基于马尔科夫模型选择Sink路径的数据收集方法
【专利摘要】本发明提出一种基于马尔科夫模型选择Sink路径的数据收集方法。首先对监控的无线传感器网络进行区域划分，然后应用马尔科夫模型预测节点位置，其次根据预测得到的节点数目期望值对网络区域赋予优先级，再对各区域进行数据融合，最后得到最优的移动Sink节点运动轨迹。本发明能适用于不同规模大小的网络，具有节省网络能量、延长网络生存周期、降低网络整体延时、并防止数据溢出等优点。
【专利说明】基于马尔科夫模型选择Sink路径的数据收集方法
【技术领域】
[0001] 本发明主要涉及到无线传感器网络数据收集领域，特别涉及到一种移动无线传感 器网络中基于马尔科夫模型选择Sink路径的数据收集方法。
【背景技术】
[0002] 无线传感器网络（WSN，Wireless Sensor Network)是由大量小型传感器节点、通 过无线通信方式所组成的网络。该网络一般由一个或几个基站（称作Sink)用来收集从传 感器节点感知的数据。它能够获取客观物理信息，在军事国防、生物医疗、抢险救灾等领域 都有十分广阔的前景。
[0003] 对于传感器节点静止的无线传感器网络，静态汇聚节点只需在网络的初始化阶段 向全网范围内洪泛一次查询消息即可完成后续整个监控过程的数据收集。传感器节点在 采集到数据后可以顺利的通过确定的链路将数据传递到汇聚节点，再由汇聚节点传递给用 户。对于传感器节点移动的无线传感器网络，汇聚节点的连续移动造成的多次洪泛将会给 全网带来极大的通信和能量开销。针对移动无线传感器网络存在的问题通常采用携带-转 发的路由策略来应对网络的间歇性连通。移动的快递员节点在经过各子网时收集子网内的 数据，直到遇到汇聚节点或者更大概率遇到汇聚节点的中继节点时再将数据转发出去。但 是该方法对网络中每个节点的要求都很高，因为每个节点都有可能充当快递员节点，而节 点的缓存空间有限，不及时释放节点缓存空间将造成数据的丢失。另外由于快递员节点也 是随机移动的，所以网络的延时往往会很大，而且会产生很多冗余数据，能耗损失严重。
[0004] 移动的Sink节点主动收集数据能很好的解决网络间歇性连通以及传输延时很大 的问题。由于无线传感器网络中节点能量的有限性与要求对数据的实时性，故亟需一种有 效的移动Sink节点路径选择方法。由于网络中传感器节点的下一轮位置与其以前所处的 位置无关而仅仅与其当前所处的位置有关，故用马尔科夫模型对节点的位置进行预测是可 行的。首先对监控的无线传感器网络进行区域划分，然后应用马尔科夫模型预测节点位置， 其次根据预测得到的节点数目期望值对网络区域赋予优先级，再对各区域进行数据融合， 最后得到最优的移动Sink节点运动轨迹就能很好的解决延时大与能耗高等问题。
【发明内容】
[0005] 本发明公开了一种基于马尔科夫模型选择Sink路径的数据收集方法，主要解决 移动无线传感器网络中感知区域不连通、区域内数据容易溢出、节点能量浪费严重以及网 络整体延时大等问题。本发明首先对监控的无线传感器网络进行区域划分，然后应用马尔 科夫模型预测节点位置，其次根据预测得到的期望值对网络区域赋予优先级，再对各区域 进行数据融合，最后得到最优的移动Sink运动轨迹。
[0006] 根据本发明的一个方面，提供一种基于马尔科夫模型选择Sink路径的数据收集 方法，包括以下步骤：
[0007] 步骤1、对监控的无线传感器网络进行区域划分：
[0008] 为了覆盖全部监控区域，将矩形的监控区域按照边长为
【权利要求】
1. 基于马尔科夫模型选择Sink路径的数据收集方法，其特征在于，所述方法至少包括 以下步骤： 步骤1、对监控的无线传感器网络进行区域划分； 步骤2、根据节点运动的历史轨迹，得到所有节点的转移概率矩阵Gnxn ; 步骤3、根据转移概率矩阵Gnxn预测下一轮中各个区域的节点数目，并赋予优先级； 步骤4、各区域进行簇头选举，当选簇头的节点融合并携带区域内节点采集的数据，直 到移动Sink节点收集； 步骤5、移动Sink节点根据步骤3中得到的区域优先级依次进行数据收集； 步骤6、移动Sink节点进行数据处理，若网络中无节点死亡，则完成单轮数据收集，经 过时间t(t为每一轮统计收集的周期）后跳转至步骤3,否则结束，完成整个数据收集。
2. 根据权利要求1所述的基于马尔科夫模型选择Sink路径的数据收集方法，其特征在 于所述的区域划分，包括将矩形的监控区域按照边长为#/2 (R为节点的通信半径）的正 方形区域进行划分，正方形内接于圆，并依次赋予区域的编号1，2, ...，i，...，N。
3. 根据权利要求1或2所述的基于马尔科夫模型选择Sink路径的数据收集方法，其特 征还包括根据节点运动的历史轨迹，得到被划分为N个区域的网络中各节点的转移概率矩 /7(Hij) 阵Gnxn的过程(/? =P{Α? + 1)=狀㈨=G=梦，其中Fsub (H，ij)表示节点A相应 的历史位置序列H中，子序列ij出现的频数，Fsub (H，i)表示节点A在相应的历史位置序列 中，子序列i出孤的颇数，η,,衷TK节点3前々卜亦厌域i而下一时刻处在区域j的概率）：
4.根据权利要求1的基于马尔科夫模型选择Sink路径的数据收集方法，其特征在于所 述的转移概率矩阵可以预测下一时刻区域I，2, . . .，i，. . .，N出现节点数目的期望值Ki = Iii1Xp1Am2Xp21+…+m nXpnl，其中Iiii为当前时刻i区域的节点数目，并根据Ki的大小以及网 络的规模赋予优先级Di,步骤至少还包括： 1) 当网络为小型网络时（N<= 10为小型网络），计算网络中各个区域下一轮传感器 节点的数目期望，并根据期望值大小依次进行优先级排序； 2) 当网络为大型网络时（N> 10为大型网络），将优先级进行如下等级排序：将优先级 靠前的前j个区域划分为第一优先级，紧接着的第j+Ι到2Xj优先级的区域设置为第二优 先级，依次类推，可将网络划分为个优先级。
5. 根据权利要求1所述的基于马尔科夫模型选择Sink路径的数据收集方法，其特征在 于当传感器节点经过t时间移动到某一区域后，每个区域都执行LEACH分簇算法，簇头节点 融合数据并携带，直到移动Sink节点收集数据。
6.根据权利要求1或5所述的基于马尔科夫模型选择Sink路径的数据收集方法，其特 征在于所述的移动Sink可根据需求设定在网络中的任一区域，移动Sink节点在不同网络 规模下的路径设定，至少还包括： 1) 当网络为小型网络时，移动Sink节点根据各个区域的优先等级进行先后移动，经过 时间t后再进行下一轮数据收集； 2) 当网络为大型网络时，移动Sink节点根据各个区域的优先级进行先后移动，在同一 优先级内及跨越到下一优先级内收集数据时，均依照贪心算法，先收集距离自己最近区域 内的数据，以此类推，直到经过时间t后再进行下一轮数据收集。
【文档编号】H04W40/02GK104270796SQ201410584230
【公开日】2015年1月7日 申请日期:2014年10月23日 优先权日:2014年10月23日
【发明者】李哲涛, 臧浪, 朱更明, 田淑娟, 朱江 申请人:湘潭大学