基于時(shí)間和空間預(yù)測(cè)的無(wú)線自組網(wǎng)自適應(yīng)轉(zhuǎn)發(fā)方法
【專利摘要】本發(fā)明涉及一種無(wú)線自組網(wǎng)機(jī)會(huì)轉(zhuǎn)發(fā)方法，屬于無(wú)線傳感器網(wǎng)絡(luò)傳輸領(lǐng)域?；跁r(shí)間和空間預(yù)測(cè)的無(wú)線自組網(wǎng)自適應(yīng)轉(zhuǎn)發(fā)方法，具體包括如下部分：1）構(gòu)建干擾度優(yōu)化的連通子圖，2）構(gòu)建出基于連通子圖的聯(lián)系時(shí)空預(yù)測(cè)模型，3）探測(cè)出聯(lián)系時(shí)空預(yù)測(cè)模型中時(shí)間序列異常值，4）基于時(shí)間和空間預(yù)測(cè)的自適應(yīng)機(jī)會(huì)確定確定轉(zhuǎn)發(fā)模型。本發(fā)明可以將無(wú)線自組網(wǎng)建模為社會(huì)網(wǎng)絡(luò)，進(jìn)而建立合適的時(shí)空聯(lián)系移動(dòng)預(yù)測(cè)模型，并通過(guò)貝葉斯方法對(duì)預(yù)測(cè)模型中的時(shí)間序列進(jìn)行優(yōu)化，提出一種高效的機(jī)會(huì)轉(zhuǎn)發(fā)機(jī)制，提高無(wú)線自組網(wǎng)的性能。而且本發(fā)明可在網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)頻繁改變的情況下，實(shí)現(xiàn)自適應(yīng)的高效預(yù)測(cè)與轉(zhuǎn)發(fā)。
【專利說(shuō)明】基于時(shí)間和空間預(yù)測(cè)的無(wú)線自組網(wǎng)自適應(yīng)轉(zhuǎn)發(fā)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種無(wú)線自組網(wǎng)機(jī)會(huì)轉(zhuǎn)發(fā)方法，特別涉及一種基于時(shí)間和空間預(yù)測(cè)的無(wú)線自組網(wǎng)自適應(yīng)轉(zhuǎn)發(fā)方法，屬于無(wú)線傳感器網(wǎng)絡(luò)傳輸領(lǐng)域。
【背景技術(shù)】
[0002]目前無(wú)線自組網(wǎng)中的機(jī)會(huì)轉(zhuǎn)發(fā)機(jī)制主要包含以下4類:
[0003]1、基于冗余的轉(zhuǎn)發(fā)機(jī)制一每個(gè)消息產(chǎn)生多個(gè)冗余消息在網(wǎng)絡(luò)中擴(kuò)散，通過(guò)多路徑并行傳輸提高消息傳輸性能，通信代價(jià)高。
[0004]2、基于效用的轉(zhuǎn)發(fā)機(jī)制——利用預(yù)測(cè)函數(shù)給每個(gè)節(jié)點(diǎn)賦予轉(zhuǎn)發(fā)效用值，當(dāng)兩個(gè)節(jié)點(diǎn)相遇時(shí)，消息從效用值低的節(jié)點(diǎn)轉(zhuǎn)發(fā)到效用值高的節(jié)點(diǎn)，直到目標(biāo)節(jié)點(diǎn)，實(shí)時(shí)性欠缺。
[0005]3、冗余效用混合機(jī)制——代價(jià)高昂。
[0006]4、基于主動(dòng)運(yùn)動(dòng)的轉(zhuǎn)發(fā)機(jī)制——網(wǎng)絡(luò)中某些節(jié)點(diǎn)在部署區(qū)域內(nèi)主動(dòng)運(yùn)動(dòng)來(lái)為其他節(jié)點(diǎn)提供通信服務(wù)，傳輸效率有所提高，但無(wú)自適應(yīng)機(jī)制。

【發(fā)明內(nèi)容】

[0007]本發(fā)明研究開(kāi)發(fā)了一種基于時(shí)間和空間預(yù)測(cè)的無(wú)線自組網(wǎng)自適應(yīng)轉(zhuǎn)發(fā)方法，目的在于:提出一種高效的自適應(yīng)機(jī)會(huì)轉(zhuǎn)發(fā)機(jī)制，提高無(wú)線自組網(wǎng)的數(shù)據(jù)轉(zhuǎn)發(fā)效能和可靠性。
[0008]本發(fā)技術(shù)方案:
[0009]基于時(shí)間和空間預(yù)測(cè)的無(wú)線自組網(wǎng)自適應(yīng)轉(zhuǎn)發(fā)方法，其特征在于，具體包括如下部分:1)、構(gòu)建干擾度優(yōu)化的連通子圖，
[0010]2)、構(gòu)建出基于連通子圖的聯(lián)系時(shí)空預(yù)測(cè)模型，
[0011]3)、探測(cè)出聯(lián)系時(shí)空預(yù)測(cè)模型中時(shí)間序列異常值，
[0012]4)、基于時(shí)間和空間預(yù)測(cè)的自適應(yīng)機(jī)會(huì)確定確定轉(zhuǎn)發(fā)模型。
[0013]所述步驟I)中具體包括確定網(wǎng)絡(luò)初始結(jié)構(gòu)的網(wǎng)絡(luò)連通度，并對(duì)網(wǎng)絡(luò)干擾度進(jìn)行優(yōu)化，最后保持網(wǎng)絡(luò)連通度的拓?fù)浣Y(jié)構(gòu)得到優(yōu)化。
[0014]所述步驟2)中具體方法為:根據(jù)移動(dòng)節(jié)點(diǎn)聯(lián)系時(shí)間和聯(lián)系時(shí)間間隔分布確定時(shí)間預(yù)測(cè)公式，并結(jié)合聯(lián)系規(guī)律預(yù)測(cè)和空間位置預(yù)測(cè)從而得到轉(zhuǎn)發(fā)節(jié)點(diǎn)預(yù)測(cè)。
[0015]所述步驟3)的具體方法為:先對(duì)時(shí)間序列進(jìn)行建模，然后轉(zhuǎn)換為線性回歸模型，結(jié)合線性回歸模型異常值探測(cè)的貝葉斯方法，提出平穩(wěn)時(shí)間序列異常值探測(cè)的方法。
[0016]所述步驟4)的具體方法為:對(duì)未來(lái)節(jié)點(diǎn)的時(shí)間和空間的聯(lián)系概率進(jìn)行預(yù)測(cè)，并利用貝葉斯方法對(duì)預(yù)測(cè)中的時(shí)間序列進(jìn)行優(yōu)化，確定轉(zhuǎn)發(fā)模型，在節(jié)點(diǎn)相遇的時(shí)候轉(zhuǎn)發(fā)分組。
[0017]本發(fā)明的有益效果是:本發(fā)明可以將無(wú)線自組網(wǎng)建模為社會(huì)網(wǎng)絡(luò)，進(jìn)而建立合適的時(shí)空聯(lián)系移動(dòng)預(yù)測(cè)模型，并通過(guò)貝葉斯方法對(duì)預(yù)測(cè)模型中的時(shí)間序列進(jìn)行優(yōu)化，提出一種高效的機(jī)會(huì)轉(zhuǎn)發(fā)機(jī)制，提高無(wú)線自組網(wǎng)的性能。而且本發(fā)明可在網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)頻繁改變的情況下，實(shí)現(xiàn)自適應(yīng)的高效預(yù)測(cè)與轉(zhuǎn)發(fā)?！緦＠綀D】

【附圖說(shuō)明】
[0018]圖1為本發(fā)明連通子圖生成模型結(jié)構(gòu)圖。
[0019]圖2為本發(fā)明時(shí)空聯(lián)系移動(dòng)預(yù)測(cè)模型結(jié)構(gòu)圖。
[0020]圖3為本發(fā)明時(shí)間序列異常值探測(cè)模型結(jié)構(gòu)圖。
[0021]圖4為本發(fā)明時(shí)空機(jī)會(huì)轉(zhuǎn)發(fā)模型結(jié)構(gòu)圖。
[0022]圖5為本發(fā)明BJ建模方法流程結(jié)構(gòu)圖。
【具體實(shí)施方式】
[0023]下面結(jié)合實(shí)施例對(duì)本發(fā)明進(jìn)行進(jìn)一步描述。
[0024]實(shí)施例一:
[0025]如圖1至圖4所示，基于時(shí)間和空間預(yù)測(cè)的無(wú)線自組網(wǎng)自適應(yīng)轉(zhuǎn)發(fā)方法，具體包括如下部分:1)、構(gòu)建干擾度優(yōu)化的連通子圖，
[0026]2)、構(gòu)建出基于連通子圖的聯(lián)系時(shí)空預(yù)測(cè)模型，
[0027]3)、探測(cè)出聯(lián)系時(shí)空預(yù)測(cè)模型中時(shí)間序列異常值，
[0028]4)、基于時(shí)間和空間預(yù)測(cè)的自適應(yīng)機(jī)會(huì)確定確定轉(zhuǎn)發(fā)模型。
