CN118250725A - 一种用于网格化监控网络的传感器配对方法及系统 - Google Patents
一种用于网格化监控网络的传感器配对方法及系统 Download PDFInfo
- Publication number
- CN118250725A CN118250725A CN202410630725.2A CN202410630725A CN118250725A CN 118250725 A CN118250725 A CN 118250725A CN 202410630725 A CN202410630725 A CN 202410630725A CN 118250725 A CN118250725 A CN 118250725A
- Authority
- CN
- China
- Prior art keywords
- pairing
- sensor
- sensors
- list
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000012544 monitoring process Methods 0.000 title claims abstract description 68
- 230000000694 effects Effects 0.000 claims abstract description 50
- 230000007613 environmental effect Effects 0.000 claims abstract description 29
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 230000008859 change Effects 0.000 claims abstract description 6
- 230000008569 process Effects 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 6
- 230000006872 improvement Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000005316 response function Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 2
- 238000005265 energy consumption Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
Landscapes
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明公开了一种用于网格化监控网络的传感器配对方法及系统,涉及无线传感器网络技术领域,包括划分网格并部署传感器,接收传感器的广播信息并建立邻居传感器列表;收集历史数据进行预处理后预测传感器之间的配对效果;生成推荐配对列表并根据推荐列表进行配对,评估配对效果进行动态调整。本发明通过建立邻居传感器列表,收集历史数据并预测传感器之间的配对效果,生成推荐配对列表,并根据推荐列表进行配对,能够充分利用历史数据来优化配对策略,不仅提高了配对准确性,也优化了能耗和监控质量,通过根据推荐列表进行配对并动态评估配对效果,系统可以进行自我调整以应对环境变化,从而显著提高了整个监控网络的效率和可靠性。
Description
技术领域
本发明涉及无线传感器网络技术领域,特别是一种用于网格化监控网络的传感器配对方法及系统。
背景技术
在近年来,随着物联网技术的迅速发展,传感器网络已成为监控和数据收集的重要工具,尤其是在智能城市、智能交通、环境监测等领域,网格化监控网络因其高效的空间覆盖和数据处理能力而受到广泛关注,这些网络通常由大量分布式的传感器组成,这些传感器能够感知周围环境的变化,并将收集到的数据传输给数据中心或其他传感器,为了提高监控网络的效率和可靠性,传感器之间的有效配对成为了一个重要的研究方向,传统的配对方法通常依赖于静态的规则,包括固定的配对间隔或预定义的邻居列表,这些方法在面对动态变化的环境时往往表现不佳,此外,现有技术往往忽视了历史数据在传感器配对中的潜在价值,导致配对效果不尽如人意。
发明内容
鉴于上述现有的用于网格化监控网络的传感器配对方法及系统中存在的问题,提出了本发明。
