减去传导损失来确定其自己的链路势能,并开始使用新的链路势能发送周期性的链路势能传导广播数据包。这意味着网络中所有节点的链路势能都是周期更新的。
定义2(传导通路):如果两个节点间可以直接通信,并且两个节点的链路势能不等,则认为这两个节点存在一条传导通路。
直接通信意为两节点不经过其他任何中间节点可互相接收到无线信号。传导通路为链路势能在网络中传导的媒介,通路可传导的链路势能的量与节点间链路质量以及被传导节点的当前电量相关。
为了实现构建链路势能的梯度,在链路势能的传导上,本文假定链路势能具有以下几点传导规则:
规则1节点间传导链路势能时,自身的链路势能值不会变低。
规则2链路势能传导通路是单向的,只能由链路势能高的节点向链路势能低的节点传导,反之不可传导。
规则3节点的链路势能只取决于传导到该节点的最高的链路势能,并且链路势能不能叠加。
规则4节点会存储一定量的链路势能,并会随着时间的流逝而不断消耗它们。
规则5链路势能在节点间传导的损失只取决于节点间的链路质量以及被传导节点的当前电量。
下面对于以上规则作进一步的阐释说明。
规则1定义节点的链路势能不会因向外传导有任何的扰动。如图1(Ⅰ)所示,链路势能通过节点a传导至节点b,传导产生了损失,但是传导前后节点a的链路势能不会发生改变,只是b接收到的链路势能较a减少。
这样设计的目的是为了使所有普通网络节点被传导链路势能时都可看作与网络中心节点间建立了一个直接的虚拟通路。沿该通路传导链路势能的损耗是根据被传导节点到网络中心节点之间所有普通节点组成的通信链路质量以及沿途的所有普通节点的当前电量而累计决定的,可以认为传导的累计损耗由网络中心节点承担。也即是说每个节点得到的链路势能实质是从网络中心节点发出,经过沿途损耗,到达自身时剩余的链路势能值。也即是说,节点a,b间的链路势能传导过程并非是节点a的链路势能由节点a转移到了节点b,而只是来自网络中心节点的链路势能在a和b之间传导时产生了损耗。
规则2定义链路势能只能由链路势能高的节点向链路势能低的节点传导。如图1(Ⅱ)所示,节点b的链路势能小于节点a的链路势能,则链路势能只能从节点a传导至节点b,不能反向从节点b传导至节点a。规则2同理于规则1,限制了链路势能的实质是由网络中心节点发出然后沿途不断损耗传导至各普通节点。因为链路势能的传导本质是沿途损失的计算,而非能量的转移。每传导一次,损失都在不断累计,即链路势能每传导一次代表来自控制中心的势能经过了一次损耗,自然不能从低到高。
规则3定义节点的链路势能只取决于传导到该节点的最高的链路势能。例如,如果某个节点的可通信的附近邻居节点个数大于2,并且它们的链路势能均高于该节点,那么该节点的链路势能只取决于2个节点传导过来的最高链路势能,低于最高链路势能的会被忽略。如图1(Ⅲ)所示,节点a,b处链路势能均大于节点c,按照规则2,节点c与节点a以及节点b均有传导通路。但是按照规则3,经传导损失计算后,节点a传导至c的链路势能大于节点b传导过来的链路势能,那么节点c的链路势能只取决于节点a,和节点b无关。
注意,规则3定义的是传导到该节点的最高的链路势能,即进行比较的是节点a,b经传导损失后到达节点c的链路势能的大小,而非节点a,b的链路势能本身。换言之,可能出现节点b本身的链路势能低,但是传导损失小,传导至节点c处的链路势能反而高的情况。这种情况下就应当选择节点b作为传导方。
因为从网络控制中心到达当前节点的数据转发路径不止一条,为了使当前节点获得的链路势能是由网络中心节点处出发然后经过最小损耗的路径传导而来,设计规则3。按照规则3,节点每次传导都会选择势能高的节点,这就意味着传导损耗少,即节点当前链路势能值就可以指示网络中心节点到当前节点的最佳网络转发路径上的链路通信质量。该路径为最佳的评价来源是链路势能沿该路径传导产生的损耗最少,其他损耗较多的路径将不被保留。
