CN117729567A - 无线自组网的优化方法及系统 - Google Patents
无线自组网的优化方法及系统 Download PDFInfo
- Publication number
- CN117729567A CN117729567A CN202410172733.7A CN202410172733A CN117729567A CN 117729567 A CN117729567 A CN 117729567A CN 202410172733 A CN202410172733 A CN 202410172733A CN 117729567 A CN117729567 A CN 117729567A
- Authority
- CN
- China
- Prior art keywords
- node
- data
- network
- wireless
- initial
- 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.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 123
- 238000000034 method Methods 0.000 title claims abstract description 82
- 230000006854 communication Effects 0.000 claims abstract description 225
- 238000004891 communication Methods 0.000 claims abstract description 223
- 238000012544 monitoring process Methods 0.000 claims abstract description 92
- 238000004364 calculation method Methods 0.000 claims abstract description 36
- 230000005540 biological transmission Effects 0.000 claims description 171
- 241000854291 Dianthus carthusianorum Species 0.000 claims description 60
- 230000006855 networking Effects 0.000 claims description 55
- 239000011159 matrix material Substances 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 29
- 238000010586 diagram Methods 0.000 claims description 25
- 238000004458 analytical method Methods 0.000 claims description 23
- 238000005304 joining Methods 0.000 claims description 23
- 230000006641 stabilisation Effects 0.000 claims description 20
- 238000011105 stabilization Methods 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 17
- 238000010276 construction Methods 0.000 claims description 16
- 238000005192 partition Methods 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 10
- 238000004088 simulation Methods 0.000 claims description 10
- 230000003139 buffering effect Effects 0.000 claims description 6
- 238000005094 computer simulation Methods 0.000 claims description 6
- 238000011158 quantitative evaluation Methods 0.000 claims description 4
- 108091006146 Channels Proteins 0.000 description 64
- 238000004422 calculation algorithm Methods 0.000 description 39
- 230000000875 corresponding effect Effects 0.000 description 21
- 238000007726 management method Methods 0.000 description 19
- 230000006870 function Effects 0.000 description 13
- 230000008859 change Effects 0.000 description 11
- 230000006399 behavior Effects 0.000 description 8
- 230000001276 controlling effect Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000013439 planning Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000013468 resource allocation Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000011960 computer-aided design Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 235000008694 Humulus lupulus Nutrition 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000000540 analysis of variance Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及无线自组网技术领域,尤其涉及一种无线自组网的优化方法及系统。所述方法包括以下步骤:构建初始无线自组网;对初始无线自组网进行初始网络控制器选举,从而获取初始网络控制器节点数据,其中初始网络控制器节点数据包初始网络控制器节点位置数据以及初始网络控制器节点编号数据;对初始无线自组网进行信道监测,当检测到新节点请求加入时,对新节点进行信道参数采集,从而获取新节点信道特征数据;根据初始无线自组网以及新节点信道特征数据进行拓扑结构优化时长计算,从而获取拓扑结构优化时长数据;对初始无线自组网进行通信负荷监测,从而获取通信负荷监测数据。本发明能够提高无线自组网的鲁棒性和可靠性。
Description
技术领域
本发明涉及无线自组网技术领域,尤其涉及一种无线自组网的优化方法及系统。
背景技术
随着无线通信技术的快速发展,无线自组网成为一种灵活、自适应的通信架构,能够在无基础设施的情况下实现节点之间的通信。无线自组网由一组移动节点组成,这些节点可以自主地建立临时的网络连接,形成一个动态的通信网络。
然而,无线自组网在实际应用中面临着一些挑战和性能瓶颈。首先,由于节点之间的动态变化,网络拓扑结构会频繁改变,导致网络的稳定性和可靠性受到影响。节点的加入、离开或移动会导致路由路径的改变,可能引发数据传输中断或信号盲区的产生。
在无线自组网中,网络控制器作为关键组件,存在故障的可能性。由于网络控制器负责管理和控制整个网络的行为,一旦网络控制器发生故障,可能会对整个网络的功能和性能产生重大影响。
发明内容
基于此,本发明有必要提供一种无线自组网的优化方法及系统,以解决至少一个上述技术问题。
为实现上述目的,一种无线自组网的优化方法,包括以下步骤:
步骤S1:构建初始无线自组网;对初始无线自组网进行初始网络控制器选举,从而获取初始网络控制器节点数据,其中初始网络控制器节点数据包括初始网络控制器节点位置数据以及初始网络控制器节点编号数据;
步骤S2:对初始无线自组网进行信道监测,当检测到新节点请求加入时,对新节点进行信道参数采集,从而获取新节点信道特征数据;根据初始无线自组网以及新节点信道特征数据进行拓扑结构优化时长计算,从而获取拓扑结构优化时长数据;
步骤S3:对初始无线自组网进行通信负荷监测,从而获取通信负荷监测数据;根据通信负荷监测数据对初始无线自组网进行节点接入时机选择,从而获取低负荷时隙数据;
步骤S4:根据拓扑结构优化时长数据以及低负荷时隙数据对初始无线自组网进行新节点接入作业,从而获取新无线自组网;
步骤S5:对新无线自组网进行网络控制器状态监测,并将与初始网络控制器相邻的信标节点作为备选网络控制器集群,当监测到初始网络控制器发生故障时,根据初始网络控制器节点位置数据以及初始网络控制器节点编号数据将备选网络控制器集群中与初始网络控制器逻辑距离最近的信标节点作为临时网络控制器,并根据备选网络控制器集群对新无线自组网进行替代网络控制器在线选举,从而获取替代网络控制器节点编号数据;根据替代网络控制器节点编号数据对新无线自组网进行网络控制器切换作业,从而获取优化无线自组网。
本发明通过构建初始无线自组网可以确定一个起始节点作为网络的初始状态。这有助于建立网络的基础,并为后续的优化操作提供参考。通过对初始无线自组网进行初始网络控制器选举,可以确定一个节点作为网络控制器。网络控制器负责管理和控制整个网络的行为,包括路由选择、资源分配等。选举出初始网络控制器节点,可以确保网络的协调和稳定性。在进行初始网络控制器选举时,会获取初始网络控制器节点的位置数据和编号数据。这些数据对于后续的优化步骤非常重要,可以用于拓扑结构优化、网络控制器切换等操作。通过对初始无线自组网进行信道监测,并对新节点进行信道参数采集,可以获取新节点的信道特征数据。基于初始无线自组网和新节点的信道特征数据,可以进行拓扑结构优化时长计算,进而获取拓扑结构优化时长数据。这有助于优化无线自组网的拓扑结构,以确保节点之间的通信质量和性能最优,提高网络的稳定性和可靠性。通过对初始无线自组网进行通信负荷监测,可以获取通信负荷监测数据。根据这些数据,可以选择适当的节点接入时机,以避免在高负荷时段引入新节点,从而获取低负荷时隙数据。这有助于优化无线自组网的性能,确保新节点的接入不会对网络的通信负荷造成过大的影响,提高整体网络的吞吐量和效率。通过根据拓扑结构优化时长数据和低负荷时隙数据,对初始无线自组网进行新节点接入作业,可以将新节点有序地纳入现有网络中,形成一个新的无线自组网。这有助于优化无线自组网的结构和性能,确保新节点的接入不会对整体网络造成不必要的干扰和负担,同时保证网络的稳定性和可靠性。通过对新无线自组网进行网络控制器状态监测,可以及时检测初始网络控制器的状态。当初始网络控制器发生故障时,根据备选网络控制器集群中与初始网络控制器逻辑距离最近的信标节点,选择一个临时网络控制器。然后,根据替代网络控制器在线选举结果,对新无线自组网进行网络控制器切换作业,将临时网络控制器切换为替代网络控制器。这有助于保障无线自组网的连续性和稳定性,确保网络在网络控制器故障情况下仍能正常运行,并实现无线自组网的优化。综上所述,本发明通过动态调整路由路径,可以减少节点移动和变化对网络拓扑结构的影响,从而提高网络的稳定性。节点的加入、离开或移动不会频繁导致数据传输中断或信号盲区的产生。优化后的拓扑结构可以更好地适应节点的移动和变化,确保数据能够有效地传输。这将减少数据传输中断的发生,提高数据传输的可靠性。通过监测网络控制器的状态,并在发生故障时快速切换到备选网络控制器,可以保证网络的连续性和稳定性。备选网络控制器可以在故障发生时暂时接管网络控制器的功能,确保网络的正常运行,并为后续的修复工作争取时间。
