一种基于Markov链的多事件探测方法技术

本发明专利技术涉及无线传感器网络技术领域，公开了一种基于Markov链的多事件探测方法，包括以下步骤：(1)获得无线传感器网络中的参数；(2)分别计算单事件连续发生和连续不发生的时隙持续长度的期望；确定每次更新过程的长度期望和每个更新过程中所消耗的能量；通过计算平均每次检测到一个事件消耗电量期望得到传感器的休眠周期；(3)根据步骤(2)得到的探测策略，计算出整个系统探测到的事件发生数量和在总时间内发生的次数；最后得出整个系统的探测效率，完成对系统探测效率的优化。本发明专利技术利用拉格朗日乘子法保证在无线传感器网络中有效的调度传感器以提高系统中多事件的探测能力，达到尽可能减少传感器和能量消耗的目的。

A multi event detection method based on Markov chain

The present invention relates to the technical field of wireless sensor network, and discloses a method for detecting multiple events based on Markov chain, which comprises the following steps: (1) to obtain the parameters in wireless sensor networks; (2) respectively to calculate the expected single event occurred continuously and the continuous time slot will not occur continuously long; determine the consumption of each update process the length of each update and expectations in the process of energy consumption; expect sensor sleep cycle by calculating the average time to detect an event; (3) according to the step (2) detection strategy, calculate the whole system to detect the number of occurrences in the total quantity and time of detection efficiency; finally the entire system, complete the optimization of system detection efficiency. The invention uses Lagrange multiplier method to ensure the effective scheduling of sensors in wireless sensor networks, so as to improve the detection ability of multiple events in the system and minimize the consumption of sensors and energy.