因此,本发明所要解决的问题在于传统的配对方法通常依赖于静态的规则,包括固定的配对间隔或预定义的邻居列表,这些方法在面对动态变化的环境时往往表现不佳,此外,现有技术往往忽视了历史数据在传感器配对中的潜在价值,导致配对效果不尽如人意。
为解决上述技术问题,本发明提供如下技术方案:一种用于网格化监控网络的传感器配对方法,其包括,划分网格并部署传感器,接收传感器的广播信息并建立邻居传感器列表;收集历史数据进行预处理后预测传感器之间的配对效果;生成推荐配对列表并根据推荐列表进行配对,评估配对效果进行动态调整。
作为本发明所述用于网格化监控网络的传感器配对方法的一种优选方案,其中:所述划分网格并部署传感器指根据监控区域的大小和形状以及传感器的通信范围确定网格的大小,使用坐标系统划分网格,使用坐标标识网格并在每个网格中心部署一个传感器,为每一个传感器分配一个唯一的标识符,记录传感器的位置信息和标识符,使用中央控制器同步所有传感器时间。
作为本发明所述用于网格化监控网络的传感器配对方法的一种优选方案,其中:所述接收传感器的广播信息并建立邻居传感器列表包括如下步骤,
每个传感器以预定的时间间隔广播自己的标识符和位置信息并监听来自其他传感器的广播信息;
在接收到其他传感器信息时记录发送方传感器的标识符和位置信息以及接收到的信号强度;
计算发送方传感器与接收方传感器之间的距离,公式如下:
式中,表示在时间t传感器i与传感器j之间的动态距离,/>是接收方传感器在时间t接收到的信号强度,/>是发送方传感器的发射功率,/>是接收信号强度的标准偏差,/>和/>分别是速度影响比例常数和时间衰减常数,/>是传感器i和j之间的相对速度,/>是环境衰减因子,/>和/>分别是时间衰减系数和信号传播时间差;
在计算得出两个传感器之间的距离后,进行距离阈值设定,判断传感器之间的距离,距离阈值公式如下:
式中,表示时间t的动态距离阈值,/>和/>是调整系数,/>是传感器最大有效覆盖范围,/>是振幅,/>是角频率,/>是相位差;
将计算出的距离与距离阈值进行比对,当计算出的距离小于等于距离阈值时,则认为发送方传感器是接收方传感器的邻居;
建立邻居传感器列表,将所有邻居传感器的标识信息、位置信息以及与邻居之间的距离记录在列表中并根据传感器位置变化实时更新列表内容。
作为本发明所述用于网格化监控网络的传感器配对方法的一种优选方案,其中:所述收集历史数据进行预处理指基于收集邻居传感器之间的历史配对数据和监控数据对数据进行清洗和标准化后提取数据特征,并基于提取的特征构建特征向量。
作为本发明所述用于网格化监控网络的传感器配对方法的一种优选方案,其中:所述预测传感器之间的配对效果包括,基于构建的特征向量,对于每一对邻居传感器i和j,使用余弦相似度计算邻居传感器之间的相似度,公式如下:
式中,代表传感器i和j之间的加权余弦相似度,/>是第k个特征的权重,/>和分别是传感器i和j在第k个特征上的值,/>是环境适应性差异的调整系数,/>是传感器i和j之间的环境适应性差异;
基于计算出的相似度构建一个相似度矩阵,矩阵中的每个元素代表传感器/>和传感器/>之间的相似度;
基于相似度矩阵,对于每个传感器,确定邻居集合/>;
预测传感器与邻居集合/>中其他传感器的配对效果,预测公式如下:
式中,是预测的传感器i基于其邻居集合/>的预测配对效果评分,/>表示传感器i的邻居数量,/>是传感器i和j之间的加权余弦相似度,/>是传感器i和j之间的互补性指标,/>是在时间t传感器i与传感器j之间的动态距离,/>和/>是传感器i和j对q个环境因素的响应函数,/>,/>,/>,/>是调整系数,/>是第q个环境因素的权重,/>和/>是标准化系数,/>和/>代表时间区间的起始点和终点,m是环境因素的总数;
重复为每个传感器基于邻居集合/>计算预测配对效果得分。
作为本发明所述用于网格化监控网络的传感器配对方法的一种优选方案,其中:所述生成推荐配对列表并根据推荐列表进行配对指根据预测评分,为每个传感器生成一个推荐配对列表,将列表中的传感器按照预测评分从高到低排序,选择评分最高的传感器作为配对对象,传感器向选择的配对对象发送配对请求,在接受配对请求后双方传感器交换自身信息,记录成功配对的传感器信息并更新邻居传感器列表。
作为本发明所述用于网格化监控网络的传感器配对方法的一种优选方案,其中:所述评估配对效果进行动态调整指定期收集每对传感器配对的监控数据并对每对传感器配对的监控数据进行分析,计算配对效果评分,评分公式表示为:
式中,为成功配对后的评分,/>表示配对后性能改善的程度,/>表示资源利用率,/>表示通信效率,/>表示配对的稳定性,/>,/>,/>,/>是权重系数;
