本发明涉及大型低功耗嵌入式网络研究领域，具体涉及一种用于嵌入式网络的服务器定位方法。
背景技术：
微电子和通信方面的最新进展促成了大规模低功耗嵌入式网络的发展，其中产生了巨大的且需要处理的感官数据。为了支持大规模低功耗嵌入式网络的实时处理，安装有存储和计算能力的服务器是一种很有前途的方法。该问题存在几个明显的挑战，首先，与传统的无线网络节点不同，低功耗嵌入式节点更加多样化，并且在流量需求方面有很大的差异。例如，摄像机的视频嵌入式模块会产生比设备维护用传感器更多的数据。其次，嵌入式节点通常使用低功率无线电，并且更容易受到无线干扰，考虑到服务器负责收集数据以及分发数据(例如，用于软件更新或计算反馈)，无线干扰可以显著影响服务器的定位和安装。现有的定位工作有明显缺点：忽略了流量多样性和嵌入式网络环境多样性，导致服务器数量大，嵌入式网络与服务器之间的吞吐量小，实时处理数据的能力无法满足大规模嵌入式网络的需要。
技术实现要素：
本发明所要解决的技术问题是现有的定位工作有明显缺点：忽略了流量多样性和嵌入式网络环境多样性，导致服务器数量大，嵌入式网络与服务器之间的吞吐量小，实时处理数据的能力无法满足大规模嵌入式网络的需要，目的在于提供一种用于嵌入式网络的服务器定位方法，解决上述问题。
本发明通过下述技术方案实现：
一种用于嵌入式网络的服务器定位方法，包括以下步骤：S1：根据无线环境和数据流量需求将嵌入式网络划分为多个子区域，并得出各子区域的传输等级，所述子区域的中心为定位的候选位置；S2：得出各候选位置的综合性能指标；S3：选取最佳综合性能指标的候选位置，并根据综合性能指标选取无线嵌入式节点作为候选接收端；S4：排除S3中选取的候选位置覆盖的候选接收端并更新所有候选位置的综合性能指标；S5：重复执行S3和S4至所有无线嵌入式节点被覆盖。
现有技术中，定位工作有明显缺点：忽略了流量多样性和嵌入式网络环境多样性，导致服务器数量大，嵌入式网络与服务器之间的吞吐量小，实时处理数据的能力无法满足大规模嵌入式网络的需要。
本发明应用时，为了解决在嵌入式网络中定位服务器的问题，各节点的流量需求多样性和所处嵌入式网络环境多样性的问题，发明人对服务器定位方法进行了专门的设计：考虑流量多样性和嵌入式网络环境多样性的服务器定位方法的主要步骤依次为：划分，效用度量，定位算法，本发明考虑一个大型且更实用的嵌入式网络，并且关注嵌入式网络中服务器的定位问题，本发明与定位过程中涉及的延迟约束等工作是正交的，即这些约束可以加入到本方法的假设中。同时，将流量需求多样性纳入候选位置生成过程，因此提供了更合理和有效的候选位置，考虑嵌入式网络环境多样性(特别是链路相关特性)，因此，所提出的工作更适合于大规模的异构嵌入式网络，并且可以实现更好的吞吐量收益。
进一步的，步骤S1包括以下子步骤：所述各子区域的传输等级通过节点的有效性和距离之间的关系进行归一化得出。
进一步的，所述归一化根据下式得出：
式中，l∈[0,v]；为半径为r的圆周的期望传输速率；dn为节点n的传输需求；为单位时间内总传输需求中的已传输数据的百分比。
本发明应用时，节点的有效性和距离之间的关系可以标准化，利用所有嵌入式节点的标准化等级，可将目标区域划分为定位服务器的不同候选位置。
进一步的，步骤S2包括以下子步骤：S21：得出候选位置的数据分发性能，所述数据分发性能由服务器向所有接收端发送数据包所需的期望传输次数得出；S22：得出权重参数，所述权重参数为数据收集和分发任务的权重指标；S23：根据数据分发性能和权重参数得出各候选位置的综合性能指标。
进一步的，所述候选位置的数据分发性能根据下式得出：
式中，为数据分发性能；为位置p向所有节点n传输一个包时，需要的传输次数大于k；为k次传输不能覆盖第n个节点的概率，其中qpn是位置p到节点n的链路质量；为k次传输不能覆盖剩余n-1个节点的概率；为第n个节点丢失包数据同时其余n-1个节点没有被覆盖的概率；为p→n-1和p→n这两条链路相关性。
本发明应用时，涉及链路质量和链路相关性，以服务器p向所有目标接收机发送数据包所需的预期传输次数来计算。
进一步的，所述链路质量和链路相关性采用SINR测量进行链路预测。
