CN115568039B - 水下无线传感器网络中考虑数据紧急程度的数据采集方法 - Google Patents
水下无线传感器网络中考虑数据紧急程度的数据采集方法 Download PDFInfo
- Publication number
- CN115568039B CN115568039B CN202211210521.0A CN202211210521A CN115568039B CN 115568039 B CN115568039 B CN 115568039B CN 202211210521 A CN202211210521 A CN 202211210521A CN 115568039 B CN115568039 B CN 115568039B
- Authority
- CN
- China
- Prior art keywords
- data
- node
- sensor
- underwater vehicle
- emergency
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 23
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 230000005540 biological transmission Effects 0.000 claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 238000005265 energy consumption Methods 0.000 claims abstract description 16
- 230000008859 change Effects 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000008447 perception Effects 0.000 claims description 6
- 238000001303 quality assessment method Methods 0.000 claims description 4
- 238000009472 formulation Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 239000011800 void material Substances 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 description 7
- 238000004088 simulation Methods 0.000 description 7
- 238000013480 data collection Methods 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/02—Topology update or discovery
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/24—Multipath
-
- 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
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
-
- 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)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种水下无线传感器网络中考虑数据紧急程度的数据采集方法,首先传感器节点根据数据的历史分布来确定数据的紧急程度,将每一个新收集的传感数据与历史记录进行比较,并根据其在正态分布中的位置确定其紧急性级别;然后对于紧急数据采用多跳路由的方式传送到水面汇聚节点,并设计了一种路由空洞检测算法,以避免紧急数据传输失败;最后使用自主式水下航行器以预定义的轨迹采集非紧急数据,轨迹附近的网关节点会选择最优链路质量的路由将数据传送给自主式水下航行器,以降低水下传感器网络能耗。本发明能够有效满足水下无线传感器网络中紧急数据对采集及时性的需求,减少网络的数据采集延迟和降低网络能耗。
Description
技术领域
本发明属于水下无线传感器网络数据采集技术领域,具体地说,涉及一种水下无线传感器网络中考虑数据紧急程度的数据采集方法。
背景技术
随着科技的发展,海洋环境的监测受到越来越多的关注,水下无线传感器网络广泛应用于海底火山喷发的预防、海啸预警、海底地震监测等各种海洋应用领域中。
在许多应用场景中,水下无线传感器采集的数据是时间敏感的,需要尽快发送到汇聚节点。例如,水下火山的喷发伴随着水温的剧烈变化,为了预防灾害,有必要将异常温度的数据尽快传送到岸上监测中心。现有常见的数据收集机制是通过自主水下航行器采集数据,然而自主水下航行器采集数据的时延很长,不能满足水下无线传感器网络中紧急数据对采集及时性的需求。传统的多跳传输采集数据的方式时延虽然比自主水下航行器采集数据的时延少很多,然而其存在能量消耗不平衡的问题,靠近汇聚节点的传感器节点会更快地耗尽能量,因为它们分担了更多的包中继工作负载,这样会造成路由空洞,导致数据传输失败。