根据配对效果评分,对每个传感器的配对进行排序,找出评分最低的配对;
对评分最低的配对进行分析并根据分析结果调整配对策略,在配对策略调整后,持续监控配对效果。
本发明的另外一个目的是提供一种用于网格化监控网络的传感器配对方法的系统,其包括,
传感器部署模块,用于将监控区域划分网格,并在每个网格的中心位置部署一个传感器,为每个传感器分配唯一的标识符和初始位置坐标;
邻居建立模块,用于接收传感器的广播信息建立邻居传感器列表并维护和更新邻居列表;
配对效果预测模块,用于预处理传感器之间的历史配对数据和监控数据,并预测传感器之间的配对效果;
评估与调整模块,用于生成推荐配对列表并根据推荐配对列表为每个传感器选择最佳配对对象,定期评估配对效果并根据评估结果动态调整配对策略。
一种计算机设备,包括:存储器和处理器;所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现用于网格化监控网络的传感器配对方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现用于网格化监控网络的传感器配对方法的步骤。
本发明有益效果为:本发明通过建立邻居传感器列表,收集历史数据并预测传感器之间的配对效果,生成推荐配对列表,并根据推荐列表进行配对,能够充分利用历史数据来优化配对策略,不仅提高了配对准确性,也优化了能耗和监控质量,通过根据推荐列表进行配对并动态评估配对效果,系统可以进行自我调整以应对环境变化,从而显著提高了整个监控网络的效率和可靠性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,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。
图1为用于网格化监控网络的传感器配对方法的流程示意图。
图2为建立邻居传感器列表的流程示意图。
图3为用于网格化监控网络的传感器配对系统的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式作详细地说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其他方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性地与其他实施例互相排斥的实施例。
实施例1
参照图1和图2,为本发明第一个实施例,该实施例提供了一种用于网格化监控网络的传感器配对方法,用于网格化监控网络的传感器配对方法包括以下步骤:
S1、划分网格并部署传感器,接收传感器的广播信息并建立邻居传感器列表;
具体的,划分网格并部署传感器指根据监控区域的大小和形状以及传感器的通信范围确定网格的大小,使用坐标系统划分网格,使用坐标标识网格并在每个网格中心部署一个传感器,为每一个传感器分配一个唯一的标识符,记录传感器的位置信息和标识符,使用中央控制器同步所有传感器时间。
通过根据监控区域的大小和形状以及传感器的通信范围确定网格的大小,使用坐标系统划分网格,并在每个网格中心部署一个传感器,实现了对监控区域的高效组织,不仅优化了传感器的部署位置,确保了监控覆盖的全面性,而且通过为每个传感器分配唯一标识符并记录其位置信息,为后续的传感器配对和数据交互提供了基础,中央控制器同步所有传感器时间的做法,进一步保障了数据采集的时序一致性,为数据的准确分析和处理奠定了基础,提高了网络的部署效率和监控数据的可靠性。
进一步地,接收传感器的广播信息并建立邻居传感器列表包括如下步骤,
每个传感器以预定的时间间隔广播自己的标识符和位置信息并监听来自其他传感器的广播信息;
在接收到其他传感器信息时记录发送方传感器的标识符和位置信息以及接收到的信号强度;
计算发送方传感器与接收方传感器之间的距离,公式如下:
式中,表示在时间t传感器i与传感器j之间的动态距离,/>是接收方传感器在时间t接收到的信号强度,通过接收方传感器实时测量得出,/>是发送方传感器的发射功率,根据传感器规格确定,/>是接收信号强度的标准偏差,反映了信号接收过程中的随机波动,可以通过长期测量并统计分析得出,/>和/>分别是速度影响比例常数和时间衰减常数,/>是传感器i和j之间的相对速度,可以通过连续测量两个传感器的位置变化计算得出,/>是环境衰减因子,根据传感器所处的环境(如室内、城市、森林等)通过实验确定,/>和/>分别是时间衰减系数和信号传播时间差,/>通过实验确定,/>通过测量信号发射和接收的时间差计算得出;
