一种基于瞬时分差学习的无线体域网路由方法
【专利摘要】本发明提供一种基于瞬时分差学习的无线体域网路由方法，该方法在瞬时分差能量预测的基础上，结合动态源路由(DSR)协议，完成无线体域网的通信路由。由于无线体域网中人体节点状态离散，并且该网络是一个小型的网络，采用瞬时算法对邻居节点进行能量预测，不仅考虑该节点的剩余能量，也要考虑该节点发送一定比特信息所要损耗的能量，基于对周围节点的能量预测，使得路由的选取更具倾向性。本发明能够有效延长无线体域网的生存周期，降低无线体域网的整体能耗。
【专利说明】 一种基于瞬时分差学习的无线体域网路由方法
【技术领域】
[0001]本发明涉及一种无线体域网路由方法，主要利用瞬时分差学习来解决提高无线体域网的能量效率问题，属于无线体域网、机器学习的交叉技术应用领域。
【背景技术】
[0002]随着无线传感器网络的发展，小型便携式传感器设备在人们的日常生活中出现的频率越来越频繁，中小型网络也吸引了越来越多的人的关注和使用，学术界及社会各界对无线体域网也给予了广泛关注。无线体域网之所以能得到大众的青睐，源自于其微型化的设备以及无线体域网具有智能性处理方法，研究人员对于无线体域网的研究兴趣也在逐步提升。无线体域网就是将各种微型传感器设备置于人体表面或人体内部，用于监测人体各时刻状况，对我们未来的日常活动、娱乐、体育运动以及各类不同领域都将有着深远的影响。
[0003]目前国内外学者对于增强学习算法的学习和研究投入了大量的时间与精力，目前已经拥有了大部分成熟的算法，其中包括了动态规划算法、Q学习算法、瞬时分差算法以及马尔科夫决策过程等等。增强学习就是这样的一种学习方式，它是一个通过与环境的不断交互得到反馈，从而不断试错，最终找到最优解的过程。通过调研国内外文献，发现比较与无线体域网相近的无线传感网以及无线自组织网络中的路由算法，很多都涉及到了瞬时分差算法，
[0004]无线体域网能量受限，如何平均网络能量损耗，将仅有的能量高效利用成为无线体域网研究领域的重中之重。瞬时分差增强学习算法是基于预测型的算法，将其运用到无线体域网中，可以感知网络能量的变化，在这些年来被广大研究人员所关注。
[0005]针对无线体域网中能量损耗问题，本发明设计了基于瞬时分差学习的路由方法，利用瞬时分差算法的预测评估能力，建立对人体传感器网络相邻节点的剩余能量预测机制，用以预测邻居节点的能耗情况，根据预测，选择最优路径，从而降低能耗，延长体域网网络的生存周期。瞬时分差算法结合了动态规划算法与其他增强学习算法的优势，而且对于在无线体域网的应用中，摒弃了这两种算法在无线体域网中的不适应性。动态规划算法需要环境模型，在人体环境中，环境模型不是一成不变的，无线规划算法只满足与网络的特定情况，对于体域网的普适性无法满足；动态规划这种增强学习算法会加大无线体域网网络路由发送的延迟，因为该方法在学习的过程中需要等待学习的结束才能进行新一轮的学习，瞬时分差算法跟上述两种方法不同，弥补了以上两种算法在无线体域网路由协议设计中的缺陷，它可以不需要预知周围环境进行学习，也不需要等待一轮学习以后才进行自身学习，可以随时进行学习，也就是说瞬时分差算法是一种多步累积的学习，并且拥有同时进行的转台，即瞬时分差学习。瞬时分差算法中的参数代表学习的步数，从无线体域网网络的角度来看，目的是在于缩减不同时间状态下做出的预测跟实际差距，使得预测更加准确。瞬时分差算法包括了表格瞬时分差算法和值函数逼近瞬时分差算法。
【发明内容】
[0006]技术问题:无线体域网节点一般要监测人体状况，诸如血压、体温、脉搏等，但节点一般供电受限，一旦能量耗尽，人体的重要数据得不到有效传递，所以高效的路由规划是非常重要的网络设计问题之一，本发明的目的是提供一种基于瞬时分差学习的无线体域网自组织路由方法，解决上述问题。
[0007]技术方案:本发明所述的基于瞬时分差学习的路由方法能在节点利用瞬时分差算法的预测评估能力，建立对人体传感器网络相邻节点的剩余能量预测机制，用以预测邻居节点的能耗情况，根据预测，选择最优路径。
