【技术实现步骤摘要】
基于数据预测的水下传感网络中AUV移动数据收集算法
本专利技术属于领域，具体涉及一种基于数据预测的水下传感网络中AUV移动数据收集算法。
技术介绍
随着水下传感器网络(UnderwaterWirelessSensorNetworks，UWSNs)的不断发展，通过多样化的水下应用，我们可以获得越来越多关于海洋或河流的具体信息。例如，通过水下传感网监测海底火山区域的温度和二氧化硫浓度变化，以此预测火山状态，对可能出现的喷发状态进行预警；以及通过监视军事区域，防止敌方潜艇，战舰等入侵。然而水下传感网不同于陆地传感网，在水下，无线电信号衰减随着频率增加而加大且远大于陆上的衰减，这对于水下远距离通信来说是一个致命伤。因此，水下无线通信通常采用声通进行数据传输，同时声通信同样受限于传输距离，研究表明，当声通传输距离大于阈值时，能耗会呈指数倍上升，这对于节点能量不方便便补充的水下传感器是一个严峻的挑战。由于上述问题的存在，在水下传感网中利用AUVs近距离单跳传输进行数据收集是一个可行的方案。在AUVs能量足够的情况下，AUVs遍历整个网络即可。由于AUVs速度相对于声波速度偏慢...
【技术保护点】
1.一种基于数据预测的水下传感网络中AUV移动数据收集方法，其特征在于，包括：(1)AUV从sink节点获取整个网络节点部署情况，使用集中式算法初始化节点分簇；(2)AUV遍历初始化簇后，采集完成当前回合数据，根据采集的数据，使用支持向量机算法建立预测模型，同时更新初始化簇，将具有相同或相似预测趋势的节点形成新簇；(3)AUV根据新的分簇情况重新遍历整个网络，并将预测模型转发给相应的簇节点，后续AUV不再遍历新建立的簇，而直接使用预测模型进行预测；(4)获得预测模型的簇成员节点自行感知预测数据，如果感知与预测的误差大于设定的最大误差容忍，更新预测模型，并发送请求告知AUV；...
【技术特征摘要】
1.一种基于数据预测的水下传感网络中AUV移动数据收集方法，其特征在于，包括：(1)AUV从sink节点获取整个网络节点部署情况，使用集中式算法初始化节点分簇；(2)AUV遍历初始化簇后，采集完成当前回合数据，根据采集的数据，使用支持向量机算法建立预测模型，同时更新初始化簇，将具有相同或相似预测趋势的节点形成新簇；(3)AUV根据新的分簇情况重新遍历整个网络，并将预测模型转发给相应的簇节点，后续AUV不再遍历新建立的簇，而直接使用预测模型进行预测；(4)获得预测模型的簇成员节点自行感知预测数据，如果感知与预测的误差大于设定的最大误差容忍，更新预测模型，并发送请求告知AUV；(5)AUV接收到预测更新请求将暂停当前运行轨迹，把请求簇作为停驻点重新规划数据收集路径，同时获取数据与更新后的预测模型。2.根据权利要求1所述的基于数据预测的水下传感网络中AUV移动数据收集方法，其特征在于：所述步骤(1)中的集中式初始化节点分簇为基于邻居节点密度分簇，具体为：2.1：AUV获取网络部署信息，计算每个节点其通信半径内邻居节点数；2.2：按照邻居节点数量降序排列，选择具有最多邻居节点的节点作为簇头，其邻居节点作为簇成员，同时这些节点标记为已选；2.3：将标记为已选的节点从其他节点邻居节点中删除，重复之前的步骤直到所有节点均被标记。3.根据权利要求1所述的基于数据预测的水下传感网络中AUV移动数据收集方法，其特征在于：所述步骤(2)中形成新簇具体为：3.1：节点感知数据，一个节点一次发送多个数据包给前来收集的AUV，AUV将数据按照6:2:2的比例分为训练集，验证集和测试集；3.2：根据SVR公式，选择合适的核函数计算出相应的w向量和b向量，根据y＝w·K(x)+b拟合出相应的曲线；其中，y表示预测值，K(x)表示核函数时间序列，w表示参数，b表示偏差，b包含在w的矩阵中即W＝[w,b]；3.3：AUV将具有相同预测趋势的节点重新组合形成新的簇，为避免规模过大导致的节点间通信，能耗等问题，设置参数Hop＝n以控制簇规模，其中n表示节点跳数。4.根...
【专利技术属性】
技术研发人员：韩光洁，沈松杰，江金芳，刘立，王皓，
申请(专利权)人：河海大学常州校区，
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。