[0029]所述步驟I)中具體包括確定網(wǎng)絡(luò)初始結(jié)構(gòu)的網(wǎng)絡(luò)連通度，并對(duì)網(wǎng)絡(luò)干擾度進(jìn)行優(yōu)化，最后保持網(wǎng)絡(luò)連通度的拓?fù)浣Y(jié)構(gòu)得到優(yōu)化。
[0030]所述步驟2)中具體方法為:根據(jù)移動(dòng)節(jié)點(diǎn)聯(lián)系時(shí)間和聯(lián)系時(shí)間間隔分布確定時(shí)間預(yù)測(cè)公式，并結(jié)合聯(lián)系規(guī)律預(yù)測(cè)和空間位置預(yù)測(cè)從而得到轉(zhuǎn)發(fā)節(jié)點(diǎn)預(yù)測(cè)。
[0031]所述步驟3)的具體方法為:先對(duì)時(shí)間序列進(jìn)行建模，然后轉(zhuǎn)換為線性回歸模型，結(jié)合線性回歸模型異常值探測(cè)的貝葉斯方法，提出平穩(wěn)時(shí)間序列異常值探測(cè)的方法。
[0032]所述步驟4)的具體方法為:對(duì)未來(lái)節(jié)點(diǎn)的時(shí)間和空間的聯(lián)系概率進(jìn)行預(yù)測(cè)，并利用貝葉斯方法對(duì)預(yù)測(cè)中的時(shí)間序列進(jìn)行優(yōu)化，確定轉(zhuǎn)發(fā)模型，在節(jié)點(diǎn)相遇的時(shí)候轉(zhuǎn)發(fā)分組。
[0033]實(shí)施例二:
[0034]如圖1所示，將無(wú)線自組網(wǎng)的拓?fù)溆脠D的形式進(jìn)行形式化的描述，并通過(guò)子圖的生成算法，將原始的全連通的圖簡(jiǎn)化為一張新的能夠保持連通性的子圖。新的拓?fù)浣Y(jié)構(gòu)圖在保持整個(gè)無(wú)線自組網(wǎng)連通度不變的情況下，盡可能的簡(jiǎn)化網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和降低網(wǎng)絡(luò)中的互相干擾，同時(shí)有效的減小了其它算法執(zhí)行的復(fù)雜度。
[0035]如圖2所示，對(duì)整個(gè)拓?fù)鋱D中的具有相似聯(lián)系概率的節(jié)點(diǎn)進(jìn)行合理的劃分。然后，結(jié)合節(jié)點(diǎn)聯(lián)系時(shí)間和聯(lián)系間隔的時(shí)間分布，以及節(jié)點(diǎn)的空間位置的變化規(guī)律，預(yù)測(cè)轉(zhuǎn)發(fā)節(jié)點(diǎn)并建立相應(yīng)的時(shí)空預(yù)測(cè)模型。
[0036]如圖3所示，由于時(shí)間序列的觀測(cè)值經(jīng)常會(huì)受到異常擾動(dòng)的影響，因此，在綜合利用先驗(yàn)信息與觀測(cè)信息的基礎(chǔ)上，在一定的限制條件下，將時(shí)間序列的異常值探測(cè)問(wèn)題轉(zhuǎn)化為線性回歸模型的異常值探測(cè)問(wèn)題，結(jié)合線性回歸模型異常值探測(cè)的貝葉斯方法，提出平穩(wěn)時(shí)間序列異常值探測(cè)的方法。
[0037]如圖4所示，結(jié)合前述手段，在滿足連通度的要求的連通子圖的基礎(chǔ)上，對(duì)未來(lái)節(jié)點(diǎn)的時(shí)間和空間的聯(lián)系概率進(jìn)行合理預(yù)測(cè)，并利用貝葉斯方法對(duì)預(yù)測(cè)中的時(shí)間序列進(jìn)行合理的優(yōu)化，確定轉(zhuǎn)發(fā)模型，在節(jié)點(diǎn)相遇的時(shí)候轉(zhuǎn)發(fā)分組。
[0038]實(shí)施例三:[0039]整個(gè)轉(zhuǎn)發(fā)方法包括4個(gè)部分，分別是:連通子圖生成方法、時(shí)空聯(lián)系移動(dòng)預(yù)測(cè)模型、時(shí)間序列異常值探測(cè)模型、基于時(shí)空預(yù)測(cè)的機(jī)會(huì)轉(zhuǎn)發(fā)模型。
[0040](I)、連通子圖的生成方法