优选地,本发明还提供了一种无线自组网的优化系统,用于执行如上所述的无线自组网的优化方法,该无线自组网的优化系统包括:
初始组网构建模块,用于构建初始无线自组网;对初始无线自组网进行初始网络控制器选举,从而获取初始网络控制器节点数据,其中初始网络控制器节点数据包括初始网络控制器节点位置数据以及初始网络控制器节点编号数据;
拓扑优化计算模块,用于对初始无线自组网进行信道监测,当检测到新节点请求加入时,对新节点进行信道参数采集,从而获取新节点信道特征数据;根据初始无线自组网以及新节点信道特征数据进行拓扑结构优化时长计算,从而获取拓扑结构优化时长数据;
节点接入时机选择模块,用于对初始无线自组网进行通信负荷监测,从而获取通信负荷监测数据;根据通信负荷监测数据对初始无线自组网进行节点接入时机选择,从而获取低负荷时隙数据;
新节点接入作业模块,用于根据拓扑结构优化时长数据以及低负荷时隙数据对初始无线自组网进行新节点接入作业,从而获取新无线自组网;
网络控制器状态监测模块,用于对新无线自组网进行网络控制器状态监测,并将与初始网络控制器相邻的信标节点作为备选网络控制器集群,当监测到初始网络控制器发生故障时,根据初始网络控制器节点位置数据以及初始网络控制器节点编号数据将备选网络控制器集群中与初始网络控制器逻辑距离最近的信标节点作为临时网络控制器,并根据备选网络控制器集群对新无线自组网进行替代网络控制器在线选举,从而获取替代网络控制器节点编号数据;根据替代网络控制器节点编号数据对新无线自组网进行网络控制器切换作业,从而获取优化无线自组网。
本发明中,初始组网构建模块用于构建初始无线自组网,这是建立整个网络的第一步。通过初始组网构建,可以建立起一个基本的无线自组网架构,为后续的网络优化和节点接入作业提供基础。通过进行初始网络控制器选举,可以确定一个节点作为初始网络控制器节点,并获取相关的位置和编号数据。初始网络控制器节点在无线自组网中具有重要的控制和管理功能,通过选举出初始网络控制器节点,可以确保网络控制和协调的正常进行。拓扑优化计算模块用于对初始无线自组网进行拓扑结构优化时长计算。通过监测信道并采集新节点的信道特征数据,可以对初始无线自组网的拓扑结构进行优化。拓扑优化有助于改善网络的覆盖范围、信号质量和传输效率,从而提高整个网络的性能。节点接入时机选择模块用于监测初始无线自组网的通信负荷并选择节点接入时机。通过对通信负荷的监测和分析,可以确定低负荷时隙,即网络负荷较轻的时间段。选择低负荷时隙进行节点接入可以减少对网络性能的影响,确保新节点的接入不会对现有网络造成过大的负荷压力。新节点接入作业模块根据拓扑结构优化时长数据和低负荷时隙数据,对初始无线自组网进行新节点接入作业。通过合理的新节点接入作业,可以将新节点有序地纳入无线自组网中,从而构建一个更加完善和优化的新无线自组网。用于监测新无线自组网中网络控制器的状态,并在必要时进行切换。通过监测初始网络控制器的状态,可以及时发现和处理故障情况。当初始网络控制器发生故障时,通过备选网络控制器集群中与初始网络控制器逻辑距离最近的信标节点作为临时网络控制器,并进行替代网络控制器在线选举,以确保网络控制功能的持续性和稳定性。该模块根据替代网络控制器节点编号数据对新无线自组网进行网络控制器切换作业。通过网络控制器的切换,可以保证网络控制和协调功能的连续性和稳定性,从而实现优化无线自组网的目标。网络控制器的切换作业能够确保网络在出现故障或其他异常情况时能够及时调整和响应,提高无线自组网的鲁棒性和可靠性。
附图说明
通过阅读参照以下附图所作的对非限制性实施所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1示出了一实施例的无线自组网的优化方法的步骤流程示意图。
图2示出了一实施例的步骤S24的详细步骤流程示意图。
图3示出了一实施例的步骤S245的详细步骤流程示意图。
具体实施方式
下面结合附图对本发明专利的技术方法进行清楚、完整的描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域所属的技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
此外,附图仅为本发明的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。
应当理解的是,虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元,但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说,在不背离示例性实施例的范围的情况下,第一单元可以被称为第二单元,并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
为实现上述目的,请参阅图1至图3,本发明提供了一种无线自组网的优化方法,所述方法包括以下步骤:
步骤S1:构建初始无线自组网;对初始无线自组网进行初始网络控制器选举,从而获取初始网络控制器节点数据,其中初始网络控制器节点数据包括初始网络控制器节点位置数据以及初始网络控制器节点编号数据;
具体地,例如,可以在无线环境下,部署一组无线节点,并建立起初步的无线通信连接。可以使用无线通信设备(如路由器、无线基站等)来实现。在初始无线自组网中,进行初始网络控制器选举。可以使用选举算法,如基于节点负载、传输速率或其他指标的选举算法,来选择网络中的一个节点作为初始网络控制器。一旦选举完成,获取初始网络控制器节点的位置数据和编号数据。位置数据可以通过全球定位系统(GPS)或其他位置定位技术进行获取。编号数据可以是节点在网络中的唯一标识。
步骤S2:对初始无线自组网进行信道监测,当检测到新节点请求加入时,对新节点进行信道参数采集,从而获取新节点信道特征数据;根据初始无线自组网以及新节点信道特征数据进行拓扑结构优化时长计算,从而获取拓扑结构优化时长数据;
具体地,例如,可以对初始无线自组网进行信道监测,以检测当前信道的利用率、干扰情况等。可以使用频谱分析仪、信号强度测量工具或其他相关设备来进行信道监测。在信道监测过程中,如果检测到新节点请求加入网络,进行下一步操作。对新节点进行信道参数采集,获取新节点的信道特征数据。可以通过新节点与现有节点之间的信道交互,获取信号强度、信噪比、信道带宽等相关参数。基于初始无线自组网和新节点的信道特征数据,进行拓扑结构优化时长的计算。可以使用网络拓扑优化算法、优化模型或其他相关方法,结合信道特征数据分析网络拓扑结构的改进方向和时间估计。根据计算得出的拓扑结构优化时长,获取相应的时长数据。这些数据可以用于后续决策,例如判断是否进行拓扑优化或选择最佳优化时机。
步骤S3:对初始无线自组网进行通信负荷监测,从而获取通信负荷监测数据;根据通信负荷监测数据对初始无线自组网进行节点接入时机选择,从而获取低负荷时隙数据;
具体地,例如,可以对初始无线自组网进行通信负荷监测,以获取当前网络的通信负荷情况。可以使用网络监测工具、流量分析软件或其他相关设备来进行监测,收集通信数据量、数据传输速率等信息。根据监测结果,获取通信负荷监测数据,包括网络负荷水平、负荷峰值、负荷变化趋势等。可以使用数据分析工具、流量统计算法或其他相关方法来进行数据处理和提取。根据通信负荷监测数据,选择适当的节点接入时机,即在低负荷时隙进行新节点的接入。可以使用负荷预测算法、负荷均衡策略或其他相关方法,根据网络负荷情况来选择合适的时机。根据节点接入时机选择的结果,获取低负荷时隙数据,包括具体的时间段或时间窗口。这些数据可以用于后续的新节点接入作业。
步骤S4:根据拓扑结构优化时长数据以及低负荷时隙数据对初始无线自组网进行新节点接入作业,从而获取新无线自组网;
具体地,例如,可以根据之前的步骤S2和S3,准备好拓扑结构优化时长数据和低负荷时隙数据,这些数据将用于新节点接入作业。根据拓扑结构优化时长数据和低负荷时隙数据,制定新节点接入规划。可以使用拓扑优化算法、路由算法、时隙分配算法等技术,根据网络优化时长和低负荷时隙来确定新节点的接入位置、路由路径和时隙分配策略。根据新节点接入规划,执行新节点接入作业。这包括将新节点配置为网络中的一个有效节点,分配合适的网络地址、通信参数和时隙等。通过完成新节点接入作业,建立起新的无线自组网。新节点与现有节点之间建立通信连接,形成一个扩展的无线网络。
步骤S5:对新无线自组网进行网络控制器状态监测,并将与初始网络控制器相邻的信标节点作为备选网络控制器集群,当监测到初始网络控制器发生故障时,根据初始网络控制器节点位置数据以及初始网络控制器节点编号数据将备选网络控制器集群中与初始网络控制器逻辑距离最近的信标节点作为临时网络控制器,并根据备选网络控制器集群对新无线自组网进行替代网络控制器在线选举,从而获取替代网络控制器节点编号数据;根据替代网络控制器节点编号数据对新无线自组网进行网络控制器切换作业,从而获取优化无线自组网。
具体地,例如,可以对新无线自组网中的网络控制器进行实时状态监测,以判断网络控制器是否正常工作。可以使用网络管理工具、控制器状态检测算法或其他相关方法来监测网络控制器的状态。根据新无线自组网的拓扑结构,确定与初始网络控制器相邻的信标节点作为备选网络控制器集群。可以使用拓扑分析算法、邻居节点发现技术或其他相关方法来确定备选网络控制器集群。在监测过程中,如果检测到初始网络控制器发生故障,执行以下步骤。临时网络控制器选取。根据初始网络控制器节点位置数据和节点编号数据,计算备选网络控制器集群中与初始网络控制器逻辑距离最近的信标节点。可以使用位置计算算法、距离度量算法或其他相关方法来选取临时网络控制器。替代网络控制器在线选举。根据备选网络控制器集群,执行替代网络控制器在线选举过程。可以使用选举算法、协议规定的选举策略或其他相关方法,根据备选网络控制器的能力和条件来选举替代网络控制器,并获取替代网络控制器节点编号数据。网络控制器切换作业。根据替代网络控制器节点编号数据,执行网络控制器切换作业。这包括将临时网络控制器替换为替代网络控制器,更新网络控制器的配置信息、路由表等。通过这个过程,获取优化的无线自组网,确保网络的稳定性和性能。
