CN116055241B - 一种分布式智能家居网络的通信方法及系统 - Google Patents

一种分布式智能家居网络的通信方法及系统 Download PDF

Info

Publication number
CN116055241B
CN116055241B CN202310339661.6A CN202310339661A CN116055241B CN 116055241 B CN116055241 B CN 116055241B CN 202310339661 A CN202310339661 A CN 202310339661A CN 116055241 B CN116055241 B CN 116055241B
Authority
CN
China
Prior art keywords
node
home network
uploading
intelligent home
distributed
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
CN202310339661.6A
Other languages
English (en)
Other versions
CN116055241A (zh
Inventor
王骥
杨玉强
任肖丽
李颖
李依潼
刘雯景
李振华
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.)
Guangdong Ocean University
Original Assignee
Guangdong Ocean 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 Guangdong Ocean University filed Critical Guangdong Ocean University
Priority to CN202310339661.6A priority Critical patent/CN116055241B/zh
Publication of CN116055241A publication Critical patent/CN116055241A/zh
Application granted granted Critical
Publication of CN116055241B publication Critical patent/CN116055241B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/2803—Home automation networks
    • 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
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Automation & Control Theory (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明属于智能机器人、组网通讯技术领域，提出一种分布式智能家居网络的通信方法及系统，具体为：初始化分布式智能家居网络，然后对分布式智能家居网络中的各个节点进行节点覆盖分析，再对分布式智能家居网络中的各个节点进行节点联网分析；最后通过节点联网分析以及节点覆盖分析的结果调控移动机器人。通过标记出移动机器人的高频出现或者稳定出现的位置，提高机动端对节点选择的效率和连接效果；降低对上传负荷高的节点的数据上传压力，从而保障分布式智能家居网络的网络性能维持在稳定的状态。