【技术实现步骤摘要】
一种基于Markov链的多事件探测方法
本专利技术涉及无线传感器网络
，特别是涉及一种基于Markov链的多事件探测方法。
技术介绍
无线传感器网络(WSN)是一种开创了新应用领域的新兴概念和技术。在当今世界，传感器技术和传感器网络被认为一项非常有前途的研究。为了保证整个网络的准确性，就要求WSN的节点的平稳运作。其中低功耗的无线传感模块研究具有非常重要的学习和研究价值，其功能的实现具有极其重要的理论和现实意义。WSN主要用途就是用来探测事件，假设事件的发生概率服从马尔可夫链，由于事件发生的随机性，使用能量受限的传感器网络来检测事件将有很大的困难，因此我们应该考虑传感器的能量水平和动态事件。以往大多数的研究主要注重于单事件的检测问题，涉及到多传感器和多事件的情况很少。在本专利技术中，主要工作是在不可充电的传感器网络中检测多个感兴趣的事件点，目标是最大限度地提高事件检测率。由于地理环境的影响，各传感器的探测范围各不相同，一些感兴趣的点是在多个传感器的检测范围内，而另一些只由一个单一的传感器覆盖。因此，各种传感器应协调他们的工作，优化每一个兴趣点的能源比例，并最大限度地提高网络的效率。为了能够探测更多事件以及尽可能的节省能源，传感器一般会遵循一种调度方法，在激活状态与休眠状态之间互相转换。因此需要一种在传感器能量受限的情况下，基于Markov链的多事件探测的方法。
技术实现思路
本专利技术针对现有技术中的不足，提供一种基于Markov链的多事件探测方法，本专利技术方法考虑了无线传感器网络中基于Markov链的多事件探测问题，可以保证在无线传感器网络中有效的调度传感器以提高系统中多事件的探测能力，达到尽可能减少传感器和能量消耗的目的，完成无线传感器网络中的多事件探测。为了解决上述技术问题，本专利技术通过下述技术方案得以解决。一种基于Markov链的多事件探测方法，包括如下步骤：(1)获得无线传感器网络中的系统参数，包括：传感器Si电池容量B；事件Ij发生概率Pj；事件Ij从t时隙发生到t+1时隙继续发生概率a1，从t时隙不发生到t+1时隙继续不发生概率a2；令和分别表示在j个时隙内时当传感器事件Ik从发生到未发生和从未发生到发生的可能性；在时间T内，全部传感器对Ik所消耗的能量为(2)依公式将a1和a2代入分别计算单事件连续发生的时隙持续长度的期望E[X1]和连续不发生的时隙持续长度的期望E[X2]；依公式确定每次更新过程的长度期望Te；依公式确定每个Te所消耗的能量依公式计算每次检测到一个事件消耗电量期望ak；最后令得出传感器的休眠周期SI，其中表示T→∞时事件发生的稳态概率；(3)根据步骤(2)得到探测策略，可以计算出整个系统探测到的Ik发生数量Ik在总时间T内发生的次数最后得出整个系统的探测效率最后，利用拉格朗日乘子法完成对系统探测效率U的优化。作为优选，步骤(1)中，事件Ij发生的概率服从马尔科夫链，并且a1＞0.5，a2＞0.5。作为优选，步骤(2)中，Te=t2-t1，其中t1和t2表示相邻两次传感器进入休眠状态的时隙。作为优选，步骤(3)中，探测策略包括：(1)若在传感器运行时事件I发生，则传感器对该事件进行侦测；(2)若前一个时隙中事件I未发生，那么处于运行状态的传感器进入休眠状态；(3)休眠中的传感器每隔一段时间SI自动运行侦测事件I是否发生。本专利技术由于采用了以上技术方案，具有显著的技术效果：本专利技术方法首先获得无线传感器网络中的参数；接着分别计算单事件连续发生和连续不发生的时隙持续长度的期望；然后分别确定每次更新过程的长度期望和每个更新过程中所消耗的能量；通过计算平均每次检测到一个事件消耗电量期望得到传感器的休眠周期；根据得到的探测策略，计算出整个系统探测到的事件发生数量和在总时间内发生的次数；最后得出整个系统的探测效率，完成对系统探测效率的优化。本专利技术利用拉格朗日乘子法保证在无线传感器网络中有效的调度传感器以提高系统中多事件的探测能力，达到尽可能减少传感器和能量消耗的目的。附图说明图1是本专利技术一种基于Markov链的多事件探测方法中传感器网络系统模型示意图；图2是本专利技术一种基于Markov链的多事件探测方法中工作流程示意图；图3是本专利技术一种基于Markov链的多事件探测方法中系统仿真模型图；图4是本专利技术一种基于Markov链的多事件探测方法中一个典型的更新周期示意图；图5是本专利技术一种基于Markov链的多事件探测方法中各个事件发生概率说明图；图6是本专利技术一种基于Markov链的多事件探测方法中优化前各个事件的探测率说明图；图7是本专利技术一种基于Markov链的多事件探测方法中估计性能方法中传感器的能量分配说明图；图8是本专利技术一种基于Markov链的多事件探测方法中优化后各个事件的探测率说明图。具体实施方式下面结合附图与实施例对本专利技术作进一步详细描述。实施例1如图1至图8所示，一种基于Markov链的多事件探测方法，包括如下步骤：(1)获得无线传感器网络中的参数：传感器Si的电池容量B；事件Ij发生的概率Pj；事件Ij从t时隙发生到t+1时隙继续发生的概率a1；事件Ij从t时隙不发生到t+1时隙继续不发生的概率a2；(2)分别计算单事件连续发生和连续不发生的时隙持续长度的期望E[X1]和E[X2]；确定每次更新过程的长度期望Te；每个Te所消耗的能量为计算平均每次检测到一个事件消耗电量期望ak；最后得出传感器的休眠周期SI；(3)根据步骤(2)得到的探测策略，计算出整个系统探测到的Ik发生数量Sd；Ik在总时间T内发生的次数S0；最后得出整个系统的探测效率利用拉格朗日乘子法完成对系统探测效率U的优化。检测事件需要消耗能量，有Bij＝{bsensori→eventj}。根据步骤(2)可知传感器工作时实际每检测一个事件每时隙消耗的电量为ak，所以在整个区域内，整个传感器网络对于事件的探测效率可计算，对事件Ik进行研究：在时间T内，全部传感器对Ik所消耗的能量为事件Ik发生的概率是整个系统探测到的Ik发生数量为：Ik在总时间T内发生的次数为：πon为T→∞事件发生的稳态概率；对于事件Ik系统的探测效率为：整个系统的探测效率为：本专利技术需要对整个系统进行优化，目标是获得U的最大值。图1表示传感器网络系统模型。如图所示，有6个传感器和12个事件点的区域。事件I1可以通过S1，S2和S4检测。也就是说所以，S1，S2和S4应该协调配合。我们的目标是，所有传感器的能量可以最大限度地发挥作用。图2给出了基于Markov链的多事件探测方法中工作流程示意图。具体地，可以描述如下：一种基于Markov链的多事件探测方法，该方法包括如下步骤：(1)获得无线传感器网络中的参数：传感器Si的电池容量B；事件Ij发生的概率Pj；事件Ij从t时隙发生到t+1时隙继续发生的概率a1；事件Ij从t时隙不发生到t+1时隙继续不发生的概率a2；(2)分别计算单事件连续发生和连续不发生的时隙持续长度的期望E[X1]和E[X2]；确定每次更新过程的长度期望Te；每个Te所消耗的能量为计算平均每次检测到一个事件消耗电量期望ak；最后得出传感器的休眠周期SI；(3)根据步骤(2)得到的探测策略，计算出整个系统探测到的Ik发生数量Sd；Ik在总时本文档来自技高网...

【技术保护点】
一种基于Markov链的多事件探测方法，其特征在于，包括如下步骤：(1)获得无线传感器网络中的系统参数，包括：传感器Si电池容量B；事件Ij发生概率Pj；事件Ij从t时隙发生到t+1时隙继续发生概率a1，从t时隙不发生到t+1时隙继续不发生概率a2；令

【技术特征摘要】
1.一种基于Markov链的多事件探测方法，其特征在于，包括如下步骤：(1)获得无线传感器网络中的系统参数，包括：传感器Si电池容量B；事件Ij发生概率Pj；事件Ij从t时隙发生到t+1时隙继续发生概率a1，从t时隙不发生到t+1时隙继续不发生概率a2；令和分别表示在j个时隙内时当传感器事件Ik从发生到未发生和从未发生到发生的可能性；在时间T内，全部传感器对Ik所消耗的能量为(2)依公式将a1和a2代入分别计算单事件连续发生的时隙持续长度的期望E[X1]和连续不发生的时隙持续长度的期望E[X2]；依公式确定每次更新过程的长度期望Te；依公式确定每个Te所消耗的能量依公式计算每次检测到一个事件消耗电量期望ak；最后令得出传感器的休眠周期SI，其中表示T→∞时事件发生的稳态概率；(3)根据步骤(2)得到探测策略，可以计算出整个系统...

【专利技术属性】
技术研发人员：胡亮，任祝，徐伟强，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：浙江,33