规则4如图1(Ⅳ)所示,节点断开所有的无线通信链路后,其存储的链路势能会因为得不到补充而随时间流逝逐步衰减,最后降低到0。规则4的定义说明链路势能的意义就是为了表征普通节点与中心节点间的通信质量,如果失去连接,自身的梯度值就会下降,用于表明该节点通信质量的下降。
规则5被设计为链路势能传导损失只受链路质量及节点当前电量的影响。由规则1,2可知,链路势能的传导本质上是传导沿途损失的计算,所以要使最终形成的梯度场与通信链路质量相联系,就必须使损失计算与链路质量挂钩。而加入节点当前电量的目的在于无线网络往往不能一直只使用通信质量好的节点进行数据转发,这样会使得通信质量好的节点能量提前耗尽,网络难以继续维持。所以在传导损失计算中加入当前电量的影响,使得网络数据转发任务在当前电量高的节点和通信质量好的节点间进行综合选择。
按照上述定义的五个规则,链路势能会从网络中心节点开始,通过网络中的周期性广播数据进行传导并扩散,最终形成一个错落有致的梯度场。一个典型的链路势能传导情况如图2所示。网络中心节点具有最大的链路势能,经过一定损失后,对节点a传导了链路势能。之后节点a将链路势能传导到节点b和节点c。由于节点c和节点a之间的链路质量较差,导致损失更高,因此节点c获得的链路势能比节点b少。节点b在网络中广播链路势能传导数据包。节点c同样可以从节点b接收链路势能数据包,但是这会计算一个比接收节点a的链路势能小的值,该替代链路势能将被丢弃。类似地,节点b拒绝节点c的链路势能传导。而节点d已经无法接收到节点a的广播包,只能在节点b和c之间选择前者。总之,中心节点发出链路势能并将其传播到网络中的所有节点,形成链路势能的梯度。
链路势能梯度场构建过程中传导损失是其中的核心,以下内容是对链路势能梯度场构建过程中传导损失的定义和计算论证。
由第一部分链路势能及其规则的定义可知,链路势能的传导损失是一个主要受到无线通信链路质量影响的量,只有这样,最终建立的链路势能梯度场才能指示网络节点与网络中心之间的通信链路质量。同时,损失计算还要受到节点当前电量的影响,节点当前电量越高,传导损耗越小,以此使得梯度场能够用于均衡网络能耗。
首先给出链路势能传导损耗的计算式为:
Figure BDA0003627117140000071
其中r为评估得到的链路质量,0<r<1。
Figure BDA0003627117140000072
为链路势能损耗衰减因子,其中m为本节点当前电量,用百分数表示,范围是[0%,100%],
Figure BDA0003627117140000073
为衰减指数,为大于1的正整数,用于控制节点电量对传导损耗衰减的力度,受不同网络应用场景影响,可经实验得出并自由调整。
下面对链路势能传导损耗计算式的设计理论进行解释说明。
无线自组织网络应用时,网络数据包在从发送节点到目标节点的无线转发过程中,受通信距离限制和链路质量波动的影响,一般需要进行多次的数据转发和重传。这使得减少网络中的数据包传输次数成为降低无线自组网络功耗和延迟的有效方案。而数据包传输次数直接指示了无线通信链路质量的好坏,数据包到达目的节点时经过转发与重传的次数越少,说明转发路径的无线通信质量越好。因此本发明选择网络数据包传输次数作为计算链路势能损失的主要影响来源,该值可以由节点间链路质量评估值直接计算得出。
假设存在一个无线自组织网络,网络中一个数据包由某节点发出,经过中间节点n次转发后到另外一个节点。若该数据包在第k个中间节点进行第k次转发时的重新传输次数为uk,那么该数据包在转发途中被发送的次数可表示为:
Figure BDA0003627117140000074
若给出rk是该数据包第k次转发时节点间链路质量评估值,那么认为该数据包重新传输的成功概率即为rk,则
Figure BDA0003627117140000075
该数据包的传输累积次数可以表达为下式(2):
Figure BDA0003627117140000076
式中rk即为节点间链路质量评估值。通过两节点之间数据包成功概率就可以获得节点间链路质量评估值。
将链路势能的损失值与数据包传输次数进行绑定后,可以得到以下结论:
结论1:链路势能传导路径即为网络中最小化的数据包发送次数路径。
证明如下:
同样设一个无线自组织网络已经存在,链路势能初始值由网络中心节点产生并正向网络中其余节点传导扩散。此时,如果某一个节点的链路势能较另外一个网络节点的链路势能高,并且根据定义2,二者之间存在传导通路,那么链路势能就会在两个节点之间产生传导。传导损失视两个节点间的链路质量情况而定,假设节点b从节点a处接收到链路势能传导,那么节点b的链路势能Lb可以由下式(3)计算。
Lb=La-Sb,a (3)
式中La,Lb为网络节点a,b处的链路势能,Sa,b为链路势能从网络节点a传至节点b处的传导损失。
网络中任一节点获得的链路势能必然是源于中心节点,然后通过多个中间节点中转传导。如图3所示,本发明将直接从中心节点接收链路势能传导的网络节点的集合定义为P0,通过一次转发传导获得链路势能的节点集合为P1,同理,定义通过n次传导获得链路势能的网络节点组成的集合为Pn。这样定义之后,集合Pn中任何网络节点的链路势能均必须由集合Pn-1中的某个节点传导。若节点a处于集合Pn中,则节点a的链路势能La应为:
Figure BDA0003627117140000081
其中Sk为链路势能在第k次传导时的损失值,Lmax为网络中心节点链路势能值。
根据链路势能传导规则3,节点趋向于选择可获得最大的链路势能,即从网络中心节点到当前传导节点的总传导损耗最小。对于P2中的任何节点m,假设节点m处的链路势能由P1中的节点a传导而来,则有下式:
Sm,a+Sa,o<Sm,b+Sb,o(a∈P1,b∈P1,a≠b) (5)
式中Sm,a为链路势能从网络节点a传至节点m处的传导损失,网络中心节点设置为节点o,b节点为P1集合中除节点a之外的其余任一节点。
依次类推,对于Pn中的任何节点n,从集合Pn-1中的节点i获取到的链路势能存在如下关系:
Sn,i+Lmax-Li<Sn,j+Lmax-Lj(i∈Pn-1,j∈Pn-1,i≠j) (6)
根据式(4),
Figure BDA0003627117140000082
是由中心节点经过n-1次传导到达节点i所带来的链路势能损耗之和。代入式(6)得:
Figure BDA0003627117140000083
上式表明沿着链路势能传导路径的链路势能损耗的累积总和小于任何其他路径上的链路势能损耗的累积总和。假设链路势能传导损耗就是进行链路势能传导的两个节点之间数据包的传输次数。显然,沿传导路径的链路势能总损耗最小,也就是说,沿该路径转发数据包的总传输次数是最小的,结论1得证。
当无线网络要求所有节点将数据发送到中心节点时,必然会存在网络功耗不平衡的问题。完全照上述说明按通信质量好坏构建通信链路梯度场用于网络上层的路由转发时,某些通信质量好的节点会多次被选为中间转发节点。造成网络中通信差的节点转发任务少,耗能少,通信质量好的节点转发任务多,耗能多,这种不平衡不加控制会使得网络中某些节点提前耗尽能量,而一些节点电量剩余很多。结果即是说网络在一部分节点当前电量很多时就不得不因为某些节点耗尽能量而断开。因此,为了延长网络寿命,应该使得网络中所有节点的能量尽量匀速的消耗,称之为平衡网络功耗。