可以看出,传统的多跳传输式传输数据虽能快速的将数据传输到汇聚节点,但其存在能量消耗不平衡的问题,而通过自主水下航行器采集数据虽然能避免多跳传输带来的能量消耗不平衡的问题,但是当发生突发灾害时不能及时将紧急数据传送到岸上监测中心。
发明内容
本发明的目的是提出一种水下无线传感器网络中考虑数据紧急程度的数据采集方法,以弥补现有技术的不足。
为实现上述发明目的,本发明采用下述技术方案予以实现:
一种水下无线传感器网络中考虑数据紧急程度的数据采集方法,包括以下步骤:
S1:水下布设无线传感器网络,收集传感器数据,根据传感器数据的历史分布来确定数据的紧急程度,即将每一个收集的传感器数据与历史数据进行比较,并根据其在正态分布中的位置确定其紧急性级别;
S2:若传感数据紧急性级别判定为紧急数据,则执行路由空洞检测算法,以避免多跳路由传输失败;
S3:若传感数据紧急性级别判定为非紧急数据,则执行链路质量监测算法,预定义自主式水下航行器的轨迹,以平衡水下传感器网络的能耗;
S4:数据传送:所述S2中紧急数据以多跳路由的方式传送至水面汇聚节点,所述S3中非紧急数据由自主式水下航行器收集数据后将数据运输至水面汇聚节点。
进一步的,所述S1具体如下:
S1-1:计算历史数据的均值:
由于异常数据出现的频率要小于正常数据,并且异常数据出现的频率与数据异常的程度成负相关。以水下火山监测为例,正常温度将在平均温度(正常数据)附近。当火山爆发时,温度会明显高于平均温度(异常数据)。数据越异常,说明该数据越紧急。也就是说,数据的重要程度取决于该数据与历史数据均值的差。因此首先要计算历史数据的均值μ,其计算公式为:
其中,dik表示传感器节点Si产生的第k个传感数据,j表示当前传感器节点产生的全部数据;
S1-2:计算数据的标准差:
当传感器Si检测到第j个传感数据dij时,将dij与历史记录H={dik︱其中k=0,1,2,…,j-1}进行比较,差异越大,说明数据越重要;根据其在正态分布中的位置确定其重要性级别,并使用标准差σ作为度量标准来判定数据dij的重要程度,标准差σ的计算公式为:
其中,μ表示历史数据的均值,dik表示传感器节点Si产生的第k个传感器数据,j表示当前传感器节点产生的全部数据;
S1-3:确定数据是否紧急:
将数据的正态分布右侧p%的数据归类为紧急数据;给定一个传感器感知数据dij,使用累积概率方程来找到dij在正态分布中的位置,如果E(dij)≥100-p,则dij为紧急数据,反之,则为非紧急数据;累积概率方程E(dij)的计算公式为:
其中,dij表示传感器节点Si产生的第j个传感数据,t表示积分变量,exp为以e为底的指数函数,erf是误差函数。
进一步的,所述S2中,执行路由空洞检测算法具体为:
紧急数据在选择转发器之前会执行路由空洞检测算法,从而识别空洞节点;向空洞节点转发报文的节点在发送数据前会检查自己的邻居表,看其除空洞节点外是否有任何其他的相邻节点的深度比自己的节点深度高,如果有的话,则将当前节点标记为普通节点,否则将该节点标记为陷阱节点;发送方根据存储在自身邻居表中的邻居信息(包括节点的深度、陷阱节点和空洞节点的信息)来判断相邻节点的可达性,节点识别空洞节点和陷阱节点后,发送端节点会根据检查结果更新自己的邻居表,并向邻居节点广播报文。
进一步的,所述S3具体如下:
S3-1:计算自主式水下航行器附近节点通信链路拓扑变化程度:
使用向节点Si发送数据的节点重叠数量来描述节点Si的局部网络动态,并通过前后t时刻向其发送数据的节点变化情况作为自主式水下航行器附近节点通信链路拓扑稳定性指标LS(Si),其公式化定义为:
其中,和/>分别表示t-2、t-1和t时刻向传感器节点Si发送数据节点的集合,LS(Si)表示通信链路拓扑变化程度和脆弱性,当自主式水下航行器附近局部网络相对稳定时,三个相邻时刻内向传感器节点Si发送数据的节点集合改变较小,自主式水下航行器附近局部网络动态稳定性指标接近于1;自主式水下航行器附近的局部网络不稳定时,三个相邻时刻内向节点Si发送数据的节点集合变化大,它的值就会小于1;
S3-2:根据S3-1估算水下自主式航行器附近网络节点链路质量:
自主式水下航行器采集数据时,会选择附近网络链路质量好的节点充当网关节点采集数据,根据S3-1提出一种自主式水下航行器附近网络节点链路质量评估参数CQ(Si),自主式水下航行器在到达下一目标采集区域前的某个时间段,会在其感知范围内发送询问附近节点链路状态评估参数CQ(Si)的信息报文,节点在收到该信息报文后会返回带有评估参数CQ(Si)的ACK确认报文,若没有收到ACK确认报文,则将CQ(Si)设为0;自主式水下航行器附近网络节点链路质量评估参数CQ(Si)的计算公式为:
其中,Savg表示附近网络节点平均信号强度,Smax表示附近网络节点的最大信号强度,NOack为0,表示没有收到节点的ACK确认报文;LS(Si)是S3-1中描述自主式水下航行器附近节点通信链路拓扑稳定性的指标。
