The invention discloses a reliable data acquisition method for the mobile node assisted underwater Internet of things. First, determine the polling object of the mobile node AUV. Secondly, the prediction model is constructed. Taking the collected N data as historical data, we predict the data of the N+1 round based on the regression test, and calibrate the prediction value with the true value of N+1 round to 2N data, and continue to learn and optimize the prediction model. Finally, plan the polling route of AUV. The cluster head storage threshold is designed, and the polling objects of each round of AUV are determined according to the prediction of cluster head data according to the prediction model, so as to maximize data collection and improve network efficiency. The invention has great optimization in terms of network energy consumption, throughput and data transmission efficiency, especially when random target events obey linear distribution.
【技术实现步骤摘要】
一种移动节点辅助水下物联网数据可靠采集方法
本专利技术属于水下传感器网络数据传输
,特别涉及了一种移动节点辅助水下物联网数据可靠采集方法。
技术介绍
对于水下某些复杂任务,既需要有固定节点对目标区域进行实时监测,又需要移动节点对异常状态进行动态捕捉,因此,三维异构动态模型成为当前水下网络运维的主流模型。考虑到移动节点AUV(AutonomousUnderwaterVehicle)的成本问题,网络中只有少量AUVs部署,大部分还是普通传感器节点。由于AUV节点功能强,能量大,在数据可靠传输方面具有较好的效用。为此,研究学者们提出了一系列移动节点AUV辅助的水下物联网数据可靠收集算法,仅仅利用AUV节点的移动性对普通节点轮询来收集数据信息。搭建的网络架构可以粗略的分为水平轮询和垂直轮询。最初,水平轮询架构针对的是底部部署传感器节点的二维网络。AEERP采用单个AUV与底部网关进行数据交互。底部网关节点采用随机选取的方式,并设定能耗阈值进行替换。其他节点利用最短路径树构造法与最近的网关相连,生成网络拓扑结构。AAEERP在AEERP的基础上进行了改进,将AUV节点的停留时间设计与各网关成员节点的数量成正比,消耗更低能量,具有更高的数据收集能力。AEDG对AUV水平轮询的椭圆轨迹进行了讨论,根据水下网关节点的选择区域,讨论了椭圆的半径参数。从而可根据网关的变更优化AUV的轮询轨迹。JalajaJanardanan从延迟容忍的角度讨论了AUV不同场景下的轮询轨迹,包括,方形轮询、螺旋轮询、椭圆轮询等。有效地建立了网络数据收集框架,可针对不同情况,更灵活地实施不 ...
【技术保护点】
基于在线预测的移动节点辅助水下物联网数据可靠采集方法,其特征在于,包括以下步骤:(1)建立水下通信网络,包括移动节点AUV、交互节点和普通节点;普通节点负责对网络中的目标事件进行监测,并将感知数据传递给相应的交互节点,移动节点AUV负责轮询网络中交互节点收集的数据,并定期上传给网关;(2)采用在线预测模型对各交互节点未来连续两个T时间段数据包产生量进行估计,判断其是否超过节点存储阈值CN;(3)若预测出交互节点si未来连续两个T时间段数据包之和超过其存储阈值,则说明此次移动节点AUV必须轮询该节点,将节点si纳入路径规划中;若预测出交互节点si未来连续两个T时间段数据包之和未超过其存储阈值,则说明此次不需要轮询该节点,路径规划时不考虑该节点;(4)统计此次轮询需要经过的所有交互节点,根据各交互节点位置,进行直线连接,确定最短轮询路线;(5)遍历选择的交互节点后,利用收集到的新一轮的数据继续对在线预测模型进行校准。
【技术特征摘要】
1.基于在线预测的移动节点辅助水下物联网数据可靠采集方法,其特征在于,包括以下步骤:(1)建立水下通信网络,包括移动节点AUV、交互节点和普通节点;普通节点负责对网络中的目标事件进行监测,并将感知数据传递给相应的交互节点,移动节点AUV负责轮询网络中交互节点收集的数据,并定期上传给网关;(2)采用在线预测模型对各交互节点未来连续两个T时间段数据包产生量进行估计,判断其是否超过节点存储阈值CN;(3)若预测出交互节点si未来连续两个T时间段数据包之和超过其存储阈值,则说明此次移动节点AUV必须轮询该节点,将节点si纳入路径规划中;若预测出交互节点si未来连续两个T时间段数据包之和未超过其存储阈值,则说明此次不需要轮询该节点,路径规划时不考虑该节点;(4)统计此次轮询需要经过的所有交互节点,根据各交互节点位置,进行直线连接,确定最短轮询路线;(5)遍历选择的交互节点后,利用收集到的新一轮的数据继续对在线预测模型进行校准。2.根据权利要求1所述基于在线预测的移动节点辅助水下物联网数据可靠采集方法,其特征在于,在步骤(1)中,对网络中的节点进行分簇,每个簇的簇头节点作为交互节点,其余簇成员节点作为普通节点,各簇成员节点将感知数据传递给自身所属簇的簇头节点。3.根据权利要求1所述基于在线预测的移动节点辅助水下物联网数据可靠采集方法,其特征在于,在步骤(2)中,设定移动节点AUV每轮询一次的间隔为T=tc+tt+tw,每隔T时间,簇头节点标记一次数据包,以便上层网关统计其每个T时间段内的数据包产生量;其中,tc表示移动节点AUV移动采集数据的时间,tt表示移动节点AUV向水面网关传递数据的时间,tw表示移动节点AUV传递完数据后,距离下一次轮询前的等待时间。4.根据权利要求1所述基于在线预测的移动节点辅助水下物联网数据可靠采集方法,其特征在于,步骤(2)中所述在线预测模型的建立过程如下:(21)预测模型需要用到交互节点感知的历史数据,移动节点AUV在前N个时间段进行全网遍历轮询,利用滑动窗口进行历史数据的选择,滑动窗口大小设置为N,即利用1到N个时间段的历史数据生成在线预测模型,再滑动N次,利用N+1到2N个时间段的数据进行模型修正,从而确定预测模型;(22)对于某交互节点si,前N个时间段内收集到的数据量依次为xi1,xi2,...,xiN,设置预测向量为θ,θ=(θ1,θ2,...,θN)T,用来调整历史数据中每个时间段内数据量对后期数据预测的影响,则节点si在第N+1个时间段的数据量通过下式预测得到:
【专利技术属性】
技术研发人员:陈秋丽,何明,郑翔,祝朝政,吴春晓,陈希亮,刘斌,
申请(专利权)人:中国人民解放军陆军工程大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。