Description

一种分布式智能家居网络的通信方法及系统
技术领域
本发明属于智能机器人、组网通讯技术领域，具体涉及一种分布式智能家居网络的通信方法及系统。
背景技术
无线信息传输是当下智能家居中必不可少的一环，当下的智能家居领域里，WSN(Wireless Sensor Network，WSN)作为物联网的核心技术被广泛应用。在同一个WSN网络中的各个节点可以进行互联互通，并且通过各种传感器或者仪器收集环境中的信息，为智能化家居提供更智能更精确的服务。在此过程中，往往WSN的构建是通过固定节点进行采集数据，这会造成采集的数据单一，容易在传感器缺少的地方或者传感器无法安放的地方等特殊情况失去采集信息的机会。因此现有一种基于移动机器人的WSN智慧家庭系统，通过机器人到移动到不同位置均可以尽心信息采集，弥补智能家居中采集数据单一的缺陷。然而，WSN网络应用于智能家居时，通常采用Zigbee技术，由于Zigbee网络在互联互通的情况下，是动态组网和动态路由，意味着各个组网的节点在每一次将信息从一个节点发送到另一个节点时，需要计算各种可能的路径，从最短的路径开始尝试，此过程需要占用大量的带宽资源，并增加数据传输的时延，从而如果机器人在上传通信信息的组网节点不科学，会导致智能家居的联网中经常出现互联网通讯延迟大的问题，严重影响智能家居中互联网使用的效率。然而机器人在移动过程或者工作过程，有可能导致组网系统需要频繁重新组网，同时移动机器人需要频繁上传数据到服务器，如果在这个过程中未能设定科学合理的通信方法，容易导致部分路由器长期上传负荷过高，大大降低分布式智能家居网络的网络性能的稳定性。
发明内容
本发明的目的在于提出一种分布式智能家居网络的通信方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
为了实现上述目的，根据本发明的一方面，提供一种分布式智能家居网络的通信方法，所述方法包括以下步骤：
S100，初始化分布式智能家居网络；
S200，对分布式智能家居网络中的各个节点进行节点覆盖分析；
S300，对分布式智能家居网络中的各个节点进行节点联网分析；
S400，通过节点联网分析以及节点覆盖分析的结果调控移动机器人。
进一步地，在步骤S100中，初始化分布式智能家居网络的方法是：各个智能家居设置有信息采集设备，各个信息采集设备以无线连接方式通过路由器连接到服务器，所述信息采集设备用于采集数据，包括亮度传感器、温度传感器、距离传感器、摄像头和麦克风中的一种或多种；以信息采集设备作为采集端，以路由器作为节点，由若干个节点构成分布式智能家居网络；采集端选择信号强度最强的节点进行绑定连接互联网，通过节点把采集的数据发送到服务器或者进行实时通讯；分布式智能家居网络中的各个节点的拓扑结构为树形拓扑结构，所述智能家居为移动机器人，所述移动机器人包括迎宾机器人、导览机器人、安防机器人、消毒机器人中任意一种或多种。
进一步地，在步骤S200中，对分布式智能家居网络中的各个节点进行节点覆盖分析的方法是：以移动机器人作为机动端，机动端根据服务器发送的指令移动或者采集数据；
各个节点每隔5分钟获取一次信号范围内的各个机动端（机动端在随机移动）的信号强度RSSI值，以其中的最大值作为节点的第一映射参值FFcv：节点将24小时内的各个FFcv构建一个序列作为映参序列ls_FF，以一个节点的ls_FF为一行，以同一时刻下各个节点的FFcv为一列，构建一个矩阵作为映参矩阵clmd，
以i11作为clmd中列的序号；记clmd中第i11列元素的平均值为Eclmd(，i11)；以i12作为clmd中行的序号，将clmd中第i11列、第i12行的元素记作clmd(i12，i11)，如果clmd(i12，i11)≥Eclmd(，i11)，则定义该元素发生高走事件；遍历clmd中第i12行元素后，获取clmd中第i12行中各个发生高走事件的元素的算数平均值并记作mni12(clmh)；计算覆盖效用度Ravd(i12)；
；
其中min_c(i12)为clmd第i12行中的最小值；以各个节点的覆盖效用度作为节点覆盖分析的结果。
由于在上述计算覆盖效用度的过程中存在对部分边缘化的节点的第一映射参值相对敏感的现象，容易引起获得的结果出现失真，然而现有技术并无法解决此处较小数值引发的结果失真问题，为了使节点覆盖分析的结果更好并解决该问题，消除部分边缘化的节点的第一映射参值相对敏感的现象，所以本发明提出了一个更优选的方案如下：
优选地，在步骤S200中，节点覆盖分析的结果的方法还可以是：
记一个时间长度为测试间隔vl，vl∈[1,5]分钟，节点每隔vl形成一次映射参值，节点每隔vl形成一次映射参值的方法是：
