多蓝牙传感器的自组网方法及蓝牙网络技术

本发明专利技术公开了一种多蓝牙传感器的自组网方法及蓝牙网络，该方法包括：获取设置在目标组网区域的多个蓝牙传感器的设备信息；从所述多个蓝牙传感器中确定出第一蓝牙传感器；根据所述设备信息，基于最优路径预测算法，以所述第一蓝牙传感器为发起点，从所述多个蓝牙传感器中确定出最优的几个所述蓝牙传感器以建立起蓝牙传感器网络；所述蓝牙传感器网络用于实现所述目标组网区域的数据交换和数据判断

【技术实现步骤摘要】
多蓝牙传感器的自组网方法及蓝牙网络


[0001]本专利技术涉及蓝牙网络
，尤其涉及一种多蓝牙传感器的自组网方法及蓝牙网络
。

技术介绍

[0002]随着物联网技术的发展和成熟，越来越多的传感器和智能设备开始进入到用户的生活场景中，其中，蓝牙通信技术作为现有的成熟和低成本的通信技术，被物联网设备大量的采用，从而使得蓝牙设备也大量地被应用
。
[0003]但现有技术在面对蓝牙设备的数据传输问题时，一般只专注于提高蓝牙的数据传输方式，没有考虑到充分考虑蓝牙传输数据路径的选择以建立起更加高效和合理的蓝牙网络
。
可见，现有技术存在缺陷，亟需解决
。

技术实现思路

[0004]本专利技术所要解决的技术问题在于，提供一种多蓝牙传感器的自组网方法及蓝牙网络，能够实现更加高效和合理地蓝牙自组网的建立，同时所建立的蓝牙自组网也能够提高区域内的蓝牙数据的传输效率
。
[0005]为了解决上述技术问题，本专利技术第一方面公开了一种多蓝牙传感器的自组网方法，所述方法包括：
[0006]获取设置在目标组网区域的多个蓝牙传感器的设备信息；
[0007]从所述多个蓝牙传感器中确定出第一蓝牙传感器；
[0008]根据所述设备信息，基于最优路径预测算法，以所述第一蓝牙传感器为发起点，从所述多个蓝牙传感器中确定出最优的几个所述蓝牙传感器以建立起蓝牙传感器网络；所述蓝牙传感器网络用于实现所述目标组网区域的数据交换和数据判断
。
[0009]作为一个可选的实施方式，在本专利技术第一方面中，所述蓝牙传感器可以为温度传感器
、
湿度传感器
、
图像传感器
、
测距传感器中的至少一种
。
[0010]作为一个可选的实施方式，在本专利技术第一方面中，所述设备信息包括设备类型
、
设备位置
、
设备历史数据传输失败率
、
设备运行情况监控数据中的至少一种
。
[0011]作为一个可选的实施方式，在本专利技术第一方面中，所述从所述多个蓝牙传感器中确定出第一蓝牙传感器，包括：
[0012]获取所述目标组网区域的用户活动信息；
[0013]根据所述用户活动信息，以及神经网络算法模型，确定所述目标组网区域对应的预测设备使用行为；
[0014]根据所述预测设备使用行为和所述设备信息，以及预设的行为匹配规则，从所述多个蓝牙传感器中确定出所述设备信息与所述预测设备使用行为最匹配的第一蓝牙传感器
。
[0015]作为一个可选的实施方式，在本专利技术第一方面中，所述用户活动信息包括用户请
求信息
、
用户动作信息
、
用户行动轨迹信息
、
用户发送数据信息中的至少一种
。
[0016]作为一个可选的实施方式，在本专利技术第一方面中，所述根据所述用户活动信息，以及神经网络算法模型，确定所述目标组网区域对应的预测设备使用行为，包括：
[0017]将所述用户活动信息输入至预先训练好的第一神经网络算法模型中，以得到输出的所述目标组网区域对应的预测设备使用行为；所述第一神经网络算法模型为包括多个第一子算法模型的随机森林算法模型；每一所述第一子算法模型通过包括有多个同一数据类型的训练用户活动信息和对应的预测设备使用行为标注的训练数据集训练得到
。
[0018]作为一个可选的实施方式，在本专利技术第一方面中，所述根据所述设备信息，基于最优路径预测算法，以所述第一蓝牙传感器为发起点，从所述多个蓝牙传感器中确定出最优的几个所述蓝牙传感器以建立起蓝牙传感器网络，包括：
[0019]根据所述设备信息和神经网络算法，确定任意两个所述蓝牙传感器之间的第一数据预测传输质量；
[0020]根据所述预测设备使用行为，以及预设的行为目标对应规则，确定所述预测设备使用行为对应的数据传输的目标函数和限制条件；
[0021]基于动态规划算法模型，根据所述目标函数
、
所述限制条件和所述第一数据预测传输质量，基于迭代演算出至少两条最优数据传输路径；所述最优数据传输路径为以所述第一蓝牙传感器为发起点的满足所述目标函数和限制条件的多个所述蓝牙传感器之间的数据传输路径；
[0022]建立所有所述最优数据传输路径上的所有所述蓝牙传感器之间的蓝牙传感器网络
。
[0023]作为一个可选的实施方式，在本专利技术第一方面中，所述根据所述设备信息和神经网络算法，确定任意两个所述蓝牙传感器之间的第一数据预测传输质量，包括：
[0024]将任意两个所述蓝牙传感器对应的设备信息输入至预先训练好的第二神经网络算法模型中，以得到输出的该两个所述蓝牙传感器之间的第一数据预测传输质量；所述第二神经网络算法模型通过包括有多个训练蓝牙传感器的设备信息和对应的数据传输质量标注的训练数据集训练得到
。
[0025]作为一个可选的实施方式，在本专利技术第一方面中，所述方法还包括：
[0026]获取所述蓝牙传感器网络的实时数据传输记录；
[0027]根据所述实时数据传输记录中任意两个所述蓝牙传感器之间的传输数据记录，以及所述第二神经网络算法模型，计算该两个所述蓝牙传感器之间的第二数据预测传输质量；
[0028]判断所述蓝牙传感器网络中所有所述蓝牙传感器对应的所述第二数据预测传输质量的平均值是否大于平均参考值；所述平均参考值为所述蓝牙传感器网络中所有所述蓝牙传感器对应的所述第一数据预测传输质量的平均值；
[0029]若否，则根据所述实时数据传输记录，重新执行建立蓝牙传感器网络的步骤
。
[0030]本专利技术第二方面公开了一种蓝牙网络，所述蓝牙网络通过执行本专利技术第一方面公开的多蓝牙传感器的自组网方法中的部分或全部步骤建立
。
[0031]与现有技术相比，本专利技术具有以下有益效果：
[0032]本专利技术能够基于最优路径预测算法来确定出蓝牙传感器网络，从而能够实现更加
高效和合理地蓝牙自组网的建立，同时所建立的蓝牙自组网也能够提高区域内的蓝牙数据的传输效率
。
附图说明
[0033]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例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
。
[0034]图1是本专利技术实施例公开的一种多蓝牙传感器的自组网方法的流程示意图
。
具体实施方式
[0035]为了使本
的人员更好地理解本专利技术方案，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，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例
。...