为此,引入g(m)作为关于节点当前电量的链路势能损耗调整因子,并设置为:
Figure BDA0003627117140000091
其中m为传导目标节点当前电量,用百分数表示,范围是[0%,100%],
Figure BDA0003627117140000092
为衰减指数,为大于等于1的正整数,
Figure BDA0003627117140000093
用来控制节点电量对传导损耗衰减的力度,
Figure BDA0003627117140000094
值越大,衰减力度越大,节点电量对传导损耗的影响越大,针对不同的无线网络应用场景,可经实验得出并自由调整。由当节点的能量充满时,m=100%,g(m)=1,当节点能量耗尽时,m趋于0%,g(m)就会趋于无穷。将g(m)引入到链路势能的传导损失中时,能量越低的节点损耗越大,这在一定程度上避免了网络转发任务集中选择通信质量好的节点,从而解决某些节点快速耗尽能量的问题。
由上,得出链路势能传导损耗应是链路质量评估值与能量调整因子综合作用的结果,故此设计传导损耗计算式(1),然后将式(1)代入式(3),即可得出节点a传导链路势能至节点b的传导表达式:
Figure BDA0003627117140000095
完成传导损耗的计算之后,按照链路势能传导规则4,还需给出链路势能随时间流失的损失计算表达式。
节点在每个周期结束时更新链路势能,然后开始新的周期。但如果一个周期内节点a没有接受任何节点的传导,那么节点a的链路势能将以指数形式进行衰减。
Figure BDA0003627117140000096
其中β为衰减系数,0<β<1为经验值,受网络应用场景影响,可由实验得出。
基于上述公式(9)和(10),在网络中设定中心节点后,网络中的其余节点根据周期广播包计算更新并传导自身具有的链路势能值,并逐步扩散,最终网络里会形成一个有关于链路势能的梯度。
最后基于以上对链路势能梯度场构建所提出的定义和规则,提出一种基于链路势能的近地表无线网络链路梯度场构建方法,具体步骤如下:
1)无线网络中的节点都以周期性向周边的邻居节点发送广播数据包,广播数据包中包含了节点id和节点链路势能。
2)无线网络中的节点在发送周期内对接收到的邻居节点的广播数据包先进行存储,网络节点不进行立即传导的主要原因是节点传导链路势能是周期进行的。传导时间间隔也即是网络广播包发送的周期。设置为固定周期发送是因为广播包自由发送会使无线网络在短时间产生聚集拥堵。每个节点发送广播包的周期相同,但是起始发送时间不同。这样,在一个传导间隔内,该邻居节点会收到周围多个邻居节点发出的周期广播包,有许多节点的信息最后可能是无用的。如果收到后立即进行计算传导会产生较多的无效与重复操作,浪费资源。每个节点存储周围邻居节点链路势能信息的数据结构是一个链表,数据结构中包括了邻居节点的节点id、节点间链路质量评估值r、节点链路势能和该邻居节点信息丢失周期数。节点更新存储的信息的流程如图4所示。
3)无线网络中的节点存储接收到的邻居节点广播数据包时,首先是遍历信息存储链表,找到对应的周围邻居节点记录;如果存储的链表中没有该邻居节点的信息记录,那么直接到链表的尾部新建一条节点记录,记录中填写该新邻居节点的节点id、链路势能,并将丢失周期数初始化为0,之后对节点与该邻居节点间的链路质量做出评估并将链路质量评估值r填入记录中;如果找到该邻居节点记录,则更新相应节点的链路势能,并重新评估当前周期与邻居节点间的链路质量,将链路质量评估值r填入记录中,然后同样将丢失周期数修改为0,以示该节点信息在本广播周期内接收。至此,存储操作完成。
