一种基于DAI的光学无线传感器网络的资源分配方法组成比例

本发明专利技术公开了一种基于DAI的光学无线传感器网络的资源分配方法，基于能量检测，利用矢量量化的方法确定并动态更新节点位置；确定节点位置后，利用粒子群优化算法优化节点位置，以能量消耗为适应度函数，搜索能量消耗最小值的节点位置，均衡整个网络的能量消耗；簇内节点将感知信息输出传送给簇头节点，簇头进行资源分配，在资源分配的过程中利用分布式人工智能在簇内节点到簇头以及簇头之间交互响应中形成协调；本发明专利技术将粒子群优化算法(PSO)和分布式人工智能(DAI)加入到光学无线传感器网络中，为网络增加节能和智能机制，均衡网络能耗，优化网络节点的响应，提高网络性能。

A DAI-based resource allocation method for optical wireless sensor networks

【技术实现步骤摘要】
一种基于DAI的光学无线传感器网络的资源分配方法
本专利技术属于通信
，尤其涉及一种基于DAI的光学无线传感器网络的资源分配方法。
技术介绍
如今通信网络能够支持对高数据率和无处不在的服务日益增加的需求，但同时也遇到了无线带宽资源紧张,无线信号间的电磁干扰严重，信号易被截获，能量消耗较大等方面的挑战。因此，光学无线传感器网络被提出。我们知道，物理环境是动态的，传感器节点必须有效的感知输出并动态的调整资源的分配。因此，在光学无线网络中引入粒子群优化算法和分布式人工智能来有效的控制资源分配时的能量消耗以及内存和电力消费，构造智能且节能的无线传感器网络。粒子群优化算法(PSO)模拟鸟群的捕食行为的一种模型。PSO从这种模型中得到启示并用于解决优化问题，将每个优化问题的解看作搜索空间中的一只鸟。我们称之为"粒子"。所有的粒子都有一个由被优化的函数决定的适应值(fitnessvalue)，每个粒子还有一个速度决定他们搜索的方向和距离。每个粒子以一定的速度在解空间中运动，并向个体最佳位置(pBesti)和全局最佳位置(gBest)聚集，通过协作与竞争实现对复杂空间最优解的搜索。PSO与遗传算法等算法相比没有交叉和变异运算，需调整的参数较少，结构简单，易于工程实现。在书籍《智能无线传感器网络系统》中公开了分布式人工智能技术，分布式人工智能(DAI)是人工智能和分布式计算的产物，它主要研究多Agent系统(MAS)中智能Agent之间的智能行为的协调和工作任务协同。比起传统的集中式结构，DAI强调的是分布式智能处理，克服了集中式系统中心部件负荷重，知识调度困难等弱点。并且DAI克服了原有专家系统和学习系统等弱点，极大的提高只是系统的性能，可提高问题求解能力和效率，扩大应用范围，降低计算复杂度。
技术实现思路
本专利技术根据现有技术中存在的问题，提出了一种基于DAI的光学无线传感器网络的资源分配方法，将粒子群优化算法(PSO)和分布式人工智能(DAI)加入到光学无线传感器网络中，为网络增加节能和智能机制，均衡网络能耗，优化网络节点的响应，提高网络性能。本专利技术所采用的技术方案如下：一种基于DAI的光学无线传感器网络的资源分配方法，包括以下步骤：步骤1，基于能量检测，利用矢量量化的方法确定并动态更新节点位置；步骤2，确定节点位置后，利用粒子群优化算法优化节点位置，以能量消耗为适应度函数，搜索能量消耗最小值的节点位置，均衡整个网络的能量消耗；步骤3，簇内节点将感知信息输出传送给簇头节点，簇头进行资源分配，在资源分配的过程中利用分布式人工智能在簇内节点到簇头以及簇头之间交互响应中形成协调。进一步，所述步骤1的确定并动态更新节点位置的方法为：步骤1.1，当传感器节点接收到未知节点信号时，以信号的功率谱密度为对象，推导传感器节点在l与l+1两个不同时刻的自相关函数，并通过主频率成分分析确定源信号自相关；步骤1.2，考虑信道的瑞利衰落，信道特性表示为g＝g1＝...＝gp，计算不同时刻信号的自相关误差；步骤1.3，将自相关误差(AE)看作二维矢量计算节点间的空间距离，推导出自相关误差与欧几里得距离的广义关系，自相关误差每t秒更新，并相应的计算出欧几里得距离(ED)，动态的更新活动节点的位置。进一步，所述优化节点位置的方法为：步骤2.1，假设簇的形状为半径G的圆，节点必须位于圆内，簇的定位不应延伸圆的圆周外，低频带上每比特最小能量为：其中N0为信噪比；步骤2.2，假设每个节点传输每个符号的能量为xi，推导传感器网络k个节点在时间t的总能量消耗：步骤2.3，以总能量消耗为适应度函数，将能量消耗最小值的节点位置为最优节点位置。进一步，每一个簇由簇头和簇成员构成，簇头为光节点，簇头充当协调智能体CoA，具有决策权；簇成员为普通节点，充当任务智能体TA，执行簇头所分配的任务，簇内通信通过簇成员完成，簇间通信通过簇头进行数据传输。进一步，所述交互过程为：步骤3.1，在通信过程中，网络中有一个管理智能体MA，在进行资源分配时，管理智能体MA根据当时电池和内存情况，选合适的簇头作为协商智能体DA分配资源；步骤3.2，在被选中的簇内，簇成员节点充当任务智能体TA，执行簇头所分配的任务；本专利技术的有益效果：本专利技术提出了一种用于光学无线传感器网络的资源分配方法，其优点是在节点定位过程中实现了根据实时连续信号，动态的更新节点位置，在资源分配过程中，在不影响服务质量的基础上，充分的考虑了节点电池放电以及内存使用情况，均衡整个网络的能耗，提高网络性能。附图说明图1为本专利技术实施例的网络结构框架；图2为本专利技术实施例的实现流程图；图3为本专利技术实施例中的服务质量QoS；图4为本专利技术实施例中TA、CoA、MA的响应时间。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用于解释本专利技术，并不用于限定本专利技术。如图1所示，本专利技术所提出的一种基于DAI的光学无线传感器网络的资源分配方法，包括以下步骤：步骤1，基于能量检测，利用矢量量化的方法计算并动态的更新节点位置，即节点间通信的空间距离，也就是欧几里得距离，具体过程如下：步骤1.1，当传感器节点j接收到未知节点i的信号al(k)时，以信号的功率谱密度为考虑对象，推导其在信道传输中多个时刻的自相关函数：其中，T为当前时刻，p是节点j输出的独立相同分布信道的数量，l为时刻，Γ为时滞，al+1(T)为T时刻内取得瞬间的信号；步骤1.2，考虑信道的瑞利衰落，其信道特性表示为g＝g1＝...＝gp，计算不同时刻的信号的自相关误差：步骤1.3，将自相关误差(AE)看作二维矢量计算节点间的空间距离，欧几里得距离(ED)，推导出自相关误差AE与欧几里得距离ED的广义关系：自相关误差每t秒更新，并相应的计算出欧几里得距离，动态的更新活动节点的位置。步骤2，确定节点位置后，利用粒子群优化算法优化节点位置，以能量消耗为适应度函数，搜索能量消耗最小值的节点位置，均衡整个网络的能量消耗；具体过程如下：步骤2.1，如图2，假设簇的形状为半径G的圆，其中节点必须位于圆内，簇的定位不应延伸圆的圆周外，低频带上每比特最小能量为：其中N0为信噪比。步骤2.2，假设每个节点传输每个符号的能量为xi，推导传感器网络k个节点在时间t的总能量消耗：步骤2.3，以总能量消耗为适应度函数，将能量消耗最小值的节点位置为最优节点位置。步骤3，簇内节点将感知信息输出传送给簇头节点，簇头进行资源分配，在资源分配的过程中利用分布式人工智能在簇内节点到簇头以及簇头之间交互响应中形成协调。在本专利技术的交互过程分为两种情况，第一种情况是管理智能体MA根据对当前网络的电池放电和内存使用情况开始进行资源分配，从所有簇中选择合适的簇头作为协商智能体DA，该簇头所在簇内的簇成员节点充当任务智能体TA，执行簇头所分配的任务。另一种情况是MA在不进行评估直接分配资源，所有簇都工作。针对于第一种情况，当管理智能体MA开始进行资源分配，管理智能体MA将对全局电池使用情况和内存使用情况进行评估，根据评估结果选择合适的簇头进行资源分配。对于任何瞬间t，电池功率消耗为：P(t)＝P(t-1)-Pr(DA)(MA)-本文档来自技高网...

