文摘

高速的传感器网络应用,如物联网、多媒体传播、有限的资源下实现高效的传播已经成为一个需要解决的问题。高速传输和能量优化模型本文提出了面向生命周期最大化。基于information-directed机制、能量阈值集和中继节点的距离选择将目标跟踪过程中,因此,保留传输速度和能源消耗之间的平衡。同时,采用可替换主体共同进化达到最大的网络生命周期。与相关方法、索引等网络啤酒花,吞吐量,活动节点的数量,标准偏差的剩余能量,和网络生命周期被认为是和模拟实验表明,该方法将促进有效传输速率,延长网络生命周期,提高网络性能。

1。介绍

无线传感器网络(WSN)是一种多次反射特设网络由大量的微型传感器节点通过无线通信(1,2]。无线传感器网络的功能是感知、采集、处理的信息监控对象的覆盖范围,然后信息发送给观察者。网络被广泛应用在军事、智能交通、环境监测、医疗等等(3- - - - - -6]。由于传感器节点的体积小,因此,电池的能量是有限的。当传感器节点部署在复杂地区,如何优化网络的能耗,提高网络生命周期的一个关键问题。研究集中在无线传感器网络的节能优化,和一些非凡的结果,如减少路由的能量和最大生命周期有关7- - - - - -10]。

如今面临新的高速传感器网络的实时需求,如无线多媒体传感器网络和工业实时控制,节能也不能完全满足实际应用的需要。高速传感器网络,作为一种新兴网络,推进传统传感器网络技术在多媒体传输中的应用,等等,与更高的带宽和更强的计算和处理能力,近年来已成为一个热点[11,12]。与传统网络相比,无线传感器网络具有更高的吞吐量的需求方面,实时计算复杂度,电力需求,等等。最重要的区别在于吞吐量要求是高速传感器网络应用程序的基础。因此如何满足传输性能的要求,同时减少能源消耗已经成为一个迫在眉睫的问题。

无线传感器网络的节能和生命周期一直关心的问题。文献[13)揭示了生命周期的发现和预测感知空间的路线选择、节点数的差异和知觉量表是使用线性规划方程来设计不同的场景来提高网络的生命周期计算正常化。但这种方法考虑生命周期的单因素而不是别人。文献[14设计一个跨层统一的最佳凸模型基于物理学的集成层,MAC(介质访问控制)层,网络层,从而延长网络生命周期。文献[15]提供了一个动态优化方案传感器节点的传输范围对能量洞的出现,采用集中式算法和分布式算法来调节传输范围,从而减少调查的复杂性和促进生命周期。文献[16)预测的下一个位置target-closed路由基于目标跟踪的信息,节点的定位采用的方法诱导跟踪领导一个遥远的节点移动靠近中心,从而完成当地报道定位和跟踪能源消耗。以上研究传感器网络的生命周期是基于传感器网络的资源有限,不考虑对系统传输速率的影响,因此无法满足实时应用程序需求的高性能传输。

在这篇文章中,一些相应的上面的背景下研究已经完成;同时可替换主体是用于优化系统。文献[17]提供了一个仿真平台通过正式面向可替换主体结构的建模、知觉和合理化的决策和行动的预测可以通过代理,和每个节点的合作机制可以模拟。文献[18]分析了合作与竞争的关系可用的无线传感器网络和信息处理资源任务,利用的特点可替换主体分布、自治和自组织等。上面的研究只有建模和分析了网络结构的基础上,可替换主体属性,但不是系统的操作。文献[19专注于冲突和无线传感器网络的目标跟踪传感器的精度。文献[20.设计一个数据融合系统与移动无线传感器网络的可替换主体,从而获得有效的收敛时间和精力与用户见面。上面的两个用多重代理技术实现目标跟踪和信息融合的网络,但没有考虑数据的传输性能。文献[21)提出了一个可替换主体能量平衡策略基于两个不同指标在无线传感器网络热点的情况下被频繁地问。文献[22]介绍了可替换主体实现资源分配过程中任务调度,资源分配和任务的高度相关。文献[23]介绍了可替换主体定位目标和任务,使用支持向量机进行分类,以减少通信负载和优化系统。上述研究分析资源分配上的传输性能,能耗,并加载,分别,但没有考虑全面的指标。上面所有的结果是在无线传感器网络中使用代理,他们都从网络的相似结构形式化建模或定义单位个人,和多重代理系统优化问题还没有考虑。

上面的问题,本文提出了一种高速传输和能量优化模型面向生命周期最大化(HS-EO) information-directed跟踪目标的方式,并选择中继节点和设置能量阈值基于无线传输的性能,然后给一个链接选择基于可替换主体共同进化算法,最后实现高性能传输网络的最大生命周期而实现。

