【技术实现步骤摘要】
一种面向大规模物联网的分区协同感知方法
[0001]本专利技术涉及物联网的
，特别是一种面向大规模物联网的分区协同感知方法。
技术介绍
[0002]目前研究人员针对物联网感知方法中节点感知精度低以及高能耗的问题，分别采取了硬件和软件的节点优化方式进行应对。针对硬件，研究人员对节点的电池结构，感知方式进行创新，能够有效的降低能耗和精度，但是成本高且难以大规模的使用。针对软件方面，研究者主要是优化节点的调度机制以及提升节点的寻优方法，或者结合自组织网络对感知方式进行创新，这种方式能够在感知精度或网络能耗上有较好的表现，但是难以达到两者的平衡。近些年机器学习与深度学习方法不断的应用于物联网，在一些调度算法和特征提取方面有较好的进展，但是在物联网底层感知技术方面还没有较好的应用。
[0003]针对制造物联网络部署场景中感知节点异构分布，不确定性事件的动态变化特征与感知节点可用性动态变化特点，研究面向不确定性事件的可靠感知的节点调度优化机制与快速收敛的高效寻优方法是很有必要的，针对大规模物联网节点感知问题，现提出...
【技术保护点】
【技术特征摘要】
1.一种面向大规模物联网的分区协同感知方法，其特征在于：包括以下步骤：S1.将节点的感知区域进行划分，每个区域表示一个感知方位，每个方位的感知相互独立；S2.节点的状态分为工作和睡眠两种状态，通过节点的唤醒概率控制两种状态的相互转换；S3.每个节点设有一个请求保存表，对感知的请求信息进行存储和传输服务请求信息；S4.每个节点设有一个喜好方位，根据感知的请求信息以及请求保存表修改喜好方位；S5.通过喜好方位感知完成后，节点会计算每个方位的选择算子，选出最大的选择算子所代表的方位进行感知；S6.在一轮感知操作结束后，节点会唤醒感知方位内的其他节点并传输请求信息；S7.在传输操作结束后，每个节点会计算节点的能力值，通过节点的能力值修改唤醒概率，并筛选掉一部分低效的节点。2.如权利要求1所述的一种面向大规模物联网的分区协同感知方法，其特征在于：所述节点的属性如下：(Nid,N_X,N_Y,Rc,Rs,PreOri,Pwake,Per,Sleep,RSF,Wtime,Em)其中，Nid表示节点编号；N_X和N_Y表示节点的地理坐标；Rc和Rs分别表示通信半径和感知半径；PreOri表示喜好方位的编号；Pwake表示节点的唤醒概率；Per和Sleep分别表示感知和睡眠标志，且满足以下关系：感知和睡眠标志，且满足以下关系：RSF表示八个方位的感知标志；Wtime表示八个搜索区域的等待时间，Em为节点的能量。3.如权利要求1所述的一种面向大规模物联网的分区协同感知方法，其特征在于：步骤S1中，所划分的每个区域大小一致。4.如权利要求1所述的一种面向大规模物联网的分区协同感知方法，其特征在于：步骤S3中，每一轮感知操作，节点N
i
都会感知或接收服务请求，节点N
i
会将请求信息记录在请求保存表RST
i
中；记录的信息在节点中表示为一个集合，它的元素如下：(Rid,R_X,R_Y,Ori,Rw,t)其中，Rid为服务请求的编号；R_X和R_Y表示服务请求的地理坐标；Ori表示感知Rid的方位编号；Rw表示获取服务请求的方式；t表示请求在节点中存储的时间；5.如权利要求1所述的一种面向大规模物联网的分区协同感知方法，其特征在于：步骤S4中，在感知过程中，节点Ni以喜好方位优先感知服务请求，具体过程如下：首先根据下面的公式对RST
i
中的请求坐标进行更新；然后在点阵中根据坐标将对应的位置标为1；采用HNN网络确定节点的喜好方位；通过将点阵按行转换为向量noi，利用HNN网络将noi与S1中划分的八个搜索方位的点阵进行模拟，使用概率p对HNN网络的结果进行小概率的修改，得到的结果是下一轮节点N
i
的喜好方位
其中R_X和R_Y表示RST
i
中的请求坐标，N_X和N_Y表示节点N
i
的坐标，Rs
i
表示节点N
i
的感...
【专利技术属性】
技术研发人员：杨珍，蒋云良，张杰，张浩宇，任晓龙，隗兵，
申请(专利权)人：电子科技大学长三角研究院湖州，
类型：发明
国别省市：
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。