机动端每分钟获取一次各个节点的信号强度RSSI值Rv；机动端获取vl内与各个节点之间的所有Rv中的最大值作为机动端的子映射参值Fcv, 机动端获得Fcv的对应节点作为其第一首近节点，将Fcv作为所述第一首近节点的一个第一元映射参值；
各个机动端均获得第一首近节点后，将各个被记作第一首近节点的节点标记为首近节点，其余未被记作第一首近节点的节点标记为次近节点；将各个机动端获得的Fcv之中的最小值和Fcv之中的平均值之比记作lirt，将各个机动端获得的Fcv中的最小值记作第一基值FBsv；
对首近节点的各个第一元映射参值中拥有的最大值作为该首近节点的映射参值Ocv；次近节点获取vl内与各个机动端之间的所有Rv中的最大值MxRv，如果MxRv≥FBsv，则以MxRv×lirt作为该次近节点的映射参值Ocv，否则，以MxRv×lirt2作为该次近节点的映射参值Ocv；
以节点形成一次映射参值的时刻作为一个观测时刻，将节点24小时内各个观测时刻的映射参值构成一个序列作为观测序列，将序列中元素的个数记作len1；以一个节点的观测序列作为一行，以一个观测时刻下各个节点的映射参值作为一列，构建一个矩阵作为覆盖模型Rmd；
以i1作为节点的序号，分别记lsj1和lsj2为第i1个节点在观测序列中作为首近节点时和不作为首近节点时的各个观测时刻的集合； 计算各个节点的覆盖效用度Ravd，其中
计算第i1个节点的覆盖效用度Ravd(i1)的方法是：
，
其中，第i1个节点的首近节点覆盖模型元素Rmdlsj1＝{ Rmd(i1,j1)}，j1∈lsj1，
第i1个节点的非首近节点覆盖模型元素Rmdlsj2＝{ Rmd(i1,j2)}，j2∈lsj2；
i2为累加变量，exp()为自然常数e为底的指数函数，mean()为平均值函数，Rmd(i1,i2)为覆盖模型中第i1行i2列的元素，lenj1为Rmdlsj1中元素的个数；rth(i1,i2)为收拢度，计算方法如下：如果第i1个节点在第i2个时刻为首近节点，则rth(i1,i2)为该时刻下次近节点的数量与首近节点的数量之比，如果第i1个节点在第i2个时刻为次近节点，则rth(i1,i2)的数值为0；以各个节点的覆盖效用度作为节点覆盖分析的结果。
有益效果：由于节点覆盖分析的结果是根据各个节点与机动端的信号变化计算得到，所以能够准确的标记出信号坍缩的方位，标记出机动端的高频以及稳定出现的位置，因此能够提高机动端对节点选择的效率和连接效果。
进一步地，在步骤S300中，对分布式智能家居网络中的各个节点进行节点联网分析的方法是： 将一个自然日内的时间平均分割为tg个时段，以分割得的各个时段作为访问时段，使得自然日中各个时刻都有对应的访问时段，其中tg∈[24×3，24×15]；在各个访问时段内，每隔ts测量一次上传速度作为节点上传压力uldsp，ts∈[20,80]秒；
以节点在一个访问时段内测得的各个uldsp的算数平均值作为该访问时段的上载水平Esp, 获取当前时刻在自然日中对应的访问时段作为当前时段，记dg为追溯深度，dg∈[10,30]天；以前dg天中当前时段的各个Esp构成一个序列作为上载序列Espls；计算各个节点的上载效用度Uavd：
；
其中mean(Espls)代表Espls中各元素的平均值，er代表Espls的标准差,i13为累加变量，dis_ls为当前场差值，计算方法如下：；
Esplsi13是Espls第i13个元素，以各个节点的上载效用度作为节点联网分析的结果。
由于在上述获取节点联网分析的结果的过程中并没有对各个节点的运行负荷进行参考，会导致上载效用度的计算结果对节点负载的量化程度不充足，对工作负荷小的节点的上载量化不够精确，同时现有技术并无法解决所述量化不足的问题，为了使节点联网分析的结果更精确地，消除量化程度不充足的现象，本发明提出了一个更优选的方案如下：
优选地，在步骤S300中，获取节点联网分析的结果的方法还可以是：将一个自然日内的时间平均分割为tg个时段，以分割得的各个时段作为访问时段，使得自然日中各个时刻都有对应的访问时段，其中tg∈[24×3，24×15]；在各个访问时段内，每隔ts测量一次上传速度作为节点上传压力uldsp，ts∈[20,80]秒；
节点每隔ts测量一次cpu占用率作为节点负载度pcrt,节点将一个访问时段内各个节点负载度的算数平均值作为节点的负载平衡值E_pcrt，如果该节点在同一访问时段内的某一个时刻的节点负载度满足pcrt≥E_pcrt,则标记该时刻为高载时刻；将各个高载时刻对应的负载度中的最小值记作mnupr；
