天的日期;获取传感器节点在当天当前子时间段之前连续第一预设数量子 时间段内采集的每个第一能量值、传感器节点在当天之前连续第二预设数量天中与当前子 时间段具有相同维度的子时间段内采集的每个第二能量值，和当前时刻所述传感器节点的 剩余能量值;根据所述每个第一能量值、所述每个第二能量值及已训练好的预设的神经网 络，预测传感器节点在当天当前子时间段的下一子时间段内采集的能量值;根据所述剩余 能量值、预测的能量值和预设算法，确定该传感器节点的睡眠时长。通过上述方法确定的睡 眠长度更加符合实际，更加合理，提高睡眠长度的准确性，从而控制传感器节点的能量消耗 和能量采集，以使满足传感器节点顺利工作的能量需求。
【附图说明】
[0039] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以 根据这些附图获得其他的附图。
[0040] 图1为本发明实施例提供的一种调整传感器节点睡眠时长方法的流程图；
[0041 ]图2为本发明仿真实验网络的拓扑结构；
[0042]图3为网络吞吐量对比图；
[0043] 图4为平均时延对比图；
[0044] 图5为本发明实施例提供的调整传感器节点睡眠时长的装置的结构示意图。
【具体实施方式】
[0045]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他 实施例，都属于本发明保护的范围。
[0046] 针对太阳能能量采集型无线传感器网络，根据MAC协议控制调整该网络中的传感 器节点的占空比，具体通过调整该网络中的传感器节点的睡眠时长来控制传感器节点的占 空比。太阳能辐射强度的变化有着较为明显的规律性，这使得对传感器节点未来采集能量 的预测成为可能。本发明提出了一种调整传感器节点睡眠时长的方法及装置，考虑了传感 器节点的剩余能量值和预测的能量值，用于调整传感器节点的睡眠时长。
[0047] 下面先对一种调整传感器节点睡眠时长的方法进行说明。
[0048] 如图1所示，本发明实施例提供的一种调整传感器节点睡眠时长方法的流程图，该 方法应用于太阳能能量采集型无线传感器网络中的传感器节点，具体是通过MAC协议应用 到传感器节点的，该方法包括：
[0049] S101、传感器节点进入睡眠时，根据每天相同时间段内的相同的子时间段划分规 贝1J，确定当前时刻所在的当前子时间段的维度和当天的日期。
[0050] 其中，传感器节点进入睡眠时，包括：判断所述传感器节点是否满足预设睡眠条 件，若满足，则该传感器节点进入睡眠。本实施例中当传感器节点侦听到信道忙碌时，进入 睡眠，当然，在其他实施例中，该预设睡眠条件可以是规定的睡眠时间间隔或睡眠时间点或 剩余能量达到预设最低阈值等等。
[0051] 在本步骤中，根据每天相同时间段内的相同的子时间段划分规则，划分成多个子 时间段，举例来说，该每天相同的时间段可以是一整天，也可以是其中的一个固定的时间 段，例如8点到11点等。对于每天而言，每天包括24小时，每个子时间段一个小时，划分的起 始点和终止点为每个整点，将一天划分为24个子时间段，当然，也可以采用整点和半点将这 个子时间段划分方式，如果该时间段为8点到11点，划分后为每个子时间段依次为8:00-8: 30，8: 30-9:00，9:00-9:30，9:30-10:00，10:00-10:30，10:30-11:00，每个子时间属于一个 维度，每个子时间段对应的维度固定，每天的同一子时间段属于同一维度，例如，每天的8: 00-8:30都具有相同维度。
[0052] 每天的日期可以通过公历计算，也可以按顺序记录，如，第一天、第二天……等。 [0053] S102、获取传感器节点在当天当前子时间段之前连续第一预设数量子时间段内采 集的每个第一能量值、传感器节点在当天之前连续第二预设数量天中与当前子时间段具有 相同维度的子时间段内采集的每个第二能量值，和当前时刻所述传感器节点的剩余能量 值。
[0054]具体实施中，每个传感器节点可以将其的一段时期内采集的太阳能能量值保存下 来，以便获取所需能量值。具体地，针对当天、当天之前连续第三预设数量天以及当前之后 的每天，对于这些天中的每天，选取相同的时间段，针对每天的时间段，根据步骤S101中的 子时间段划分规则划分成第四预设数量个子时间段，每个传感器节点，记录过去每个子时 间段其所采集的太阳能能量值，形成能量采集参考表，可以通过矩阵的方式来保存这些数 据，每行代表不同天，每一列代表每一子时间段，实际工作中，应该随着时间的推移，实时地 记录补充数据，当然，也可以根据太阳能的辐射强度计算传感器节点每个子时间段采集能 量值。
[0055]另外，这里的第三预设数量、第四预设数量应该分别大于第一预设数量、第二预设 数量。
[0056]然后每个传感器节点根据这些记录的每个子时间段采集的太阳能能量值，来获取 传感器节点在当天当前子时间段之前连续第一预设数量子时间段内采集的每个第一能量 值、传感器节点在当天之前连续第二预设数量天中与当前子时间段具有相同维度的子时间 段内采集的每个第二能量值，和当前时刻所述传感器节点的剩余能量值。
[0057] S103、根据每个第一能量值、每个第二能量值及已训练好的预设的神经网络，预测 传感器节点在当天当前子时间段的下一子时间段内采集的能量值；
[0058]其中，可以通过传感器节点过去一段时间内采集的能量值，来训练预设的神经网 络，以使该神经网络获得预测传感器节点未来能量采集情况的能力，从而通过每个第一能 量值、每个第二能量值及已训练好的预设的神经网络，可以预测传感器节点在当天当前子 时间段的下一子时间段内采集的能量值。
[0059] S104、根据该剩余能量值、该预测的能量值和预设算法，确定该传感器节点的睡眠 时长。
[0060] 根据本步骤之前的多个步骤可以获取更加合理更加准确的传感器节点在当天当 前子时间段的下一子时间段内采集的能量值，因此，本步骤中，根据该剩余能量值、该预测 的能量值和预设算法，可以获得该传感器节点更加合理更加准确的睡眠时长。
[0061] 该预设的神经网络建立的预测模型认为传感器节点在这一子时间段中能采集到 的能量值，是之前η天中与这一子时间段具有相同维度的子时间段采集到的能量值和当前 这一子时间段之前k个子时间段采集到的能量值的函数，即：
[0062] Epre(i，d，r) =f(EharV(i，d_l，r)，EharV(i，d-2，r)，· · ·，EharV(i，d-n，r)，
[0063] EharV(i，d，r-l)，EharV(i，d，r-2)，· · ·，EharV(i，d，r-k))
[0064]这里Eharv( i，d，r)和Epre(i，d，r)分别是传感器节点i在第d天第r子时间段中采集 能量和预测能量值，函数f是我们需要建立的预测模型。
[0065]本实施例中，采用的神经网络是BP神经网络，当然也可以采用其他类型的神经网 络，神经网络有η+k个输入，1个输出。n+k个输入对应于上述函数中的n+k个输入，1个输出对 应于Epre (i，d，r)，其中，η为第一预设数量，k为第二预设数量。
[0066] 本实施例中，该预设的神经网络的训练过程包括：
[0067] 选取无线传感器网络中任一传感器节点任一天任一子时间段之前连续第一预设 数量子时间段内采集的每个第三能量值、该传感器节点在该天之前连续第二预设数量天中 与该子时间段具有相同维度的子时间段内采集的每个第四能量值作为一组训练数据，重复 上述选取操作形成多组训练数据，根据该多组训练数据对预设的神经网络进行训练，若训 练结果不收敛，则在调整训练数据组数和预设的神经网络的隐藏层节点数后，重复执行本 步骤，直至训练结果收敛。
[0068] 这里的每一组训练数据均可以通过上述的每个传感器节点的能量采集参考表获 取，训练之后的神经网络相当于上述公式中的函数f，用作所有传感器节点的太阳能预测模 型。
[0069]需要说明的是，传感器节点在预测能量值所需选取的当天之前预设数量天和选取 当天当前子时间段之前连续第一预设数量子时间段的方式应该和训练神经网络的选取方 式相同，如，训练时，选取训练的数据，是某一天某一子时间段之前的第一个子时间、第二子 时间段至第第一预设数量个子时间段对应的能量数据，和这一天之前的第一天、第二天至 第第二预设数量天中与该子时间段具有相同维度的子时间段内的能量数据，预测时采用的 数据应该是当天当前子时间段之前的第