交通监控中基于模糊聚类的无线传感网mac协议的制作方法
【专利摘要】本发明涉及一种交通监控中基于模糊聚类的无线传感网MAC协议，FC?MAC协议采用TDMA和改进的CSMA/CA交替工作方式，即保证了普通周期数据的传递，又增强了突发数据的实时性。在竞争接入(CSMA/CA)阶段，提出模糊聚类分析的方法。根据因素向量聚类簇内节点，使节点突发数据具有不同的优先级，优先级高的突发数据更早接入信道完成传输。同时，根据该协议的时隙分配策略，提出一种基于分层随机延迟的方法，减少同一时段内竞争接入Sink节点的簇头数量，降低簇头节点之间因退避而产生的数据延迟。通过以上技术，FC?MAC在突发数据时延减少的情况下，增大了网络吞吐量，并且对网络业务流量具有更好的适应性。
【专利说明】
交通监控中基于模糊聚类的无线传感网MAC协议
技术领域
[0001]本发明涉及一种应用于交通监控的无线传感网MAC协议，属于无线传感器网络技 术领域。
【背景技术】
[0002] 无线传感器网络(Wireless Sensor Network，WSN)是由大量分布在特定区域内的 传感器节点组成，并且以无线通信的方式将感知到的数据传送到Sink节点。由于其独特的 优势，WSN在国防军事、环境监控、工业技术、智能交通等方面获得了广泛的应用。在交通发 达的当今社会，由于车辆快速增多，对交通监控的需求也不断地加大。无线传感器网络以其 自身的特点，在交通监控中迅速地发展起来。而MAC协议是影响无线传感器网络性能的关键 技术。所以，设计一种适合交通监控需求的MAC协议具有十分重要的意义。
[0003] 目前，无线传感器网络MAC协议按节点接入信道的方式主要分为三类:基于竞争的 MAC协议、基于调度的MAC协议和混合型MAC协议。在基于竞争的协议中，S-MAC采用固定占空 比的周期休眠方式，侦听周期受通信负载的约束，在多个节点竞争时增大传输延迟。DSMAC 虽然在S-MAC的基础上提出了减少睡眠时间、动态加倍占空比的思想，但周期睡眠造成的传 输延迟仍十分显著。在基于调度的协议中，S-LMAC、EM-MAC都采用固定分配时隙的方法，无 法自适应流量的变化。UM-MAC虽在固定时隙的基础上提出启发式的算法，以效用最大化决 定节点的工作时隙，但无法满足突发数据的实时性要求。在混合型协议中，Z-MAC综合了 TDMA和CSMA的优点，能够以较低代价获得高效的信道利用率，但在网络密度较大时，周期性 地控制时隙会增大网络时延和能耗开销。AMPH在Z-MAC的基础上增加了QoS服务，但当普通 数据包过多切换优先级时，会影响实时数据包的实时性。综上所述，这些协议都不适合交通 监控的特殊环境。
【发明内容】
[0004] 为了解决上述存在的技术问题，本发明提供一种应用于交通监控中，基于模糊聚 类的无线传感网MAC协议实现方法。该协议采用TDMA和改进的CSMA/CA混合工作模式，并在 CSMA/CA阶段引入模糊聚类的方法动态划分节点类别，根据每类的中心向量与样本中心向 量的距离决定优先级，并分配不同的竞争参数，使优先级高的节点突发数据更早传输。同 时，提出了一种分层随机延迟策略，降低簇头节点之间地竞争，提高了突发数据的实时性。
[0005] 本发明是通过下述技术方案实现的：交通监控中基于模糊聚类的无线传感网MAC 协议，其特征在于:采用TDMA和改进的CSMA/CA交替的工作方式划分时隙;在CSMA/CA阶段采 用模糊聚类的方法动态划分优先级;簇头节点采用分层随机延迟策略降低碰撞概率；
[0006] 具体步骤如下：
[0007] (1)执行本协议的部署工作：
[0008] (1.1)节点功能:簇内节点可对监测数据进行筛选分类，具体分为，突发数据和周 期数据;筛选原则是：当外部数据的值大于门限值，进入突发数据队列；当外部数据小于门 限值，则进入周期队列数据；
[0009] (1.2)时隙分配方案：