进一步的,所述S4具体如下:
S4-1:紧急数据采用多跳路由的方式传送到水面汇聚节点:
拥有紧急数据要发送的节点检测完路由空洞后,会通过相对距离转发协议选择合适的多跳路由路径;为了找到到达汇聚节点的最优路由路径,定义了一个适应度因子Wm,用来选择适用度最大的节点作为下一跳,适应度因子Wm的公式化定义为:
其中,lm表示源节点到汇聚节点的距离,表示第i个下一跳候选节点到汇聚节点的距离,E0表示网络中节点的初始电池能量,E(Si)表示第i个下一跳候选传感器节点的能耗;η是权重因子,用于实现距离和节点能量之间的权衡;
S4-2:非紧急数据由自主式水下航行器收集后运输至水面汇聚节点:
自主式水下航行器入水后,会形成一个半径为Rt的圆柱形数据采集区域,该区域内的一组传感器节点起到网关的作用;区域以外的是普通传感器节点。网关节点负责接收来自普通传感器节点的数据包,并通过S3-1中附近节点链路质量最好的局部链路将信息传递给自主式水下航行器;非紧急数据采集一轮结束后,自主式水下航行器在水下采集数据的总时延Tcollection的计算公式为:
其中,Ltravel表示自主式水下航行器的总路径长度,vAUV表示自主式水下航行器的行驶速度,Twait(i)表示自主式水下航行器在第i个圆柱形数据采集区域的停留时间。
本发明的优点和技术效果如下:
本发明使用了混合数据采集方案,同时考虑了紧急数据采集及时性和传感器网络能源效率的问题。首先传感器节点根据数据的历史分布来确定数据的紧急程度,将每一个新收集的传感数据与历史记录进行比较,并根据其在正态分布中的位置确定其紧急性级别,其能够准确的区分出紧急数据和非紧急数据。其次对于紧急数据采用多跳路由的方式传送到水面汇聚节点,并设计了一种路由空洞检测算法,有效避免了紧急数据传输失败。最后使用自主式水下航行器以预定义的轨迹采集非紧急数据,轨迹附近的网关节点会选择最优链路质量的路由将数据传送给自主式水下航行器,以降低水下传感器网络能耗。
本发明有效满足了水下无线传感器网络中紧急数据对采集及时性的需求,减少了网络的数据采集延迟和降低网络能耗。
附图说明
图1是本发明的一种实施例的整体流程图;
图2是本发明的一种实施例的根据传感器历史数据的分布确定数据重要程度的正态分布图;
图3是本发明的一种实施例的路由空洞检测算法执行示意图;
图4是本发明的一种实施例的非紧急数据由自主式水下航行器收集过程示意图;
图5是本发明的一种实施例的使用本方法和只使用传统多跳式数据采集方法的网络平均剩余
能量随采集轮数变化的仿真结果对比图;
图6是本发明的一种实施例的使用本方法和只使用水下自主式航行器协助数据采集方法的数
据采集平均时延随网络节点密度变化的仿真结果对比图。
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,以下将结合附图和实施例,对本发明作进一步详细说明。
实施例1:
目前在水下无线传感器网络中收集信息的方法主要有两种:(1)通过多跳路由收集数据,(2)自主式水下航行器收集信息。以上两种水下数据采集的方法各有优缺点。
如果传感器依靠多跳传输将感知数据发送到水面上方的汇聚边节点,那么距离水面较近的传感器将更快地消耗能量,因为它们要分担更大的分组中继工作负载。如果被监测的区域水非常深,多跳传输还可能遇到路由空洞的问题,信息被传输到不存在下一跳的节点,导致数据传输失败。利用自主式水下航行器收集数据可以有效地缓解这种能源消耗不平衡问题,然而如果要收集的数据很重要,这种数据收集方法所需的延迟时间太长,不适合紧急数据的采集。如何兼顾紧急数据及时传输和传感器网络节约能量的需求,合理的整合上述两种数据收集机制,减少网络的数据采集延迟和降低网络能耗,是本实施例所要解决的技术问题。
本实施例提出了一种水下无线传感器网络中考虑数据紧急程度的数据采集方法,其整体流程图如图1所示,包括以下步骤:
S1:传感器节点根据数据的历史分布来确定数据的紧急程度,将每一个新收集的传感数据与历史记录进行比较,并根据其在正态分布中的位置确定其紧急性级别:
S1-1:计算历史数据的均值:
异常数据出现的频率要小于正常数据,并且异常数据出现的频率与数据异常的程度成负相关。以水下火山监测为例,正常温度将在平均温度(正常数据)附近。当火山爆发时,温度会明显高于平均温度(异常数据)。数据越异常,说明该数据越紧急。也就是说,数据的重要程度取决于该数据与历史数据均值的差。因此我们首先要计算历史数据的均值μ,其计算公式为:
其中,dik表示传感器节点Si产生的第k个传感数据,j表示当前传感器节点产生的全部数据。
S1-2:计算数据的标准差:
当传感器Si检测到第j个传感数据dij时,将dij与历史记录H={dik︱其中k=0,1,2,…,j-1}进行比较,差异越大,说明数据越重要。我们根据其在正态分布中的位置确定其重要性级别,并使用标准差σ作为度量标准来判定数据dij的重要程度,标准差σ的计算公式为:
其中,μ表示历史数据的均值,dik表示传感器节点Si产生的第k个传感数据,j表示当前传感器节点产生的全部数据。