进一步的，所述链路质量和链路相关性采用包内RSSI采样进行链路估计。
进一步的，所述权重参数根据下式得出：
式中，Fg为数据收集流量；Ft为数据分发流量；β为权重参数。
其中，Fg和Ft由低功耗无线网络运营商提供。
进一步的，所述综合性能指标根据下式得出：
式中σp为综合性能指标；β为权重参数；qip为位置i到节点p的链路质量；为归一化因子；为数据分发性能。
本发明应用时，根据数据收集和分发的权重，我们设计了一个候选位置p的综合性能指标σ，为数据收集的性能，由单跳无线节点的所有数据包传输率(PDR)总和给出。；idx(i,p)为位置p在节点i范围内的级别索引；N为所有节点的集合。。
进一步的，步骤S4包括以下子步骤：如果前一次选取的候选位置与当前所有候选位置没有重叠的嵌入式节点，则本次所有候选位置的综合性能指标保持不变。
本发明与现有技术相比，具有如下的优点和有益效果：
本发明一种用于嵌入式网络的服务器定位方法，与定位过程中涉及的延迟约束等工作是正交的，即这些约束可以加入到本方法的假设中。同时，将流量需求多样性纳入候选位置生成过程，因此提供了更合理和有效的候选位置，考虑嵌入式网络环境多样性(特别是链路相关特性)，因此，所提出的工作更适合于大规模的异构嵌入式网络，并且可以实现更好的吞吐量收益。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明方法步骤示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例
如图1所示，本发明一种用于嵌入式网络的服务器定位方法，考虑流量和嵌入式网络环境多样性的服务器定位方法的主要步骤依次为：划分，效用度量，定位。其中，
划分过程包括以下步骤：
模拟100节点的嵌入式网络，其中所有嵌入式节点在单位时间内的数据流量为随机生成,假设服务器能够接收T＝150Kb/s,设置40％的高流量需求节点，20％的分发任务。
根据我们定义的节点n的“标准化”级别l，得到所有嵌入式节点的标准化等级，将模拟的嵌入式网络划分为定位服务器的不同候选位置。
效用度量过程包括以下步骤：
测量链路质量和链路相关性，有两种测量方法：
第一种，使用“Modeling link correlation in low-power wireless networks,”in Proc.IEEE Conf.Comput.Commun.INFOCOM),Hong Kong,2015,pp.990–998中提出的模型，基于SINR测量进行链路预测。
第二种，使用包内RSSI采样进行链路估计，其中链路质量测量时，从RSSI采样中获得一系列BER和变化，然后可以使用BER推断PDR如下：
上式中，be[i]：第i个字节的估计BER；t：以字节为单位的包长度。
第二种方法中链路相关性测量计算方式如下：
上式中，bki[m]：是二进制的表示，代表从k到i的包中的第m个字节是否是错误的；&：二进制与运算。可使用单个数据包估计或多个数据包估计，使用单包估计时，bki[m]从RSSI采样估计，使用多包估计时bki[m]可直接获得。
利用确定β因子：
从递归地计算其中从而可得
利用测得的链路质量和节点级别确定计算候选位置p的性能指标σ：
依照算法定位步骤如下：
从具有最佳σ的位置中选择候选位置，当一个候选位置被选择后，第m级效用等级内的嵌入式节点作为其接收者被包括在内，然后我们排除所有覆盖的接收者，更新所有候选位置的σ值，并选择σ最高的位置定位下一个服务器，重复上述过程直到所有嵌入式节点都被服务器覆盖。
具体的，定位过程中，通过排除选择的位置和相应的嵌入式节点，更新的σ度量仍然表示候选位置的有效性，为了减少计算复杂度，我们可以判断σ度量在更新之前是否受到影响，如果先前选择的位置与当前位置没有重叠的嵌入式节点，则度量σi对于下一轮选择将保持不变，此外，可以通过在每次迭代中选择最高τ非重叠位置来提高算法，我们将考虑使用节能聚类算法来查找我们未来工作中的定位位置。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。