本发明通过构建初始无线自组网可以确定一个起始节点作为网络的初始状态。这有助于建立网络的基础,并为后续的优化操作提供参考。通过对初始无线自组网进行初始网络控制器选举,可以确定一个节点作为网络控制器。网络控制器负责管理和控制整个网络的行为,包括路由选择、资源分配等。选举出初始网络控制器节点,可以确保网络的协调和稳定性。在进行初始网络控制器选举时,会获取初始网络控制器节点的位置数据和编号数据。这些数据对于后续的优化步骤非常重要,可以用于拓扑结构优化、网络控制器切换等操作。通过对初始无线自组网进行信道监测,并对新节点进行信道参数采集,可以获取新节点的信道特征数据。基于初始无线自组网和新节点的信道特征数据,可以进行拓扑结构优化时长计算,进而获取拓扑结构优化时长数据。这有助于优化无线自组网的拓扑结构,以确保节点之间的通信质量和性能最优,提高网络的稳定性和可靠性。通过对初始无线自组网进行通信负荷监测,可以获取通信负荷监测数据。根据这些数据,可以选择适当的节点接入时机,以避免在高负荷时段引入新节点,从而获取低负荷时隙数据。这有助于优化无线自组网的性能,确保新节点的接入不会对网络的通信负荷造成过大的影响,提高整体网络的吞吐量和效率。通过根据拓扑结构优化时长数据和低负荷时隙数据,对初始无线自组网进行新节点接入作业,可以将新节点有序地纳入现有网络中,形成一个新的无线自组网。这有助于优化无线自组网的结构和性能,确保新节点的接入不会对整体网络造成不必要的干扰和负担,同时保证网络的稳定性和可靠性。通过对新无线自组网进行网络控制器状态监测,可以及时检测初始网络控制器的状态。当初始网络控制器发生故障时,根据备选网络控制器集群中与初始网络控制器逻辑距离最近的信标节点,选择一个临时网络控制器。然后,根据替代网络控制器在线选举结果,对新无线自组网进行网络控制器切换作业,将临时网络控制器切换为替代网络控制器。这有助于保障无线自组网的连续性和稳定性,确保网络在网络控制器故障情况下仍能正常运行,并实现无线自组网的优化。综上所述,本发明通过动态调整路由路径,可以减少节点移动和变化对网络拓扑结构的影响,从而提高网络的稳定性。节点的加入、离开或移动不会频繁导致数据传输中断或信号盲区的产生。优化后的拓扑结构可以更好地适应节点的移动和变化,确保数据能够有效地传输。这将减少数据传输中断的发生,提高数据传输的可靠性。通过监测网络控制器的状态,并在发生故障时快速切换到备选网络控制器,可以保证网络的连续性和稳定性。备选网络控制器可以在故障发生时暂时接管网络控制器的功能,确保网络的正常运行,并为后续的修复工作争取时间。
优选地,步骤S1包括以下步骤:
步骤S11:获取目标区域地理位置数据;根据目标区域地理位置数据对目标区域进行数字化重构,从而获取目标区域三维数模数据;
具体地,例如,可以使用全球定位系统(GPS)或其他地理定位技术,对目标区域内的关键地点进行定位测量,获取各个地点的经纬度坐标。将获取到的地理位置数据导入地理信息系统(GIS)软件,利用GIS工具对目标区域进行数字化重构。在GIS软件中,可以绘制目标区域的边界线、道路、建筑物等要素,以及添加高程数据,从而创建一个具有地理空间信息的三维模型。通过GIS软件的功能,将数字化重构后的目标区域保存为三维数模数据。这些数据可以包括地理坐标、地形高程、建筑物高度、道路网络等信息,以便后续的节点布置和网络拓扑构建。
步骤S12:根据目标区域三维数模数据对目标区域进行信标节点布置作业,从而获取节点位置数据集以及节点编号数据集;
具体地,例如,可以针对目标区域的三维数模数据,选择适当的信标节点布置策略。可以根据目标区域的大小、地形复杂度和通信需求等因素,采用均匀分布、最小覆盖或者基于优化算法的布置策略。根据选定的布置策略,在目标区域的三维数模数据上确定信标节点的位置。可以使用图形处理软件或编程工具,在三维数模数据上标注出信标节点的坐标点。记录节点位置数据集以及节点编号数据集:将确定的信标节点位置信息记录下来,并为每个信标节点分配唯一的编号。这样可以建立节点位置数据集和节点编号数据集,以便后续的网络拓扑构建。
步骤S13:根据节点位置数据集以及节点编号数据集进行网络拓扑表构建以及图绘制,从而获取组网网络拓扑表以及组网网络拓扑结构图;
具体地,例如,可以基于节点位置数据集和节点编号数据集,构建网络拓扑表。将节点编号作为表中的节点标识,根据节点之间的连接关系建立节点之间的拓扑关系。可以使用表格处理软件(如Excel)或编程语言(如Python)来实现网络拓扑表的构建。绘制组网网络拓扑结构图。利用图形处理软件或绘图工具,根据构建好的网络拓扑表数据,绘制出组网网络的拓扑结构图。在图中,可以用节点表示器件或设备,用连线表示节点之间的连接关系,以直观地展示整个网络的拓扑结构。将构建好的网络拓扑表保存为数据文件,如CSV或XML格式。同时,保存绘制好的组网网络拓扑结构图,可以作为后续网络规划和设计的参考依据。
步骤S14:对目标区域内的每个信标节点进行通信参量检测,从而获取信标通信特征数据集;
具体地,例如,可以针对每个信标节点,使用无线通信测试工具(如网络分析仪或频谱分析仪)进行通信参量检测。这些参量可以包括信号强度、信噪比、传输速率和延迟等。在目标区域内,依次将测试工具与每个信标节点进行连接或测试。通过测试工具的测量功能,获取每个信标节点的通信参量数据。将获取到的信标通信特征数据记录下来。可以将数据保存在电子表格中,包括每个信标节点的编号、位置、信号强度等通信参量数据。
步骤S15:根据信标通信特征数据集以及组网网络拓扑结构图进行集群头节点选择,从而获取集群头节点编号数据,同时将集群头节点编号数据设定为无线组网网络标识,从而构建初始无线自组网;
具体地,例如,可以基于信标通信特征数据集和组网网络拓扑结构图,进行集群头节点选择。可以使用算法或规则来确定集群头节点的选择策略。例如,选择通信强度最强的节点或者按照一定的分布规则选择节点作为集群头节点。将选定的集群头节点的编号记录下来,并将其设定为无线组网网络的标识。这样,其他节点可以通过识别集群头节点来加入无线自组网。根据集群头节点的编号,将其发送给每个节点。节点收到集群头节点编号后,根据该编号进行判断,确定是否加入对应的无线自组网。
步骤S16:对初始无线自组网进行初始网络控制器选举,从而获取初始网络控制器节点数据,其中初始网络控制器节点数据包括初始网络控制器节点位置数据以及初始网络控制器节点编号数据。
具体地,例如,可以针对初始无线自组网中的节点,进行初始网络控制器选举。可以使用选举算法(如基于距离或基于传输质量)来选择合适的节点作为初始网络控制器。在初始无线自组网中,对每个节点进行选举。节点根据预设的选举规则,在与其他节点进行通信的过程中,评估彼此之间的性能指标,并根据选举算法确定初始网络控制器。获取初始网络控制器节点数据,包括其位置数据和编号数据。将选定的初始网络控制器的位置记录下来,并将其编号作为初始网络控制器的唯一标识。
本发明通过获取目标区域地理位置数据为后续步骤提供了基础数据,目标区域地理位置数据用于构建无线自组网的拓扑结构。数字化重构目标区域可以提供详细和准确的地理信息,为后续步骤中信标节点布置和网络拓扑构建提供可靠的基础。通过信标节点布置作业,确定节点的位置,并生成节点位置数据集和节点编号数据集。这些数据用于后续步骤中的网络拓扑构建和集群头节点选择。节点位置数据集和节点编号数据集提供了关键的信息,用于构建无线自组网的拓扑表和拓扑结构图。通过网络拓扑表构建和图绘制,得到组网网络的拓扑表和拓扑结构图。这些信息对于理解整个无线自组网的节点连接关系和通信路径至关重要。组网网络的拓扑表和拓扑结构图提供了直观的视觉表示,帮助用户了解网络的结构和布局,便于优化和管理无线自组网。通过对每个信标节点进行通信参量检测,可以获取信标节点的通信特征数据集。这些数据用于后续步骤中的集群头节点选择和网络控制器选举。信标通信特征数据集提供了关于节点之间通信性能和距离的信息,有助于优化网络拓扑结构和选择合适的集群头节点。通过集群头节点选择,确定担任集群头节点的节点,这些节点具有较强的通信能力和管理能力,对整个无线自组网起到关键的控制和协调作用。将集群头节点编号数据设定为无线组网网络标识,确保网络的唯一性和标识性,方便节点之间的识别和通信。初始网络控制器选举确定了初始无线自组网的网络控制器节点,这是无线自组网中的关键角色,负责管理和控制整个网络的行为。初始网络控制器节点数据包括位置数据和编号数据,为网络控制器的管理和通信提供了必要的信息。本发明提供了无线自组网构建过程中所需的关键信息,帮助优化网络拓扑结构、选择合适的节点角色,并确保网络的稳定性和可靠性。
优选地,步骤S15包括以下步骤:
步骤S151:根据信标通信特征数据集对目标区域内的每个信标节点进行通信能力分析,从而获取通信能力参数集;
具体地,例如,可以根据信标通信特征数据集,获取每个信标节点的通信能力参数。通信能力参数可以包括信号强度、信噪比、传输速率和延迟等。针对每个信标节点,对其通信能力参数进行分析。可以使用统计分析工具(如MATLAB或Python中的数据分析库)或专门的通信能力分析软件来计算和评估节点的通信能力。将分析得到的通信能力参数记录下来。可以将数据保存在电子表格中,包括每个信标节点的编号、位置以及通信能力参数。
步骤S152:根据预设的通信能力阈值将通信能力参数集中大于预设的通信能力阈值的通信能力参数相应的信标节点作为集群头候选节点,从而获取集群头候选节点表以及候选节点通信能力参数集;
具体地,例如,可以根据预设的通信能力阈值,确定大于该阈值的通信能力参数作为集群头候选节点的条件。遍历通信能力参数集,筛选出大于预设通信能力阈值的信标节点作为集群头候选节点。可以使用编程语言(如Python)或电子表格软件(如Excel)来实现筛选操作。将选定的集群头候选节点的编号和对应的通信能力参数记录下来,形成集群头候选节点表以及候选节点通信能力参数集。
步骤S153:根据组网网络拓扑结构图以及节点位置数据集对目标区域的无线组网网络进行逻辑区域划分,从而获取逻辑区域分区数据集,其中逻辑区域分区数据集包括若干个逻辑区域分区数据;
具体地,例如,可以基于组网网络拓扑结构图和节点位置数据集,进行逻辑区域划分。可以通过空间分析方法(如基于距离或基于聚类)来划分逻辑区域。根据预设的划分规则或算法,将节点位置数据集中的节点划分到不同的逻辑区域。可以使用地理信息系统(GIS)软件或编程语言来实现逻辑区域划分。将划分得到的逻辑区域分区数据记录下来。可以以表格形式保存,包括每个逻辑区域的编号、节点列表或节点数量等信息,形成逻辑区域分区数据集。
步骤S154:对逻辑区域分区数据集中每个逻辑区域分区数据相应的区域进行通信负荷测量,从而获取区域通信负载特征数据集;
具体地,例如,可以根据逻辑区域分区数据集,确定每个逻辑区域的边界或区域范围。针对每个逻辑区域,使用网络分析工具(如网络流量分析软件或网络监测设备)进行通信负荷测量。可以监测区域内的数据流量、连接数、带宽利用率等指标。在每个逻辑区域内,进行一段时间的通信负荷测量,以获取区域通信负载特征数据。可以使用网络流量监测工具(如Wireshark)捕获和分析通信数据。将测得的区域通信负载特征数据记录下来,可以保存在电子表格中。数据可以包括逻辑区域的编号、通信负荷指标(如数据流量、连接数)以及测量时间等信息。
步骤S155:根据区域通信负载特征数据集以及集群头候选节点表进行每个集群候选节点与其他区域节点的链路时延模拟,从而获取链路时延参数矩阵;
具体地,例如,可以根据集群头候选节点表,确定每个集群候选节点的位置信息。对于每个集群候选节点,模拟其与其他区域节点之间的链路时延。可以使用网络仿真工具(如NS-3、OPNET或MATLAB中的Network Simulator)来模拟链路时延。在仿真过程中,根据区域通信负载特征数据集中的通信负荷情况,考虑数据传输的带宽、拥塞情况、传播延迟等因素,计算集群候选节点与其他区域节点之间的链路时延。将计算得到的链路时延参数记录下来,形成链路时延参数矩阵。可以将数据保存在电子表格中,矩阵的行表示集群候选节点,列表示其他区域节点,每个元素表示对应链路的时延。
步骤S156:根据链路时延参数矩阵以及候选节点通信能力参数集对集群头候选节点表中每个候选节点进行层次分析法评级,从而获取候选节点评级结果集;
具体地,例如,可以利用层次分析法(Analytic Hierarchy Process,AHP)对候选节点进行评级。AHP是一种多准则决策方法,可用于比较和评估不同因素的重要性。构建AHP评价模型。首先,定义评价准则,如链路时延和通信能力。然后,根据候选节点的链路时延参数矩阵和通信能力参数集,构建一个AHP判断矩阵。判断矩阵的元素表示两个因素之间的相对重要性。进行AHP计算。使用AHP方法计算每个候选节点的权重,表示其相对于其他节点的评级。根据计算得到的权重,对候选节点进行排序和评级。将候选节点按照权重从高到低的顺序进行排序,并为每个节点分配相应的评级。将候选节点评级结果记录下来。可以在候选节点表中添加一个评级列,将每个候选节点的评级结果填入。