S1-3:确定数据是否紧急:
我们将数据的正态分布右侧p%的数据归类为紧急数据。给定一个传感器感知数据dij,使用累积概率方程来找到dij在正态分布中的位置,如果E(dij)≥100-p,则dij为紧急数据,反之,则为非紧急数据。累积概率方程E(dij)的计算公式为:
其中,dij表示传感器节点Si产生的第j个传感数据,t表示积分变量,exp为以e为底的指数函数,erf是误差函数。
在本实施例中,根据传感器历史数据的分布确定数据重要程度的正态分布图如图2所示。我们根据数据的标准差(σ)大小对数据进行划分,将数据分为四个层次。就重要性级别而言,级别1<级别2<级别3<级别4。其中,级别3与级别4的和占总比例的p%。再将图2所示正态分布右侧的p%数据认定为紧急数据(级别3+级别4),即该数据的正态分布包含(100-p)%的非紧急数据和p%的紧急数据。
S2:基于所述S1中的数据紧急性级别,若为判定为紧急数据,则执行路由空洞检测算法,以避免多跳路由传输失败,具体步骤如下:
S2-1:执行路由空洞检测算法:
紧急数据在选择转发器之前会执行路由空洞检测算法,从而识别空洞节点。向空洞节点转发报文的节点在发送数据前会检查自己的邻居表,看其除空洞节点外是否有任何其他的相邻节点的深度比自己的节点深度高,如果有的话,则将当前节点标记为普通节点,否则将该节点标记为陷阱节点。发送方根据存储在自身邻居表中的邻居信息(包括节点的深度、陷阱节点和空洞节点的信息)来判断相邻节点的可达性,节点识别空洞节点和陷阱节点后,发送端节点会根据检查结果更新自己的邻居表,并向邻居节点广播报文。
例如,如图3所示,当数据包从n8转发到节点n1时,n1是当前时间的源节点。节点n1广播一个报文,其传输范围内的所有节点都接收到该报文,其中n2和n5在节点n1的传输范围内。节点n1根据邻居表找到对应的相邻节点n2、n5。然后查询n2和n5节点的相邻信息。显然,n5在其传输范围上没有相邻节点,因此n5为空洞节点;n2的邻节点为n3,满足要求。因此,空洞节点n5被排除在候选相邻节点之外。在另一种情况下,当数据包从n6转发到n4时,此时n6是源节点。在n4的传输范围内,n5是n4以上唯一的相邻节点。通过路由空洞检测算法,n6在查看邻居表时发现n4的邻节点n5是一个空洞节点。此时,n6更新它的邻居表,并将n4标记为陷阱节点。其他邻接节点收到n6发送的广播包后,更新自己的邻居表。
该路由空洞检测算法伪代码如算法1所示。
S3:基于所述S1中的数据紧急性级别,若判定为非紧急数据,则执行链路质量监测算法,预定义自主式水下航行器的轨迹,以平衡水下传感器网络的能耗,具体步骤如下:
S3-1:计算自主式水下航行器附近节点通信链路拓扑变化程度:
我们使用向节点Si发送数据的节点重叠数量来描述节点Si的局部网络动态,并通过前后t时刻向其发送数据的节点变化情况作为自主式水下航行器附近节点通信链路拓扑稳定性指标LS(Si),其公式化定义为:
其中,和/>分别表示t-2、t-1和t时刻向传感器节点Si发送数据节点的集合,LS(Si)表示通信链路拓扑变化程度和脆弱性,当自主式水下航行器附近局部网络相对稳定时,三个相邻时刻内向传感器节点Si发送数据的节点集合改变较小,自主式水下航行器附近局部网络动态稳定性指标接近于1。自主式水下航行器附近的局部网络不稳定时,三个相邻时刻内向节点Si发送数据的节点集合变化大,它的值就会小于1。
S3-2:根据S3-1估算水下自主式航行器附近网络节点链路质量:
自主式水下航行器采集数据时,会选择附近网络链路质量好的节点充当网关节点采集数据,我们根据S3-1提出一种自主式水下航行器附近网络节点链路质量评估参数CQ(Si),自主式水下航行器在到达下一目标采集区域前的某个时间段,会在其感知范围内发送询问附近节点链路状态评估参数CQ(Si)的信息报文,节点在收到该信息报文后会返回带有评估参数CQ(Si)的ACK确认报文,若没有收到ACK确认报文,则将CQ(Si)设为0。自主式水下航行器附近网络节点链路质量评估参数CQ(Si)的计算公式为:
其中,Savg表示附近网络节点平均信号强度,Smax表示附近网络节点的最大信号强度,NOack为0,表示没有收到节点的ACK确认报文。LS(Si)是S3-1中描述自主式水下航行器附近节点通信链路拓扑稳定性的指标。
S4:紧急数据基于S2中的路由空洞检测算法将数据以多跳路由的方式传送至水面汇聚节点,非紧急数据基于S3中的链路质量监测算法由自主式水下航行器收集数据后将数据运输至水面汇聚节点,具体步骤如下:
S4-1:紧急数据采用多跳路由的方式传送到水面汇聚节点:
拥有紧急数据要发送的节点检测完路由空洞后,会通过相对距离转发协议选择合适的多跳路由路径。为了找到到达汇聚节点的最优路由路径,我们定义了一个适应度因子Wm,用来选择适用度最大的节点作为下一跳,适应度因子Wm的公式化定义为:
其中,lm表示源节点到汇聚节点的距离,表示第i个下一跳候选节点到汇聚节点的距离,E0表示网络中节点的初始电池能量,E(Si)表示第i个下一跳候选传感器节点的能耗。η是权重因子,用于实现距离和节点能量之间的权衡。