本文的结构组织如下:部分2指的是问题报告;部分3礼物HS-EO的原则和方案;部分4提出了一种基于HS-EO可替换主体共同进化算法;部分5进行相关实验和分析;结论。

2。问题描述

HS-EO模型基于information-directed机制,旨在实现高吞吐量和能源优化传输过程中目标跟踪。Information-directed方式可以帮助跟踪目标在无线传感器网络提前不知道目标节点的位置;只有一些目标节点的相关信息是必要的。在这个过程中,需要获取和更新信息交换与其邻居节点的信息,如图1。表示开始节点,表示继电器节点表示目标节点。而选择下一跳,它需要传输信息到邻近的节点,即,,,然后在接近。有需要满足的两个条件:一是目标节点的相关信息可以在无线传感器网络中,感知和获取;另一个是每个节点可以通过GPS或主持人有自己的坐标。

information-directed基于路由的路由策略。HS-EO旨在提高传输速率和减少能源消耗,高性能传输的中继节点选择如图2。

为节点,半径这是能够实现在其通信半径最大吞吐量能力可以获得,节点,,它也可以提供高速率。为了选择高速时考虑节点能耗,采用一个可替换主体共同进化算法优化多个目标。

3所示。HS-EO模型定义

在目标跟踪过程中,HS-EO information-directed是一个高性能传输模型。数据传输的路由选择问题,通过能量阈值设置节点计划,并进一步节点选择和高吞吐量。

3.1。Information-Directed

自从information-directed方式适用于无线网络的数据传输,它常被用来使目标位置和跟踪(24]。在二维平面上,目标节点的位置信息可以通过一系列的措施,使用贝叶斯过滤一组节点序列。根据目标节点的先验信息t概率密度函数用于获得估计在时间。其中,序列贝叶斯过滤器可以测量和更新通过以下公式:

量化每个传感器节点的贡献,“互信息(MI)”可以被使用,它可以定义相关节点的贡献评价的信息。使用随机变量,和联合概率密度函数,那么MI可以定义如下: 在哪里显示之间的关系和,这解释了多少信息转移有关。在序贯贝叶斯过滤器,测量的贡献为节点当时可以表示如下:

公式(3)显示多少信息对目标节点的位置信息提供的是,所以反映了先验信息的变化所产生的节点。因此,如果,这意味着节点可以继续的方法目标节点的方向。

3.2。中继节点的选择

3.2.1之上。通信距离分析

在多次反射无线传感器网络中,数据通常是由相邻节点转发,所以吞吐量和传输距离之间的关系需要进行分析(25]。假设节点的传输功率是固定的,采用半双工通信方式,节点的位置在该地区遵循随机泊松分布。当一个节点开始传播,如果节点坐标原点,在传输期间,其他节点的位置坐标可以表示为一组位置,定义如下: 在哪里代表传播的时间,代表了节点传输成功,代表了坐标原点。

条件下的,成功的概率传播从原点到一个节点可以表示如下:

根据无线网络的传播的定义,吞吐量的强度可以定义如下: 在哪里代表了有效遍历节点单跳距离目的地。

有两个因素需要被考虑在选择下一个中继节点:一个是距离,另一种是吞吐量。因此,吞吐量强度需要计算条件下的距离,见公式(7)。其中,代表了最低SINR(信号干扰加噪声比)值需要接收的数据。

根据推导的公式(7),最大吞吐量和相应的传输距离可以获得,如下所示:

因此,节点可以进一步获得高吞吐量。

3.2.2。网络能耗分析

在无线传感器网络中,能源消费数据传输的关键问题。为了使网络能耗分布更合理,然后扩展网络的有效工作时间,能耗的传感器节点的阈值需要设置,即节点调度的基础。在此基础上,网络生命周期优化可以在multiconstrained条件下实现。

(1)调度的节点能量消耗。为了避免缩短网络生命周期由于过早耗尽能量的节点,该节点是不允许中继节点两种情况,所以两个相应的阈值。

首先,在所有的邻居节点,一个节点不能完成传输任务由于低能量,表现为下面的公式: 在哪里代表数据流的传输能耗,代表的邻居节点,定义如下: 在哪里代表区域中的所有节点的集合表示节点之间的通信半径。