步骤S157:根据候选节点评级结果集,选择评级最高者作为集群头节点,并配置评级次高节点作为热备,从而形成集群头高可用组,同时将集群头节点编号数据设定为无线组网网络标识,从而构建初始无线自组网。
具体地,例如,可以根据候选节点评级结果集,找到评级最高的节点作为集群头节点。可以遍历候选节点评级结果集,找到评级最高的节点,并将其标识为集群头节点。配置评级次高的节点作为热备。在候选节点表中找到评级次高的节点,并将其设置为集群头节点的备份节点,以提供高可用性。将集群头节点的编号数据设定为无线组网网络标识。将选定的集群头节点的编号作为无线组网网络的标识,用于其他节点与集群头节点之间的通信和识别。形成集群头高可用组。将选定的集群头节点和热备节点组合在一起,形成一个集群头高可用组,以确保无线自组网的稳定性和可靠性。构建初始无线自组网。通过设置集群头节点和编号数据,将其他节点与集群头节点连接起来,形成初始的无线自组网。
本发明通过对信标节点的通信能力分析,可以了解每个节点的通信性能和能力水平。通信能力参数集提供了关于节点通信能力的量化数据,为后续步骤中的集群头节点选择和链路时延模拟提供了依据。通过设定通信能力阈值,筛选出通信能力较强的信标节点作为集群头候选节点。集群头候选节点表提供了备选的集群头节点,候选节点通信能力参数集提供了关于候选节点通信能力的详细信息。通过逻辑区域划分,将无线组网网络划分为逻辑上相对独立的区域,方便管理和控制。逻辑区域分区数据集提供了每个逻辑区域的相关信息,为后续步骤中的通信负载测量和链路时延模拟提供了基础。通过对每个逻辑区域的通信负荷测量,可以了解每个区域的通信需求和负载情况。区域通信负载特征数据集提供了关于每个区域的通信负荷特征的数据,为后续步骤中的链路时延模拟和集群头节点选择提供了依据。通过链路时延模拟,可以评估每个集群候选节点与其他区域节点之间的通信时延。链路时延参数矩阵提供了候选节点与其他节点之间通信时延的详细数据,为后续步骤中的层次分析法评级提供了依据。通过层次分析法评级,可以对每个集群头候选节点进行定量评估和排序,选择最合适的集群头节点。候选节点评级结果集提供了每个候选节点的评级结果,为后续步骤中的集群头节点选择和备份节点配置提供了依据。通过选择评级最高的候选节点作为集群头节点,提高了无线自组网的性能和可靠性。配置评级次高的节点作为热备,增加了系统的冗余和容错能力,保证了无线自组网的高可用性。将集群头节点编号设定为无线组网网络标识,可以唯一标识无线自组网,方便网络管理和识别。
优选地,步骤S2包括以下步骤:
步骤S21:对初始无线自组网进行信道监测,当检测到新节点请求加入时,对新节点进行信道参数采集,从而获取新节点信道特征数据;
具体地,例如,可以在初始无线自组网中的在线信标节点上部署信道监测设备或软件。这些设备或软件可以监测到无线信道的使用情况,包括信道的占用情况、干扰情况等。定期对无线信道进行监测。通过信道监测设备或软件,定期扫描无线信道,并记录下每个信道的使用情况和信道特征数据。当监测到新节点请求加入时,立即对新节点进行信道参数采集。可以通过与新节点进行通信,获取其所使用的无线信道信息,并记录下新节点的信道特征数据。采集的参数可以包括信道频率、信道带宽、信号强度等。将新节点的信道特征数据记录下来,可以保存在数据库或者其他存储介质中。数据可以包括新节点的标识编码、信道参数以及采集时间等信息。
步骤S22:新节点对初始无线自组网中的在线信标节点发起加入申请,并上传自身参数数据,其中自身参数数据包括标识编码数据、坐标定位数据、通信模块特征数据以及业务特征数据;
具体地,例如,可以新节点检测到初始无线自组网中的在线信标节点,并发起加入申请。新节点可以通过扫描信标节点的广播信号或者通过其他方式发现已存在的信标节点。新节点与信标节点建立通信连接,并向信标节点发送加入申请。可以使用无线通信协议(如Wi-Fi或蓝牙)进行通信。新节点将自身的参数数据上传给信标节点。参数数据可以包括标识编码数据(用于节点的唯一标识)、坐标定位数据(用于位置信息)、通信模块特征数据(如支持的通信频段、速率等)以及业务特征数据(如节点的通信需求、带宽要求等)。信标节点接收并记录新节点上传的参数数据。可以将这些数据保存在数据库中,以便后续的网络管理和节点调度。
步骤S23:利用初始无线自组网中的在线信标节点对新节点进行加入申请感知,以建立新节点临时连接链路,从而获取新节点自身参数数据;
具体地,例如,可以在初始无线自组网中的在线信标节点上部署感知模块。该模块用于监听并感知新节点的加入申请。新节点发送加入申请广播信号。新节点在加入初始无线自组网时,可以发送广播信号,向周围的在线信标节点发送加入申请。在线信标节点接收到新节点的加入申请广播信号后,建立临时连接链路。在线信标节点可以根据接收到的加入申请广播信号,与新节点建立临时的通信连接。在临时连接链路上,新节点将自身的参数数据发送给在线信标节点。新节点可以通过该临时连接链路,将其自身的参数数据(如标识编码数据、坐标定位数据、通信模块特征数据、业务特征数据等)发送给在线信标节点。在线信标节点接收并记录新节点的参数数据。在线信标节点可以将新节点发送的参数数据保存在数据库中,以便后续的网络管理和节点调度。
步骤S24:根据初始无线自组网、组网网络拓扑结构图、新节点信道特征数据以及新节点自身参数数据进行拓扑结构优化时长计算,从而获取拓扑结构优化时长数据。
具体地,例如,可以构建初始无线自组网的组网网络拓扑结构图。根据初始无线自组网中的节点分布情况和节点之间的连接关系,构建组网网络拓扑结构图,用于表示节点之间的拓扑关系。利用新节点的信道特征数据和自身参数数据,对组网网络拓扑结构进行优化时长计算。可以使用优化算法(如遗传算法、模拟退火算法等)来计算拓扑结构的优化时长。优化时长的计算可以考虑节点之间的通信质量、距离、带宽需求等因素。根据优化时长计算结果,获取拓扑结构优化时长数据。将优化时长的计算结果记录下来,可以保存在数据库或其他存储介质中,作为拓扑结构优化的参考依据。
本发明通过对初始无线自组网的信道监测,可以了解当前信道的使用情况和可用性。对新节点进行信道参数采集可以获取新节点的信道特征数据,包括信道质量和可靠性等信息。新节点信道特征数据为后续步骤中的拓扑结构优化和网络性能提升提供了依据。新节点发起加入申请可以将自身融入初始无线自组网,扩展网络范围和覆盖。上传自身参数数据提供了关于新节点的详细信息,包括标识编码、位置信息、通信模块特征以及业务特征等,方便网络管理和优化。自身参数数据为后续步骤中的拓扑结构优化和网络性能提升提供了必要的数据支持。利用在线信标节点对新节点进行加入申请感知,可以确保新节点与网络中其他节点的连接正常建立。建立新节点临时连接链路后,可以获取新节点的自身参数数据,包括标识编码、位置信息、通信模块特征以及业务特征等,进一步完善网络管理和优化。通过根据初始无线自组网、网络拓扑结构图和新节点参数数据进行拓扑结构优化时长计算,可以评估优化网络拓扑所需的时间。拓扑结构优化时长数据提供了优化网络拓扑所需的时间估计,为网络管理者做出决策和规划提供了依据。优化网络拓扑结构可以提高网络性能和效率,减少干扰和冲突,优化传输路径,提高数据传输质量和可靠性。
优选地,步骤S24包括以下步骤:
步骤S241:根据组网网络拓扑结构图以及目标区域三维数模数据对初始无线自组网进行立体重构,从而获取组网数字化拓扑模型;
具体地,例如,可以利用组网网络拓扑结构图和目标区域的三维数模数据进行立体重构。可以使用计算机辅助设计(CAD)软件或者地理信息系统(GIS)软件,将组网网络拓扑结构图和三维数模数据进行融合,进行立体重构,生成组网数字化拓扑模型。组网数字化拓扑模型可以包括节点的位置信息、连接关系、信号覆盖范围等。可以将生成的数字化拓扑模型保存在合适的文件格式中,以备后续使用。
步骤S242:对初始无线自组网中每个节点进行业务负载检测,从而获取节点负载矩阵数据;对初始无线自组网中每个节点进行带宽资源统计,从而获取节点带宽数据集;
具体地,例如,可以在初始无线自组网中的每个节点上部署业务负载检测设备或软件。这些设备或软件可以监测节点的业务负载情况,包括节点的处理能力、数据传输量等。对每个节点进行业务负载检测。通过业务负载检测设备或软件,定期对每个节点的业务负载情况进行监测,并记录下节点的负载矩阵数据。负载矩阵数据可以包括节点的负载水平、负载变化趋势等。在初始无线自组网中的每个节点上进行带宽资源统计。可以通过监测节点的网络流量、数据传输速率等信息,对节点的带宽资源进行统计,并记录下节点的带宽数据集。将节点的负载矩阵数据和带宽数据集记录下来,可以保存在数据库或者其他存储介质中。数据可以用于后续的网络管理和资源分配。
步骤S243:根据节点负载矩阵数据以及节点带宽数据集对组网数字化拓扑模型中的信标节点进行对应的特征赋值,从而获取增强数字化拓扑模型;
具体地,例如,可以利用节点负载矩阵数据和带宽数据集,对组网数字化拓扑模型中的信标节点进行特征赋值。可以根据节点的负载水平、带宽资源等信息,为每个信标节点赋予相应的特征值。特征赋值可以包括节点的负载等级、可用带宽、传输速率等。根据节点的负载矩阵数据和带宽数据集,可以将这些特征值与组网数字化拓扑模型中的信标节点进行关联。特征赋值的过程可以使用编程语言或脚本来实现,根据节点负载矩阵数据和带宽数据集进行相应的计算和赋值操作。将特征赋值后的增强数字化拓扑模型保存在合适的格式中,以备后续使用。这个增强的数字化拓扑模型可以提供更详细的节点信息,包括节点的负载情况和带宽资源等,为网络管理和资源调度提供更准确的依据。
步骤S244:根据新节点自身参数数据中的坐标定位数据对增强数字化拓扑模型进行接入邻居节点分析,从而获取新节点逻辑接入坐标数据;
具体地,例如,可以将新节点的坐标定位数据与增强数字化拓扑模型进行比对。通过计算新节点的位置与增强数字化拓扑模型中的节点位置之间的距离,确定新节点周围的邻居节点。对于每个新节点,根据一定的距离阈值,确定其邻居节点。可以使用距离算法(如欧几里得距离或曼哈顿距离)来计算新节点与其他节点之间的距离,并筛选出距离在阈值范围内的邻居节点。根据邻居节点的位置信息,将新节点的逻辑接入坐标数据确定为邻居节点的位置。这样可以在增强数字化拓扑模型中标记出新节点的逻辑接入坐标,以便后续的拓扑结构优化。
步骤S245:根据新节点逻辑接入坐标数据以及增强数字化拓扑模型进行拓扑结构优化时长计算,从而获取拓扑结构优化时长数据。
具体地,例如,可以利用新节点的逻辑接入坐标数据和增强数字化拓扑模型,进行拓扑结构优化时长计算。这个计算可以基于已有的优化算法,例如图论中的最短路径算法、最小生成树算法等。根据新节点的逻辑接入坐标和增强数字化拓扑模型,确定新节点与其他节点之间的连接关系。可以使用拓扑优化算法,如最短路径算法(如 Dijkstra 算法)来计算新节点与其他节点之间的最短路径或最佳路径。根据路径的长度以及网络拓扑的复杂程度等因素,计算拓扑结构优化的时长。可以考虑节点之间的跳数、带宽资源利用率、网络负载等因素,来评估拓扑结构优化所需的时间。根据计算得到的拓扑结构优化时长数据,可以对网络进行规划和调整。可以通过增加或移除节点、优化节点之间的连接关系等方式,来改善网络的拓扑结构。