S4-2:非紧急数据由自主式水下航行器收集后运输至水面汇聚节点:
自主式水下航行器入水后,会形成一个半径为Rt的圆柱形数据采集区域,该区域内的一组传感器节点起到网关的作用;区域以外的是普通传感器节点。网关节点负责接收来自普通传感器节点的数据包,并通过S3-1中附近节点链路质量最好的局部链路将信息传递给自主式水下航行器。上述过程如图4所示,数据采集区域内的节网关点将协助向自主式水下航行器转发数据包,从而降低这些节点的平均负载。非紧急数据采集一轮结束后,自主式水下航行器在水下采集数据的总时延Tco11ection的计算公式为:
其中,Ltrave1表示自主式水下航行器的总路径长度,vAUV表示自主式水下航行器的行驶速度,Twait(i)表示自主式水下航行器在第i个圆柱形数据采集区域的停留时间。
使用本混合数据采集方法和只使用传统多跳式数据采集方法的网络平均剩余能量随采集轮数变化的仿真结果对如图5所示,从仿真结果可以看出,水下无线传感器网络中考虑数据紧急程度的数据采集方法能够有效的降低网络能耗。
使用本混合数据采集方法和只使用水下自主式航行器协助数据采集方法的数据采集平均时延随网络节点密度变化的仿真结果对比如图6所示,从仿真结果可以看出,水下无线传感器网络中考虑数据紧急程度的数据采集方法能够有效减少网络数据采集的延迟。
以上实施例仅用以说明本发明的技术方案,而非对其进行限制;尽管参照前述实施例对本发明进行了详细的说明,对于本领域的普通技术人员来说,依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明所要求保护的技术方案的精神和范围。
Claims (3)
1.一种水下无线传感器网络中考虑数据紧急程度的数据采集方法,其特征在于,包括以下步骤:
S1:水下布设无线传感器网络,收集传感器数据,根据传感器数据的历史分布来确定数据的紧急程度,即将每一个收集的传感器数据与历史数据进行比较,并根据其在正态分布中的位置确定其紧急性级别;
S2:若传感数据紧急性级别判定为紧急数据,则执行路由空洞检测算法,以避免多跳路由传输失败;
S3:若传感数据紧急性级别判定为非紧急数据,则执行链路质量监测算法,预定义自主式水下航行器的轨迹,以平衡水下传感器网络的能耗;
S4:数据传送:所述S2中紧急数据以多跳路由的方式传送至水面汇聚节点,所述S3中非紧急数据由自主式水下航行器收集数据后将数据运输至水面汇聚节点;
所述S3具体如下:
S3-1:计算自主式水下航行器附近节点通信链路拓扑变化程度:
使用向节点Si发送数据的节点重叠数量来描述节点Si的局部网络动态,并通过前后t时刻向其发送数据的节点变化情况作为自主式水下航行器附近节点通信链路拓扑稳定性指标LS(Si),其公式化定义为:
其中,和/>分别表示t-2、t-1和t时刻向传感器节点Si发送数据节点的集合,LS(Si)表示通信链路拓扑变化程度和脆弱性,当自主式水下航行器附近局部网络相对稳定时,三个相邻时刻内向传感器节点Si发送数据的节点集合改变较小,自主式水下航行器附近局部网络动态稳定性指标接近于1;自主式水下航行器附近的局部网络不稳定时,三个相邻时刻内向节点Si发送数据的节点集合变化大,它的值就会小于1;
S3-2:根据S3-1估算水下自主式航行器附近网络节点链路质量:
自主式水下航行器采集数据时,会选择附近网络链路质量好的节点充当网关节点采集数据,根据S3-1提出一种自主式水下航行器附近网络节点链路质量评估参数CQ(Si),自主式水下航行器在到达下一目标采集区域前的某个时间段,会在其感知范围内发送询问附近节点链路质量评估参数CQ(Si)的信息报文,节点在收到该信息报文后会返回带有评估参数CQ(Si)的ACK确认报文,若没有收到ACK确认报文,则将CQ(Si)设为0;自主式水下航行器附近网络节点链路质量评估参数CQ(Si)的计算公式为:
其中,Savg表示附近网络节点平均信号强度,Smax表示附近网络节点的最大信号强度,NOack为0,表示没有收到节点的ACK确认报文;LS(Si)是S3-1中描述自主式水下航行器附近节点通信链路拓扑稳定性的指标;
所述S4具体如下:
S4-1:紧急数据采用多跳路由的方式传送到水面汇聚节点:
拥有紧急数据要发送的节点检测完路由空洞后,会通过相对距离转发协议选择合适的多跳路由路径;为了找到到达汇聚节点的最优路由路径,定义了一个适应度因子Wm,用来选择适应度最大的节点作为下一跳,适应度因子Wm的公式化定义为:
其中,lm表示源节点到汇聚节点的距离,表示第i个下一跳候选节点到汇聚节点的距离,E0表示网络中节点的初始电池能量,E(Si)表示第i个下一跳候选传感器节点的能耗;η是权重因子,用于实现距离和节点能量之间的权衡;
S4-2:非紧急数据由自主式水下航行器收集后运输至水面汇聚节点:
自主式水下航行器入水后,会形成一个半径为Rt的圆柱形数据采集区域,该区域内的一组传感器节点起到网关的作用;区域以外的是普通传感器节点;网关节点负责接收来自普通传感器节点的数据包,并通过S3-1中附近节点链路质量最好的局部链路将信息传递给自主式水下航行器;非紧急数据采集一轮结束后,自主式水下航行器在水下采集数据的总时延Tcollection的计算公式为:
