数据最常用的能耗模型为：
[0047] Es(k,d) = Geiec X k+e amp XkXd^ (5)
[004引其中，Es(k，d)为能量的消耗，k表示传输数据的比特值，d表示每跳之间的距离， Gele。和Eamp是功率放大器的相关参数，r为参数。
[0049]可W看出每跳传输的距离越远，能量消耗越大，而且整个系统消耗的总能量应该 是各个转发节点传送数据消耗能量的总和。如果两个节点之间距离为D传送数据需要n跳， 那么，运n跳传输距离相同时，所消耗的总能量应该是最少的，设n跳间的距离d = D/n。则一 次传输所消耗的系统总能量为：
[0051] 其中，E总为系统总能耗，k表示传输数据的比特值，D表示起点到终点的距离，d表示 每跳之间的距离，eelec和Eamp是功率放大器的相关参数，r为参数。
[0052] 为了求出E总的最小值，对d求导并且令导数为0。则：
[0053] -DXeeiecXkd-2+(r-l)DXeampXk(f-2 = 0 (7)
[0054] 其中，E总为系统总能耗，k表示传输数据的比特值，D表示起点到终点的距离，d表示 每跳之间的距离，eelec和Eamp是功率放大器的相关参数，r为参数。
[0055] 令r = 2。解得：
[0057]当传输路径上的节点的传输距离都接近加寸，整个传输路径所消耗的总能量是最 少的。所W空间相关性数据传输路径选择每个节点传输大约d的距离。
[005引本发明原理及有益效果：详细分析了基于时空相关性的EAST算法的优缺点，并且 针对EAST算法在收集数据精度与能耗方面的不足，提出了改进算法。通过灰色模型来充分 利用节点收集到的环境数据进行建模，当检测到异常事件发生时，建立基于网格的簇，在簇 头节点和leader的选取上，综合考虑剩余能量与距离因素，最后利用理论最优路径传输数 据。相比于EAST算法，提出的GM_EAST算法在数据精度与能量有效性方面都有显著的提高。
[0059] 从两个方面对实验结果进行分析，首先是数据精度，其次是能量有效性。使用the Intel Berkeley Research Lab in 2004的数据集，从数据集中随机提取出S天的数据信 息进行实验。同时，将400个节点随机部署在300m*300m的空间范围内，模拟异常事件的发 生，并且将改进的算法与原始的EAST算法进行了比较，实验结果显示，无论从精度还是能 耗，算法性能相比于EAST算法均有所提升。实验参数如表1所示。
[0060] 表 1
[0062] 就数据精度方面，使用的灰度算法需要设定t个初始值才能使算法不断运行，运里 t设置的越大，灰度模型精度越大，但是过大的t值会使节点的计算量过大，从而导致不必要 的能量消耗。为了得到合适的t值，令t在巧Ijg之间取值，分别在E = O.巧Ije = I时进行仿真实 验，针对每个t值，求出在数据集上精度，然后求出精度的增长率，来决定最优t值。从表2中 可W看出，当E = O. 1,0.3,0.4,0.5,0.6,0.8,0.9时，t取5时，数据精度增长率取最大值。当e =巧日0.7时，t取6时，数据精度增长率取最大值。当e = 0.2时，t取4时，数据精度增长率取最 大值。综合考虑数据精度增长率W及运算量，取t的最优值为5。下面的仿真对比实验均默认 灰色模型中t取5。
[0063] 表 2
[00化]对于数据精度的比较，实验对比如图2所示，由于方法引入了灰色模型，充分利用 时间相关信息，从而降低了均方误差，提高了数据精度。网络生命周期实验对比结果，根据 图3所示，可W看出死亡相同数量节点时，算法经历的时间更长，运是由于提出的优先级模 型综合考虑了剩余能量和传输距离。根据图4可W看出本发明的方法能耗更低，因为采取了 一个近似最优路径的传输方法，从而将系统能耗尽量降低。
【主权项】
1. 一种基于灰色模型预测的EAST改进算法，其特征在于以下步骤： 第一步，建立基于灰色模型的时间相关性模型； 首先，收集一些历史数据，分别存储在成员节点队列Qm和s ink节点队列Qs中，假设这些 历史数据为X(()): χ(0)=(χ(0)⑴，χ(ο)⑵，χ(ο)⑶..·χ(ο)⑴）⑴ x(Q)(i)，i = l，2,3~t代表i时刻的原始数据，t是建立模型所需原始数据的个数； 然后对原始数据队列进行累加生成得到队列X(1): X(1) = (x(1)(l),x(1)(2),x(1)(3)...x(1)(t)) (2) 其中：X⑴（/〇=Σ?ι Λ：(?))ω，是累加生成的结果，x(<))⑴是公式⑴中i时刻的原始数 据； 则得出单变量一阶灰色模型为：(3) 其中，X(1)是累加生成队列，a，b分别为参数； 令矩阵通过最小二乘法 求得参数其中，x((3)(i)是公式（1)中的原始数据，x(1)(i)是公式(2) 中的累加生成数据； 求出t+Ι的累加生成结果，其中是参数， 由此求出t+Ι时刻的预测值：f+ ⑴+ 1) - f⑴(X); 预测值与真实值的差Δ(? + 1)=交(0% + 1) - + 1);其中#0)(t + 1)是t+1 时刻的预测值，x((3)(t+l)是t+1时刻的真实值； 令ε为模型更新阈值，Θ为事件检测阈值； 当Δ(?+1)〈ε时，成员节点不向sink传输数据，并且继续下一周期的预测； 当e〈A(t+l)〈0时，将收集到的数据传给sink，然后更新模型； 当A(t+1)>0时，此时成员节点需要马上将异常值传送给sink节点； 第二步，空间相关性模型建立;第三步，数据传输。2. 根据权利要求1所述的基于灰色模型预测的EAST改进算法，其特征在于所述的空间 相关性模型建立方法如下： 当有异常事件发生时，所有检测出异常的节点都要计算出自己成为领导者的优先级， 选取优先级最高的那个节点作为领导者，优先级Priority描述如下：其中，α和β是权重系数，根据不同的重要性等级为系数分配不同的值，但a+PiUEdPSi 分别是节点i的剩余能量和节点i距离s ink节点的距离； 假设异常事件发生区域为圆形；以最开始检测到事件的节点为中心，建立边长为c的若 干个网格，使所有网格覆盖整个事件区域;根据中心节点的坐标和节点自身坐标 (Xl，yi)和网格边长c得到事件区域中每个节点所在的网格位置： 杏则，xc = 〇;其中，X。为节点所在网格的横坐标，Χη为节点的横坐标，为事件的横坐标，c为网格边 长;同理求出节点所在网格的纵坐标y。； 然后对每个相关区域的节点进行投票选举出簇头，选举的模型和式(4)相同，其中，α和 β是权重系数，根据不同的重要性等级为系数分配不同的值，但分别是节点i 的剩余能量和节点i距离领导者的距离； 第三步，数据传输。3.根据权利要求1或2所述的基于灰色模型预测的EAST改进算法，其特征在于数据传输 方法如下： 成员节点将数据发送给簇头，簇头将收集到的数据发送给领导者，领导者将收集到的 数据发送给sink节点； 簇头将数据发送给领导者和领导者发送给sink节点的过程中，找到传输路径上的等分 点，使相邻两点距离都为d，找到距离这些等分点最近的节点作为转发节点；其中，和是功率放大器的相关参数。
【专利摘要】一种基于灰色模型预测的EAST改进算法，属于无线传感网络技术领域。本发明包括如下步骤：第一步：建立基于灰色模型的时间相关性模型；第二步：空间相关性模型建立；第三步：数据传输。该算法继承了EAST算法的框架结构，同时利用灰色模型提高原算法的精度，利用优先级选举模型提高体统能量有效性。本发明通过灰色模型来充分利用节点收集到的环境数据进行建模，当检测到异常事件发生时，建立基于网格的簇，在簇头节点和领导者的选取上，综合考虑剩余能量与距离因素，最后利用理论最优路径传输数据。相比于EAST算法，我们提出的GM_EAST算法在数据精度与能量有效性方面都有显著的提高。
【IPC分类】H04W84/18, H04W40/32, H04W24/00, H04W40/10, H04W40/02, H04W52/02
【公开号】CN105636081
【申请号】CN201610053939
【发明人】常城, 王凡, 胡小鹏
【申请人】大连理工大学
【公开日】2016年6月1日
【申请日】2016年1月26日