其次,为了避免不合适的在传输中继节点选择,然后产生过多不必要的能源消耗,能源消费需要传播的限制。当节点选择节点进行数据转发,是有区别的能源消耗之间的传输和和之间的期望和其他节点。我们规模差异的标准差之间的能源消耗和其他人并获取归一化差异。的概率大于归一化差异大于,见公式(12),这意味着传播成本太高时作为中继节点,原因往往是由于传输距离或干扰。 在哪里根据现场表示阈值集;代表传输能耗超过设定阈值的概率;表示节点之间的传输能耗和;代表节点之间的传输能耗和其他的邻居节点;显示的期望传输能量。

正如上面提到的,你的邻居节点,同时满足两个条件可以选择参与数据传输,这些条件的目的是避免意外的节点调度,缩短网络的生命周期。

(2)网络生命周期。无线传感器网络的生命周期定义为第一个失败节点的生存时间造成的能量损耗,所以网络生命周期应该根据每个单独的分析。假设所有节点具有相同的初始能量和通信半径,和一个固定的传输功率。当节点之间的距离与数据传输能耗可以表示为下图: 在哪里代表电路功耗的数据收发器和代表信号放大电路功耗在发送和接收数据。

总转发节点之间的数据量可以表示为 在哪里表示当前节点之间的数据流和它的邻居节点。

通过节点数据流和能源消费的定义,我们可以得到节点的生存时间的描述,见

无线传感器网络的生命周期是相对于生存时间最短的一个,所以相应的网络生命周期的数据流被定义为

因此,可以被定义为最大网络生命周期

(3)选择中继节点集。根据上面的定义,我们可以得到一组选择中继节点传输方案,定义如下:

条件①要求应该满足两个中继节点的能量阈值;条件②要求信息的中继节点可以意识到目标节点的变化,然后跟踪目标。其中,代表高的组节点吞吐量满足能量阈值和information-directed;表示当前节点之间的距离和邻居节点;代表节点周围的地方具有较高的吞吐量。为了方便起见,假设该地区只包含不超过4个节点,这是接近和节点的数量取决于邻居节点的密度。显示如图3有六个节点;也就是说,,,,,,会见的约束,但在有效面积,只有,,,四个节点,选择最多的元素替代继电器节点集合,然后我们可以选择适当的节点进行路由。

4所示。模型优化算法

根据HS-EO的传输需求,可替换主体共同进化算法提出了基于自动调整搜索空间。多重代理系统是分布式人工智能领域的一个重要分支,它是一组由多个代理组成。的目标,共同努力解决这个问题,它不能由单一的代理的相互合作和环境。所以系统的一个重要的问题是使用正确的协作策略完成分配的任务的过程中相互作用。多重代理系统需要每个代理作为一个单元,每个人都有自己的位置;通过与邻居代理,实现人口的特定行为进行进化,以获得寻找最优解的过程。

HS-EO模型是能够感知所有的设计要求获取信息来跟踪目标节点,选出一批高吞吐量的中继节点的情况下没有异常的能量。在此基础上,网络生命周期的传播方案可以实现最大化。因此,传输性能的优化和整体能源消耗。事实上,对无线传感器网络来说,如果不考虑无意义的消耗,能源消耗的节点将只出现在传播。因此,最大化网络生命周期的问题可以转化为一个问题的生命周期最大化传输路径,定义为 在哪里通过节点代表了数据流中,所有的节点的集合选择中继节点组成的解空间的可选路径。

4.1。代理的定义

代理代表候选人的路由解决方案,它可以被定义为一个多元向量的形式,如图所示 在哪里表示节点的生命周期,,,代表了中继节点的数量。由代理所具有的能量可以表示如下:

4.2。代理的行为

多重代理系统的关键在于是否能够开发合适的协调策略。战略的实施能够产生一系列的行为,和每个代理将增强自己的能量通过行为与外部进行交互。为此,定义了三种行为,即变异,竞争力,和自组织临界行为。首先,代理可以通过使用知识,增强自己的能量和变异是一种行为本身的使用知识;其次,获得更好的解决方案而计算成本花费尽可能少,我们可以计算的数量作为代理的有限的环境资源,使每个代理获得更多资源来增加自己的能源利用的竞争。此外,代理之间的交互通常具有非线性特征;为了生产紧急现象的多重代理系统,自组织临界行为应该定义为提高代理之间的关系。

(1)变化的行为。个人的变化可以促进人口的发展,实现协同进化的多重代理,代理人的行为变化是必要的。变化的行为将产生一个新的代理,用于替换现有的吗,具体转换显示如下: 在哪里代表一个随机数的间隔中分配到节点;可以得到一个随机值,价值属于。

(2)竞争行为。代理通常需要与它的邻居节点。显示如图4,每个代理作为一个单元,每个代理将比较与周围的邻居节点的能量,如果没有能量高于自己的邻居节点,节点可能会继续存在;否则,它将被其他代理取代,新代理更换位置个人得到了在该地区代理的最大能量。