如果在访问时段内拥有时序上连续的若干个高载时刻，则定义所述若干个高载时刻发生连续高载事件，以连续高载事件中连续出现的高载时刻的数量记作连续高载事件的高载事件长度，把同一访问时段内各个连续高载事件的高载事件长度中拥有最大值的连续高载事件记作第一高载事件；将第一高载事件对应的若干个高载时刻的节点上传压力的算数平均值作为节点在该访问时段的第一上载指数Fupr；如果在访问时段内未出现时序上连续的若干个高载时刻，则以各个高载时刻的节点上传压力的算数平均值作为节点在该访问时段的第一上载指数Fupr；
通过第一上载指数计算第二上载指数uidx，uidx＝ln(Fupr/mnupr)； ln指取自然对数；
获取当前时刻在自然日中对应的访问时段作为当前时段，记dg为追溯深度，dg∈[10,30]天；以前dg天中当前时段的各个第二上载指数构成一个序列作为高载参考序列hrls；计算各个节点的上载效用度Uavd：
；
其中i3为累加变量，hrls(i3)代表高载参考序列中第i3个元素，mean()为平均值函数，Mid(hrls)代表hrls中的中位数；以各个节点的上载效用度作为节点联网分析的结果。
有益效果：通过各个节点的cpu占用率以及上传速度，对各个节点在不同时段的上传数据性能进行量化评估，为进一步控制移动机器人上传任务的调度做铺垫，降低对上传负荷高的节点的数据上传压力，从而保障分布式智能家居网络的网络性能维持在稳定的状态。
进一步地，在步骤S400中，通过节点联网分析以及节点覆盖分析的结果调控移动机器人的方法是：获取各个节点的覆盖分析的结果以及联网分析的结果；
以各个节点的上载效用度的算术平均值作为上载水平数，如果一个节点的上载效用度大于上载水平数，则定义该节点为一类网节点，否则为二类网节点；
当移动机器人需要上传数据，如果移动机器人的信号范围内有二类网节点，则选择二类网节点中覆盖效用度拥有最大值的节点进行数据上传操作；如果移动机器人的信号范围内没有二类网节点，则不进行数据上传操作。
优选地，其中，本发明中所有未定义的变量，若未有明确定义，均可为人工设置的阈值。
本发明还提供了一种分布式智能家居网络的通信系统，所述一种分布式智能家居网络的通信系统包括：处理器、存储器及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述一种分布式智能家居网络的通信方法中的步骤，所述一种分布式智能家居网络的通信系统可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心等计算设备中，可运行的系统可包括，但不仅限于，处理器、存储器、服务器集群，所述处理器执行所述计算机程序运行在以下系统的单元中：
初始化单元，用于初始化分布式智能家居网络；
覆盖分析单元，用于对分布式智能家居网络中的各个节点进行节点覆盖分析；
联网分析单元，用于对分布式智能家居网络中的各个节点进行节点联网分析；
综合调控单元，用于通过节点联网分析以及节点覆盖分析的结果调控移动机器人。
本发明的有益效果为：本发明提供一种分布式智能家居网络的通信方法及系统，标记出移动机器人的高频出现或者稳定出现的位置，从而能够提高机动端对节点选择的效率和连接效果；降低对上传负荷高的节点的数据上传压力，从而保障分布式智能家居网络的网络性能维持在稳定的状态。
附图说明
通过对结合附图所示出的实施方式进行详细说明，本发明的上述以及其他特征将更加明显，本发明附图中相同的参考标号表示相同或相似的元素，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，在附图中：
图1所示为一种分布式智能家居网络的通信方法的流程图；
图2所示为一种分布式智能家居网络的通信系统结构图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
如图1所示为一种分布式智能家居网络的通信方法的流程图，下面结合图1来阐述根据本发明的实施方式的一种分布式智能家居网络的通信方法，所述方法包括以下步骤：
S100，初始化分布式智能家居网络；
S200，对分布式智能家居网络中的各个节点进行节点覆盖分析；
S300，对分布式智能家居网络中的各个节点进行节点联网分析；
S400，通过节点联网分析以及节点覆盖分析的结果调控移动机器人。
进一步地，在步骤S100中，初始化分布式智能家居网络的方法是：各个智能家居设置有信息采集设备，各个信息采集设备以无线连接方式通过路由器连接到服务器，所述信息采集设备用于采集数据，包括亮度传感器、温度传感器、距离传感器、摄像头和麦克风中的一种或多种；以信息采集设备作为采集端，以路由器作为节点，由若干个节点构成分布式智能家居网络；采集端选择信号强度最强（无线连接信号强度最强）的节点进行绑定连接互联网，通过节点把采集的数据发送到服务器或者进行实时通讯；分布式智能家居网络中的各个节点的拓扑结构为树形拓扑结构，所述智能家居为移动机器人，所述移动机器人包括迎宾机器人、导览机器人、安防机器人、消毒机器人中任意一种或多种。