【技术保护点】
1.一种基于DAI的光学无线传感器网络的资源分配方法，其特征在于，包括以下步骤：步骤1，基于能量检测，利用矢量量化的方法确定并动态更新节点位置；步骤2，确定节点位置后，利用粒子群优化算法优化节点位置，以能量消耗为适应度函数，搜索能量消耗最小值的节点位置，均衡整个网络的能量消耗；步骤3，簇内节点将感知信息输出传送给簇头节点，簇头进行资源分配，在资源分配的过程中利用分布式人工智能在簇内节点到簇头以及簇头之间交互响应中形成协调。

【技术特征摘要】
1.一种基于DAI的光学无线传感器网络的资源分配方法，其特征在于，包括以下步骤：步骤1，基于能量检测，利用矢量量化的方法确定并动态更新节点位置；步骤2，确定节点位置后，利用粒子群优化算法优化节点位置，以能量消耗为适应度函数，搜索能量消耗最小值的节点位置，均衡整个网络的能量消耗；步骤3，簇内节点将感知信息输出传送给簇头节点，簇头进行资源分配，在资源分配的过程中利用分布式人工智能在簇内节点到簇头以及簇头之间交互响应中形成协调。2.根据权利要求1所述的一种基于DAI的光学无线传感器网络的资源分配方法，其特征在于，所述确定并动态更新节点位置的方法为：步骤1.1，当传感器节点接收到未知节点信号时，以信号的功率谱密度为对象，推导传感器节点在l与l+1两个不同时刻的自相关函数，并通过主频率成分分析确定源信号自相关；步骤1.2，考虑信道的瑞利衰落，信道特性表示为g＝g1＝...＝gp，计算不同时刻信号的自相关误差；步骤1.3，将自相关误差看作二维矢量计算节点间的空间距离，推导出自相关误差与欧几里得距离的广义关系，自相关误差每t秒更新，并相应的计算出欧几里得距离，动态的更新活动节点的位置。3.根据权利要求1所述的一种基于DAI的光学无线传感器网络的资源分配方法，...

【专利技术属性】
技术研发人员：杨利霞，闫紫薇，阿姆里特，福迪克，王洪金，
申请(专利权)人：江苏大学，
类型：发明
国别省市：江苏,32