假设当前的代理,代理以最大能量表示为。能源代理之间的比较是必要的。如果,然后代理并没有改变,并继续存在。否则,将被后代取代吗这是由 在哪里代表一个属于随机值,是一个预设值用于表示向量的区别和,通常的价值很小,所以大多数的信息的将被保留。

(3)自组织临界行为。自组织行为,是指国家的形成没有外部干预,完全由生产的关系系统中各个子系统的发生。临界,作为一种系统的状态,表示,当地的小变化也会影响全球的情况下,和所有子系统的影响和相关的临界状态的行为。自组织临界状态的出现是符合幂律分布(26行为的定义,旨在控制人口的个体变异和选择,以避免停滞和使系统不断更新。

自组织临界性可以描述如下:代表了代理的最大能量tth代;代表的幂律分布tth代,相应的数值区间[0.2,0.8]。这个区间的意义是人口停滞在最优代理没有变化的迭代次数。

的步骤如下。

步骤1。代理通过使用变异进化和竞争行为。

步骤2。如果该值的没有连续的变化次,然后去第3步,或执行步骤1。

步骤3。为每一个代理,如果,然后将生成一个新的个人更换代理使用公式(23)。

4.3。自动调整搜索空间

随着节点的数量在增加,导致解决方案空间的扩张,优化解决方案将在更大的搜索空间,解决了搜索速度将减少。为了提高算法的效率,需要对搜索空间聚集。首先,确定替代继电器节点的设置,根据生命周期按照降序排列。然后节点选择之前提到的,一般来说,所选的概率相对较高。根据操作情况的价值动态扩展,最终扩展到整个组选择节点。自我调节的步骤如下所示的搜索空间。

步骤1。初始化;一般的价值很小。

步骤2。代理的迭代执行算法。

步骤3。如果最优结果不是连续更新次,然后去第4步,或执行步骤2。

步骤4。让;然后转到第2步。

搜索整个解空间直接是避免使用方法。结果,优化解决方案将很快被发现有高概率的解决方案空间相对较大时,通常的概率达到最优时可以满足要求。

4.4。解决方案与最优路由生命周期

可替换主体共同进化算法的具体步骤如下所示。

步骤1。初始化剂;让和。初始化。

步骤2。为每个代理执行竞争行为,结果是。

步骤3。如果,将为每一个变异行为,相应的结果。

步骤4。将被选择更新。

第5步。如果,让;然后更新,或者让,,到步骤8。

步骤6。为每个执行自组织临界行为,结果是。

步骤7。 是获得;然后更新。

步骤8。如果,让,或者让,。

第9步。 将输出和算法在满足结束条件,还是我们,转到第2步。

代表了最佳代理更新tth代;代表了最佳代理tth代;表示动态调整参数;代表了次最优代理保持相同的;代表执行的概率变化的行为。

5。模拟和分析

为了验证HS-EO模型的有效性,进行了一系列仿真实验OPNET14.5平台。最短路径优先(SPF)是一个经典的路由方法,很简单,执行效率高,而且通常用于网络传输性能测试;最低能源消耗(MEC)的基本方法是对无线传感器网络能耗分析。因此,SPF和MEC采用比较HS-EO提议。此外,模拟各种场景的设置,和索引的啤酒花,吞吐量,活跃节点,标准差的残余能量,和网络的生命周期。实验参数设置如表所示1。

5.1。啤酒花

跳路由的基本指标,影响网络传输的性能和能源消耗等。100、200和300个节点部署在检测区域,分别;30倍为每个条件进行测试。如图5,每个所选节点的价值(除了第一个节点)代表最近的五个测试的平均值。在三种情况下,传感器节点在单位面积的数量增加,啤酒花的方法增加了。其中,防晒指数的啤酒花。是最短路径的原因,所以防晒系数相同的条件下选择路径少跳;MEC有更多的啤酒花,由于能源消费被认为是在无线传输,和更多的啤酒花减少执行点和点之间的传输成本。相比之下,HS-EO相对复杂,由公式(8),节点选择合适的距离通信为了提高传输性能,因此之间的试验结果表明,这是其他两种方法。特别是,当传感器节点的密度相对较大,HS-EO啤酒花有波动;原因之一是,节点数量增加的干扰改变,另一方面,它是考虑到多个节点的结果调度来实现负载平衡的能量。

5.2。吞吐量

吞吐量是一个重要指标影响无线传感器网络的性能。吞吐量是有效数据流量(单位:kb / s)没有包丢失的情况。链接测试流量饱和流,可以有效测量值显示每个方法的性能;实验结果如图所示6。