本发明通过利用组网网络拓扑结构图和目标区域三维数模数据进行立体重构,可以获取组网数字化拓扑模型,即以数字形式呈现的网络拓扑结构。组网数字化拓扑模型提供了对整个无线自组网结构的立体展示,有助于理解网络的物理布局和连接关系。对每个节点进行业务负载检测可以了解节点的当前负载情况,即节点所承载的业务量和处理能力。对每个节点进行带宽资源统计可以获取节点的带宽数据集,即节点可用的通信资源。节点负载矩阵数据和节点带宽数据集为后续步骤中的拓扑结构优化和资源分配提供了依据。基于节点负载矩阵数据和节点带宽数据集对组网数字化拓扑模型中的信标节点进行特征赋值,可以将节点的业务负载和带宽资源信息与拓扑模型关联起来。增强数字化拓扑模型提供了更丰富的信息,包括节点的业务负载和带宽资源等,有助于更准确地分析网络性能和进行资源优化。利用新节点自身参数数据中的坐标定位数据对增强数字化拓扑模型进行接入邻居节点分析,可以确定新节点在网络中的逻辑接入位置。新节点逻辑接入坐标数据提供了新节点与邻近节点的连接关系信息,为后续步骤中的拓扑结构优化和路径规划提供了依据。根据新节点逻辑接入坐标数据和增强数字化拓扑模型进行拓扑结构优化时长计算,可以评估优化网络拓扑所需的时间。拓扑结构优化时长数据提供了优化网络拓扑所需的时间估计,为网络管理者做出决策和规划提供了依据。优化网络拓扑结构可以提高网络性能和效率,减少干扰和冲突,优化传输路径,提高数据传输质量和可靠性。
优选地,步骤S245包括以下步骤:
步骤S2451:对增强数字化拓扑模型进行复制,从而获取新节点增强数字化拓扑模型,并将增强数字化拓扑模型作为老节点数字化拓扑模型;
具体地,例如,可以使用编程语言中的数据结构和算法来复制拓扑模型。将复制得到的增强数字化拓扑模型作为老节点的数字化拓扑模型。这样可以在保留原始拓扑结构的基础上,为新节点的接入提供一个独立的拓扑模型。
步骤S2452:根据新节点逻辑接入坐标数据对新节点增强数字化拓扑模型进行理想接入位置设置,从而获取新节点数字化拓扑模型;
具体地,例如,可以使用新节点的逻辑接入坐标数据,确定新节点在增强数字化拓扑模型中的理想接入位置。可以根据坐标数据在拓扑模型中进行节点位置的设置。将新节点的位置信息添加到增强数字化拓扑模型中。可以通过修改拓扑模型的节点属性或添加新的节点来表示新节点的位置。得到新节点的数字化拓扑模型,即在增强数字化拓扑模型中加入新节点的位置信息后的拓扑模型。
步骤S2453:启动新节点数字化拓扑模型上新节点接入请求的动态仿真过程,同时启动老节点数字化拓扑模型进行正常运行状态模拟,并对老节点数字化拓扑模型与新节点数字化拓扑模型进行网络性能参数检测,从而获取双子数字化拓扑模型性能参数矩阵;
具体地,例如,可以使用仿真工具或平台,例如网络仿真软件,启动对新节点数字化拓扑模型上的新节点接入请求的动态仿真过程。这个过程可以模拟新节点的接入行为并观察网络的性能变化。同时,启动老节点数字化拓扑模型进行正常运行状态模拟。这可以模拟老节点在网络中的正常操作和通信。在仿真过程中,对老节点数字化拓扑模型与新节点数字化拓扑模型进行网络性能参数检测。可以使用网络性能监测工具来收集数据,例如测量网络的时延、带宽利用率、丢包率等性能指标。根据收集到的性能数据,生成双子数字化拓扑模型性能参数矩阵。这个矩阵可以包含网络中各个节点的性能指标,用于评估网络的整体性能和优化需求。
步骤S2454:根据双子数字化拓扑模型性能参数矩阵对新节点数字化拓扑模型与老节点数字化拓扑模型进行性能差异趋势分析,从而获取网络性能损耗特征数据;
具体地,例如,可以基于双子数字化拓扑模型性能参数矩阵,比较新节点数字化拓扑模型与老节点数字化拓扑模型的性能指标。可以使用统计分析方法,如均值比较、方差分析等,来评估性能差异的显著性。分析性能差异的趋势。根据性能参数矩阵中的历史数据和趋势分析方法,如线性回归、移动平均等,来确定新节点加入对网络性能的影响趋势。从中提取网络性能损耗的特征数据。例如,可以计算新节点加入后网络的平均时延增加量、带宽利用率下降量等指标,作为网络性能损耗的特征数据。
步骤S2455:根据网络性能损耗特征数据集对新节点整个加入过程网络造成的总体影响进行量化评估,从而获取网络调整时间成本数据集;
具体地,例如,可以收集网络性能损耗特征数据集,并整理成数据集。这可以通过网络性能监测工具获取的性能数据进行统计和分析得到。基于收集到的性能数据集,进行量化评估。可以使用数学模型和算法,如回归分析、机器学习等,对性能数据进行建模和分析,以评估新节点加入过程对网络的总体影响。根据量化评估结果,得到网络调整时间成本数据集。这个数据集可以包含网络性能调整所需的时间、成本等指标,用于衡量新节点加入对网络性能调整的影响。
步骤S2456:根据网络调整时间成本数据集对新节点加入后直至自组网重新进入稳定状态进行花费时长统计,从而获取拓扑结构优化时长数据。
具体地,例如,可以根据网络调整时间成本数据集,统计新节点加入后自组网重新进入稳定状态所需的时间。这可以通过分析网络性能指标的变化趋势和稳定性指标的达成情况来确定。计算拓扑结构优化时长数据。这可以是从新节点加入到自组网稳定所经历的时间间隔,或者是从拓扑结构调整开始到调整结束所经历的时间。
本发明通过复制增强数字化拓扑模型并将其作为老节点数字化拓扑模型,可以将新节点的信息整合到整个网络拓扑模型中,使得网络模型更加完整和准确。新节点增强数字化拓扑模型的复制和整合有助于后续步骤中的网络性能参数检测和性能差异分析,为理解和优化网络性能提供了依据。根据新节点逻辑接入坐标数据设置新节点的理想接入位置,可以模拟新节点在网络中的逻辑位置,为后续步骤中的动态仿真和性能分析提供准确的参考。新节点数字化拓扑模型提供了描述新节点在网络中位置和连接关系的信息,为网络性能分析和优化提供了基础。启动新节点数字化拓扑模型上新节点接入请求的动态仿真过程可以模拟新节点的接入过程,评估新节点加入网络后的性能表现。同时启动老节点数字化拓扑模型进行正常运行状态模拟,可以模拟整个网络的运行情况,为性能参数检测提供参考。对老节点数字化拓扑模型与新节点数字化拓扑模型进行网络性能参数检测可以了解新节点加入网络后对整个网络的影响和性能变化。基于双子数字化拓扑模型性能参数矩阵对新节点和老节点的性能差异进行趋势分析,可以识别出网络中可能出现的性能损耗特征。网络性能损耗特征数据提供了网络性能变化的关键指标,为网络优化和性能改进提供了依据。基于网络性能损耗特征数据集对新节点加入过程中网络的总体影响进行量化评估,可以评估新节点加入对网络整体性能的影响程度。网络调整时间成本数据集提供了考虑新节点加入对网络性能的调整所需的时间成本,为网络管理者做出决策和规划提供了重要参考。基于网络调整时间成本数据集对新节点加入后网络重新进入稳定状态所需的时间进行统计,可以评估拓扑结构优化所需的时长。拓扑结构优化时长数据提供了新节点加入后网络稳定的时间参考,对网络规划和管理具有指导意义。
优选地,步骤S3包括以下步骤:
步骤S31:对初始无线自组网进行通信负荷监测,从而获取通信负荷监测数据;
具体地,例如,可以在初始无线自组网中的关键位置部署传感器设备或使用网络管理工具,以监测网络中的通信负荷。监测设备可以记录通信链路的带宽使用情况、数据传输量、延迟等指标。这些数据可以定期或实时收集,并记录在通信负荷监测数据集中。对收集到的通信负荷数据进行分析和处理,例如计算平均负荷、峰值负荷、负荷变化趋势等指标,以获取对初始无线自组网的通信负荷情况的综合描述。
步骤S32:根据通信负荷监测数据对初始无线自组网中的信标节点进行正在通信节点检测,从而获取正在通信节点数据集,其中正在通信节点数据集包括若干个正在通信节点数据;
具体地,例如,可以根据通信负荷监测数据,识别出网络中的活动节点,即正在通信的节点。可以通过阈值判定方法或机器学习算法来识别活动节点。从通信负荷监测数据中提取与活动节点相关的信息,包括节点的标识、通信行为、通信时段等,并记录在正在通信节点数据集中。对正在通信节点数据集进行整理和维护,确保数据的一致性和准确性。可以使用数据库或电子表格等工具来管理和处理数据集。
步骤S33:对正在通信节点数据相应的信标节点进行完整通信链路分析,从而获取通信链路数据;
具体地,例如,可以从正在通信节点数据集中获取需要进行通信链路分析的节点信息,包括信标节点的标识、通信行为等。确定通信链路关系。根据节点信息和网络拓扑结构,确定信标节点之间的通信链路关系。可以使用网络拓扑分析方法,如图论算法、路径分析等,来推断节点之间的通信链路。将确定的通信链路关系记录在通信链路数据集中,包括源节点、目标节点、链路质量指标(如信号强度、传输速率等)等信息。
步骤S34:对正在通信节点数据相应的信标节点进行业务传输数据量检测,从而获取业务传输数据量数据;
具体地,例如,可以从正在通信节点数据集中获取需要进行业务传输数据量检测的节点信息,包括信标节点的标识、通信行为等。对选定的信标节点进行业务传输数据量的监测。可以使用网络流量监测工具或传感器设备来记录节点的数据传输量。将监测到的业务传输数据量记录在业务传输数据量数据集中,包括节点的标识、传输量、传输时段等信息。
步骤S35:根据通信链路数据以及业务传输数据量数据对相应的信标节点进行数据传输结束时间计算,从而获取数据传输结束时长数据;
具体地,例如,可以从通信链路数据集和业务传输数据量数据集中获取需要进行数据传输结束时间计算的信标节点信息,包括源节点、目标节点、传输量等。根据通信链路数据和业务传输数据量数据,计算信标节点之间数据传输的结束时间。可以根据传输量和传输速率来估计数据传输所需的时间。将计算得到的数据传输结束时间记录在数据传输结束时长数据集中,包括源节点、目标节点、结束时间等信息。
步骤S36:遍历正在通信节点数据集,执行步骤S33至步骤S35,从而获取数据传输结束时长数据集;
具体地,例如,可以逐个获取正在通信节点数据集中的节点信息。对每个节点信息执行步骤S33至步骤S35的操作,以获取数据传输结束时长数据。记录数据传输结束时长数据。将每个节点的数据传输结束时长数据记录在数据传输结束时长数据集中,包括源节点、目标节点、结束时间等信息。
步骤S37:获取当前时间数据;根据数据传输结束时长数据集以及当前时间数据对初始无线自组网进行节点接入时机选择,从而获取低负荷时隙数据。
具体地,例如,可以获取当前系统的时间数据,包括年、月、日、时、分、秒等信息。根据数据传输结束时长数据集进行节点接入时机选择。根据数据传输结束时长数据集中记录的数据传输结束时间和当前时间数据,选择适合节点接入的低负荷时隙。记录低负荷时隙数据。低负荷时隙数据包括时隙开始时间、时隙结束时间等信息。
本发明通过对初始无线自组网进行通信负荷监测,可以了解整个网络的通信负荷情况,包括通信量、数据传输速度等。通信负荷监测数据提供了对网络当前状态的量化描述,为后续步骤中的节点选择和优化提供了依据。通过对通信负荷监测数据进行分析,可以确定当前正在通信的节点,即正在发送或接收数据的节点。正在通信节点数据集提供了正在进行数据传输的节点信息,为后续步骤中的数据传输分析和时机选择提供了基础。通过对正在通信节点进行通信链路分析,可以了解节点之间的通信路径和连接情况。通信链路数据提供了网络中节点之间的传输路径信息,为后续步骤中的数据传输时机选择和优化提供了参考。对正在通信的节点进行业务传输数据量检测,可以了解节点之间的数据传输量大小。业务传输数据量数据提供了节点之间数据传输的数量信息,为后续步骤中的数据传输时机选择和优化提供了依据。基于通信链路数据和业务传输数据量数据,计算信标节点的数据传输结束时间,可以评估数据传输的时长。数据传输结束时长数据提供了节点间数据传输所需的时间信息,为后续步骤中的节点接入时机选择和优化提供了参考。遍历正在通信节点数据集,对每个信标节点进行通信链路分析、数据传输量检测和结束时间计算,获取每个节点的数据传输结束时长数据。数据传输结束时长数据集提供了所有节点数据传输所需时长的集合,为后续步骤中的节点接入时机选择和优化提供了综合参考。获取当前时间数据,用于计算初始无线自组网中各节点的数据传输结束时机。基于数据传输结束时长数据集和当前时间数据,选择低负荷时隙进行节点接入,可以在网络负荷较低的时段完成节点的加入,减少对网络性能的影响。低负荷时隙数据提供了节点接入的时机选择,为初始无线自组网的优化和性能提供了指导。
优选地,步骤S35中根据通信链路数据以及业务数据量大小数据通过业务数据传输总时长计算公式对相应的新标节点进行数据传输结束时间计算,其中,业务数据传输总时长计算公式如下所示:
;
;