4)待无线网络中的节点在周期发送操作触发后,首先需要调整节点记录的丢失周期数;节点从存储的邻居节点信息链表顶部开始,遍历每一个邻居节点记录,首先调整节点记录的丢失周期数,对当前周期未收到广播包的每一个邻居节点的丢失周期数加1,当丢失周期数达到超时次数n时,可信度降低到0,认为该记录完全不可信,该节点记录将从链表中剔除。
5)在调整节点记录的丢失周期数的同时还需要进行的是邻居节点链路势能信息的可信度判别工作。需要该操作的主要原因是在实际的无线自组织网络应用中,网络节点发送的广播包并不会每次都被邻居节点成功接收到。一次数据通信失败并不代表两节点之间无线通信链路不可用。因此需要可信度判别操作来判断节点当前存储的邻居节点链路势能信息数据多大程度上可信。对邻居节点链路势能信息进行判别可信度判别工作,具体按照下式进行:
Figure BDA0003627117140000111
其中,p代表可信度,n为设置的最多丢失周期数,称之为超时次数,c为该邻居节点当前已丢失周期数。
当可信程度p大于临界值时,选择相信该邻居节点信息;否则将对节点信息中的链路势能总量乘以p得到一个新的链路势能,即对该节点传输的链路势能进行一定程度的衰减,表明该节点链路势能信息丢失周期较多,不具有可信度。
由可信度判别计算公式易知节点丢失周期数越小,可信度越高。这是因为丢失周期小意味着传导节点与该邻居节点间通信频繁,该邻居节点的信息较新,可信度高。当可信度计算结果下降到一定程度之后,则认为距离上一次收到该邻居节点信息已经时间较长,节点信息不可靠,所以下调该邻居节点的链路势能值。
6)链路势能发送流程如图5所示,遍历比较所有已存储邻居节点的链路势能,提取出所有链路势能大于本节点链路势能的邻居节点记录。对于所有链路势能大于本节点链路势能的邻居节点,使用链表中各邻居节点的链路质量评估值r、以及本节点当前电量m,根据链路势能传导损耗计算公式计算出链路势能传导损耗。
7)将步骤5)中通过可信度判别得到的各邻居节点新的链路势能值与步骤6)获得链路势能传导损耗两者相减,获取各邻居传导至本节点的链路势能值。
8)通过排序算法获取各邻居传导至本节点的链路势能值的最大值,保留对应邻居节点信息。如果保留的节点信息不为空,表明在节点的邻居节点中有可以向本节点传导的节点。节点将该链路势能最大值打包后通过广播发送,完成传导。这是节点按照式(9)更新自己的链路势能。
如果没有链路势能大于本节点链路势能的邻居节点,或计算之后保留节点为空,则表明邻居节点中没有节点可以向本节点传导链路势能,节点按照式(10)衰减自己的链路势能。
根据上述方法构建完成后,首先网络采集控制中心发出初始的链路势能信息,附近网络节点接收该信息并存储后,通过链路质量评估值和自身能量值计算下一步传导损耗,然后发送周期性广播数据包将链路势能传导至下一节点;链路势能通过这样依次接棒传递由近及远的逐步传导到网络中的各个节点,并实现周期性更新。最终,随着链路势能的不断传导扩散,传导损耗逐步累积,链路势能逐渐下降,网络中将形成指示远端网络节点与网络采集控制中心之间网络通信距离和质量的链路势能梯度场。
本发明方法提出了链路势能的概念,针对性的设计了基于网络通信链路质量的梯度场,设计中同时考虑了均衡网络中各节点能耗。即该梯度场实质上是描述无线网络通信链路质量和节点能量的混合梯度场,能较为准确的反映无线网络通信链路质量的变化情况,避免了直接使用链路质量评估值产生的波动。同时可以判断网络节点对于控制中心的相对位置,能够作为节点地震仪多测线情况下的梯度路由算法使用。