进一步地，在步骤S200中，对分布式智能家居网络中的各个节点进行节点覆盖分析的方法是：以移动机器人作为机动端，机动端根据服务器发送的指令移动或者采集数据；
节点每隔5分钟获取一次信号范围内的各个机动端的信号强度RSSI值，以其中的最大值作为节点的第一映射参值FFcv：节点将24小时内的各个FFcv构建一个序列作为映参序列ls_FF，以一个节点的ls_FF为一行，以同一时刻下各个节点的FFcv为一列，构建一个矩阵作为映参矩阵clmd，
以i11作为clmd中列的序号；记clmd中第i11列元素的平均值为Eclmd(，i11)；以i12作为clmd中行的序号，将clmd中第i11列、第i12行的元素记作clmd(i12，i11)，如果clmd(i12，i11)≥Eclmd(，i11)，则定义该元素发生高走事件；遍历clmd中第i12行元素后，获取clmd中第i12行中各个发生高走事件的元素的算数平均值并记作mni12(clmh)；计算覆盖效用度Ravd(i12)；
；
其中min_c(i12)为clmd第i12行中的最小值；以各个节点的覆盖效用度作为节点覆盖分析的结果。
优选地，在步骤S200中，节点覆盖分析的结果的方法还可以是：
记一个时间长度为测试间隔vl，vl∈[1,5]分钟，节点每隔vl形成一次映射参值，节点每隔vl形成一次映射参值的方法是：
机动端每分钟获取一次各个节点的信号强度RSSI值Rv；机动端获取vl内与各个节点之间的所有Rv中的最大值作为机动端的子映射参值Fcv, 机动端获得Fcv的对应节点作为其第一首近节点，将Fcv作为所述第一首近节点的一个第一元映射参值；
各个机动端均获得第一首近节点后，将各个被记作第一首近节点的节点标记为首近节点，其余未被记作第一首近节点的节点标记为次近节点；将各个机动端获得的Fcv之中的最小值和Fcv之中的平均值之比记作lirt，将各个机动端获得的Fcv中的最小值记作第一基值FBsv；
对首近节点的各个第一元映射参值中拥有的最大值作为该首近节点的映射参值Ocv；次近节点获取vl内与各个机动端之间的所有Rv中的最大值MxRv，如果MxRv≥FBsv，则以MxRv×lirt作为该次近节点的映射参值Ocv，否则，以MxRv×lirt2作为该次近节点的映射参值Ocv；
以节点形成一次映射参值的时刻作为一个观测时刻，将节点24小时内各个观测时刻的映射参值构成一个序列作为观测序列，将序列中元素的个数记作len1；以一个节点的观测序列作为一行，以一个观测时刻下各个节点的映射参值作为一列，构建一个矩阵作为覆盖模型Rmd；
以i1作为节点的序号，分别记lsj1和lsj2为第i1个节点在观测序列中作为首近节点时和不作为首近节点时的各个观测时刻的集合； 计算各个节点的覆盖效用度Ravd，其中
计算第i1个节点的覆盖效用度Ravd(i1)的方法是：
，
其中，第i1个节点的首近节点覆盖模型元素Rmdlsj1＝{ Rmd(i1,j1)}，j1∈lsj1，
第i1个节点的非首近节点覆盖模型元素Rmdlsj2＝{ Rmd(i1,j2)}，j2∈lsj2；
其中i2为累加变量，exp()为自然常数e为底的指数函数，mean()为平均值函数，Rmd(i1,i2)为覆盖模型中第i1行i2列的元素，lenj1为Rmdlsj1中元素的个数；rth(i1,i2)为收拢度，计算方法如下：如果第i1个节点在第i2个时刻为首近节点，则rth(i1,i2)为该时刻下次近节点的数量与首近节点的数量之比，如果第i1个节点在第i2个时刻为次近节点，则rth(i1,i2)的数值为0；以各个节点的覆盖效用度作为节点覆盖分析的结果。
进一步地，在步骤S300中，对分布式智能家居网络中的各个节点进行节点联网分析的方法是： 将一个自然日内的时间平均分割为tg个时段，以分割得的各个时段作为访问时段，使得自然日中各个时刻都有对应的访问时段，其中tg∈[24×3，24×15]；在各个访问时段内，每隔ts测量一次上传速度作为节点上传压力uldsp，ts∈[20,80]秒；
以节点在一个访问时段内测得的各个uldsp的算数平均值作为该访问时段的上载水平Esp, 获取当前时刻在自然日中对应的访问时段作为当前时段，记dg为追溯深度，dg∈[10,30]天；以前dg天中当前时段的各个Esp构成一个序列作为上载序列Espls；计算各个节点的上载效用度Uavd：
；
其中mean(Espls)代表Espls中各元素的平均值，er代表Espls的标准差,i13为累加变量，dis_ls为当前场差值，计算方法如下：；
其中Esplsi13是Espls第i13个元素，以各个节点的上载效用度作为节点联网分析的结果。