其中,Ltravel表示自主式水下航行器的总路径长度,vAUV表示自主式水下航行器的行驶速度,Twait(i)表示自主式水下航行器在第i个圆柱形数据采集区域的停留时间。
2.如权利要求1所述的数据采集方法,其特征在于,所述S1具体如下:
S1-1:计算历史数据的均值:
首先要计算历史数据的均值μ,其计算公式为:
其中,dik表示传感器节点Si产生的第k个传感数据,j表示当前传感器节点产生的全部数据;
S1-2:计算数据的标准差:
当传感器Si检测到第j个传感数据dij时,将dij与历史记录H={dik︱其中k=0,1,2,…,j-1}进行比较,差异越大,说明数据越重要;根据其在正态分布中的位置确定其重要性级别,并使用标准差σ作为度量标准来判定数据dij的重要程度,标准差σ的计算公式为:
其中,μ表示历史数据的均值,dik表示传感器节点Si产生的第k个传感器数据,j表示当前传感器节点产生的全部数据;
S1-3:确定数据是否紧急:
将数据的正态分布右侧p%的数据归类为紧急数据;给定一个传感器感知数据dij,使用累积概率方程来找到dij在正态分布中的位置,如果E(dij)≥100-p,则dij为紧急数据,反之,则为非紧急数据;累积概率方程E(dij)的计算公式为:
其中,dij表示传感器节点Si产生的第j个传感数据,t表示积分变量,exp为以e为底的指数函数,erf是误差函数。
3.如权利要求1所述的数据采集方法,其特征在于,所述S2中,执行路由空洞检测算法为:紧急数据在选择转发器之前会执行路由空洞检测算法,从而识别空洞节点;向空洞节点转发报文的节点在发送数据前会检查自己的邻居表,看其除空洞节点外是否有任何其他的相邻节点的深度比自己的节点深度高,如果有的话,则将当前节点标记为普通节点,否则将该节点标记为陷阱节点;发送方根据存储在自身邻居表中的邻居信息来判断相邻节点的可达性,节点识别空洞节点和陷阱节点后,发送端节点会根据检查结果更新自己的邻居表,并向邻居节点广播报文。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211210521.0A CN115568039B (zh) | 2022-09-30 | 2022-09-30 | 水下无线传感器网络中考虑数据紧急程度的数据采集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211210521.0A CN115568039B (zh) | 2022-09-30 | 2022-09-30 | 水下无线传感器网络中考虑数据紧急程度的数据采集方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115568039A CN115568039A (zh) | 2023-01-03 |
CN115568039B true CN115568039B (zh) | 2023-08-04 |
Family
ID=84743150
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211210521.0A Active CN115568039B (zh) | 2022-09-30 | 2022-09-30 | 水下无线传感器网络中考虑数据紧急程度的数据采集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115568039B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103929778A (zh) * | 2014-05-13 | 2014-07-16 | 南通大学 | 数据分级传输方法 |
CN104080112A (zh) * | 2014-07-17 | 2014-10-01 | 重庆邮电大学 | 一种提高无线自组织网络业务可靠性的方法 |
CN107548029A (zh) * | 2017-08-21 | 2018-01-05 | 河海大学常州校区 | 一种基于海水分层的水下传感网络中auv数据收集方法 |
CN107994948A (zh) * | 2017-12-30 | 2018-05-04 | 山东省科学院海洋仪器仪表研究所 | 一种用于水下异构传感器网络的移动Sink路径规划方法 |
CN111328096A (zh) * | 2020-03-05 | 2020-06-23 | 天津城建大学 | 自主水下航行器辅助的UWSNs路由空洞修复方法 |
CN112235846A (zh) * | 2020-09-04 | 2021-01-15 | 河南科技大学 | 基于模糊控制的无线体域网能量感知路由的实现方法 |
CN112866911A (zh) * | 2021-01-11 | 2021-05-28 | 燕山大学 | 基于q学习的自主水下航行器协助下水下数据收集方法 |
CN112867089A (zh) * | 2020-12-31 | 2021-05-28 | 厦门大学 | 基于信息重要度和q学习算法的水声网络路由选择方法 |