【技术保护点】

【技术特征摘要】
1.
一种多蓝牙传感器的自组网方法，其特征在于，所述方法包括：获取设置在目标组网区域的多个蓝牙传感器的设备信息；从所述多个蓝牙传感器中确定出第一蓝牙传感器；根据所述设备信息，基于最优路径预测算法，以所述第一蓝牙传感器为发起点，从所述多个蓝牙传感器中确定出最优的几个所述蓝牙传感器以建立起蓝牙传感器网络；所述蓝牙传感器网络用于实现所述目标组网区域的数据交换和数据判断
。2.
根据权利要求1所述的多蓝牙传感器的自组网方法，其特征在于，所述蓝牙传感器可以为温度传感器
、
湿度传感器
、
图像传感器
、
测距传感器中的至少一种
。3.
根据权利要求2所述的多蓝牙传感器的自组网方法，其特征在于，所述设备信息包括设备类型
、
设备位置
、
设备历史数据传输失败率
、
设备运行情况监控数据中的至少一种
。4.
根据权利要求3所述的多蓝牙传感器的自组网方法，其特征在于，所述从所述多个蓝牙传感器中确定出第一蓝牙传感器，包括：获取所述目标组网区域的用户活动信息；根据所述用户活动信息，以及神经网络算法模型，确定所述目标组网区域对应的预测设备使用行为；根据所述预测设备使用行为和所述设备信息，以及预设的行为匹配规则，从所述多个蓝牙传感器中确定出所述设备信息与所述预测设备使用行为最匹配的第一蓝牙传感器
。5.
根据权利要求4所述的多蓝牙传感器的自组网方法，其特征在于，所述用户活动信息包括用户请求信息
、
用户动作信息
、
用户行动轨迹信息
、
用户发送数据信息中的至少一种
。6.
根据权利要求5所述的多蓝牙传感器的自组网方法，其特征在于，所述根据所述用户活动信息，以及神经网络算法模型，确定所述目标组网区域对应的预测设备使用行为，包括：将所述用户活动信息输入至预先训练好的第一神经网络算法模型中，以得到输出的所述目标组网区域对应的预测设备使用行为；所述第一神经网络算法模型为包括多个第一子算法模型的随机森林算法模型；每一所述第一子算法模型通过包括有多个同一数据类型的训练用户...

【专利技术属性】
技术研发人员：朱湘军，彭永坚，任继光，汪壮雄，黄强，
申请(专利权)人：广州视声智能股份有限公司，
类型：发明
国别省市：