无线传感网Sink节点的选择方法及系统技术方案

本发明专利技术提供一种无线传感网Sink节点的选择方法及系统，涉及无线传感网络通信技术领域。该方法包含步骤:S1、建立朴素贝叶斯分类模型；S2、依据所述朴素贝叶斯分类模型，源节点在发送信息之前选择最优的Sink节点；S3、计算源节点或者转发节点到下一跳节点的概率；所述源节点或者转发节点依据计算出的概率选择下一跳转发节点，并最终到达所述最优的Sink节点。本发明专利技术通过源节点在发送信息之前首先判断将信息发送到当前相对最优的sink节点去，从而优化了传感网的路径选择。

【技术实现步骤摘要】
无线传感网Sink节点的选择方法及系统
本专利技术涉及无线传感网通信
，具体涉及一种无线传感网Sink节点的选择方法及系统。
技术介绍
无线通信、信息处理与传感技术的发展促进了无线传感网技术(wirelesssensornetworks，简称WSNs)的发展。无线传感网由许许多多功能相同或不同的廉价微型传感器节点组成，通过无线通信方式组成了一个多跳的自组织的网络系统，微型传感器节点能够监测外部环境状态信息，并把这些数据转换成能够被处理的电信号，以揭示围绕这些节点的环境状态，借此还可获得一些远距离的、不易采集到的区域信息。无线传感网技术在军事国防、环境监测、生物医疗、智能家居等方面都有了广阔的应用前景。在无线传感网领域，目前多sink节点路由领域也已经被广泛研究，多sink节点传感器网络能产生不同的路由算法，在单一的sink节点环境下，路由路径由单个sink节点初始化，沿固定的方向传输数据，而在多sink节点无线传感网中，路由路径可由不同的sink节点初始化，数据能够沿不同的路径传输。随着无线传感网的广泛应用，多sink节点无线传感网路由算法存在目标sink节点选择单一的问题：大多数节点的目标sink节点都是固定好的。在源节点发送信息的时候没有充分考虑当前最优的目标sink节点，因此将使网络的负载不够均衡，减少了无线传感网络的生存时间，同时还增加无线传感网络的拥塞度。
技术实现思路
(一)解决的技术问题针对现有技术的不足，本专利技术提供一种无线传感网Sink节点的选择方法及系统，优化了传感网的路径选择。(二)技术方案为实现以上目的，本专利技术通过以下技术方案予以实现：一种无线传感网Sink节点的选择方法，包含以下步骤：S1、建立朴素贝叶斯分类模型；S2、依据所述朴素贝叶斯分类模型，源节点在发送信息之前选择最优的Sink节点。优选的，步骤S1中建立的朴素贝叶斯分类模型的方法为：假设D是由m个Sink节点构成的集合，集合D中的每个Sink节点用(n+1)维特征向量(a1,a2,…,ai,c)来描述n个属性的值和1个类变量值，其中ai为属性变量，i∈1，2，…，n，c为类变量；依据条件独立性假设得到第一公式：优选的，步骤S2中源节点在发送信息之前选择最优的Sink节点的方法为：S21、依据所述集合D和所述第一公式计算集合D中每一个Sink节点的各预设条件概率密度之积P(x|ci)，i∈1，2，…，m；并计算集合D中每一个Sink节点的类别先验概率P(ci)，i∈1，2，…，m；S22、依据所述条件概率密度之积P(x|ci)和所述类别先验概率P(ci)，计算集合D中每一个Sink节点的类别后验概率P(ci|x)，，i∈1，2，…，m；S23、依据所述类别后验概率P(ci|x)，得到集合D中所述类别后验概率P(ci|x)最大时所对应的类变量c；S24、将所述类变量c对应的Sink节点作为最优sink节点。优选的，步骤S21中计算集合D中每一个Sink节点的条件概率密度之积P(x|ci)的表达式为：P(x|ci)＝P(x1|ci)*P(x2|ci)*…*P(xn|ci)式中，P(x1|ci)、P(x2|ci)…P(xn|ci)分别为集合D中每一Sink节点所对应的各预设条件的概率密度；步骤S22中计算类别后验概率P(ci|x)的表达式为：步骤S23中的得到集合D中的类变量c的表达式为：优选的，步骤S2后，进一部包含步骤S3：S3、计算源节点或转发节点到下一跳节点的概率；所述源节点或转发节点依据计算出的概率选择下一跳转发节点，并最终到达所述最优的Sink节点。优选的，步骤S3中通过源节点或者转发节点的周围节点的剩余能量计算所述源节点或者转发节点到下一跳节点的概率，计算概率的表达式为：式中，分子为源节点或者转发节点的某个下一跳节点的剩余能量，分母为源节点或者转发节点的所有下一跳节点的剩余能量。本专利技术还提供了一种无线传感网Sink节点的选择系统，其特征在于，包含以下模块：模型建立模块，建立朴素贝叶斯分类模型；最优节点选择模块，依据所述朴素贝叶斯分类模型，源节点在发送信息之前选择最优的Sink节点。优选的，该系统进一步包含模块：概率路由选择模块，计算源节点或转发节点到下一跳节点的概率；所述源节点或转发节点依据计算出的概率选择下一跳转发节点，并最终到达所述最优的Sink节点。(三)有益效果本专利技术通过提供了一种无线传感网Sink节点的选择方法及系统，引入朴素贝叶斯模型到无线传感网Sink节点的选择方法中，利用朴素贝叶斯分类模型，把信息看成是要分类的样本，具体的某个sink节点看做分类的种类，源节点在发送信息之前首先判断将信息发送到当前相对最优的sink节点去，从而优化了传感网的路径选择。本专利技术进一步通过概率路由选择机制，很好地平衡网络负载和整体能耗，进而增加了多sink节点的无线传感网的网络生存时间和信息包的正确到达率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术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专利技术的一些实施例，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为本专利技术实施例的无线传感网Sink节点的选择方法的流程示意图；图2为本专利技术实施例的无线传感网Sink节点的选择系统的模块示意图；图3为本专利技术实施例的集合D中每一个Sink节点的多个预设条件示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。实施例1：如图1所示，本专利技术实施例提供了一种无线传感网Sink节点的选择方法，包含以下步骤：S1、建立朴素贝叶斯分类模型；S2、依据所述朴素贝叶斯分类模型，源节点在发送信息之前选择最优的Sink节点。本专利技术实施例通过引入朴素贝叶斯模型到无线传感网Sink节点的选择方法中，利用朴素贝叶斯分类模型，把信息看成是要分类的样本，具体的某个sink节点看做分类的种类，源节点在发送信息之前首先判断将信息发送到当前相对最优的sink节点去，从而优化了传感网的路径选择。下面对本实施例所提供的方法进行详细的说明：一种无线传感网Sink节点的选择方法，包含以下步骤：S1、建立朴素贝叶斯分类模型；步骤S1中建立的朴素贝叶斯分类模型的方法为：假设D是由m个Sink节点构成的集合，集合D中的每个Sink节点用(n+1)维特征向量(a1,a2,…,ai,c)来描述n个属性的值和1个类变量值，其中ai为属性变量，i∈1，2，…，n，c为类变量；依据条件独立性假设得到第一公式：S2、依据所述朴素贝叶斯分类模型，源节点在发送信息之前选择最优的Sink节点。步骤S2中源节点在发送信息之前选择最优的Sink节点的方法为：S21、依据所述集合D和所述第一公式计算集合D中每一个Sink节点的各预设条件概率密度之积P(x|ci)，i∈1，2，…，m；并计算集合D中每一个Sink节点的类本文档来自技高网...

【技术保护点】
一种无线传感网Sink节点的选择方法，其特征在于，包含以下步骤：S1、建立朴素贝叶斯分类模型；S2、依据所述朴素贝叶斯分类模型，源节点在发送信息之前选择最优的Sink节点。

【技术特征摘要】
1.一种无线传感网Sink节点的选择方法，其特征在于，包含以下步骤：S1、建立朴素贝叶斯分类模型；S2、依据所述朴素贝叶斯分类模型，源节点在发送信息之前选择最优的Sink节点；步骤S1中建立的朴素贝叶斯分类模型的方法为：假设D是由m个Sink节点构成的集合，集合D中的每个Sink节点用(n+1)维特征向量(a1,a2,…,ai,…an,c)来描述n个属性的值和1个类变量值，其中ai为属性变量，i∈1，2，…，n，c为类变量；依据条件独立性假设得到第一公式：步骤S2中源节点在发送信息之前选择最优的Sink节点的方法为：S21、依据所述集合D和所述第一公式计算集合D中每一个Sink节点的各预设条件概率密度之积P(x|ci)，i∈1，2，…，m；并计算集合D中每一个Sink节点的类别先验概率P(ci)，i∈1，2，…，m；S22、依据所述条件概率密度之积P(x|ci)和所述类别先验概率P(ci)，计算集合D中每一个Sink节点的类别后验概率P(ci|x)，i∈1，2，…，m；S23、依据所述类别后验概率P(ci|x)，得到集合D中所述类别后验概率P(ci|x)最大时所对应的类变量c；S24、将所述类变量c对应的Sink节点作为最优sink节点；步骤S21中计算集合D中每一个Sink节点的条件概率密度之积P(x|ci)的表达式为：P(x|ci)＝P(x1|ci)*P(x2|ci)*…*P(xn|ci)式中，P(x1|ci)、P(x2|ci)…P(xn|ci)分别为集合D中每一Sink节点所对应的各预设条件的概率密度；步骤S22中计算类别后验概率P(ci|x)的表达式为：步骤S23中的得到集合D中的类变量c的表达式为：2.如权利要求1所述的选择方法，其特征在于，步骤S2后，进一部包含步骤S3：S3、计算源节点或转发节点到下一跳节点的概率；所述源节点或转发节点依据计算出的概率选择下一跳转发节点，并最终到达所述最优的Sink节点。3.如权利要求2所述的选择方法，其特征在于，步骤S3中通过源节点或者转发节点的周围节点的剩余能量计算所述源节点或者转发...

【专利技术属性】
技术研发人员：张英海，刘志强，徐俊，王卫东，彭宏玉，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京;11