Claims (1)

1.一种基于链路势能的近地表无线网络链路梯度场构建方法,其特征在于,该方法包括以下步骤:
1)无线网络中的节点都以周期性向周边的邻居节点发送广播数据包;广播数据包中包含了节点id和节点链路势能;所述的链路势能是一种自定义的由网络采集控制中心产生的虚拟能量,链路势能在网络链路中只能从高到低的传导,同时在传导过程中会模拟能量的损耗;
2)无线网络中的节点在发送周期内对接收到的邻居节点的广播数据包先进行存储,每个节点存储周围邻居节点链路势能信息的数据结构是一个链表,数据结构中包括了邻居节点的节点id、节点间链路质量、节点链路势能和该邻居节点信息丢失周期数;
3)无线网络中的节点存储接收到的邻居节点广播数据包时,首先是遍历信息存储链表,找到对应的周围邻居节点记录;如果存储的链表中没有该邻居节点的信息记录,那么直接到链表的尾部新建一条节点记录,记录中填写该新邻居节点的节点id、链路势能,并将丢失周期数初始化为0,之后对节点与该邻居节点间的链路质量做出评估并将链路质量评估值r填入记录中;如果找到该邻居节点记录,则更新相应节点的链路势能,并重新评估当前周期与邻居节点间的链路质量,将链路质量评估值r填入记录中,然后同样将丢失周期数修改为0,以示该节点信息在本广播周期内接收;
4)待无线网络中的节点在周期发送操作触发后,首先需要调整节点记录的丢失周期数;节点从存储的邻居节点信息链表顶部开始,遍历每一个邻居节点记录,首先调整节点记录的丢失周期数,对当前周期未收到广播包的每一个邻居节点的丢失周期数加1,当丢失周期数达到超时次数n时,可信度降低到0,认为该记录完全不可信,该节点记录将从链表中剔除;
5)对邻居节点链路势能信息进行判别可信度判别工作,具体按照下式进行:
Figure FDA0003627117130000011
其中,p代表可信度,n为设置的最多丢失周期数,称之为超时次数,c为该邻居节点当前已丢失周期数;
当可信程度p大于临界值时,选择相信该邻居节点信息;否则将对节点信息中的链路势能总量乘以p得到一个新的链路势能,即对该节点传输的链路势能进行一定程度的衰减,表明该节点链路势能信息丢失周期较多,不具有可信度;
6)遍历比较所有已存储邻居节点的链路势能,提取出所有链路势能大于本节点链路势能的邻居节点记录;对于所有链路势能大于本节点链路势能的邻居节点,使用链表中各邻居节点的链路质量评估值r、节点当前电量m,根据下式计算链路势能传导损耗:
Figure FDA0003627117130000012
其中r为评估得到的链路质量,0<r<1,r的值越高传导通路的链路质量越好,越能保证在传导过程中链路势能损失量小;g(m)为链路势能损耗衰减因子,m为节点当前电量,用百分数表示,范围是[0%,100%],
Figure FDA0003627117130000021
为衰减指数,为大于等于1的正整数,用于控制节点电量对传导损耗衰减的力度,受不同网络应用场景影响,经实验得出并自由调整;衰减因子g(m)使得节点当前电量越高,对传导损耗的衰减越小;
7)将步骤5)中通过可信度判别得到的各邻居节点新的链路势能值与步骤6)获得链路势能传导损耗两者相减,获取各邻居传导至本节点的链路势能值;
8)通过排序算法获取各邻居传导至本节点的链路势能值的最大值,保留对应邻居节点信息;如果保留的节点信息不为空,表明在节点的邻居节点中有可以向本节点传导的节点,节点将该链路势能最大值打包后通过广播发送,完成传导;
如果没有链路势能大于本节点链路势能的邻居节点,或计算之后保留节点为空,则表明邻居节点中没有节点可以向本节点传导链路势能,节点按照下式衰减自己的链路势能L;
L1=L0×β
其中L0为更新前节点的链路势能,L1为更新后节点的链路势能,β为衰减系数,0<β<1为经验值,受网络应用场景影响,由实验得出。
CN202210479812.3A 2022-05-05 2022-05-05 一种基于链路势能的近地表无线网络链路梯度场构建方法 Active CN114900255B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210479812.3A CN114900255B (zh) 2022-05-05 2022-05-05 一种基于链路势能的近地表无线网络链路梯度场构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210479812.3A CN114900255B (zh) 2022-05-05 2022-05-05 一种基于链路势能的近地表无线网络链路梯度场构建方法