[0008]本发明所述的基于瞬时分差的无线体域网路由方法步骤如下:
[0009]步骤1:用户在人体上部署汇聚节点和传感器节点，在传感器节点中指定需要发送人体消息的源节点，在每个传感器节点上预先存储其邻居传感器节点的编号和位置、到邻居传感器节点的通信能耗值，用户指定时间阈值T1，汇聚节点和传感器节点中相邻节点之间进行通信握手在时间阈值T1内确认无线信道通畅，每一个节点构建路由表并将通信握手成功的相邻节点放到该路由表中。所述通信握手是无线体域网中接收节点和发送节点之间互相发送消息确认无线通信链接的过程。
[0010]步骤2:源节点按照用户指定的时间周期T2收集人体消息，每一个时间周期之后，源节点启动向汇聚节点发送人体消息，源节点在路由表中检查是否有到相邻节点的可用路由，如果没有，则网络停止工作；若存在且只有一条路径，那么直接使用这条路径作为传输通道来传输人体消息；若存在且有 两条以上路径，源节点通过重复执行步骤5到步骤8取得一条最优路径，将人体消息通过该最优路径发送给相邻节点，接着重复执行步骤3和步骤4，直至人体消息成功到达汇聚节点。
[0011]步骤3:传感器节点收到源节点或相邻传感器节点发送来的人体消息后，在路由表中检查是否有到相邻节点的可用路由，如果没有，则网络停止工作；若存在且只有一条路径，那么直接使用这条路径作为传输通道来传输人体消息；若存在且有两条以上路径，源节点通过重复执行步骤5到步骤8取得一条最优路径，将人体消息通过该最优路径发送给相邻的下一跳节点。
[0012]步骤4:汇聚节点收到源节点或相邻传感器节点发送来的人体消息，则一个周期人体消息收集和传输任务结束。
[0013]步骤5:用户指定任意一个传感器节点的初始能量消耗Etl = 0，第一个周期节点消耗能量为E1 = EC1,源节点或传感器节点计算在路由表中每一个邻居节点接收人体消息是所需消耗的能量值Ek+1 = Ek+ a (ECk+ y Ek+1-Ek)，k = 1，2，…，所述的EC1代表节点第一个周期真实的能量损耗值，Ek+1代表着人体节点在Tk，(k+1)这一周期进行的第k+Ι次能量预测所得到的结果，ECk则表示T1^k这一周期真实的能量损耗值，α为瞬时分差的学习参数，a e (O, I), Y是一个重要参数，代表了迭代次数，Y越小，执行效率越高，λ e [0，1]，随后源节点或传感器节点通知邻居节点发送其剩余能量值发送给源节点。
[0014]步骤6:源节点或传感器节点通过，+1 又计算在路由表中每一个邻居节
I^0 =En
点的能耗，所述Rk+1是传感器节点在Tt (k+1)这一周期的预测的剩余能量值，R0代表节点在第一个周期内的预测剩余能量值，Ek+1代表着人体节点在Tk，(k+1)这一周期进行的第k+Ι次能量预测所得到的结果，E0是初始能量值。
[0015] 步骤7:源节点或传感器节点计算在路由表中每一个邻居节点的预测损耗率
EEC
Eprc =#，真实损耗率瓦^所述Ek代表着人体节点在T(k_D，k这一周期进行的第k次
/Ik
能量预测所得到的结果，Rk是人体传感器节点在Tarihk这一周期的预测的剩余能量值，ECk则表示T1^k这一周期真实的能量损耗值，RCk是人体传感器节点在Tarihk这一周期的真实的剩余能量值。
[0016]步骤8:源节点或传感器节点计算在路由表中每一个邻居节点的预测损耗率与真实损耗率的差值，若该差值大于用户指定的门限值则调大参数α，则进入步骤5 ;若该差值不大于用户指定的门限值，源节点或传感器节点选择差值最小的一个邻居节点作为人体消息传输的下一跳节点，即确定源节点或传感器节点发送人体消息的当前最优路径。
