基于灰色預(yù)測的無線傳感網(wǎng)絡(luò)路由優(yōu)化算法研究

劉文春

基于灰色預(yù)測的無線傳感網(wǎng)絡(luò)路由優(yōu)化算法研究

劉文春

（安徽工貿(mào)職業(yè)技術(shù)學(xué)院，安徽 淮南 232007）

無線傳感網(wǎng)絡(luò)路由鏈路節(jié)點(diǎn)分布混亂，導(dǎo)致路由算法穩(wěn)定性降低，提出基于灰色預(yù)測的無線傳感路由優(yōu)化算法。構(gòu)建無線傳感器網(wǎng)絡(luò)路由節(jié)點(diǎn)定位模型，實(shí)現(xiàn)傳感器節(jié)點(diǎn)自主鏈路分層轉(zhuǎn)發(fā)控制，構(gòu)建無線傳感節(jié)點(diǎn)控制模型，提高路由探測的參數(shù)識別能力；采用灰色關(guān)聯(lián)預(yù)測方法，建立無線傳感網(wǎng)絡(luò)路由探測模型，根據(jù)路由探測結(jié)果，獲取教務(wù)數(shù)據(jù)采集系統(tǒng)無線傳感器網(wǎng)絡(luò)最優(yōu)節(jié)點(diǎn)密度分布，融合模糊度參數(shù)，構(gòu)建模糊信息調(diào)度優(yōu)化設(shè)計(jì)模型，定位最優(yōu)自適應(yīng)特征信息，實(shí)現(xiàn)無線傳感網(wǎng)絡(luò)路由優(yōu)化設(shè)計(jì)。仿真結(jié)果表明，無線傳感網(wǎng)絡(luò)路由設(shè)計(jì)的輸出穩(wěn)定性較好，節(jié)點(diǎn)定位精度較高，傳輸時延較小，提高了教務(wù)數(shù)據(jù)采集系統(tǒng)中的無線傳感器網(wǎng)絡(luò)傳輸和數(shù)據(jù)分析能力。

灰色預(yù)測；無線傳感網(wǎng)絡(luò)；網(wǎng)絡(luò)路由；自適應(yīng)控制；空間融合

隨著無線傳感器網(wǎng)絡(luò)技術(shù)的發(fā)展，采用無線傳感網(wǎng)絡(luò)的路由分布式部署控制方法實(shí)現(xiàn)對數(shù)據(jù)的采集和信息處理是目前實(shí)現(xiàn)數(shù)據(jù)信息探測和分析的主要方式，結(jié)合無線傳感網(wǎng)絡(luò)通信和路由優(yōu)化設(shè)計(jì)方法，建立無線傳感網(wǎng)絡(luò)下的教務(wù)系統(tǒng)數(shù)據(jù)信息采集和分析模型，結(jié)合對教務(wù)系統(tǒng)的參數(shù)分析和信息融合結(jié)果，實(shí)現(xiàn)對教務(wù)系統(tǒng)中數(shù)據(jù)的可靠性采集和分析處理，研究教務(wù)數(shù)據(jù)采集系統(tǒng)無線傳感器網(wǎng)絡(luò)的路由優(yōu)化方法，通過對網(wǎng)絡(luò)節(jié)點(diǎn)的自適應(yīng)定位和模糊度特征分析，實(shí)現(xiàn)對教務(wù)數(shù)據(jù)采集系統(tǒng)無線傳感器網(wǎng)絡(luò)的優(yōu)化設(shè)計(jì)，相關(guān)的無線傳感器網(wǎng)絡(luò)的路由優(yōu)化算法研究受到人們的極大關(guān)注[1]。

