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