优选地，在步骤S300中，获取节点联网分析的结果的方法还可以是：将一个自然日内的时间平均分割为tg个时段，以分割得的各个时段作为访问时段，使得自然日中各个时刻都有对应的访问时段，其中tg∈[24×3，24×15]；在各个访问时段内，每隔ts测量一次上传速度作为节点上传压力uldsp，ts∈[20,80]秒；
节点每隔ts测量一次cpu占用率作为节点负载度pcrt,节点将一个访问时段内各个节点负载度的算数平均值作为节点的负载平衡值E_pcrt，如果该节点在同一访问时段内的某一个时刻的节点负载度满足pcrt≥E_pcrt,则标记该时刻为高载时刻；将各个高载时刻对应的负载度中的最小值记作mnupr；
如果在访问时段内拥有时序上连续的若干个高载时刻，则定义所述若干个高载时刻发生连续高载事件，以连续高载事件中连续出现的高载时刻的数量记作连续高载事件的高载事件长度，把同一访问时段内各个连续高载事件的高载事件长度中拥有最大值的连续高载事件记作第一高载事件；将第一高载事件对应的若干个高载时刻的节点上传压力的算数平均值作为节点在该访问时段的第一上载指数Fupr；如果在访问时段内未出现时序上连续的若干个高载时刻，则以各个高载时刻的节点上传压力的算数平均值作为节点在该访问时段的第一上载指数Fupr；
通过第一上载指数计算第二上载指数uidx，uidx＝ln(Fupr/mnupr)； ln指取自然对数；
获取当前时刻在自然日中对应的访问时段作为当前时段，记dg为追溯深度，dg∈[10,30]天；以前dg天中当前时段的各个第二上载指数构成一个序列作为高载参考序列hrls；计算各个节点的上载效用度Uavd：
；
其中i3为累加变量，hrls(i3)代表高载参考序列中第i3个元素，mean()为平均值函数，Mid(hrls)代表hrls中的中位数；以各个节点的上载效用度作为节点联网分析的结果。
进一步地，在步骤S400中，通过节点联网分析以及节点覆盖分析的结果调控移动机器人的方法是：获取各个节点的覆盖分析的结果以及联网分析的结果；
以各个节点的上载效用度的算术平均值作为上载水平数，如果一个节点的上载效用度大于上载水平数，则定义该节点为一类网节点，否则为二类网节点；
当移动机器人需要上传数据，如果移动机器人的信号范围内有二类网节点，则选择二类网节点中覆盖效用度拥有最大值的节点进行数据上传操作；如果移动机器人的信号范围内没有二类网节点，则不进行数据上传操作。
本发明的实施例提供的一种分布式智能家居网络的通信系统，如图2所示为本发明的一种分布式智能家居网络的通信系统结构图，该实施例的一种分布式智能家居网络的通信系统包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种分布式智能家居网络的通信系统实施例中的步骤。
所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：
初始化单元，用于初始化分布式智能家居网络；
覆盖分析单元，用于对分布式智能家居网络中的各个节点进行节点覆盖分析；
联网分析单元，用于对分布式智能家居网络中的各个节点进行节点联网分析；
综合调控单元，用于通过节点联网分析以及节点覆盖分析的结果调控移动机器人。
所述一种分布式智能家居网络的通信系统可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端服务器等计算设备中。所述一种分布式智能家居网络的通信系统，可运行的系统可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种分布式智能家居网络的通信系统的示例，并不构成对一种分布式智能家居网络的通信系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种分布式智能家居网络的通信系统还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种分布式智能家居网络的通信系统运行系统的控制中心，利用各种接口和线路连接整个一种分布式智能家居网络的通信系统可运行系统的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种分布式智能家居网络的通信系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据手机的使用所创建的数据（比如音频数据、电话本等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（SecureDigital, SD）卡，闪存卡（Flash Card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。