在计算得出两个传感器之间的距离后,进行距离阈值设定,判断传感器之间的距离,距离阈值公式如下:
式中,表示时间t的动态距离阈值,/>和/>是调整系数,根据网络密度和覆盖需求调整,/>是传感器最大有效覆盖范围,根据传感器规格确定,/>是振幅,代表阈值调整的最大范围,/>是角频率,决定了调整的周期,/>是相位差,用于调整周期函数的起始点,是正弦函数,用于模拟周期性的阈值调整;
将计算出的距离与距离阈值进行比对,当计算出的距离小于等于距离阈值时,则认为发送方传感器是接收方传感器的邻居;
建立邻居传感器列表,将所有邻居传感器的标识信息、位置信息以及与邻居之间的距离记录在列表中并根据传感器位置变化实时更新列表内容
通过每个传感器广播自身的标识符和位置信息,并记录接收到的其他传感器信息来建立邻居传感器列表,实现了动态的邻居发现机制,通过引入的动态距离和距离阈值的计算,不仅基于传感器之间的物理位置,还考虑了信号强度、相对速度等因素,提高了邻居识别的准确性和实时性,这种动态的邻居发现和列表更新机制,使得网络能够适应环境变化,保持传感器配对的有效性,从而提升了监控网络的适应性和响应速度。
S2、收集历史数据进行预处理后预测传感器之间的配对效果;
具体的,收集历史数据进行预处理指基于收集邻居传感器之间的历史配对数据和监控数据对数据进行清洗和标准化后提取数据特征,并基于提取的特征构建特征向量。
通过收集邻居传感器之间的历史配对数据和监控数据,并对这些数据进行清洗、标准化及特征提取,实现了数据质量的提升和数据特征的精准抽象,预处理后的数据为后续的配对效果预测提供了高质量的输入,确保了预测模型的准确性和可靠性,不仅提高了配对策略的科学性,还为监控网络的优化和决策提供了数据支持,增强了网络的智能化水平。
进一步地,预测传感器之间的配对效果包括,基于构建的特征向量,对于每一对邻居传感器i和j,使用余弦相似度计算邻居传感器之间的相似度,公式如下:
式中,代表传感器i和j之间的加权余弦相似度,/>是第k个特征的权重,反映了该特征在计算相似度时的重要性,/>和/>分别是传感器i和j在第k个特征上的值,通过收集和预处理传感器的历史数据来获得,/>是环境适应性差异的调整系数,用于调整环境因素对相似度计算的影响,该系数可以通过实验或数据分析来确定,/>是传感器i和j之间的环境适应性差异,通过比较它们在不同环境条件下的性能数据来计算,余弦相似度的值介于-1到1之间,值越接近1表示传感器之间越相似;
基于计算出的相似度构建一个相似度矩阵,矩阵中的每个元素代表传感器/>和传感器/>之间的相似度;
基于相似度矩阵,对于每个传感器,确定邻居集合/>;
预测传感器与邻居集合/>中其他传感器的配对效果,预测公式如下:
式中,是预测的传感器i基于其邻居集合/>的预测配对效果评分,/>表示传感器i的邻居数量,/>是传感器i和j之间的加权余弦相似度,/>是传感器i和j之间的互补性指标,/>是在时间t传感器i与传感器j之间的动态距离,/>和/>是传感器i和j对q个环境因素的响应函数,/>,/>,/>,/>是调整系数,用于平衡公式中各项的影响,/>是第q个环境因素的权重,/>和/>是标准化系数,用于调整分母中各项的规模,确保公式的平衡,基于统计分析得出,/>和/>代表时间区间的起始点和终点,m是环境因素的总数;
在本实施例中,和/>是温度的响应函数,
式中,和/>分别表示传感器i和j在时间t对温度的响应,/>表示时间t的环境温度,/>和/>分别表示传感器i和j对温度变化的响应系数,/>和/>是常数项,代表在基准温度下传感器的基线输出;
重复为每个传感器基于邻居集合/>计算预测配对效果得分。
通过使用余弦相似度计算邻居传感器之间的相似度,结合特征权重和环境适应性调整系数,可以更准确地反映传感器之间在不同环境条件下的相似性和协作潜力,不仅考虑了传感器的静态特征,还考虑了它们对环境变化的适应性,从而提高了相似度计算的准确性和实用性,通过构建相似度矩阵并确定每个传感器的邻居集合,可以有效地组织传感器之间的关系,并为后续的配对预测提供了基础,确保了每个传感器都能找到与其最相似且最有协作潜力的邻居传感器,从而优化配对策略,基于相似度矩阵和邻居集合,预测传感器与邻居集合中其他传感器的配对效果,不仅考虑了传感器之间的相似度和互补性,还综合了动态距离和环境因素的影响,通过综合评估,可以更准确地预测配对效果,为每个传感器选择最佳的配对对象,不仅优化了传感器的配对策略,还提高了监控网络的覆盖效率和数据质量,同时考虑了环境因素的影响,增强了监控网络的适应性和鲁棒性。
S3、生成推荐配对列表并根据推荐列表进行配对,评估配对效果进行动态调整;