[0017]有益效果:本发明提出了一种基于瞬时分差学习的无线体域网自组织路由方法。通过使用本发明所提出的路由方法实现无线体域网的路径寻优，也就是利用瞬时分差能量预测方法对节点信息进行预测，使其所设计的基于瞬时分差学习的无线体域网自组织路由方法能够很好得解决网络中能量消耗不均匀的问题，从而延长网络生存周期。具体来说，本发明所述的方法具有如下的有益效果:
[0018](I)本发明所述的基于瞬时分差学习的无线体域网自组织路由方法，能够够很好地解决网络中能量消耗不均匀的问题，节省网络能量。
[0019](2)本发明所述的基于瞬时分差学习的无线体域网自组织路由方法，对邻居节点能量进行预测，通过调大参数，使预测值不断接近真实值，从而实现路径寻优。
[0020](3)本发明所述的基于瞬时分差学习的无线体域网自组织路由方法，采用瞬时分差学习机制提出的路由算法，优化路径过程中，对路径的能耗和剩余能量进行优化，使得源节点到目标节点路径上损耗的能量更小，均衡了网络能耗，大大延缓了节点失效的时间，从而延长了网络生存周期，提高了网络自适应的能力。
【专利附图】
【附图说明】
[0021]图1是基于瞬时分差学习的无线体域网路由方法具体实施流程示意图，
[0022]图2是人体节点示意图。
【具体实施方式】
[0023]下面根据附图和实施例对本发明作更详细的描述。
[0024]本发明提出一种基于瞬时分差学习的无线体域网路由方法，该方法的具体实施流程如图1所示。本发明的【具体实施方式】为:
[0025]第一阶段:路由初始化阶段
[0026]位于人体腰部的节点向周围的邻居节点发送学习训练信息，启动路径建立过程。如节点i向邻居节点j发送学习训练包，也可称作能量信息包，该包中含有节点i的剩余能量以及能量损耗率。为了解决能量信息包丢失或者过时的情况，在节点i发给节点j的能量信息包中加上一个时间序号，代表着该包的发送时间的先后，当节点j收到的时间序号不正确时，会反馈给节点i，要求重新发送能量信息包，这种情况说明发生了丢包现象；当节点j收到的时间序号比之前收到的时间序号要早，则说明该包过时，此能量信息包将被丢弃；只有当节点j收到了一个带有完全正确时间序号的能量信息包，会发送确认包给节点i，节点i不再重新发送能量信息包。
[0027]第二阶段:能量预测阶段
[0028]在能量预测阶段，可以计算节点i的某一个邻居节点j在某一阶段所消耗的能量值，然后计算邻居节点j 一段时间后的剩余能量值。
[0029]假设人体节点图如图2所示，将所有节点进行标号，位于腰部的节点14作为汇聚节点，其邻居节点包括节点24、节点13、节点10、节点11以及节点20，汇聚节点会预测这些节点的能量消耗，依次类推，该邻居节点也有着自身的邻居节点，同样会预测节点的能耗情况。以节点13、10预测节点9为例，具体步骤如下:
[0030]步骤I)位于人体腰部的节点14广播消息，各节点的路由基本建立，定义能量信息包，每个节点发送能量信息包给邻居节点，依次被标志位能量信息包1、能量信息包2…等等，在Tk+k时期发送第k个能量信息包，节点13、节点10发送一个能量信息包给节点9，节点9收到后回复一个确认包上述两个节点。每个节点本地都存放着一个能量信息表.[0031]步骤2):节点9、10、13根据TD能量预测计算各自节点在下一轮将会拥有的剩余能量的值，并且通过如下公式计算误差。误差为预测值与真实值的差值。
[0032]步骤3):比较节点的实际能量消耗与预测能量消耗的百分率，如果该值比门限值d小，则进行下一轮的预测，若 该值大于门限值，那么就调大α值，使得预测的能量损耗率更加接近当前的能量损耗率。
[0033]第三阶段:路由建立与维护阶段
[0034]根据上述两个阶段对DSR路由进行了修改，每个节点增加了能量信息表，数据传输过程中能量优化表示为，源节点向目标节点发送消息时，源节点首先检查路由表缓存中是否有到目标节点的可用路由，如果没有，广播路由请求发起路由请求，若存在且只有一条路径，那么就直接使用这条路径作为消息传输的通道，而不考虑该路径的能耗，用以减少延时，若存在两条或以上的路径则通过瞬时分差能量预测的方法对邻居节点的能耗进行预测，从而选择最优路径。
【权利要求】
1.一种基于瞬时分差学习的无线体域网路由方法，其特征在于该方法所包含的步骤为: 步骤1:用户在人体上部署汇聚节点和传感器节点，在传感器节点中指定需要发送人体消息的源节点，在每个传感器节点上预先存储其邻居传感器节点的编号和位置、到邻居传感器节点的通信能耗值，用户指定时间阈值T1，汇聚节点和传感器节点中相邻节点之间进行通信握手在时间阈值T1内确认无线信道通畅，每一个节点构建路由表并将通信握手成功的相邻节点放到该路由表中；所述通信握手是无线体域网中接收节点和发送节点之间互相发送消息确认无线通信链接的过程； 步骤2:源节点按照用户指定的时间周期T2收集人体消息，每一个时间周期之后，源节点启动向汇聚节点发送人体消息，源节点在路由表中检查是否有到相邻节点的可用路由，如果没有，则网络停止工作；若存在且只有一条路径，那么直接使用这条路径作为传输通道来传输人体消息；若存在且有两条以上路径，源节点通过重复执行步骤5到步骤8取得一条最优路径，将人体消息通过该最优路径发送给相邻节点，接着重复执行步骤3和步骤4，直至人体消息成功到达汇聚节点， 步骤3:传感器节点收到源节点或相邻传感器节点发送来的人体消息后，在路由表中检查是否有到相邻节点的可用路由，如果没有，则网络停止工作；若存在且只有一条路径，那么直接使用这条路径作为传输通道来传输人体消息；若存在且有两条以上路径，源节点通过重复执行步骤5到步骤8取得一条最优路径，将人体消息通过该最优路径发送给相邻的下一跳节点； 步骤4:汇聚节点收到源节点或相邻传感器节点发送来的人体消息，则一个周期人体消息收集和传输任务结束 ； 步骤5:用户指定任意一个传感器节点的初始能量消耗Etl = O，第一个周期节点消耗能量为E1 = EC1,源节点或传感器节点计算在路由表中每一个邻居节点接收人体消息是所需消耗的能量值Ek+1 = Ek+ a (ECk+ y Ek+1-Ek)，k = 1，2，…，所述的EC1代表节点第一个周期真实的能量损耗值，Ek+1代表着人体节点在Tt (k+1)这一周期进行的第k+Ι次能量预测所得到的结果，ECk则表示Tk+k这一周期真实的能量损耗值，α为瞬时分差的学习参数，a e (O, I),Y是一个重要参数，代表了迭代次数，Y越小，执行效率越高，λ e [O, I]，随后源节点或传感器节点通知邻居节点发送其剩余能量值发送给源节点； 步骤6:源节点或传感器节点通过~Ek+l计算在路由表中每一个邻居节点的 I^o =Eo能耗，所述Rk+1是传感器节点在Tt (k+1)这一周期的预测的剩余能量值，R0代表节点在第一个周期内的预测剩余能量值，Ek+1代表着人体节点在Tk，(k+1)这一周期进行的第k+Ι次能量预测所得到的结果，E0是初始能量值； 步骤7:源节点或传感器节点计算在路由表中每一个邻居节点的预测损耗率EECEPrc =J^，真实损耗率式^ = #，所述Ek代表着人体节点在T(k_D，k这一周期进行的第k次能量预测所得到的结果，Rk是人体传感器节点在Tarihk这一周期的预测的剩余能量值，ECk则表示T1^k这一周期真实的能量损耗值，RCk是人体传感器节点在Tarihk这一周期的真实的剩余能量值； 步骤8:源 节点或传感器节点计算在路由表中每一个邻居节点的预测损耗率与真实损耗率的差值，若该差值大于用户指定的门限值则调大参数α，则进入步骤5 ;若该差值不大于用户指定的门限值，源节点或传感器节点选择差值最小的一个邻居节点作为人体消息传输的下一跳节点，即确定源节点或传感器节点发送人体消息的当前最优路径。
【文档编号】H04W84/18GK103974370SQ201410177183
【公开日】2014年8月6日 申请日期:2014年4月29日 优先权日:2014年4月29日
【发明者】陈志 , 宝磊, 王东, 岳文静, 朱彦沛, 高阳阳, 高显强 申请人:南京邮电大学