[0010] ①时隙的分配以时隙块为基础单位，每个时隙块的大小由4个时隙组成；
[0011 ]②FC-MAC采用以复帧为周期的时间调度机制，复帧由若干TDMA帧与交换信息阶段 组成；
[0012] ③在TDMA帧中，每个节点分配三个时隙块，分别用作TDMA阶段、CSMA/CA阶段和 SEND阶段；
[0013] ⑵初始时亥I」，簇内节点量化分类因素，进而生成因素向量，发送到簇头节点；
[0014] (3)簇头节点接到簇内节点的因素向量后，对其进行模糊聚类；
[0015] (4):对步骤(3)中产生的分类进行优先级的计算，
[0016] (5):根据步骤(4)的优先级信息，为每类分配不同的竞争参数。
[0017] (6):如果节点有突发数据，则在自己的TDMA阶段发送或所有CSMA/CA阶段竞争发 送突发数据包;若节点没有突发数据，则在自己的TDMA阶段发送周期数据包，保证突发数据 的实时性；
[0018] (7):簇头节点对接收到的数据进行融合，并在SEND阶段把融合后的信息传送给 Sink节点；采用分层随机延迟的策略，在网络初始阶段，把同一 Sink节点下的簇头随机延迟 0、1或2个时隙块，使簇头节点分成了不同的3个时段发送数据。
[0019] 步骤(2)所述的簇内节点量化分类因素过程如下：
[0020] (2.1)对于传感器类型uk，不同的传感器类型分配不同的权重，其中，光电测速传 感器、地磁传感器的权重为H，压力传感器、加速度传感器的权重为M，温湿度传感器、光线光 栅传感器的权重为L;其中H>M>L;
[0021] (2.2)对于传输距离dk，通过接收信号强度测量其值；
[0022] (2.3)对于数据突变程度ek，可通过下面的公式求得：
[0025]其中，￡k为突变程度，<为上一复帧该节点的突变程度，为本次复帧内的突变程 度乂为一个量化常数；在网络初始时刻，所有的节点量化常数相等，^与<的初值为〇;L (s)、L(c)分别为节点队列中突发数据包和周期数据包的个数;为了更适合突发数据的长期 变化趋势，把S的值限定在0.5到1之间；
[0026] (2.4)对于节点剩余能量Ek，由能量消耗模型计算，如下：
[0027] Ek = b(Eeiec+Efsd2)
[0028] 其中，b为发送数据的比特数，Eelec为发射电路和接收电路的能耗，Efs为传播消耗 功率。
[0029]步骤(3)模糊聚类的过程如下：
[0030] (3.1)簇头节点收集簇内节点的因素向量，U= {m，n2，n3,…，nk}表示单个簇所覆 盖的区域，簇内节点个数为k;每个节点在交换信息阶段发送1^、也、^上等111个量化因素给 簇头节点，贝簇内节点i发送给簇头节点的向量为m = (rui，m2，m3，…，rum)，i = 1，2，…，k， 生成采集矩阵p; ^11 …nim.' /?" H …fhni
[0031] 「 ] _nh- nkl ^km._
[0032] (3.2)对矩阵P做标准化处理，得到其模糊矩阵;公式如下，
[0035]经过处理得到的模糊矩阵为R; 1 rxl Ai 1 …Ax
[0036] f f Ja rn 1 _
[0037] (3.3)采用Kruskal最大树算法进行聚类，得出最终的分类;分类的个数应适中，且 与现实部署相关，根据交通监控的现实情况，分为三类为最佳;Kruskal的具体算法过程如 下：
[0038] (3.3.1)假设节点形成连通网N=(V，{E})，令最大树初始状态是只有节点而无边 的非连通图T= (V，{})，图中每个节点自成一个连通分量；
[0039] (3.3.2)在模糊相似矩阵的上三角中找出最大的数rij，i#j;若该数依附的节点落 在T中不同的连通分量上，则将此数作为边加入到T中，否则舍去，选择下一个最大的数；
[0040] (3.3.3)依次类推，直到T中所有节点都在同一个连通分量上为止，得出模糊相似 矩阵R的最大树；
[0041] (3.3.4)选定不同的M直，砍去最大树中低于入的边，即得在入水平上的分类。
[0042] 步骤(4)优先级的计算，具体步骤如下：（4.1)求原始采集矩阵P的样本中心向量， 计算公式如下：
[0044] 得到样本中心向量P = /):.???,A);
[0045] (4.2)计算每一类的中心向量，如分类后的第0类的中心向量为广= ?…
[0046] (4.3)求每类的中心向量到样本中心向量的欧氏距离;离样本中心越近，类别的优 先级越尚；
Q
[0048]步骤(5)为每类分配不同的竞争参数，其中包括仲裁帧间间隔AIFS，AIFS影响节点 接入的先后顺序，不同的类别9对应不同的值，如下：
[0049] AIFS0 = SIFS+CeXTsi〇t
[0050]其中，每个节点的短帧间间隔SIFS是个相等的常量，Ce的值随着类别的优先级增 大而减少，动态地区分不同类别接入的先后顺序。而节点的退避时间范围则是由竞争窗口 CW和退避指数BE两个参数决定的。对于不同的分类0，有不同的值和值，优先级越 高的类别竞争窗口 CWe的取值范围越小，使其有更高的概率竞争早期的时隙传输数据；
[0051 ] CWg = rand((i,2BEti - l), BEe e {BEtin,BElx)
[0052] ^badog = CW0 y Tilal ^
[0053] 步骤(7)中所述分层随机延迟的策略具体如下:根据FC-MAC的时隙分配策略，网络 初始时刻，Sink节点随机为每个簇头节点分配一个数值，数值在0，1，2中取;簇头节点接到 这个数值之后，在网络同步开始时刻，延迟n个时隙块，这里的n就是Sink节点分配给簇头的 数值;节点通过分层随机延迟策略，把同一 Sink节点下的簇头分成了不同的3个时段发送数 据，使以前a个簇头同时竞争的信道从物理上分隔开，每个时间段最好情况下有a/3个簇头 克争信道。
[0054]本发明的有益效果:本发明采用上述方案，充分考虑交通监控的特殊环境，提供了 一种适用于保证突发数据实时性的MAC协议，该协议(FC-MAC)协议采用TDMA和改进的CSMA/ CA两种工作模式，并在CSMA/CA阶段根据因素向量把簇内节点划分为不同的类别。同时，不 同的类别赋予不同的优先级，以便高优先级类别的突发数据能够更早接入信道，完成数据 传输。在簇头竞争接入Sink节点方面，采用分层随机延迟策略，以较低的代价降低簇头干 扰，提尚整体网络吞吐量。本发明所提供的MAC协议具有$父尚的网络吞吐量，并且有利于突 发数据的传送，整体设计使突发数据时延较小，适用于交通监控系统。
【附图说明】
[0055] 图1是网络部署示意图。
[0056] 图2是节点内部队列结构图
[0057] 图3是FC-MAC复帧结构图。
[0058]图4是各阶段工作关系图。
[0059] 图5是簇间分层结构图。
[0060] 图6是物理信道分割示意图。
【具体实施方式】
[0061] 下面结合附图对本发明进一步说明。在十字路口处，由于上下班高峰期车流量大， 阴雨雾霾天能见度低等原因，经常会发生交通事故或拥堵现象。把无线传感器节点部署在 十字路口处，实时地监控道路信息对交管部门的管理起到了积极的作用。通过无线传感器 节点采集各类信息发送给簇头节点，并经其汇聚信息后再发送给Sink节点，使管理者能够 随时掌握路面信息，及时应对各种突发事件。
[0062] 本发明的技术方案是将不同类型的传感器节点部署在十字路口处，组成一个无线 传感器网络。其网络部署，如图1所示。在图1中，采用固定簇的方式，簇头节点使用特殊供电 的形式部署在道路中央的隔离带、绿化带上，如图中实心节点。不同类型的簇内节点部署在 簇头节点的周围，如图中空心节点。Sink节点固定在道路旁的路灯、红绿灯上。所有簇头节 点和Sink节点均采用单跳通信结构。节点对监测到的外部数据进行分类，如图2所示。当外 部数据的值大于门限值时，进入突发数据队列；当外部数据的值小于门限值时，则进入周期 数据队列。
[0063]本发明采用TDMA和改进的CSMA/CA交替工作的模式，其时隙的分配以时隙块为基 础单位，每个时隙块的大小由4个时隙组成。FC-MAC采用以复帧为周期的时间调度机制，复 帧由若干TDMA帧与交换信息阶段组成。在TDMA帧中，每个节点分配三个时隙块，分别用作 TDMA阶段、CSMA/CA阶段和SEND阶段。如图3所示。
[0064] 交换信息阶段位于每个复帧的起始处，主要用于簇内节点向簇头节点发送因素向 量，簇头完成CSMA/CA阶段优先级的计算，并把优先级信息反馈给簇内节点；TDMA阶段分配 给固定的节点，用于传输普通周期数据;CSMA/CA阶段预留给有突发数据的节点竞争接入簇 头;SEND阶段则负责把数据交付给Sink节点。
[0065] 各阶段工作关系，如图4所示。整个网络的运行步骤如下：
[0066] 步骤1:初始时刻，簇内节点量化分类因素，进而生成因素向量，发送到簇头节点。 具体量化步骤如下：
[0067] (1)对于传感器类型uk，不同的传感器类型分配不同的权重，具体如表所示。其中H >M>L〇
[0069] (2)对于传输距离dk，会影响到传输代价，可通过接收信号强度测量其值。
[0070] (3)对于数据突变程度ek，可通过下面的公式求得：
[0073]其中，￡k为突变程度，4为上一复帧该节点的突变程度，e'为本次复帧内的突变程 度Z为一个量化常数。在网络初始时刻，所有的节点量化常数相等，^与<的初值为0(3L(S)、 L(c)分别为节点队列中突发数据包和周期数据包的个数。为了更适合突发数据的长期变化 趋势，把S的值限定在0.5到1之间。
[0074] (4)对于节点剩余能量Ek，由能量消耗模型计算，如下：
[0075] Ek = b(Eeiec+Efsd2)
[0076] 其中，b为发送数据的比特数，E&。为发射电路和接收电路的能耗，Efs为传播消耗 功率。
[0077] 步骤2:簇头节点接到簇内节点的因素向量后，对其进行模糊聚类。设U = {ni，m， n3,…，nk}表示单个簇所覆盖的区域，簇内节点个数为k。每个簇内节点发送m个量化因素到 簇头节点进行聚类，具体聚类过程如下：
[0078] (1)簇头节点收集簇内节点的因素向量，生成采集矩阵P。
[0079] F= :1 r -：' 3l 'hz ??? >h,n_
[0080] (2)对矩阵P做标准化处理，得到其模糊矩阵。公式如下，其中.fid。
[0082]经过处理得到的模糊矩阵为R。 .1 ?i； %
[0083] ： . f Ja rt2. 1 _
[0084] (3)采用Kruskal最大树算法进行聚类，得出最终的分类。分类的个数应适中，且与 现实部署相关，根据交通监控的现实情况，分为三类为最佳。Kruskal的具体算法过程如下：
[0085] 3.1假设节点形成连通网N= (V，{E})，令最大树初始状态是只有节点而无边的非 连通图T=(V，{})，图中每个节点自成一个连通分量。
[0086] 3.2在模糊相似矩阵的上三角中找出最大的数rij，i辛j。若该数依附的节点落在T 中不同的连通分量上，则将此数作为边加入到T中，否则舍去，选择下一个最大的数。
[0087] 3.3依次类推，直到T中所有节点都在同一个连通分量上为止，得出模糊相似矩阵R 的最大树。
[0088] 3.4选定不同的M直，砍去最大树中低于入的边，即得在入水平上的分类。
[0089] 步骤3:对步骤2中产生的分类进行优先级的计算，具体步骤如下：
[0090] (1)求原始采集矩阵P的样本中心向量，计算公式如下：
得到样本中心向量# = (ft，/V…- -(0) /--{.&) --(&) --{.&) \
[0092] (2)计算每一类的中心向量，如第9类的中心向量为/>=凡.
[0093] (3)求每类的中心向量到样本中心向量的欧氏距离。离样本中心越近，类别的优先 级越尚。
[0095] 步骤4:根据步骤3的优先级信息，为每类分配不同的竞争参数。其中包括仲裁帧间 间隔（Arbitration Inter-frame Spacing，AIFS)，AIFS影响节点接入的先后顺序，不同的 类别对应不同的值，如下：
[0096] AIFS0 = SIFS+CeXTsi〇t
[0097] 其中，每个节点的短帧间间隔（Short Inter-frame Spacing，SIFS)是个相等的常 量，Ce的值随着类别的优先级增大而减少，动态地区分不同类别接入的先后顺序。而节点的 退避时间范围则是由竞争窗口（Contention Window，CW)和退避指数(Backoff Exponent， BE)两个参数决定的。对于不同的分类0，有不同的Ml.值和值，优先级越高的类别竞争 窗口 CWe的取值范围越小，使其有更高的概率竞争早期的时隙传输数据。
[0098] CW9 = raml(〇,2SB? - l), BEe s )
[0099] Ka〇n = CW0 x Tshl
[0100]步骤5:如果节点有突发数据，则在自己的TDMA阶段发送或所有CSMA/CA阶段竞争 发送突发数据包;若节点没有突发数据，则在自己的TDMA阶段发送周期数据包，从而保证了 突发数据的实时性；
[0101] 步骤6:簇头节点对接收到的数据进行融合，并在SEND阶段把融合后的信息传送给 Sink节点。由于簇头节点采用竞争的方式接入Sink节点，为了降低簇头间的竞争接入，采用 分层随机延迟的策略，具体如下所述：
[0102] (1)根据FC-MAC的时隙分配策略，网络初始时刻，Sink节点随机为每个簇头节点分 配一个数值，数值在〇，1，2中取。
[0103] (2)簇头节点接到这个数值之后，在网络同步开始时刻，延迟n个时隙块，这里的n 就是Sink节点分配给簇头的数值。如图5所示。
[0104]节点通过分层随机延迟策略，把同一 Sink节点下的簇头分成了不同的3个时段发 送数据，使以前a个簇头同时竞争的信道从物理上分隔开，每个时间段最好情况下有a/3个 簇头竞争信道，如图6所示。
【主权项】
1. 交通监控中基于模糊聚类的无线传感网MAC协议，其特征在于：采用TDMA和改进的 CSMA/CA交替的工作方式划分时隙；在CSMA/CA阶段采用模糊聚类的方法动态划分优先级； 簇头节点采用分层随机延迟策略降低碰撞概率； 具体步骤如下： (1) 执行本协议的部署工作： (1.1) 节点功能:簇内节点可对监测数据进行筛选分类，具体分为，突发数据和周期数 据;筛选原则是：当外部数据的值大于门限值，进入突发数据队列；当外部数据小于门限值， 则进入周期队列数据； (1.2) 时隙分配方案： ① 时隙的分配以时隙块为基础单位，每个时隙块的大小由4个时隙组成； ② FC-MAC采用以复帧为周期的时间调度机制，复帧由若干TDMA帧与交换信息阶段组 成； ③ 在TDMA帧中，每个节点分配三个时隙块，分别用作TDMA阶段、CSMA/CA阶段和SEND阶 段； (2) 初始时刻，簇内节点量化分类因素，进而生成因素向量，发送到簇头节点； (3) 簇头节点接到簇内节点的因素向量后，对其进行模糊聚类； (4) :对步骤(3)中产生的分类进行优先级的计算， (5) :根据步骤(4)的优先级信息，为每类分配不同的竞争参数； (6) :如果节点有突发数据，则在自己的TDMA阶段发送或所有CSMA/CA阶段竞争发送突 发数据包;若节点没有突发数据，则在自己的TDMA阶段发送周期数据包，保证突发数据的实 时性； (7) :簇头节点对接收到的数据进行融合，并在SEND阶段把融合后的信息传送给Sink节 点;采用分层随机延迟的策略，在网络初始阶段，把同一Sink节点下的簇头随机延迟0、1或2 个时隙块，使簇头节点分成了不同的3个时段发送数据。2. 根据权利要求1所述的交通监控中基于模糊聚类的无线传感网MAC协议，其特征在 于，步骤(2)所述的簇内节点量化分类因素过程如下： (2.1) 对于传感器类型uk，不同的传感器类型分配不同的权重，其中，光电测速传感器、 地磁传感器的权重为Η，压力传感器、加速度传感器的权重为Μ，温湿度传感器、光线光栅传 感器的权重为L;其中H>M>L; (2.2) 对于传输距离dk，通过接收信号强度测量其值； (2.3) 对于数据突变程度ek，可通过下面的公式求得：其中，为突变程度，<为上一复帧该节点的突变程度，ε'为本次复帧内的突变程度，ζ 为一个量化常数;在网络初始时刻，所有的节点量化常数相等，4与< 的初值为0;L(s)、L(c) 分别为节点队列中突发数据包和周期数据包的个数;为了更适合突发数据的长期变化趋 势，把δ的值限定在0.5到1之间； (2.4)对于节点剩余能量Ek，由能量消耗模型计算，如下： Ek = b(Eelec+Efsd2) 其中，b为发送数据的比特数，Ea。为发射电路和接收电路的能耗，Efs为传播消耗功率。3. 根据权利要求1所述的交通监控中基于模糊聚类的无线传感网MAC协议，其特征在 于，步骤(3)模糊聚类的过程如下： (3.1) 簇头节点收集簇内节点的因素向量，U= {m，n2，n3,…，nk}表示单个簇所覆盖的区 域，簇内节点个数为k;每个节点在交换信息阶段发送111{、(1 1{、￡1{41{等111个量化因素给簇头节 点，贝簇内节点i发送给簇头节点的向量为m = (rui，m2，m3，…，rum)，i = 1，2，…，k，生成采 集矩阵P;(3.2) 对矩阵P做标准化处理，得到其模糊矩阵;公式如下， 其畔经过处理得到的模糊矩阵为R;(3.3) 采用Kruskal最大树算法进行聚类，得出最终的分类;分类的个数应适中，且与现 实部署相关，根据交通监控的现实情况，分为三类为最佳;Kruskal的具体算法过程如下： (3.3.1) 假设节点形成连通网N=(V，{E})，令最大树初始状态是只有节点而无边的非 连通图T = (V，{})，图中每个节点自成一个连通分量； (3.3.2) 在模糊相似矩阵的上三角中找出最大的数rij，j ;若该数依附的节点落在Τ 中不同的连通分量上，则将此数作为边加入到T中，否则舍去，选择下一个最大的数； (3.3.3) 依次类推，直到T中所有节点都在同一个连通分量上为止，得出模糊相似矩阵R 的最大树； (3.3.4) 选定不同的λ值，砍去最大树中低于λ的边，即得在λ水平上的分类。4. 根据权利要求1所述的交通监控中基于模糊聚类的无线传感网MAC协议，其特征在 于，步骤(4)优先级的计算，具体步骤如下：（4.1)求原始采集矩阵P的样本中心向量，计算公 式如下：得到样本中心向量/^ = f A, /?，· · ; (4.2) 计算每一类的中心向量，如分类后的第Θ类的中心向量为(4.3) 求每类的中心向量到样本中心向量的欧氏距离;离样本中心越近，类别的优先级 越尚；5. 根据权利要求1所述的交通监控中基于模糊聚类的无线传感网MAC协议，其特征在 于，步骤(5)为每类分配不同的竞争参数，其中包括仲裁帧间间隔AIFS，AIFS影响节点接入 的先后顺序，不同的类别Θ对应不同的值，如下： AIFS9 = SIFS+CeXTsi〇t 其中，每个节点的短帧间间隔SIFS是个相等的常量，Ce的值随着类别的优先级增大而减 少，动态地区分不同类别接入的先后顺序;而节点的退避时间范围则是由竞争窗口 CW和退 避指数BE两个参数决定的；对于不同的分类Θ，有不同的Ml值和5<"值，优先级越高的类 别竞争窗口 CWe的取值范围越小，使其有更高的概率竞争早期的时隙传输数据；6. 根据权利要求1所述的交通监控中基于模糊聚类的无线传感网MAC协议，其特征在 于，步骤(7)中所述分层随机延迟的策略具体如下:根据FC-MAC的时隙分配策略，网络初始 时刻，Sink节点随机为每个簇头节点分配一个数值，数值在0，1，2中取;簇头节点接到这个 数值之后，在网络同步开始时刻，延迟η个时隙块，这里的η就是Sink节点分配给簇头的数 值;节点通过分层随机延迟策略，把同一 Sink节点下的簇头分成了不同的3个时段发送数 据，使以前α个簇头同时竞争的信道从物理上分隔开，每个时间段最好情况下有α/3个簇头 竞争信道。
【文档编号】H04W74/08GK105960026SQ201610544227
【公开日】2016年9月21日
【申请日】2016年7月11日
【发明人】任秀丽, 彦琨, 姜天
【申请人】辽宁大学