具体的,生成推荐配对列表并根据推荐列表进行配对指根据预测评分,为每个传感器生成一个推荐配对列表,将列表中的传感器按照预测评分从高到低排序,选择评分最高的传感器作为配对对象,传感器向选择的配对对象发送配对请求,在接受配对请求后双方传感器交换自身信息,记录成功配对的传感器信息并更新邻居传感器列表。
通过生成推荐配对列表并根据推荐列表进行配对的步骤,实现了基于历史数据和预测评分的智能配对过程,允许每个传感器根据预测评分为自己找到最佳的配对对象通过综合考虑传感器之间的兼容性、历史协作效率和当前状态,确保了配对的高度个性化和精确度,通过传感器之间的信息交换和配对成功后的邻居列表更新,进一步增强了监控网络的连通性和响应速度,不仅提高了监控网络的覆盖效率,而且通过优化传感器配对,减少了无效通信,从而提高了整体的能源利用率和监控数据的质量。
进一步地,评估配对效果进行动态调整指定期收集每对传感器配对的监控数据并对每对传感器配对的监控数据进行分析,计算配对效果评分,评分公式表示为:
式中,为成功配对后的评分,/>表示配对后性能改善的程度,可以通过比较配对前后的任务完成速度、数据准确性或其他性能指标来量化,/>表示资源利用率,评估配对后资源(如能量消耗、带宽使用等)的效率,/>表示通信效率,/>表示配对的稳定性,可以通过测量配对后通信质量的变化程度来评估,/>,/>,/>,/>是权重系数,根据不同因素对总评分影响的重要性进行调整,上述参数都是经过归一化处理后的值,值域为[0,1];
根据配对效果评分,对每个传感器的配对进行排序,找出评分最低的配对;
对评分最低的配对进行分析并根据分析结果调整配对策略,在配对策略调整后,持续监控配对效果。
在评估配对效果进行动态调整的步骤中,通过定期收集每对传感器配对的监控数据,并对这些数据进行分析来计算配对效果评分,实现了监控网络自我优化的能力,配对效果评分不仅反映了配对后性能改善的程度,还综合了资源利用率、通信效率和配对稳定性等多个维度的评价,使监控网络能够识别出性能不佳的配对关系,并针对这些低效配对采取调整措施,这种动态调整机制使得监控网络能够适应环境变化和内部状态变化,持续提升网络性能,通过精确诊断和针对性调整,不仅显著提高了监控网络的稳定性和效率,而且优化了资源分配,延长了网络的服务寿命。
实施例2
参照图3,为本发明第二个实施例,该实施例不同于上一个实施例,提供了一种用于网格化监控网络的传感器配对方法的系统,其包括,
传感器部署模块,用于将监控区域划分网格,并在每个网格的中心位置部署一个传感器,为每个传感器分配唯一的标识符和初始位置坐标;
邻居建立模块,用于接收传感器的广播信息建立邻居传感器列表并维护和更新邻居列表;
配对效果预测模块,用于预处理传感器之间的历史配对数据和监控数据,并预测传感器之间的配对效果;
评估与调整模块,用于生成推荐配对列表并根据推荐配对列表为每个传感器选择最佳配对对象,定期评估配对效果并根据评估结果动态调整配对策略。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置)、便携式计算机盘盒(磁装置)、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编辑只读存储器(EPROM或闪速存储器)、光纤装置以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方案中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方案中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
Claims (6)
1.一种用于网格化监控网络的传感器配对方法,其特征在于:包括,
划分网格并部署传感器,接收传感器的广播信息并建立邻居传感器列表;
收集历史数据进行预处理后预测传感器之间的配对效果;
生成推荐配对列表并根据推荐列表进行配对,评估配对效果进行动态调整;
所述收集历史数据进行预处理指基于收集邻居传感器之间的历史配对数据和监控数据对数据进行清洗和标准化后提取数据特征,并基于提取的特征构建特征向量;
所述预测传感器之间的配对效果包括,基于构建的特征向量,对于每一对邻居传感器i和j,使用余弦相似度计算邻居传感器之间的相似度,公式如下:
;
式中,代表传感器i和j之间的加权余弦相似度,/>是第k个特征的权重,/>和/>分别是传感器i和j在第k个特征上的值,/>是环境适应性差异的调整系数,/>是传感器i和j之间的环境适应性差异;