Publications (2)

Publication Number Publication Date
CN114900255A CN114900255A (zh) 2022-08-12
CN114900255B true CN114900255B (zh) 2023-03-21

Family

ID=82720568

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210479812.3A Active CN114900255B (zh) 2022-05-05 2022-05-05 一种基于链路势能的近地表无线网络链路梯度场构建方法

Country Status (1)

Country Link
CN (1) CN114900255B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106850436A (zh) * 2017-01-10 2017-06-13 中国矿业大学 基于虚拟势能场的矿井混合无线mesh网络路由协议
CN106899991A (zh) * 2017-03-08 2017-06-27 哈尔滨工业大学深圳研究生院 基于多机器人和高斯信号模型的自适应最优自组网方法
CN112954727A (zh) * 2021-03-09 2021-06-11 陕西高速电子工程有限公司 一种隧道无线传感网络通信方法及系统
CN112965525A (zh) * 2021-02-10 2021-06-15 成都两江前沿科技有限公司 约束条件下的大规模固定翼无人机集群编队方法
CN113660710A (zh) * 2021-07-05 2021-11-16 上海电机学院 一种基于强化学习的移动自组织网络路由方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8831524B2 (en) * 2011-04-11 2014-09-09 University Of Maryland, College Park Systems, methods, devices, and computer program products for control and performance prediction in wireless networks

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106850436A (zh) * 2017-01-10 2017-06-13 中国矿业大学 基于虚拟势能场的矿井混合无线mesh网络路由协议
CN106899991A (zh) * 2017-03-08 2017-06-27 哈尔滨工业大学深圳研究生院 基于多机器人和高斯信号模型的自适应最优自组网方法
CN112965525A (zh) * 2021-02-10 2021-06-15 成都两江前沿科技有限公司 约束条件下的大规模固定翼无人机集群编队方法
CN112954727A (zh) * 2021-03-09 2021-06-11 陕西高速电子工程有限公司 一种隧道无线传感网络通信方法及系统
CN113660710A (zh) * 2021-07-05 2021-11-16 上海电机学院 一种基于强化学习的移动自组织网络路由方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Jun Lin等.A Link and Energy Aware Gradient Routing Method for Seismic Node Networks.2022,第71卷1-10页. *
汪钬柱.无定形扁平化自组网的自适应技术研究与设计.2018,7-23页. *

Also Published As

Publication number Publication date
CN114900255A (zh) 2022-08-12

Similar Documents

Publication Publication Date Title
Petrioli et al. ALBA-R: Load-balancing geographic routing around connectivity holes in wireless sensor networks
US7035207B2 (en) System and method for forming, maintaining and dynamic reconfigurable routing in an ad-hoc network
CN103621144B (zh) 用于在网络中发现路由集合的方法
CN109547351B (zh) Ad Hoc网络中基于Q学习和信任模型的路由方法
CN112954769B (zh) 基于强化学习的水下无线传感器网络路由方法
CN109699033B (zh) 面向成本和负载均衡的LoRa电力物联网基站部署方法及装置
CN108632940B (zh) 适用于光电传感器无线mesh网络的可靠多径路由算法
CN108521660B (zh) 一种能量均衡的路由更新方法
Wu et al. Ant-based energy-aware disjoint multipath routing algorithm for MANETs
Tavizi et al. Tree-based reliable and energy-aware multicast routing protocol for mobile ad hoc networks
Hassani et al. A new objective function based on additive combination of node and link metrics as a mechanism path selection for RPL protocol
Salehpour et al. An energy efficient routing protocol for cluster-based wireless sensor networks using ant colony optimization
Karim et al. QL-EEBDG: QLearning based energy balanced routing in underwater sensor networks
Yu et al. An ant colony optimization-based QoS routing algorithm for wireless multimedia sensor networks
Elhabyan et al. Weighted tree based routing and clustering protocol for WSN
CN114900255B (zh) 一种基于链路势能的近地表无线网络链路梯度场构建方法
CN110933676B (zh) 用于水下传感网络多目标优化机会路由的方法
Su et al. ACAR: an ant colony algorithm‐based routing protocol for underwater acoustic sensor network
CN116528313A (zh) 一种面向任务协同的无人机低能耗快速路由方法
CN110121185A (zh) 一种配电通信网络路由优化方法
Zhou et al. A bidirectional Q-learning routing protocol for UAV networks
CN108307411B (zh) 基于生物启发的移动自组织网络自适应网关选择方法
Prema et al. Effective Routing Using Multi-Objective Levy flight-Artificial Rabbit Optimization Algorithm for Wireless Mesh Networks.
CN110324875A (zh) 一种基于节点中心性的无线传感器网络能耗均衡路由方法
CN109257288B (zh) 一种低压电力线载波通信路由选择方法

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