当节点密度低时,三种方法并不大的吞吐量,因为选择的路径是更少。随着节点数量的增加,每个方法生长在不同程度的吞吐量。相同条件下的无线通信,远程节点的传输速率低于节点距离较短。防晒指数,尽管啤酒花减少,相应的传输距离增加,测试结果应低于MEC。与前两种方法相比,采用可替换主体共同进化在HS-EO跟踪过程中为了实现多目标优化;也就是说,获得提高吞吐量和能源消费之间的负载平衡节点,节点在解空间内优化吞吐量,所以传输速率明显提高。从实验数据我们可以知道HS-EO的吞吐量是符合其设计目标。同时,三种方法峰值后下降程度不同区间(200、250);这是因为当节点密度太大,节点之间的干扰成为传播的主要影响因素,因此,吞吐量会略有降低,这与无线传输的特点。

5.3。激活节点数

活跃节点参考节点用于数据传输在网络生命周期的过程,和活动节点的数量直接相关调度的性能。如果很少有部分网络节点使用频率高,节点的能量就会很快耗尽,使网络中输入一段能量快速消退。所以如何让节点进度有效和一致是非常重要的对于提高网络生命周期和传输性能,如图所示7。

激活的节点数量在SPF只有相关的中继节点在路由过程中,所以数量少。因为考虑到传播的节省能源消耗问题,MEC能够动态地选择中继节点根据邻居节点的能量,所以将会有更多的节点参与传输比防晒系数。HS-EO,节点密度的增加,以及能量阈值设置,将选择更多的节点调度由于参与路由可替换主体共同进化,所以实验结果HS-EO高于其他两种方法。

5.4。标准偏差的残余能量

标准差的残余能量指的是其他节点剩余能量标准差时,一些节点参与路由的能量耗尽,用于评估算法的能量消耗和反映了每个节点的剩余能量的分布。如果所有节点的剩余能量互相接近,也就是说,标准差越小,这表明网络能耗分布均匀;否则,能量分布不均匀,可能导致网络生命周期缩短。标准偏差的残余能量可以被定义为 在哪里代表网络中传感器节点的总数,代表当前的剩余能量的节点,代表节点的初始能量价值,代表的平均剩余能量节点。

为了测试节点的能耗分布,测试执行30倍的200个节点,如图8。防晒指数未能有效安排网络能量消耗,所以测试结果相对较高,出现大波动。MEC考虑中继节点传输能耗的优化和调整根据邻居节点的能量消耗,所以的价值比SPF更加统一。在三种方法中,标准偏差的残余能量HS-EO是最低的,这反映了该方法可以使负载共享能源消耗更多的统一。原因如下:首先,阈值调度可以避免极端的节点能量消耗,从而减少的可能性标准偏差太大;其次,因为可替换主体共同进化的目的是选择的节点具有更好的能源的替代组节点的生命周期,实现优化链接,没有显著差异的标准偏差在节点的剩余能量;即的价值不高;第三,活跃节点的实验结果表明,该数字中继节点参与HS-EO比其他两种方法;因此,样本空间大,测量数据更准确。因此,能源方面的调度、HS-EO优于其他两种方法。

5.5。网络生命周期

网络生命周期是一个重要的指标来衡量节点的有效性。我们测试50倍的200个节点,和实验结果如图9。防晒指数,因为中继节点相对较小,能量的分布不均匀,无法优化沟通成本,所以网络的生命周期相对较短。MEC采用低能耗的策略;同时,标准差的剩余能量的实验结果表明,能源消耗比SPF均匀的分布,因此网络生命周期相对较长。HS-EO,尽管高通量传输将能量损失部分,可以将多个节点能量阈值用于可替换主体共同进化,以平衡能耗,延长网络生命周期及时。

6。结论

在无线传感器网络目标跟踪的研究总是关注对象识别、定位、跟踪、和其他问题,而没有进一步研究路由方法。在的情况下,根据当前需要节能和高速传输的无线传感器网络,高速传输和能量优化模型HS-EO面向生命周期提出了最大化。同时采用可替换主体共同进化为最大生命周期实现优化。通过与SPF和MEC的比较,在五个不同的指标,结果表明,HS-EO能有效提高传输速率,延长网络生命周期,提高整个网络的性能。在进一步的研究中,我们将结合网络功能虚拟化做更多的相关研究。

相互竞争的利益

作者宣称没有利益冲突。

确认

这项工作是由中国国家自然科学基金(61403109)和黑龙江省教育部门的科学研究基金(12541169)。