基于计算出的相似度构建一个相似度矩阵,矩阵中的每个元素代表传感器/>和传感器/>之间的相似度;
基于相似度矩阵,对于每个传感器,确定邻居集合/>;
预测传感器与邻居集合/>中其他传感器的配对效果,预测公式如下:
;
式中,是预测的传感器i基于其邻居集合/>的预测配对效果评分,/>表示传感器i的邻居数量,/>是传感器i和j之间的加权余弦相似度,/>是传感器i和j之间的互补性指标,/>是在时间t传感器i与传感器j之间的动态距离,/>和/>是传感器i和j对q个环境因素的响应函数,/>是调整系数,/>是第q个环境因素的权重,/>和/>是标准化系数,/>和/>代表时间区间的起始点和终点,m是环境因素的总数;
重复为每个传感器基于邻居集合/>计算预测配对效果得分。
2.如权利要求1所述的用于网格化监控网络的传感器配对方法,其特征在于:所述划分网格并部署传感器指根据监控区域的大小和形状以及传感器的通信范围确定网格的大小,使用坐标系统划分网格,使用坐标标识网格并在每个网格中心部署一个传感器,为每一个传感器分配一个唯一的标识符,记录传感器的位置信息和标识符,使用中央控制器同步所有传感器时间。
3.如权利要求2所述的用于网格化监控网络的传感器配对方法,其特征在于:所述接收传感器的广播信息并建立邻居传感器列表包括如下步骤,
每个传感器以预定的时间间隔广播自己的标识符和位置信息并监听来自其他传感器的广播信息;
在接收到其他传感器信息时记录发送方传感器的标识符和位置信息以及接收到的信号强度;
计算发送方传感器与接收方传感器之间的距离,公式如下:
;
式中,表示在时间t传感器i与传感器j之间的动态距离,/>是接收方传感器在时间t接收到的信号强度,/>是发送方传感器的发射功率,/>是接收信号强度的标准偏差,/>和/>分别是速度影响比例常数和时间衰减常数,/>是传感器i和j之间的相对速度,/>是环境衰减因子,/>和/>分别是时间衰减系数和信号传播时间差;
在计算得出两个传感器之间的距离后,进行距离阈值设定,判断传感器之间的距离,距离阈值公式如下:
;
式中,表示时间t的动态距离阈值,/>和/>是调整系数,/>是传感器最大有效覆盖范围,/>是振幅,/>是角频率,/>是相位差;
将计算出的距离与距离阈值进行比对,当计算出的距离小于等于距离阈值时,则认为发送方传感器是接收方传感器的邻居;
建立邻居传感器列表,将所有邻居传感器的标识信息、位置信息以及与邻居之间的距离记录在列表中并根据传感器位置变化实时更新列表内容。
4.如权利要求3所述的用于网格化监控网络的传感器配对方法,其特征在于:所述生成推荐配对列表并根据推荐列表进行配对指根据预测评分,为每个传感器生成一个推荐配对列表,将列表中的传感器按照预测评分从高到低排序,选择评分最高的传感器作为配对对象,传感器向选择的配对对象发送配对请求,在接受配对请求后双方传感器交换自身信息,记录成功配对的传感器信息并更新邻居传感器列表。
5.如权利要求4所述的用于网格化监控网络的传感器配对方法,其特征在于:所述评估配对效果进行动态调整指定期收集每对传感器配对的监控数据并对每对传感器配对的监控数据进行分析,计算配对效果评分,评分公式表示为:
;
式中,为成功配对后的评分,/>表示配对后性能改善的程度,/>表示资源利用率,/>表示通信效率,/>表示配对的稳定性,/>是权重系数;
根据配对效果评分,对每个传感器的配对进行排序,找出评分最低的配对;
对评分最低的配对进行分析并根据分析结果调整配对策略,在配对策略调整后,持续监控配对效果。
6.一种基于权利要求1-5任一项所述的用于网格化监控网络的传感器配对方法的系统,其特征在于:包括,
传感器部署模块,用于将监控区域划分网格,并在每个网格的中心位置部署一个传感器,为每个传感器分配唯一的标识符和初始位置坐标;
邻居建立模块,用于接收传感器的广播信息建立邻居传感器列表并维护和更新邻居列表;
配对效果预测模块,用于预处理传感器之间的历史配对数据和监控数据,并预测传感器之间的配对效果;
评估与调整模块,用于生成推荐配对列表并根据推荐配对列表为每个传感器选择最佳配对对象,定期评估配对效果并根据评估结果动态调整配对策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410630725.2A CN118250725A (zh) | 2024-05-21 | 2024-05-21 | 一种用于网格化监控网络的传感器配对方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410630725.2A CN118250725A (zh) | 2024-05-21 | 2024-05-21 | 一种用于网格化监控网络的传感器配对方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118250725A true CN118250725A (zh) | 2024-06-25 |