式中,为业务数据传输总时长,/>为信标节点的传输速率,/>为业务数据的总长度,为信标节点的通信链路函数,/>为信标节点的位置变量,/>为信标节点的数量变量,/>为信标节点的序号变量,/>为第/>个信标节点的发送功率,/>为第/>个信标节点的噪声功率,/>为信标节点的通信角度系数,/>为信标节点的通信距离系数,/>为信标节点的通信阈值系数,/>为信标节点的通信延迟系数,/>为信标节点的通信误差系数,/>为信标节点的初始信号强度,为信标节点的信号衰减系数,/>为信标节点的信号波动幅度,/>为信标节点的信号波动频率,/>为信标节点的信号基准值。
本发明构建了一个业务数据传输总时长计算公式,该公式中,通过表示信标节点发送业务数据的时间,单位是秒。它考虑了信标节点的传输速率/>,业务数据的总长度/>,以及信标节点的通信链路函数/>的导数/>对信标节点发送业务数据的时间的影响。一般来说,/>越大,/>越小,/>越小,这一项的值越小,信标节点发送业务数据的时间越短,业务数据传输总时长/>也越小。通过/>表示信标节点接收业务数据的时间,单位是秒。它考虑了无线自组网中的信标节点的总数/>,以及每个信标节点的发送功率/>和噪声功率/>对信标节点接收业务数据的时间的影响。一般来说,/>越大,/>越小,/>越大,这一项的值越大,信标节点接收业务数据的时间越长,业务数据传输总时长/>也越大。通过/>表示信标节点调整通信方向的时间,单位是秒。它考虑了信标节点的通信角度系数/>,通信距离系数/>,以及通信阈值系数/>对信标节点调整通信方向的时间的影响。一般来说,/>越大,/>越大,/>越小,这一项的值越小,信标节点调整通信方向的时间越短,业务数据传输总时长/>也越小。通过/>表示信标节点通信过程中的额外时间开销,单位是秒。它考虑了信标节点的通信延迟系数/>和通信误差系数/>对信标节点通信过程中的额外时间开销的影响。一般来说,/>越小,/>越小,这一项的值越小,信标节点通信过程中的额外时间开销越小,业务数据传输总时长/>也越小。该公式可以根据无线自组网中的信标节点的总数/>,以及每个信标节点的发送功率/>和噪声功率/>,来计算信标节点接收业务数据的时间,从而优化信标节点的接收策略和干扰管理。例如,可以通过减少无线自组网中的信标节点的总数/>,提高每个信标节点的发送功率/>,或者降低每个信标节点的噪声功率/>,来降低信标节点接收业务数据的时间,从而降低业务数据传输总时长/>。
优选地,步骤S4包括以下步骤:
步骤S41:根据新节点逻辑接入坐标数据以及低负荷时隙数据对初始无线自组网进行新节点接入作业,同时对初始无线自组网进行业务传输检测,当监测到某个信标节点需要传输数据时;
具体地,例如,可以根据新节点的逻辑接入坐标数据,确定新节点的位置和相关参数。根据低负荷时隙数据,确定适合新节点接入的低负荷时隙。根据新节点的逻辑接入坐标数据和低负荷时隙数据,将新节点接入初始无线自组网。这包括分配新节点的网络地址、配置网络参数等操作。对初始无线自组网中的信标节点进行业务传输检测。可以使用网络流量监测工具或传感器设备来监测节点的业务传输情况。监测到节点需要传输数据。当监测到某个信标节点需要进行数据传输时,进入下一个步骤S42。
步骤S42:对需要进行数据传输的信标节点进行业务数据传输优先级判定,从而获取业务数据传输优先级参数;
具体地,例如,可以根据业务传输检测结果,确定需要进行数据传输的信标节点。进行业务数据传输优先级判定。根据信标节点的业务特性、网络负载情况、传输需求等因素,对需要进行数据传输的信标节点进行优先级判定。可以使用优先级调度算法、流量控制算法或者网络资源管理策略来进行判定。根据优先级判定结果,获取每个信标节点的业务数据传输优先级参数,用于后续的数据传输调度和管理。
步骤S43:根据拓扑结构优化时长数据对新节点接入过程进行剩余稳定化时长计算,从而获取网络稳定化剩余时长数据;
具体地,例如,可以根据拓扑结构优化时长数据和新节点接入过程的进展情况,计算剩余稳定化时长。这可以涉及拓扑优化算法、稳定化计算模型或者网络仿真工具等。将计算得到的剩余稳定化时长数据记录为网络稳定化剩余时长数据,用于后续的网络稳定性评估和调整。
步骤S44:当业务数据传输优先级参数为紧急程度I级数据,则对新节点接入作业进行暂停操作,并对需要进行数据传输的信标节点进行优先带宽分配,当检测到业务数据传输优先级参数相应的业务需求数据传输完成时,重新进行新节点接入作业,从而获取新无线自组网;
具体地,例如,可以根据业务数据传输优先级参数,判断是否有紧急程度为I级的数据需要传输。如果存在紧急程度为I级的数据传输需求,暂停当前的新节点接入作业,以便优先处理紧急数据。对需要进行数据传输的信标节点进行优先带宽分配,确保紧急数据能够以较高的优先级进行传输。可以使用流量调度算法、带宽分配策略或者优先级队列等方法来实现。对紧急数据的传输进行监测,直到相应的业务需求数据传输完成。在紧急数据传输完成后,重新开始新节点接入作业,以完成新无线自组网的构建。
步骤S45:当业务数据传输优先级参数为紧急程度II级数据,且网络稳定化剩余时长数据小于或等于预设的业务可缓冲时延阈值时,等待新节点接入作业完成,从而构建新无线自组网;基于新无线自组网对业务数据传输优先级参数相应的业务需求数据进行传输;
具体地,例如,可以根据业务数据传输优先级参数和网络稳定化剩余时长数据,判断是否存在紧急程度为II级的数据传输需求,并检查网络稳定化剩余时长是否满足业务可缓冲时延阈值。如果满足条件,等待当前的新节点接入作业完成,以构建新无线自组网。基于新无线自组网,对紧急程度为II级的数据进行传输。可以使用网络传输协议、数据包分发算法或者流量控制策略来实现数据传输。
步骤S46:当业务数据传输优先级参数为紧急程度II级数据,且网络稳定化剩余时长数据大于预设的业务可缓冲时延阈值时,则对新节点接入作业进行暂停操作,并对需要进行数据传输的信标节点进行优先带宽分配,当检测到业务数据传输优先级参数相应的业务需求数据传输完成时,重新进行新节点接入作业,从而获取新无线自组网;
具体地,例如,可以根据业务数据传输优先级参数和网络稳定化剩余时长数据,判断是否存在紧急程度为II级的数据传输需求,并检查网络稳定化剩余时长是否大于预设的业务可缓冲时延阈值。如果满足条件,暂停当前的新节点接入作业,以便优先处理紧急数据。对需要进行数据传输的信标节点进行优先带宽分配,确保紧急数据能够以较高的优先级进行传输。可以使用流量调度算法、带宽分配策略或者优先级队列等方法来实现。对紧急数据的传输进行监测,直到相应的业务需求数据传输完成。在紧急数据传输完成后,重新开始新节点接入作业,以完成新无线自组网的构建。
步骤S47:当业务数据传输优先级参数为紧急程度III级数据,等待新节点接入作业完成,从而构建新无线自组网;基于新无线自组网对业务数据传输优先级参数相应的业务需求数据进行传输。
具体地,例如,可以根据业务数据传输优先级参数,判断是否存在紧急程度为III级的数据传输需求。如果存在紧急程度为III级的数据传输需求,等待当前的新节点接入作业完成,以构建新无线自组网。基于新无线自组网,对紧急程度为III级的数据进行传输。可以使用网络传输协议、数据包分发算法或者流量控制策略来实现数据传输。
本发明通过根据新节点逻辑接入坐标数据和低负荷时隙数据,进行新节点接入作业,将新节点添加到初始无线自组网中。同时进行业务传输检测,及时监测到需要传输数据的信标节点。这实现新节点的接入,并确保初始无线自组网在数据传输方面的正常运行。对需要进行数据传输的信标节点进行业务数据传输优先级判定,确定数据传输的紧急程度和优先级。通过获取业务数据传输优先级参数,可以为后续步骤中的数据传输和调度提供依据和指导。根据拓扑结构优化时长数据,对新节点接入过程进行剩余稳定化时长计算,评估网络稳定化所需的时间。获取网络稳定化剩余时长数据,为后续步骤中的网络稳定化和性能优化提供参考和指导。根据业务数据传输优先级参数,对新节点接入作业进行灵活控制,确保紧急程度较高的数据传输得到优先处理。暂停新节点接入作业并进行优先带宽分配,可以确保紧急数据的传输性能和时效性。当检测到相应优先级的业务需求数据传输完成后,重新进行新节点接入作业,进一步完善和优化新的无线自组网。
优选地,本发明还提供了一种无线自组网的优化系统,用于执行如上所述的无线自组网的优化方法,该无线自组网的优化系统包括:
初始组网构建模块,用于构建初始无线自组网;对初始无线自组网进行初始网络控制器选举,从而获取初始网络控制器节点数据,其中初始网络控制器节点数据包括初始网络控制器节点位置数据以及初始网络控制器节点编号数据;
拓扑优化计算模块,用于对初始无线自组网进行信道监测,当检测到新节点请求加入时,对新节点进行信道参数采集,从而获取新节点信道特征数据;根据初始无线自组网以及新节点信道特征数据进行拓扑结构优化时长计算,从而获取拓扑结构优化时长数据;
节点接入时机选择模块,用于对初始无线自组网进行通信负荷监测,从而获取通信负荷监测数据;根据通信负荷监测数据对初始无线自组网进行节点接入时机选择,从而获取低负荷时隙数据;
新节点接入作业模块,用于根据拓扑结构优化时长数据以及低负荷时隙数据对初始无线自组网进行新节点接入作业,从而获取新无线自组网;
网络控制器状态监测模块,用于对新无线自组网进行网络控制器状态监测,并将与初始网络控制器相邻的信标节点作为备选网络控制器集群,当监测到初始网络控制器发生故障时,根据初始网络控制器节点位置数据以及初始网络控制器节点编号数据将备选网络控制器集群中与初始网络控制器逻辑距离最近的信标节点作为临时网络控制器,并根据备选网络控制器集群对新无线自组网进行替代网络控制器在线选举,从而获取替代网络控制器节点编号数据;根据替代网络控制器节点编号数据对新无线自组网进行网络控制器切换作业,从而获取优化无线自组网。
本发明中,初始组网构建模块用于构建初始无线自组网,这是建立整个网络的第一步。通过初始组网构建,可以建立起一个基本的无线自组网架构,为后续的网络优化和节点接入作业提供基础。通过进行初始网络控制器选举,可以确定一个节点作为初始网络控制器节点,并获取相关的位置和编号数据。初始网络控制器节点在无线自组网中具有重要的控制和管理功能,通过选举出初始网络控制器节点,可以确保网络控制和协调的正常进行。拓扑优化计算模块用于对初始无线自组网进行拓扑结构优化时长计算。通过监测信道并采集新节点的信道特征数据,可以对初始无线自组网的拓扑结构进行优化。拓扑优化有助于改善网络的覆盖范围、信号质量和传输效率,从而提高整个网络的性能。节点接入时机选择模块用于监测初始无线自组网的通信负荷并选择节点接入时机。通过对通信负荷的监测和分析,可以确定低负荷时隙,即网络负荷较轻的时间段。选择低负荷时隙进行节点接入可以减少对网络性能的影响,确保新节点的接入不会对现有网络造成过大的负荷压力。新节点接入作业模块根据拓扑结构优化时长数据和低负荷时隙数据,对初始无线自组网进行新节点接入作业。通过合理的新节点接入作业,可以将新节点有序地纳入无线自组网中,从而构建一个更加完善和优化的新无线自组网。用于监测新无线自组网中网络控制器的状态,并在必要时进行切换。通过监测初始网络控制器的状态,可以及时发现和处理故障情况。当初始网络控制器发生故障时,通过备选网络控制器集群中与初始网络控制器逻辑距离最近的信标节点作为临时网络控制器,并进行替代网络控制器在线选举,以确保网络控制功能的持续性和稳定性。该模块根据替代网络控制器节点编号数据对新无线自组网进行网络控制器切换作业。通过网络控制器的切换,可以保证网络控制和协调功能的连续性和稳定性,从而实现优化无线自组网的目标。网络控制器的切换作业能够确保网络在出现故障或其他异常情况时能够及时调整和响应,提高无线自组网的鲁棒性和可靠性。
因此,无论从哪一点来看,均应网络控制器状态监测模块将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种无线自组网的优化方法,其特征在于,包括以下步骤:
步骤S1:构建初始无线自组网;对初始无线自组网进行初始网络控制器选举,从而获取初始网络控制器节点数据,其中初始网络控制器节点数据包括初始网络控制器节点位置数据以及初始网络控制器节点编号数据;
步骤S2:对初始无线自组网进行信道监测,当检测到新节点请求加入时,对新节点进行信道参数采集,从而获取新节点信道特征数据;根据初始无线自组网以及新节点信道特征数据进行拓扑结构优化时长计算,从而获取拓扑结构优化时长数据;
步骤S3:对初始无线自组网进行通信负荷监测,从而获取通信负荷监测数据;根据通信负荷监测数据对初始无线自组网进行节点接入时机选择,从而获取低负荷时隙数据;
步骤S4:根据拓扑结构优化时长数据以及低负荷时隙数据对初始无线自组网进行新节点接入作业,从而获取新无线自组网;
步骤S5:对新无线自组网进行网络控制器状态监测,并将与初始网络控制器相邻的信标节点作为备选网络控制器集群,当监测到初始网络控制器发生故障时,根据初始网络控制器节点位置数据以及初始网络控制器节点编号数据将备选网络控制器集群中与初始网络控制器逻辑距离最近的信标节点作为临时网络控制器,并根据备选网络控制器集群对新无线自组网进行替代网络控制器在线选举,从而获取替代网络控制器节点编号数据;根据替代网络控制器节点编号数据对新无线自组网进行网络控制器切换作业,从而获取优化无线自组网。
2.根据权利要求1所述的无线自组网的优化方法,其特征在于,步骤S1包括以下步骤:
步骤S11:获取目标区域地理位置数据;根据目标区域地理位置数据对目标区域进行数字化重构,从而获取目标区域三维数模数据;
步骤S12:根据目标区域三维数模数据对目标区域进行信标节点布置作业,从而获取节点位置数据集以及节点编号数据集;
步骤S13:根据节点位置数据集以及节点编号数据集进行网络拓扑表构建以及图绘制,从而获取组网网络拓扑表以及组网网络拓扑结构图;
步骤S14:对目标区域内的每个信标节点进行通信参量检测,从而获取信标通信特征数据集;
步骤S15:根据信标通信特征数据集以及组网网络拓扑结构图进行集群头节点选择,从而获取集群头节点编号数据,同时将集群头节点编号数据设定为无线组网网络标识,从而构建初始无线自组网;
步骤S16:对初始无线自组网进行初始网络控制器选举,从而获取初始网络控制器节点数据,其中初始网络控制器节点数据包括初始网络控制器节点位置数据以及初始网络控制器节点编号数据。
3.根据权利要求2所述的无线自组网的优化方法,其特征在于,步骤S15包括以下步骤:
步骤S151:根据信标通信特征数据集对目标区域内的每个信标节点进行通信能力分析,从而获取通信能力参数集;
步骤S152:根据预设的通信能力阈值将通信能力参数集中大于预设的通信能力阈值的通信能力参数相应的信标节点作为集群头候选节点,从而获取集群头候选节点表以及候选节点通信能力参数集;
步骤S153:根据组网网络拓扑结构图以及节点位置数据集对目标区域的无线组网网络进行逻辑区域划分,从而获取逻辑区域分区数据集,其中逻辑区域分区数据集包括若干个逻辑区域分区数据;
步骤S154:对逻辑区域分区数据集中每个逻辑区域分区数据相应的区域进行通信负荷测量,从而获取区域通信负载特征数据集;
步骤S155:根据区域通信负载特征数据集以及集群头候选节点表进行每个集群候选节点与其他区域节点的链路时延模拟,从而获取链路时延参数矩阵;
步骤S156:根据链路时延参数矩阵以及候选节点通信能力参数集对集群头候选节点表中每个候选节点进行层次分析法评级,从而获取候选节点评级结果集;
步骤S157:根据候选节点评级结果集,选择评级最高者作为集群头节点,并配置评级次高节点作为热备,从而形成集群头高可用组,同时将集群头节点编号数据设定为无线组网网络标识,从而构建初始无线自组网。
4.根据权利要求1所述的无线自组网的优化方法,其特征在于,步骤S2包括以下步骤:
步骤S21:对初始无线自组网进行信道监测,当检测到新节点请求加入时,对新节点进行信道参数采集,从而获取新节点信道特征数据;
步骤S22:新节点对初始无线自组网中的在线信标节点发起加入申请,并上传自身参数数据,其中自身参数数据包括标识编码数据、坐标定位数据、通信模块特征数据以及业务特征数据;
步骤S23:利用初始无线自组网中的在线信标节点对新节点进行加入申请感知,以建立新节点临时连接链路,从而获取新节点自身参数数据;
步骤S24:根据初始无线自组网、组网网络拓扑结构图、新节点信道特征数据以及新节点自身参数数据进行拓扑结构优化时长计算,从而获取拓扑结构优化时长数据。
5.根据权利要求4所述的无线自组网的优化方法,其特征在于,步骤S24包括以下步骤:
步骤S241:根据组网网络拓扑结构图以及目标区域三维数模数据对初始无线自组网进行立体重构,从而获取组网数字化拓扑模型;
步骤S242:对初始无线自组网中每个节点进行业务负载检测,从而获取节点负载矩阵数据;对初始无线自组网中每个节点进行带宽资源统计,从而获取节点带宽数据集;
步骤S243:根据节点负载矩阵数据以及节点带宽数据集对组网数字化拓扑模型中的信标节点进行对应的特征赋值,从而获取增强数字化拓扑模型;
步骤S244:根据新节点自身参数数据中的坐标定位数据对增强数字化拓扑模型进行接入邻居节点分析,从而获取新节点逻辑接入坐标数据;
步骤S245:根据新节点逻辑接入坐标数据以及增强数字化拓扑模型进行拓扑结构优化时长计算,从而获取拓扑结构优化时长数据。
6.根据权利要求5所述的无线自组网的优化方法,其特征在于,步骤S245包括以下步骤:
步骤S2451:对增强数字化拓扑模型进行复制,从而获取新节点增强数字化拓扑模型,并将增强数字化拓扑模型作为老节点数字化拓扑模型;
步骤S2452:根据新节点逻辑接入坐标数据对新节点增强数字化拓扑模型进行理想接入位置设置,从而获取新节点数字化拓扑模型;
步骤S2453:启动新节点数字化拓扑模型上新节点接入请求的动态仿真过程,同时启动老节点数字化拓扑模型进行正常运行状态模拟,并对老节点数字化拓扑模型与新节点数字化拓扑模型进行网络性能参数检测,从而获取双子数字化拓扑模型性能参数矩阵;
步骤S2454:根据双子数字化拓扑模型性能参数矩阵对新节点数字化拓扑模型与老节点数字化拓扑模型进行性能差异趋势分析,从而获取网络性能损耗特征数据;
步骤S2455:根据网络性能损耗特征数据集对新节点整个加入过程网络造成的总体影响进行量化评估,从而获取网络调整时间成本数据集;
步骤S2456:根据网络调整时间成本数据集对新节点加入后直至自组网重新进入稳定状态进行花费时长统计,从而获取拓扑结构优化时长数据。
7.根据权利要求1所述的无线自组网的优化方法,其特征在于,步骤S3包括以下步骤:
步骤S31:对初始无线自组网进行通信负荷监测,从而获取通信负荷监测数据;
步骤S32:根据通信负荷监测数据对初始无线自组网中的信标节点进行正在通信节点检测,从而获取正在通信节点数据集,其中正在通信节点数据集包括若干个正在通信节点数据;
步骤S33:对正在通信节点数据相应的信标节点进行完整通信链路分析,从而获取通信链路数据;
步骤S34:对正在通信节点数据相应的信标节点进行业务传输数据量检测,从而获取业务传输数据量数据;
步骤S35:根据通信链路数据以及业务传输数据量数据对相应的信标节点进行数据传输结束时间计算,从而获取数据传输结束时长数据;
步骤S36:遍历正在通信节点数据集,执行步骤S33至步骤S35,从而获取数据传输结束时长数据集;
步骤S37:获取当前时间数据;根据数据传输结束时长数据集以及当前时间数据对初始无线自组网进行节点接入时机选择,从而获取低负荷时隙数据。
8.根据权利要求7所述的无线自组网的优化方法,其特征在于,步骤S35中根据通信链路数据以及业务数据量大小数据通过业务数据传输总时长计算公式对相应的新标节点进行数据传输结束时间计算,其中,业务数据传输总时长计算公式如下所示:
;
;
式中,为业务数据传输总时长,/>为信标节点的传输速率,/>为业务数据的总长度,/>为信标节点的通信链路函数,/>为信标节点的位置变量,/>为信标节点的数量变量,/>为信标节点的序号变量,/>为第/>个信标节点的发送功率,/>为第/>个信标节点的噪声功率,/>为信标节点的通信角度系数,/>为信标节点的通信距离系数,/>为信标节点的通信阈值系数,/>为信标节点的通信延迟系数,/>为信标节点的通信误差系数,/>为信标节点的初始信号强度,/>为信标节点的信号衰减系数,/>为信标节点的信号波动幅度,/>为信标节点的信号波动频率,/>为信标节点的信号基准值。
9.根据权利要求1所述的无线自组网的优化方法,其特征在于,步骤S4包括以下步骤:
步骤S41:根据新节点逻辑接入坐标数据以及低负荷时隙数据对初始无线自组网进行新节点接入作业,同时对初始无线自组网进行业务传输检测,当监测到某个信标节点需要传输数据时;
步骤S42:对需要进行数据传输的信标节点进行业务数据传输优先级判定,从而获取业务数据传输优先级参数;
步骤S43:根据拓扑结构优化时长数据对新节点接入过程进行剩余稳定化时长计算,从而获取网络稳定化剩余时长数据;
步骤S44:当业务数据传输优先级参数为紧急程度I级数据,则对新节点接入作业进行暂停操作,并对需要进行数据传输的信标节点进行优先带宽分配,当检测到业务数据传输优先级参数相应的业务需求数据传输完成时,重新进行新节点接入作业,从而获取新无线自组网;
步骤S45:当业务数据传输优先级参数为紧急程度II级数据,且网络稳定化剩余时长数据小于或等于预设的业务可缓冲时延阈值时,等待新节点接入作业完成,从而构建新无线自组网;基于新无线自组网对业务数据传输优先级参数相应的业务需求数据进行传输;
步骤S46:当业务数据传输优先级参数为紧急程度II级数据,且网络稳定化剩余时长数据大于预设的业务可缓冲时延阈值时,则对新节点接入作业进行暂停操作,并对需要进行数据传输的信标节点进行优先带宽分配,当检测到业务数据传输优先级参数相应的业务需求数据传输完成时,重新进行新节点接入作业,从而获取新无线自组网;
步骤S47:当业务数据传输优先级参数为紧急程度III级数据,等待新节点接入作业完成,从而构建新无线自组网;基于新无线自组网对业务数据传输优先级参数相应的业务需求数据进行传输。
10.一种无线自组网的优化系统,其特征在于,用于执行如权利要求1所述的无线自组网的优化方法,该无线自组网的优化系统包括:
初始组网构建模块,用于构建初始无线自组网;对初始无线自组网进行初始网络控制器选举,从而获取初始网络控制器节点数据,其中初始网络控制器节点数据包括初始网络控制器节点位置数据以及初始网络控制器节点编号数据;
拓扑优化计算模块,用于对初始无线自组网进行信道监测,当检测到新节点请求加入时,对新节点进行信道参数采集,从而获取新节点信道特征数据;根据初始无线自组网以及新节点信道特征数据进行拓扑结构优化时长计算,从而获取拓扑结构优化时长数据;
节点接入时机选择模块,用于对初始无线自组网进行通信负荷监测,从而获取通信负荷监测数据;根据通信负荷监测数据对初始无线自组网进行节点接入时机选择,从而获取低负荷时隙数据;
新节点接入作业模块,用于根据拓扑结构优化时长数据以及低负荷时隙数据对初始无线自组网进行新节点接入作业,从而获取新无线自组网;
网络控制器状态监测模块,用于对新无线自组网进行网络控制器状态监测,并将与初始网络控制器相邻的信标节点作为备选网络控制器集群,当监测到初始网络控制器发生故障时,根据初始网络控制器节点位置数据以及初始网络控制器节点编号数据将备选网络控制器集群中与初始网络控制器逻辑距离最近的信标节点作为临时网络控制器,并根据备选网络控制器集群对新无线自组网进行替代网络控制器在线选举,从而获取替代网络控制器节点编号数据;根据替代网络控制器节点编号数据对新无线自组网进行网络控制器切换作业,从而获取优化无线自组网。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410172733.7A CN117729567B (zh) | 2024-02-07 | 2024-02-07 | 无线自组网的优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410172733.7A CN117729567B (zh) | 2024-02-07 | 2024-02-07 | 无线自组网的优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117729567A true CN117729567A (zh) | 2024-03-19 |