CN113141592A (zh) * | 2021-04-11 | 2021-07-20 | 西北工业大学 | 一种长生命周期的水声传感器网络自适应多路径路由机制 |
CN113347590A (zh) * | 2021-06-04 | 2021-09-03 | 河南科技大学 | 基于人体移动性和能量收集的wban分簇路由协议 |
CN113438667A (zh) * | 2021-06-11 | 2021-09-24 | 沈阳航空航天大学 | 基于IM-kmeans集群路由策略延长水下无线传感器网络寿命的方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015187742A2 (en) * | 2014-06-02 | 2015-12-10 | California Institute Of Technology | Controllable buoys and networked buoy systems |
WO2018231273A1 (en) * | 2017-06-12 | 2018-12-20 | Seatrepid International, Llc | Multiple autonomous underwater vehicle system |
-
2022
- 2022-09-30 CN CN202211210521.0A patent/CN115568039B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103929778A (zh) * | 2014-05-13 | 2014-07-16 | 南通大学 | 数据分级传输方法 |
CN104080112A (zh) * | 2014-07-17 | 2014-10-01 | 重庆邮电大学 | 一种提高无线自组织网络业务可靠性的方法 |
CN107548029A (zh) * | 2017-08-21 | 2018-01-05 | 河海大学常州校区 | 一种基于海水分层的水下传感网络中auv数据收集方法 |
CN107994948A (zh) * | 2017-12-30 | 2018-05-04 | 山东省科学院海洋仪器仪表研究所 | 一种用于水下异构传感器网络的移动Sink路径规划方法 |
CN111328096A (zh) * | 2020-03-05 | 2020-06-23 | 天津城建大学 | 自主水下航行器辅助的UWSNs路由空洞修复方法 |
CN112235846A (zh) * | 2020-09-04 | 2021-01-15 | 河南科技大学 | 基于模糊控制的无线体域网能量感知路由的实现方法 |
CN112867089A (zh) * | 2020-12-31 | 2021-05-28 | 厦门大学 | 基于信息重要度和q学习算法的水声网络路由选择方法 |
CN112866911A (zh) * | 2021-01-11 | 2021-05-28 | 燕山大学 | 基于q学习的自主水下航行器协助下水下数据收集方法 |
CN113141592A (zh) * | 2021-04-11 | 2021-07-20 | 西北工业大学 | 一种长生命周期的水声传感器网络自适应多路径路由机制 |
CN113347590A (zh) * | 2021-06-04 | 2021-09-03 | 河南科技大学 | 基于人体移动性和能量收集的wban分簇路由协议 |
CN113438667A (zh) * | 2021-06-11 | 2021-09-24 | 沈阳航空航天大学 | 基于IM-kmeans集群路由策略延长水下无线传感器网络寿命的方法 |
Non-Patent Citations (1)
Title |
---|
UWSN中基于信息价值的数据传输方案;白钢华;李王辉;;电子技术应用(第02期);第127-130、134页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115568039A (zh) | 2023-01-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mao et al. | An improved fuzzy unequal clustering algorithm for wireless sensor network | |
Rajeswari et al. | A trusted fuzzy based stable and secure routing algorithm for effective communication in mobile adhoc networks | |
Patil et al. | Serial data fusion using space-filling curves in wireless sensor networks | |