Claims (3)

1.一种分布式智能家居网络的通信方法，其特征在于，所述方法包括以下步骤：
S100，初始化分布式智能家居网络；
S200，对分布式智能家居网络中的各个节点进行节点覆盖分析；
S300，对分布式智能家居网络中的各个节点进行节点联网分析；
S400，通过节点联网分析以及节点覆盖分析的结果调控移动机器人；
其中，在步骤S200中，对分布式智能家居网络中的各个节点进行节点覆盖分析的方法是：以移动机器人作为机动端，机动端根据服务器发送的指令移动或者采集数据；
各个节点每隔5分钟获取一次信号范围内的各个机动端的信号强度RSSI值，以其中的最大值作为节点的第一映射参值FFcv：节点将24小时内的各个FFcv构建一个序列作为映参序列ls_FF，以一个节点的ls_FF为一行，以同一时刻下各个节点的FFcv为一列，构建一个矩阵作为映参矩阵clmd，
以i11作为clmd中列的序号；记clmd中第i11列元素的平均值为Eclmd(，i11)；以i12作为clmd中行的序号，将clmd中第i11列、第i12行的元素记作clmd(i12，i11)，如果clmd(i12，i11)≥Eclmd(，i11)，则定义该元素发生高走事件；遍历clmd中第i12行元素后，获取clmd中第i12行中各个发生高走事件的元素的算数平均值并记作mni12(clmh)；计算覆盖效用度Ravd(i12)；
；
其中min_c(i12)为clmd第i12行中的最小值；以各个节点的覆盖效用度作为节点覆盖分析的结果；
在步骤S300中，对分布式智能家居网络中的各个节点进行节点联网分析的方法是： 将一个自然日内的时间平均分割为tg个时段，以分割得的各个时段作为访问时段，使得自然日中各个时刻都有对应的访问时段，其中tg∈[24×3，24×15]；在各个访问时段内，每隔ts测量一次上传速度作为节点上传压力uldsp，ts∈[20,80]秒；
以节点在一个访问时段内测得的各个uldsp的算数平均值作为该访问时段的上载水平Esp, 获取当前时刻在自然日中对应的访问时段作为当前时段，记dg为追溯深度，dg∈[10,30]天；以前dg天中当前时段的各个Esp构成一个序列作为上载序列Espls；计算各个节点的上载效用度Uavd：
；
其中mean(Espls)代表Espls中各元素的平均值，er代表Espls的标准差,i13为累加变量，dis_ls为当前场差值，计算方法如下：；
其中Esplsi13是Espls第i13个元素，以各个节点的上载效用度作为节点联网分析的结果；
在步骤S400中，通过节点联网分析以及节点覆盖分析的结果调控移动机器人的方法是：获取各个节点的覆盖分析的结果以及联网分析的结果； 以各个节点的上载效用度的算术平均值作为上载水平数，如果一个节点的上载效用度大于上载水平数，则定义该节点为一类网节点，否则为二类网节点； 当移动机器人需要上传数据，如果移动机器人的信号范围内有二类网节点，则选择二类网节点中覆盖效用度拥有最大值的节点进行数据上传操作；如果移动机器人的信号范围内没有二类网节点，则不进行数据上传操作。
2.根据权利要求1所述的一种分布式智能家居网络的通信方法，其特征在于，在步骤S100中，初始化分布式智能家居网络的方法是：各个智能家居设置有信息采集设备，各个信息采集设备以无线连接方式通过路由器连接到服务器，所述信息采集设备用于采集数据，包括亮度传感器、温度传感器、距离传感器、摄像头和麦克风中的一种或多种；以信息采集设备作为采集端，以路由器作为节点，由若干个节点构成分布式智能家居网络；采集端选择信号强度最强的节点进行绑定连接互联网，通过节点把采集的数据发送到服务器或者进行实时通讯；分布式智能家居网络中的各个节点的拓扑结构为树形拓扑结构，所述智能家居为移动机器人，所述移动机器人包括迎宾机器人、导览机器人、安防机器人、消毒机器人中任意一种或多种。
3.一种分布式智能家居网络的通信系统，其特征在于，所述一种分布式智能家居网络的通信系统包括：处理器、存储器及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1-2中任一项所述的一种分布式智能家居网络的通信方法中的步骤，所述一种分布式智能家居网络的通信系统运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心的计算设备中。
CN202310339661.6A 2023-04-03 2023-04-03 一种分布式智能家居网络的通信方法及系统 Active CN116055241B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310339661.6A CN116055241B (zh) 2023-04-03 2023-04-03 一种分布式智能家居网络的通信方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310339661.6A CN116055241B (zh) 2023-04-03 2023-04-03 一种分布式智能家居网络的通信方法及系统