CN117729567B CN117729567B (zh) | 2024-04-23 |
Family
ID=90200140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410172733.7A Active CN117729567B (zh) | 2024-02-07 | 2024-02-07 | 无线自组网的优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117729567B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117939482A (zh) * | 2024-03-20 | 2024-04-26 | 中铁四局集团有限公司 | 无线网络拓扑建立方法、网络及最优路径计算方法 |
CN117998426A (zh) * | 2024-04-03 | 2024-05-07 | 深圳市兴恺科技有限公司 | Mesh自组网通信装置的控制方法、装置、设备和存储介质 |
CN118363346A (zh) * | 2024-06-20 | 2024-07-19 | 深圳市汇辰自动化技术有限公司 | 一种基于工业物联网的plc远程监测控制方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012136261A1 (en) * | 2011-04-07 | 2012-10-11 | Nokia Siemens Networks Oy | Optimization of network configuration |
CN109618381A (zh) * | 2018-11-27 | 2019-04-12 | 国网山东省电力公司济宁供电公司 | 一种自组网通信方法以及自组网通信系统 |
CN113260012A (zh) * | 2021-05-31 | 2021-08-13 | 四川腾盾科技有限公司 | 一种基于位置轨迹预测的无人机群拓扑控制方法 |
CN113891426A (zh) * | 2021-09-29 | 2022-01-04 | 光大科技有限公司 | 一种分布式多节点组网方法及装置 |
US20220007374A1 (en) * | 2020-07-06 | 2022-01-06 | Charter Communications Operating, Llc | Methods and apparatus for access node selection and link optimization in quasi-licensed wireless systems |
WO2023004898A1 (zh) * | 2021-07-27 | 2023-02-02 | 南京中网卫星通信股份有限公司 | 一种基于路由调度与联合优化的时延确定性传输方法 |
-
2024
- 2024-02-07 CN CN202410172733.7A patent/CN117729567B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012136261A1 (en) * | 2011-04-07 | 2012-10-11 | Nokia Siemens Networks Oy | Optimization of network configuration |
CN109618381A (zh) * | 2018-11-27 | 2019-04-12 | 国网山东省电力公司济宁供电公司 | 一种自组网通信方法以及自组网通信系统 |
US20220007374A1 (en) * | 2020-07-06 | 2022-01-06 | Charter Communications Operating, Llc | Methods and apparatus for access node selection and link optimization in quasi-licensed wireless systems |
CN113260012A (zh) * | 2021-05-31 | 2021-08-13 | 四川腾盾科技有限公司 | 一种基于位置轨迹预测的无人机群拓扑控制方法 |
WO2023004898A1 (zh) * | 2021-07-27 | 2023-02-02 | 南京中网卫星通信股份有限公司 | 一种基于路由调度与联合优化的时延确定性传输方法 |
CN113891426A (zh) * | 2021-09-29 | 2022-01-04 | 光大科技有限公司 | 一种分布式多节点组网方法及装置 |
Non-Patent Citations (3)
Title |
---|
KARISHMA VARSHNEY 等: "Remote Online Voting Systemusing Aneka Platform", 2018 7TH INTERNATIONAL CONFERENCE ON RELIABILITY, INFOCOM TECHNOLOGIES AND OPTIMIZATION (TRENDS AND FUTURE DIRECTIONS) (ICRITO), 31 August 2018 (2018-08-31), pages 402 - 407 * |
刘军;孙茜;李少华;郑重;: "基于定向天线的无线自组网拓扑控制算法", 东北大学学报(自然科学版), no. 09, 15 September 2012 (2012-09-15), pages 44 - 47 * |
石涵琛: "6G无人机自组网中基于距离阈值修正的LAR路由改进方法", 移动通信, vol. 47, no. 518, 31 October 2023 (2023-10-31), pages 2 - 8 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117939482A (zh) * | 2024-03-20 | 2024-04-26 | 中铁四局集团有限公司 | 无线网络拓扑建立方法、网络及最优路径计算方法 |
CN117998426A (zh) * | 2024-04-03 | 2024-05-07 | 深圳市兴恺科技有限公司 | Mesh自组网通信装置的控制方法、装置、设备和存储介质 |
CN117998426B (zh) * | 2024-04-03 | 2024-06-07 | 深圳市兴恺科技有限公司 | Mesh自组网通信装置的控制方法、装置、设备和存储介质 |
CN118363346A (zh) * | 2024-06-20 | 2024-07-19 | 深圳市汇辰自动化技术有限公司 | 一种基于工业物联网的plc远程监测控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117729567B (zh) | 2024-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117729567B (zh) | 无线自组网的优化方法及系统 | |
KR102292990B1 (ko) | 상태 관련 정보 공유 방법 및 장치 | |
CN104145500B (zh) | 用于维持或优化移动电话网络的方法和系统 | |
Kibiłda et al. | Modelling multi-operator base station deployment patterns in cellular networks | |
EP3432629B1 (en) | Partitioning a plurality of wireless access points into management clusters | |
CN113382477B (zh) | 应用于无线网络用户间上行干扰建模的方法 | |
EP1427233A1 (en) | Method and device for simulating operating conditions of a mobile telecommunication system | |
CN104022951A (zh) | 一种网络服务路径的建立方法及系统 | |
CN118052666B (zh) | 一种基于物联网的公路施工环境监控方法 | |
CN101304595B (zh) | 获取频率规划的方法、装置 | |
CN118158750A (zh) | 一种终端自动切换网络方法及系统 | |
CN108271181A (zh) | 一种无线网络的pci优化方法及装置 | |
US11502900B2 (en) | Systems and methods for modifying device operation based on datasets generated using machine learning techniques | |
CN116743541B (zh) | 多模通信的混合组网方法及系统、通信设备 | |
CN109391946B (zh) | 一种基站簇规划的方法及装置 | |
Saad et al. | MDP-based vehicular network connectivity model for VCC management | |
JP5415615B2 (ja) | 遺伝的プログラミングによって遠隔通信ネットワークノードのためのアルゴリズムを進化させること | |
AT&T | timeseries_UE12.eps | |
Hong et al. | An empirical framework for user mobility models: Refining and modeling user registration patterns | |
CN118660301B (zh) | 无线网络控制方法、系统及无线网络控制器 | |
CN118316194B (zh) | 基于ZigBee技术的低压配电系统远程监控运维方法 | |
Turkka | Aspects of knowledge mining on minimizing drive tests in self-organizing cellular networks | |
Qiao et al. | Mobile Network User Perception Prediction based on Random Forest Algorithm | |
Qureshi | Upgrades management and performance diagnosis in cellular networks | |
Farooq | A Paradigm Shifting Approach in SON for Future Cellular 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 |