Silva et al. | Mobility in WSNs for critical applications | |
JP2005184727A (ja) | 無線通信システム、無線ノード、無線通信システムの構築方法及びノードの位置測定方法 | |
US20050064871A1 (en) | Data transmission path establishing method, radio communication network system, and sensor network system | |
CN105848242A (zh) | 一种无线传感器网络中基于信任感知的安全路由优化方法 | |
Agarkar et al. | A comprehensive survey on routing schemes and challenges in wireless sensor networks (WSN) | |
Singh et al. | A distributed energy efficient and energy balanced routing algorithm for wireless sensor networks | |
Ratnaraj et al. | OEDSR: Optimized energy-delay sub-network routing in wireless sensor network | |
Akbar et al. | Evaluation of AODV and DSR routing protocols of wireless sensor networks for monitoring applications | |
CN115568039B (zh) | 水下无线传感器网络中考虑数据紧急程度的数据采集方法 | |
Anbarasan et al. | Improving performance in mobile ad hoc networks by reliable path selection routing using RPS-LEACH | |
Lakshmana Kumar et al. | A novel approach to improve network validity using various soft computing techniques | |
Hajiee et al. | Trust-based routing optimization using multi-ant colonies in wireless sensor network | |
Sudha et al. | Optimizing energy in wsn using evolutionary algorithm | |
Su et al. | Transmission Protocol of Emergency Messages in VANET Based on the Trust Level of Nodes | |
Lin et al. | ALPS: An adaptive link-state perception scheme for software-defined vehicular networks | |
Wu et al. | Research and application of node fuzzy identification and localization in wireless sensor networks | |
Zi et al. | A novel chain-based routing protocol, branchain, in wireless sensor networks | |
CN113708953A (zh) | 一种基于节点重要性均衡的水声传感器网络抗毁方法 | |
Al Essa et al. | ZigBee network using low power techniques and modified LEACH protocol | |
Marian et al. | Sensing clouds: A distributed cooperative target tracking with tiny binary noisy sensors | |
Anchitaalagammai et al. | An enhanced routing and lifetime performance for industrial wireless sensor networks | |
Sefati et al. | Routing and congestion control in wireless sensor networks using the ant colony optimization algorithm and the tabu search algorithm |
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 |