Family
ID=91558913
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410630725.2A Pending CN118250725A (zh) | 2024-05-21 | 2024-05-21 | 一种用于网格化监控网络的传感器配对方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118250725A (zh) |
-
2024
- 2024-05-21 CN CN202410630725.2A patent/CN118250725A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Grimit et al. | Measuring the ensemble spread–error relationship with a probabilistic approach: Stochastic ensemble results | |
CN106559749B (zh) | 一种基于射频层析成像的多目标被动式定位方法 | |
EP2916139A1 (en) | A computer implemented system and method for wi-fi based indoor localization | |
CN105120433A (zh) | 基于连续采样及模糊聚类处理的wlan室内定位方法 | |
CN115600513B (zh) | 一种岩溶塌陷监测预警及防控一体化信息化模拟研判系统 | |
CN103916954A (zh) | 基于wlan的概率定位方法及定位装置 | |
CN112887902A (zh) | 一种基于高斯聚类与混合度量的WiFi指纹的室内定位方法 | |
CN109982287B (zh) | 基于zigbee无线传感器网络的林业多传感器火警告警系统 | |
CN116522270B (zh) | 用于智慧海绵城市的数据处理系统 | |
CN116909339B (zh) | 基于人工智能的智能家居安全预警方法及系统 | |
CN111916089B (zh) | 基于声信号特征分析的冰雹检测方法和装置 | |
CN113781767A (zh) | 一种基于多源感知的交通数据融合方法及系统 | |
Karaki et al. | An adaptive sampling technique for massive data collection in distributed sensor networks | |
Cui et al. | Indoor Wi-Fi positioning algorithm based on location fingerprint | |
CN118250725A (zh) | 一种用于网格化监控网络的传感器配对方法及系统 | |
CN116010228B (zh) | 面向网络安全扫描的时间预估方法及装置 | |
CN109254273A (zh) | 风廓线雷达回波信号的处理方法和装置 | |
CN115459868B (zh) | 一种复杂环境下的毫米波通信性能评估方法及系统 | |
CN113518308B (zh) | 室内定位中最佳ap筛选方法 | |
CN115619605A (zh) | 一种基于语义信息的传统民居环境质量评估方法 | |
CN109583727A (zh) | 一种利用电缆线路移动巡检数据确定电缆状态的方法及系统 | |
CN112330225B (zh) | 通过服务器获取线损影响因素影响度的方法、服务器和介质 | |
CN112418313B (zh) | 一种大数据在线噪声过滤系统与方法 | |
CN112198472B (zh) | 一种局部放电智能传感器在线远程校验方法及系统 | |
CN108462940A (zh) | 一种基于WiFi热点的室内定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |