一种无线移动感知网络数据聚集方法技术

本发明专利技术提供一种无线移动感知网络数据聚集方法。利用历史数据训练神经网络模型，通过模型和实际周围环境数据来预测节点与周围可通信节点进行数据聚集需要的时间，并选择时间最短的作为下一跳节点。每个移动感知节点都采用这种方法对数据进行聚集，都只选择当前时刻数据聚集最快的下一跳节点。该方法既克服了传统数据聚集方法中未考虑感知节点移动性的缺点，也综合考虑了周围环境带来的影响，从而有效节省数据聚集时间。

【技术实现步骤摘要】
一种无线移动感知网络数据聚集方法(一)
本专利技术涉及的是一种无线移动感知网络数据聚集方法。(二)
技术介绍
无线移动感知网络主要由移动感知节点和静态接入点(AccessPoint，AP)组成。移动感知节点具有移动性，可与周围节点进行通信，主要作用是感知数据并通过通信链路进行数据路由和聚集。静态接入点负责将聚集到的数据进行分析处理。数据通过移动感知节点感知、整合、转发，逐跳聚集到静态接入点。由于移动感知节点的移动性，节点与节点之间的连接具有时效性，通信链路也在时刻发生改变，因此应尽可能快地将数据聚集到AP节点。传统的传感器网络拓扑信息和通信链路变化较小，其数据聚集方法主要针对静态节点，在无线移动感知网络中并不适用。目前关于数据聚集方法的研究也有一些，但这些方法并未利用到历史数据，也未综合考虑周围环境对数据聚集快慢的影响。本专利技术提供一种无线移动感知网络数据聚集方法。利用历史数据训练神经网络模型，通过模型和实际周围环境数据来预测节点与周围可通信节点进行数据聚集需要的时间，并选择时间最短的作为下一跳节点。每个移动感知节点都采用这种方法对数据进行聚集，都只选择当前时刻数据聚集最快的下一跳本文档来自技高网...

【技术保护点】
1.一种无线移动感知网络数据聚集方法，其特征在于：本专利技术是这样实现的：假设每个感知节点携带的信息包含车速v、经度x、纬度y、数据发送时间t、节点与下一跳节点之间的无线信号强度i、其他信息A。如图1所示，以链路Lcdf为例：节点c发送的数据为{(vc,xc,yc,tc,ic_d,Ac)}节点d发送的数据为{(vc,xc,yc,tc,ic_d,Ac),(vd,xd,yd,td,id_f,Ad)}节点f发送到AP节点的数据为{(vc,xc,yc,tc,ic_d,Ac),(vd,xd,yd,td,id_f,Ad),(vf,xf,yf,tf,if_ap,Af)}静态接入点通过处理，可以得到以下信息：...

【技术特征摘要】
1.一种无线移动感知网络数据聚集方法，其特征在于：本发明是这样实现的：假设每个感知节点携带的信息包含车速v、经度x、纬度y、数据发送时间t、节点与下一跳节点之间的无线信号强度i、其他信息A。如图1所示，以链路Lcdf为例：节点c发送的数据为{(vc,xc,yc,tc,ic_d,Ac)}节点d发送的数据为{(vc,xc,yc,tc,ic_d,Ac),(vd,xd,yd,td,id_f,Ad)}节点f发送到AP节点的数据为{(vc,xc,yc,tc,ic_d,Ac),(vd,xd,yd,td,id_f,Ad),(vf,xf,yf,tf,if_ap,Af)}静态接入点通过处理，可以得到以下信息：节点c数据发送时间tc；下一跳节点d的车速vd；下一跳节点d的经度xd；下一跳节点d的纬度yd；节点c与节点d之间的无线信号强度ic_d；节点c数据发送时间与节点d数据发送时间之间的间隔Δtc_d(Δtc_d＝td-tc)。则由节点c提供的用来训练神经网络的数据可表示为：{vd,xd,yd,tc,ic_d}该条数据对应的标签为Δtc_d。同理，节点d提供的数据可表示为：{vf,xf,yf,td,id_f}该条数据对应的标签为Δtd_f(Δtd_f＝tf-td)。按照此种方法，静态接入点将历史数据整理成可用来训练神经网络的数据集。静态接入点将数据集整理好后，开始训练神经网络。训练结束后，静态接入点保存模型参数并将模型参数广播到各移动感知节点。本发明中的神经网络只有两层，输入个数为5(即每条数据中的5个不同参数)，而输出个数则为标签Δt的类别数(若Δt取值较多，可先进行聚类，减少输出个数)。该神经网络结构简单，输入个数少，模型参数也较少，计算量很小，故可在移动感知节点运行，且耗时较少。当移动感知节点要转发数据时，若周围可通信节点中包含AP节点，则直接发送数据至AP节点。否则，若周围只有一个节点可通信，则直接转发；若...

【专利技术属性】
技术研发人员：姚文斌，黄芬芬，常静坤，周霖，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11