[0041]如圖1所示，將整個(gè)自組網(wǎng)用圖的形式表示，根據(jù)干擾度的評(píng)估情況來(lái)選擇鏈路并添加到空的子圖G’(V，E’)中，并在每次添加了新的鏈路后采用低計(jì)算成本算法，重新計(jì)算新添加鏈路的兩端點(diǎn)的一定范圍內(nèi)的終端的干擾度，以確定該鏈路是否確定添加。通過(guò)以上方法將原有網(wǎng)絡(luò)中的鏈路不斷地添加到新的拓?fù)浣Y(jié)構(gòu)中，直到所得到的拓?fù)浣Y(jié)構(gòu)是K連通的。為了降低計(jì)算復(fù)雜度我們采用新的算法來(lái)評(píng)估是否達(dá)到K連通，以便適應(yīng)無(wú)線自組網(wǎng)的實(shí)際狀況。
[0042](2)、時(shí)空聯(lián)系移動(dòng)預(yù)測(cè)模型
[0043]如圖2所示，
[0044]?模型首先預(yù)測(cè)節(jié)點(diǎn)間的歷史聯(lián)系規(guī)律，在步驟⑴生成的連通子圖中有η個(gè)節(jié)點(diǎn)，構(gòu)造歷史聯(lián)系概率矩陣P且其中的數(shù)值按如下方法進(jìn)行更新:
[0045]
【權(quán)利要求】
1.基于時(shí)間和空間預(yù)測(cè)的無(wú)線自組網(wǎng)自適應(yīng)轉(zhuǎn)發(fā)方法，其特征在于，具體包括如下部分: 1)、構(gòu)建干擾度優(yōu)化的連通子圖， 2)、構(gòu)建出基于連通子圖的聯(lián)系時(shí)空預(yù)測(cè)模型， 3)、探測(cè)出聯(lián)系時(shí)空預(yù)測(cè)模型中時(shí)間序列異常值， 4)、基于時(shí)間和空間預(yù)測(cè)的自適應(yīng)機(jī)會(huì)確定確定轉(zhuǎn)發(fā)模型。
2.根據(jù)權(quán)利要求1所述的基于時(shí)間和空間預(yù)測(cè)的無(wú)線自組網(wǎng)自適應(yīng)轉(zhuǎn)發(fā)方法，其特征在于:所述步驟I)中具體包括確定網(wǎng)絡(luò)初始結(jié)構(gòu)的網(wǎng)絡(luò)連通度，并對(duì)網(wǎng)絡(luò)干擾度進(jìn)行優(yōu)化，最后保持網(wǎng)絡(luò)連通度的拓?fù)浣Y(jié)構(gòu)得到優(yōu)化。
3.根據(jù)權(quán)利要求1所述的基于時(shí)間和空間預(yù)測(cè)的無(wú)線自組網(wǎng)自適應(yīng)轉(zhuǎn)發(fā)方法，其特征在于:所述步驟2)中具體方法為:根據(jù)移動(dòng)節(jié)點(diǎn)聯(lián)系時(shí)間和聯(lián)系時(shí)間間隔分布確定時(shí)間預(yù)測(cè)公式，并結(jié)合聯(lián)系規(guī)律預(yù)測(cè)和空間位置預(yù)測(cè)從而得到轉(zhuǎn)發(fā)節(jié)點(diǎn)預(yù)測(cè)。
4.根據(jù)權(quán)利要求1所述的基于時(shí)間和空間預(yù)測(cè)的無(wú)線自組網(wǎng)自適應(yīng)轉(zhuǎn)發(fā)方法，其特征在于:所述步驟3)的具體方法為:先對(duì)時(shí)間序列進(jìn)行建模，然后轉(zhuǎn)換為線性回歸模型，結(jié)合線性回歸模型異常值探測(cè)的貝葉斯方法，提出平穩(wěn)時(shí)間序列異常值探測(cè)的方法。
5.根據(jù)權(quán)利要求1所述的基于時(shí)間和空間預(yù)測(cè)的無(wú)線自組網(wǎng)自適應(yīng)轉(zhuǎn)發(fā)方法，其特征在于:所述步驟4)的具體方法為:對(duì)未來(lái)節(jié)點(diǎn)的時(shí)間和空間的聯(lián)系概率進(jìn)行預(yù)測(cè)，并利用貝葉斯方法對(duì)預(yù)測(cè)中的時(shí)間序列進(jìn)行優(yōu)化，確定轉(zhuǎn)發(fā)模型，在節(jié)點(diǎn)相遇的時(shí)候轉(zhuǎn)發(fā)分組。
【文檔編號(hào)】H04W84/18GK103561443SQ201310552114
【公開(kāi)日】2014年2月5日 申請(qǐng)日期:2013年11月9日 優(yōu)先權(quán)日:2013年11月9日
【發(fā)明者】劉迪, 楊鳳, 蘇安, 宋華寧, 鄒琦萍, 吳啟明 申請(qǐng)人:劉迪