基于馬爾科夫模型選擇Sink路徑的數(shù)據(jù)收集方法
【專利摘要】本發(fā)明提出一種基于馬爾科夫模型選擇Sink路徑的數(shù)據(jù)收集方法。首先對監(jiān)控的無線傳感器網(wǎng)絡(luò)進行區(qū)域劃分，然后應(yīng)用馬爾科夫模型預(yù)測節(jié)點位置，其次根據(jù)預(yù)測得到的節(jié)點數(shù)目期望值對網(wǎng)絡(luò)區(qū)域賦予優(yōu)先級，再對各區(qū)域進行數(shù)據(jù)融合，最后得到最優(yōu)的移動Sink節(jié)點運動軌跡。本發(fā)明能適用于不同規(guī)模大小的網(wǎng)絡(luò)，具有節(jié)省網(wǎng)絡(luò)能量、延長網(wǎng)絡(luò)生存周期、降低網(wǎng)絡(luò)整體延時、并防止數(shù)據(jù)溢出等優(yōu)點。
【專利說明】基于馬爾科夫模型選擇Sink路徑的數(shù)據(jù)收集方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明主要涉及到無線傳感器網(wǎng)絡(luò)數(shù)據(jù)收集領(lǐng)域，特別涉及到一種移動無線傳感 器網(wǎng)絡(luò)中基于馬爾科夫模型選擇Sink路徑的數(shù)據(jù)收集方法。

【背景技術(shù)】
[0002] 無線傳感器網(wǎng)絡(luò)（WSN，Wireless Sensor Network)是由大量小型傳感器節(jié)點、通 過無線通信方式所組成的網(wǎng)絡(luò)。該網(wǎng)絡(luò)一般由一個或幾個基站（稱作Sink)用來收集從傳 感器節(jié)點感知的數(shù)據(jù)。它能夠獲取客觀物理信息，在軍事國防、生物醫(yī)療、搶險救災(zāi)等領(lǐng)域 都有十分廣闊的前景。
[0003] 對于傳感器節(jié)點靜止的無線傳感器網(wǎng)絡(luò)，靜態(tài)匯聚節(jié)點只需在網(wǎng)絡(luò)的初始化階段 向全網(wǎng)范圍內(nèi)洪泛一次查詢消息即可完成后續(xù)整個監(jiān)控過程的數(shù)據(jù)收集。傳感器節(jié)點在 采集到數(shù)據(jù)后可以順利的通過確定的鏈路將數(shù)據(jù)傳遞到匯聚節(jié)點，再由匯聚節(jié)點傳遞給用 戶。對于傳感器節(jié)點移動的無線傳感器網(wǎng)絡(luò)，匯聚節(jié)點的連續(xù)移動造成的多次洪泛將會給 全網(wǎng)帶來極大的通信和能量開銷。針對移動無線傳感器網(wǎng)絡(luò)存在的問題通常采用攜帶-轉(zhuǎn) 發(fā)的路由策略來應(yīng)對網(wǎng)絡(luò)的間歇性連通。移動的快遞員節(jié)點在經(jīng)過各子網(wǎng)時收集子網(wǎng)內(nèi)的 數(shù)據(jù)，直到遇到匯聚節(jié)點或者更大概率遇到匯聚節(jié)點的中繼節(jié)點時再將數(shù)據(jù)轉(zhuǎn)發(fā)出去。但 是該方法對網(wǎng)絡(luò)中每個節(jié)點的要求都很高，因為每個節(jié)點都有可能充當(dāng)快遞員節(jié)點，而節(jié) 點的緩存空間有限，不及時釋放節(jié)點緩存空間將造成數(shù)據(jù)的丟失。另外由于快遞員節(jié)點也 是隨機移動的，所以網(wǎng)絡(luò)的延時往往會很大，而且會產(chǎn)生很多冗余數(shù)據(jù)，能耗損失嚴(yán)重。