Publications (2)

Publication Number Publication Date
CN116055241A CN116055241A (zh) 2023-05-02
CN116055241B true CN116055241B (zh) 2023-09-19

Family

ID=86122188

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310339661.6A Active CN116055241B (zh) 2023-04-03 2023-04-03 一种分布式智能家居网络的通信方法及系统

Country Status (1)

Country Link
CN (1) CN116055241B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117411885B (zh) * 2023-12-15 2024-03-15 广东欢联电子科技有限公司 一种基于数据中心的网络信息传输数据方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2575324A1 (en) * 2011-09-30 2013-04-03 Deutsche Telekom AG A distributed operating system for sensor transparency
CN103596294A (zh) * 2013-11-25 2014-02-19 吉林大学 基于ZigBee的智能家居无线传感网
CN103926912A (zh) * 2014-05-07 2014-07-16 桂林赛普电子科技有限公司 一种基于家庭服务机器人的智能家庭监控系统
CN109951861A (zh) * 2019-03-08 2019-06-28 淮海工学院 一种无线传感器网络故障检测系统
CN114866462A (zh) * 2022-07-06 2022-08-05 广东新宏基信息技术有限公司 一种智慧校园的物联网通信路由方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2575324A1 (en) * 2011-09-30 2013-04-03 Deutsche Telekom AG A distributed operating system for sensor transparency
CN103596294A (zh) * 2013-11-25 2014-02-19 吉林大学 基于ZigBee的智能家居无线传感网
CN103926912A (zh) * 2014-05-07 2014-07-16 桂林赛普电子科技有限公司 一种基于家庭服务机器人的智能家庭监控系统
CN109951861A (zh) * 2019-03-08 2019-06-28 淮海工学院 一种无线传感器网络故障检测系统
CN114866462A (zh) * 2022-07-06 2022-08-05 广东新宏基信息技术有限公司 一种智慧校园的物联网通信路由方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"基于移动机器人网关的WSN 智慧家庭系统";刘军;《电子器件》;正文第1-4节 *

Also Published As

Publication number Publication date
CN116055241A (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
JP7328379B2 (ja) 畳み込み効率を向上させる方法、システム、及び装置
CN116055241B (zh) 一种分布式智能家居网络的通信方法及系统
CN112513886B (zh) 信息处理方法、信息处理装置和信息处理程序
CN112925637A (zh) 用于一边缘运算网络的负载平衡装置及方法
US9378058B2 (en) Method and system for dynamic control of a multi-tier processing system
CN111988787B (zh) 一种任务的网络接入和服务放置位置选择方法及系统
CN110415160A (zh) 一种gpu拓扑分区方法与装置
CN115665227B (zh) 一种普适的异构融合算网资源智慧适配网络架构及方法
CN114007231B (zh) 异构无人机数据卸载方法、装置、电子设备及存储介质
CN113054651A (zh) 一种网络拓扑优化方法、装置以及系统
CN111404815A (zh) 一种基于深度学习的有约束路由选择方法
CN117114623B (zh) 一种园区内监控设备的智慧管理方法及系统
CN106990913A (zh) 一种大规模流式集合数据的分布式处理方法
CN116541106A (zh) 计算任务卸载方法、计算设备及存储介质
CN112413862B (zh) 能耗系数的确定方法和装置、存储介质、电子装置
CN114866462A (zh) 一种智慧校园的物联网通信路由方法及系统
CN114785692A (zh) 一种虚拟电厂聚合调控通信网络流量均衡方法及装置
CN116067433B (zh) 一种振弦数据采集方法及其采集仪
CN117061365B (zh) 一种节点选择方法、装置、设备及可读存储介质
CN109375162A (zh) 定位方法、装置、设备及存储介质
CN116647874B (zh) 一种5g高性能网络服务器数据优化传输方法及系统
CN115297567B (zh) 一种近距离无线通信芯片间连接通信方法及系统
CN112787866B (zh) 网络拓扑关系的确定方法、装置、电子设备及存储介质
US20240177063A1 (en) Information processing apparatus, information processing method, and non-transitory recording medium
CN110213736B (zh) 一种基于众包的传感云底层节点信任评价方法

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
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant