移动式自组网络中脱离节点等待时间最优决策方法及系统

技术领域

本发明涉及通信技术领域，具体地，涉及移动式自组网络中脱离节点等待时间最优决策方法及系统。

背景技术

海洋的实时观测一直是一个非常重要的研究课题。在这个场景下，各种传感器(节点)被广泛用于收集不同类型的海洋数据。收集的数据通常在传感器之间传送，并由一个或多个主节点收集，最终由门节点将所有数据发送到基站或卫星。

然而，海洋环境的随机性始终是保证节点之间实现稳定通信的挑战。为了应对这种动态环境，使用移动自组织网络(MANET)来建立节点之间的连接是有效的。此外，延迟容忍网络(DTN)可以支持间歇性连接需求，这意味着每个节点可以临时保存收集的数据并等待节点进入网络并重建连接。

海洋中节点的运动可以模拟为二维随机游走，可以在一定程度上代表不断变化的海洋条件。如果节点移出网络并重新进入，实际上有两种可能性。一个是节点返回原来的簇与原主节点通信，另一个是它可以与网络中的其他主节点建立连接。我们可以很容易地看到，对于不同数量的节点和不同的广播半径，这两种可能性对脱离节点重返网络时间的影响也会发生变化。

因此，对于从网络脱离的节点，可以采取两种动作。第一个是节点可以直接将收集的数据发送到基站，但代价是消耗更多的能量。第二个是节点等待一段时间重新加入网络并将数据发送到主节点，这可能会影响数据的时效性。

公开号为CN101489308B的专利公开了一种用于无线自组网流内竞争的主动等待传输方法，节点在成功发送数据报文后，即使仍有报文需要发送，也不立即开始对无线信道的竞争，而是通过等待主动的避让邻居节点和邻近节点，在当前正在发送的数据报文离开自己的干扰范围之后才开始发送下一个数据报文，在等待期间，节点切换到休眠状态。

在动态的海洋环境中，每个脱离节点需要决定在直接发送数据之前应等待多长时间以平衡能耗和数据的及时性。因此，需要一种等待时间最优决策方法进行节点的控制。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种移动式自组网络中脱离节点等待时间最优决策方法及系统。

根据本发明提供的一种移动式自组网络中脱离节点等待时间最优决策方法，包括：

节点运动模型建立步骤：引入二维随机游走模型，在每个时间间隔中，通过改变步数N来模拟节点的运动速度；

重返时间模型建立步骤：通过分析两个极端模型得到重返时间模型，所述两个极端模型包括：步数N和广播半径r同时取低区间值或高区间值时的网络；

最优等待时间求解步骤：综合考虑能耗和数据的时效性，计算得到最优等待时间，脱离节点在所述最优等待时间内等待来自网络的主节点的连接请求并重建连接，在超过所述最优等待时间后，脱离节点直接向基站发送数据。

优选地，步数N和广播半径r的关系为：

Cov＝1-e^ax+b

其中Cov表示网络的覆盖率，x代表步数N和广播半径r，a和b是模型参数。

优选地，通过分析两个极端模型得到重返时间模型的方法包括计算两个极端模型的权重。

优选地，数据的时效性符合指数衰减模型：

Value＝Ae^-at

其中Value表示数据在时间为t的价值，A和a是模型参数，e为自然常数；

数据的时效性为未在节点等待时间T内发送的所有数据价值的总和Value_T：

优选地，综合考虑能耗和数据的时效性后，节点等待时间T的整个效用P_T为：

P_T＝Value_T-E_T

其中，E_T是节点等待时间T的能量消耗，节点等待时间T的效用期望E(P_T)为：

Value_i表示节点等待时间i的数据价值，PROB_t＝i表示等待时间为i时脱离节点重返网络的概率，MT表示节点直接向基站发送数据的能量消耗。

根据本发明提供的一种移动式自组网络中脱离节点等待时间最优决策系统，包括：

节点运动模型建立模块：引入二维随机游走模型，在每个时间间隔中，通过改变步数N来模拟节点的运动速度；

重返时间模型建立模块：通过分析两个极端模型得到重返时间模型，所述两个极端模型包括：步数N和广播半径r同时取低区间值或高区间值时的网络；

最优等待时间求解模块：综合考虑能耗和数据的时效性，计算得到最优等待时间，脱离节点在所述最优等待时间内等待来自网络的主节点的连接请求并重建连接，在超过所述最优等待时间后，脱离节点直接向基站发送数据。

优选地，步数N和广播半径r的关系为：

Cov＝1一e^ax+b

其中Cov表示网络的覆盖率，x代表步数N和广播半径r，a和b是模型参数。

优选地，通过分析两个极端模型得到重返时间模型的方法包括计算两个极端模型的权重。

优选地，数据的时效性符合指数衰减模型：

Value＝Ae^-at

其中Value表示数据在时间为t的价值，A和a是模型参数，e为自然常数；

数据的时效性为未在节点等待时间T内发送的所有数据价值的总和Value_T：

优选地，综合考虑能耗和数据的时效性后，节点等待时间T的整个效用P_T为：

P_T＝Value_T-E_T

其中，E_T是节点等待时间T的能量消耗，节点等待时间T的效用期望E(P_T)为：

Value_i表示节点等待时间i的数据价值，PROB_t＝i表示等待时间为i时脱离节点重返网络的概率，MT表示节点直接向基站发送数据的能量消耗。

与现有技术相比，本发明具有如下的有益效果：

本发明综合考虑了能量消耗和数据的时效性，优化海洋监测动态环境中脱离网络的节点在直接发送数据之前的最优等待时间，兼顾了能量消耗和数据的时效性。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明的工作流程图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

如图1所示，本发明提供的一种移动式自组网络中脱离节点等待时间最优决策方法，包括：

节点运动模型建立步骤：引入二维随机游走模型，在每个时间间隔中，通过改变步数N来模拟节点的运动速度；

重返时间模型建立步骤：通过分析两个极端模型得到重返时间模型，所述两个极端模型包括：步数N和广播半径r同时取低区间值或高区间值时的网络；

最优等待时间求解步骤：综合考虑能耗和数据的时效性，计算得到最优等待时间，脱离节点在所述最优等待时间内等待来自网络的主节点的连接请求并重建连接，在超过所述最优等待时间后，脱离节点直接向基站发送数据。

为了模拟动态海洋环境中节点的运动，本发明引入了一个二维随机游走模型，通过改变参数来区分不同的海洋条件。该模型是，在每个时间间隔中，节点选择随机方向并向该方向移动一步。有两种方法可以模拟节点的运动速度。一种是改变步数N，另一种是改变每一步的长度l。

在本发明中，采用改变步数来描述不同的运动速度。也就是说，每一步的长度l是不变的，但步数N可以改变。考虑影响节点速度的因素主要是海洋条件。当海洋条件剧烈时，波浪或风的方向可能更频繁地变化，并且力度更强，使得节点与平静状态相比以更短的时间移动相同的距离。本发明假设在一定的时间间隔内，节点经历一个完整的随机游走过程：移动N步骤，每步的长度为l，改变N可以更好地反映动态海洋环境中节点的不同运动速度。

为了计算脱离节点重新连接网络的时间概率分布，本发明首先假设两个极端条件，即步数N和广播半径r都取低值或高值的两种极端网络。当N和r取值较小时，网络的覆盖范围也很低，反之亦然。在覆盖率较低的网络中，如果一个节点离开原来所在的簇，它的周围环境可能没有任何其他簇，因此在这种情况下节点重新加入网络的时间概率分布等同于重新加入节点的原始簇。同时，如果N和r的值很大，因为未覆盖区域的比例远小于节点的运动范围，那么节点是否可以重新加入网络等同于在区域中随机撒一个节点以观察该节点是否被网络覆盖。

在分析了两个极端模型之后，可以推断出在正常条件下的模型，即N和r的值既不太低也不太高，可以由这两个极端模型乘以不同的权重来表示。

(1)返回原簇的时间概率模型

在网络覆盖率较低的情况下，当节点移出簇时，基于给出的节点运动模型，进行一系列仿真实验测试节点重新加入原来簇所需的时间。仿真实验中步数N从1变化到100以表示不同的运动速度。对于每个速度测试100，000个节点。数据拟合用于构建脱离网络节点重新加入原来簇的时间概率分布。拟合的目标函数是

num＝At^p

其中，num是返回原来簇的节点数，t是重返原来簇的时间。参数拟合的结果为：

A＝35496.9，p＝-1.4210

参数A除以实验中节点总数，得到

prob＝0.354969t^-1.4210

其中，prob表示节点在时间t重返原来簇的时间概率。

(2)网络覆盖模型

很明显，随着N和r的增加，网络覆盖率也会增加。假设节点分散在100*100的区域内，节点数量N从10到50不等，广播半径r也在10到50之间。本发明使用统计方法来计算网络的覆盖率。给定N和r，首先生成100个网络，并在每个网络中随机撒1，000个节点，统计被网络覆盖的节点数量，并计算具有相同N和r的不同网络的平均被网络覆盖的节点数。这个平均数除以1，000得到的比值作为网络的覆盖率。

根据实验结果，可以观察到网络覆盖率与N和r之间的关系为：

Cov＝1-e^ax+b

其中Cov表示网络的覆盖率，x代表节点数量N或广播半径r，a和b是待拟合的模型参数。两端取对数得到

ln(1-Cov)＝ax+b

在一个完整的公式中引入二进制函数来表示N和r后得到

ln(1-Cov)＝krN+sN+mr+t

其中，k，s，m，t是待拟合参数，基于实验数据拟合的结果为

k＝-0.007137156.s＝-0.023377563

m＝-0.05977249.t＝0.514174569

因此，网络覆盖率与N和r的关系模型为

Cov＝1-e^krN+sN+mr+t

其中Cov表示网络的覆盖率，k，s，m，t是待拟合模型参数，e为自然常数，取值约为2.71828。

(3)重返网络时间模型

本发明使用两种极端情况的节点重返网络模型来合成一般情况下的重返网络时间模型，并计算出两个极端模型的权重。

随着覆盖率的增加，未覆盖区域变得更小且更分散，这意味着脱离的节点可以通过更短的距离移动以重新加入网络。显然，移动距离与节点的重新连接时间直接相关。因此，本发明使用等效比例来描述节点将移动的距离，其定义为

其中，L是等效比例，Cov表示网络的覆盖率，1-Cov表示网络未覆盖的区域，其平方根可以反映分离节点在重新加入网络之前移动的距离。

基于分离节点重新加入原始簇的时间概率模型和网络覆盖率与节点的数量或广播半径之间的关系模型，分离节点重新加入网络的概率PROB表示为

PROB＝W*prob+(1-W)*Cov

W为第一个模型的权重，1-W为第二模型的权重，prob表示分离节点重新加入原始簇的时间概率，Cov表示网络覆盖率与节点的数量或广播半径之间的关系模型。W的计算公式为：

两个模型权重的比值K为

从上面的分析可以看出，等效比例L越大，分离节点周围的簇越少。在这种情况下，第一个模型的权重变大，并且K值变小。因此，我们假设该比率与等效比例高度相关，显然，它们是负相关的，且存在线性关系，根据实验结果拟合的模型为：

其中，K为两个模型的权重比值，L是等效比例，a和b是待拟合的参数，基于数据的拟合结果为：

a＝3.825.b＝-5.30412

当t＞1时，意味着边界与分离节点之间的距离变大，并且未覆盖区域形状的影响变小。也就是说，如果节点没有在短时间内重新加入，则重新加入时间的概率分布与覆盖率没有多大关系。因此，本发明假设当t＞1时，重新加入网络时间的概率等同重新加入原始簇的概率分布。因此，当t＞1时，分离节点重新加入网络的概率为

考虑到能耗和数据的时效性，本发明给出了一种方法，以获得最优的等待时间。设数据的时效性符合指数衰减模型，

Value＝Ae^-at

其中Value表示数据在时间为t的价值，A和a是模型参数。

假设分离节点确定直接向基站发送数据前的等待时间是T，并且假设在一个时间间隔内收集到主节点的数据是1个单位。同时，在等待时间内连续收集数据，因此如果节点等待时间是T，那么将所有这些数据发送到头节点的能耗是T，而发送到基站的能耗是M倍，即MT。当然，数据的时效性是未在T中发送的所有数据价值的总和，即

其中Value_T表示数据在等待T时间后价值，A和a是模型参数，

在综合考虑数据的时效性和能耗之后，等待时间为T的整个效用P_T为

P_T＝Value_T-E_T

其中，Value_T表示等待时间等于T的数据价值，E_T是等待时间等于T的能量消耗。因此，等待时间为T的效用期望E(P_T)为：

Value_i表示等待时间等于i的数据价值，PROB_t＝i表示时间为i脱离节点重返网络的概率，MT表示直接向基站发送数据的能量消耗。

根据上述一种移动式自组网络中脱离节点等待时间最优决策方法，本发明还提供一种移动式自组网络中脱离节点等待时间最优决策系统，包括：

节点运动模型建立模块：引入二维随机游走模型，在每个时间间隔中，通过改变步数N来模拟节点的运动速度；

重返时间模型建立模块：通过分析两个极端模型得到重返时间模型，所述两个极端模型包括：步数N和广播半径r同时取低区间值或高区间值时的网络；

最优等待时间求解模块：综合考虑能耗和数据的时效性，计算得到最优等待时间，脱离节点在所述最优等待时间内等待来自网络的主节点的连接请求并重建连接，在超过所述最优等待时间后，脱离节点直接向基站发送数据。

本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。