[发明专利]基于随机自动学习机与模糊算法的高吞吐量中继选择方法

说明书

本发明公布了一种基于随机自动学习机与模糊算法的高吞吐量中继选择方法。主要解决在无线传感网中由于子节点和协调器之间链路损耗大使网络性能严重下降的问题。所述的方法包括：通过将无线传感网和随机自动学习机相结合，源节点可以通过学习的方式，找到最佳中继，使系统达到平衡稳定的状态。对于中继节点将接收到的数据进行AF转发，不同传感器数据拥有不同优先级。具有高优先级的节点在一帧内可以多次接入信道，发送成功的概率高。中继节点采用模糊算法，实现负载均衡。本发明的实施例，保证节点在运行期间内无需人为干预，可以自适应的达到稳定状态，使网络整体吞吐量最大化，具有广泛的应用价值。

技术领域

本发明属于无线传感器网络技术领域，特别涉及基于随机自动学习机与模 糊算法的高吞吐量的继选择方法。

背景技术

在无线传感器网络中，无线传感器节点的资源非常有限，主要体现在能量、 存储能力、处理能力和通信宽带上。在一些场景中，如机器人搜救、无人机指 挥，传感器节点处于复杂的环境中，在源节点和目的节点直接距离远或者通信 链路质量差的情况下，采用直接传输的方式将使系统性能严重下降。合作通信 被证明是实现空间多样性和解决无线网络中日益增长的数据吞吐量需求的方 法。如何选择最佳中继，通过选择的中继进行多跳传输，进而提高网络的吞吐 量等性能指标，对无线传感器网络的研究具有深远的影响。

近年来，提出许多中继选择算法。例如提出的基于模型预测控制(MPC)的 方法，通过粒子群移动的算法来定位和控制中继节点的移动，通过简单的考虑 可用节点的数量来联合优化网络连接和吞吐量。另外，还有将遗传算法应用到 中继选择中。另外一种算法维护一个中继速率表，每次进行源节点到目标节点 的传输，要比较直接传输和潜在的协作传输之间速率，选出具有最快速率路径 进行传输。然而这种算法当链路质量下降时，通信性能将受到严重影响。在此 基础上，提出基于备份路径的辅助传输，来保证数据的可靠性，但这种方法采 用可用的潜在路径进行传输，不能选择使吞吐量最优的中继进行传输。

协调器端的通信，由媒体访问控制协议(MAC)提供周期性的监听/睡眠状 态，防止偷听和空闲监听。当前大多数的研究集中于解决传感器节点的能量消 耗问题。但这也导致了其他问题，传感器节点可以关闭其无线传输，但不能与 处于该状态的其他节点通信。如果传感器节点切换到侦听状态发送数据，则必 须等到其他节点也切换到侦听状态。如果其他节点具有不同的时间表，通信将 变得很困难。需要紧急传输的数据经常迟到，整个网络的吞吐量和无线传感网 的传输速率因此下降。此外，存在中继负载不均衡的情况，导致网络整体性能 下降。

发明内容

本发明实施例提供基于随机自动学习机与模糊算法的高吞吐量的继选择方 法。在运行期间，各个源节点具有自组织性，拥有自我优化和自学能力。运行 期内，无需与其他节点交换信息，通过环境反馈自适应选择中继，不需要人为 干预，以便最大化吞吐量，保证系统稳定运行。在中继与目的节点之间，通过 模糊算法达到负载均衡。

为达到上述目的，本发明实施例提供了基于随机自动学习机与模糊算法的 高吞吐量的继选择方法，随机自动学习机应用于无线传感器网络中的源传感器 节点所在设备上，模糊算法用于进行中继负载均衡，方法包括：

根据无线传感器网络环境进行模型建立，将传感器网络环境模型用四个参 数表示E＝{S,M,(A_i)_i∈S,(C_j)_j∈M}，其中S表示源节点，即随机自动学习机的输入； M代表所有备选中继，用于进行辅助传输；A_i代表可选动作，即选择了哪一个 中继去传输；C_j表示节点选择合适的中继之后与环境交互输出的反馈信号，本 发明中表示为各个源节点与环境交互以后得到的效益函数。

具体的，本发明属于合作通信模式，中继起到数据转发的功能。存在两种 中继转发方法，放大转发(AF)和解码转发(DF)。