[0004] 移動的Sink節(jié)點主動收集數(shù)據(jù)能很好的解決網(wǎng)絡(luò)間歇性連通以及傳輸延時很大 的問題。由于無線傳感器網(wǎng)絡(luò)中節(jié)點能量的有限性與要求對數(shù)據(jù)的實時性，故亟需一種有 效的移動Sink節(jié)點路徑選擇方法。由于網(wǎng)絡(luò)中傳感器節(jié)點的下一輪位置與其以前所處的 位置無關(guān)而僅僅與其當(dāng)前所處的位置有關(guān)，故用馬爾科夫模型對節(jié)點的位置進行預(yù)測是可 行的。首先對監(jiān)控的無線傳感器網(wǎng)絡(luò)進行區(qū)域劃分，然后應(yīng)用馬爾科夫模型預(yù)測節(jié)點位置， 其次根據(jù)預(yù)測得到的節(jié)點數(shù)目期望值對網(wǎng)絡(luò)區(qū)域賦予優(yōu)先級，再對各區(qū)域進行數(shù)據(jù)融合， 最后得到最優(yōu)的移動Sink節(jié)點運動軌跡就能很好的解決延時大與能耗高等問題。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明公開了一種基于馬爾科夫模型選擇Sink路徑的數(shù)據(jù)收集方法，主要解決 移動無線傳感器網(wǎng)絡(luò)中感知區(qū)域不連通、區(qū)域內(nèi)數(shù)據(jù)容易溢出、節(jié)點能量浪費嚴(yán)重以及網(wǎng) 絡(luò)整體延時大等問題。本發(fā)明首先對監(jiān)控的無線傳感器網(wǎng)絡(luò)進行區(qū)域劃分，然后應(yīng)用馬爾 科夫模型預(yù)測節(jié)點位置，其次根據(jù)預(yù)測得到的期望值對網(wǎng)絡(luò)區(qū)域賦予優(yōu)先級，再對各區(qū)域 進行數(shù)據(jù)融合，最后得到最優(yōu)的移動Sink運動軌跡。
[0006] 根據(jù)本發(fā)明的一個方面，提供一種基于馬爾科夫模型選擇Sink路徑的數(shù)據(jù)收集 方法，包括以下步驟：
[0007] 步驟1、對監(jiān)控的無線傳感器網(wǎng)絡(luò)進行區(qū)域劃分：
[0008] 為了覆蓋全部監(jiān)控區(qū)域，將矩形的監(jiān)控區(qū)域按照邊長為

【權(quán)利要求】
1. 基于馬爾科夫模型選擇Sink路徑的數(shù)據(jù)收集方法，其特征在于，所述方法至少包括 以下步驟： 步驟1、對監(jiān)控的無線傳感器網(wǎng)絡(luò)進行區(qū)域劃分； 步驟2、根據(jù)節(jié)點運動的歷史軌跡，得到所有節(jié)點的轉(zhuǎn)移概率矩陣Gnxn ; 步驟3、根據(jù)轉(zhuǎn)移概率矩陣Gnxn預(yù)測下一輪中各個區(qū)域的節(jié)點數(shù)目，并賦予優(yōu)先級； 步驟4、各區(qū)域進行簇頭選舉，當(dāng)選簇頭的節(jié)點融合并攜帶區(qū)域內(nèi)節(jié)點采集的數(shù)據(jù)，直 到移動Sink節(jié)點收集； 步驟5、移動Sink節(jié)點根據(jù)步驟3中得到的區(qū)域優(yōu)先級依次進行數(shù)據(jù)收集； 步驟6、移動Sink節(jié)點進行數(shù)據(jù)處理，若網(wǎng)絡(luò)中無節(jié)點死亡，則完成單輪數(shù)據(jù)收集，經(jīng) 過時間t(t為每一輪統(tǒng)計收集的周期）后跳轉(zhuǎn)至步驟3,否則結(jié)束，完成整個數(shù)據(jù)收集。
2. 根據(jù)權(quán)利要求1所述的基于馬爾科夫模型選擇Sink路徑的數(shù)據(jù)收集方法，其特征在 于所述的區(qū)域劃分，包括將矩形的監(jiān)控區(qū)域按照邊長為#/2 (R為節(jié)點的通信半徑）的正 方形區(qū)域進行劃分，正方形內(nèi)接于圓，并依次賦予區(qū)域的編號1，2, ...，i，...，N。
3. 根據(jù)權(quán)利要求1或2所述的基于馬爾科夫模型選擇Sink路徑的數(shù)據(jù)收集方法，其特 征還包括根據(jù)節(jié)點運動的歷史軌跡，得到被劃分為N個區(qū)域的網(wǎng)絡(luò)中各節(jié)點的轉(zhuǎn)移概率矩 /7(Hij) 陣Gnxn的過程(/? =P{Α? + 1)=狀㈨=G=夢，其中Fsub (H，ij)表示節(jié)點A相應(yīng) 的歷史位置序列H中，子序列ij出現(xiàn)的頻數(shù)，F(xiàn)sub (H，i)表示節(jié)點A在相應(yīng)的歷史位置序列 中，子序列i出孤的頗數(shù)，η,,衷TK節(jié)點3前々卜亦厭域i而下一時刻處在區(qū)域j的概率）：
4.根據(jù)權(quán)利要求1的基于馬爾科夫模型選擇Sink路徑的數(shù)據(jù)收集方法，其特征在于所 述的轉(zhuǎn)移概率矩陣可以預(yù)測下一時刻區(qū)域I，2, . . .，i，. . .，N出現(xiàn)節(jié)點數(shù)目的期望值Ki = Iii1Xp1Am2Xp21+…+m nXpnl，其中Iiii為當(dāng)前時刻i區(qū)域的節(jié)點數(shù)目，并根據(jù)Ki的大小以及網(wǎng) 絡(luò)的規(guī)模賦予優(yōu)先級Di,步驟至少還包括： 1) 當(dāng)網(wǎng)絡(luò)為小型網(wǎng)絡(luò)時（N<= 10為小型網(wǎng)絡(luò)），計算網(wǎng)絡(luò)中各個區(qū)域下一輪傳感器 節(jié)點的數(shù)目期望，并根據(jù)期望值大小依次進行優(yōu)先級排序； 2) 當(dāng)網(wǎng)絡(luò)為大型網(wǎng)絡(luò)時（N> 10為大型網(wǎng)絡(luò)），將優(yōu)先級進行如下等級排序：將優(yōu)先級 靠前的前j個區(qū)域劃分為第一優(yōu)先級，緊接著的第j+Ι到2Xj優(yōu)先級的區(qū)域設(shè)置為第二優(yōu) 先級，依次類推，可將網(wǎng)絡(luò)劃分為個優(yōu)先級。
5. 根據(jù)權(quán)利要求1所述的基于馬爾科夫模型選擇Sink路徑的數(shù)據(jù)收集方法，其特征在 于當(dāng)傳感器節(jié)點經(jīng)過t時間移動到某一區(qū)域后，每個區(qū)域都執(zhí)行LEACH分簇算法，簇頭節(jié)點 融合數(shù)據(jù)并攜帶，直到移動Sink節(jié)點收集數(shù)據(jù)。
6.根據(jù)權(quán)利要求1或5所述的基于馬爾科夫模型選擇Sink路徑的數(shù)據(jù)收集方法，其特 征在于所述的移動Sink可根據(jù)需求設(shè)定在網(wǎng)絡(luò)中的任一區(qū)域，移動Sink節(jié)點在不同網(wǎng)絡(luò) 規(guī)模下的路徑設(shè)定，至少還包括： 1) 當(dāng)網(wǎng)絡(luò)為小型網(wǎng)絡(luò)時，移動Sink節(jié)點根據(jù)各個區(qū)域的優(yōu)先等級進行先后移動，經(jīng)過 時間t后再進行下一輪數(shù)據(jù)收集； 2) 當(dāng)網(wǎng)絡(luò)為大型網(wǎng)絡(luò)時，移動Sink節(jié)點根據(jù)各個區(qū)域的優(yōu)先級進行先后移動，在同一 優(yōu)先級內(nèi)及跨越到下一優(yōu)先級內(nèi)收集數(shù)據(jù)時，均依照貪心算法，先收集距離自己最近區(qū)域 內(nèi)的數(shù)據(jù)，以此類推，直到經(jīng)過時間t后再進行下一輪數(shù)據(jù)收集。
【文檔編號】H04W40/02GK104270796SQ201410584230
【公開日】2015年1月7日 申請日期:2014年10月23日 優(yōu)先權(quán)日:2014年10月23日
【發(fā)明者】李哲濤, 臧浪, 朱更明, 田淑娟, 朱江 申請人:湘潭大學(xué)