對教務(wù)數(shù)據(jù)采集系統(tǒng)的設(shè)計(jì)是通過無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)的準(zhǔn)確特征分析和信息調(diào)度實(shí)現(xiàn)的，結(jié)合對教務(wù)數(shù)據(jù)采集系統(tǒng)的無線傳感信息跟蹤識別，采用節(jié)點(diǎn)的路由優(yōu)化辨識和探測方法，實(shí)現(xiàn)對教務(wù)數(shù)據(jù)采集系統(tǒng)無線傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)定位，傳統(tǒng)方法中，對教務(wù)數(shù)據(jù)采集系統(tǒng)無線傳感器網(wǎng)絡(luò)的路由算法設(shè)計(jì)主要有最短路由尋優(yōu)方法、不規(guī)則網(wǎng)路由探測方法等[2-4]，建立教務(wù)數(shù)據(jù)采集系統(tǒng)無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)的自適應(yīng)參數(shù)定位控制模型，通過空間參數(shù)分布式融合設(shè)計(jì)，實(shí)現(xiàn)對教務(wù)數(shù)據(jù)采集系統(tǒng)無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位控制，但傳統(tǒng)方法進(jìn)行教務(wù)數(shù)據(jù)采集系統(tǒng)無線傳感器網(wǎng)絡(luò)的路由設(shè)計(jì)的輸出可靠性不高，數(shù)據(jù)采集和傳輸?shù)恼`碼率較低。針對上述問題，本文提出基于灰色預(yù)測的無線傳感網(wǎng)絡(luò)路由優(yōu)化算法。首先構(gòu)建教務(wù)數(shù)據(jù)采集系統(tǒng)無線傳感器網(wǎng)絡(luò)的路由節(jié)點(diǎn)定位模型，采用物聯(lián)網(wǎng)節(jié)點(diǎn)自適應(yīng)定位方法實(shí)現(xiàn)無線傳感網(wǎng)絡(luò)路由感知，然后采用灰色關(guān)聯(lián)預(yù)測方法分析無線傳感網(wǎng)絡(luò)路由傳輸?shù)淖韵嚓P(guān)特征分配集，通過模糊度參數(shù)融合和自適應(yīng)特征信息定位的方法，實(shí)現(xiàn)無線傳感網(wǎng)絡(luò)路由優(yōu)化設(shè)計(jì)。最后進(jìn)行仿真測試分析，展示了本文方法在提高無線傳感網(wǎng)絡(luò)路由優(yōu)化能力和數(shù)據(jù)采集可靠性方面的優(yōu)越性能。

1 無線傳感網(wǎng)絡(luò)路由節(jié)點(diǎn)定位和參數(shù)識別

1.1 無線傳感網(wǎng)絡(luò)路由節(jié)點(diǎn)定位

根據(jù)無線傳感器網(wǎng)絡(luò)中無線通信和數(shù)據(jù)采集節(jié)點(diǎn)總數(shù)，教務(wù)數(shù)據(jù)采集系統(tǒng)中，基于差值協(xié)作模型，自適應(yīng)定位無線傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)，識別節(jié)點(diǎn)參數(shù)，辨識節(jié)點(diǎn)模糊度，估算節(jié)點(diǎn)軌跡間距[6]，得到教務(wù)數(shù)據(jù)采集系統(tǒng)中無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)的初始鏈路分布模型如圖2所示。

圖1 無線傳感器網(wǎng)絡(luò)的路由節(jié)點(diǎn)分布

圖2 無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)的鏈路分布模型

1.2 無線傳感器網(wǎng)絡(luò)的參數(shù)識別

結(jié)合空間性融合和時空協(xié)作評估的方法實(shí)現(xiàn)對無線傳感網(wǎng)絡(luò)路由探測過程中的自適應(yīng)尋優(yōu)控制[8]，結(jié)合鏈路轉(zhuǎn)發(fā)和傳感信息融合方法進(jìn)行教務(wù)數(shù)據(jù)采集系統(tǒng)無線傳感器網(wǎng)絡(luò)的自適應(yīng)定位，選擇最短路徑尋優(yōu)方法，得到鄰居節(jié)點(diǎn)集合為

2 無線傳感網(wǎng)絡(luò)的路由優(yōu)化

2.1 無線傳感網(wǎng)絡(luò)路由探測

結(jié)合空間性融合和時空協(xié)作評估的方法實(shí)現(xiàn)對無線傳感網(wǎng)絡(luò)路由探測過程中的自適應(yīng)尋優(yōu)控制，采用灰色關(guān)聯(lián)預(yù)測方法分析無線傳感網(wǎng)絡(luò)路由傳輸?shù)淖韵嚓P(guān)特征分配集，采用能量均衡策略的方法，結(jié)合能量參數(shù)均衡控制，進(jìn)行教務(wù)數(shù)據(jù)采集系統(tǒng)無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位和路由探測設(shè)計(jì)[10]，得到教務(wù)數(shù)據(jù)采集系統(tǒng)無線傳感器網(wǎng)絡(luò)最優(yōu)節(jié)點(diǎn)密度分布問題轉(zhuǎn)換為求n的二乘規(guī)劃問題，描述為

2.2 無線傳感器網(wǎng)絡(luò)路由優(yōu)化設(shè)計(jì)

在教務(wù)數(shù)據(jù)采集系統(tǒng)中，通過對無線傳感器網(wǎng)絡(luò)的傳感信息融合，分析相鄰兩節(jié)點(diǎn)的匹配狀態(tài)特征量，得到傳感器網(wǎng)絡(luò)節(jié)點(diǎn)的路由輸出協(xié)議，在無線傳輸鏈路層中，定義節(jié)點(diǎn)間的比較函數(shù)，得到傳感器節(jié)點(diǎn)的初始位置，模糊信息調(diào)度優(yōu)化設(shè)計(jì)模型：

3 仿真實(shí)驗(yàn)與結(jié)果分析

為了驗(yàn)證本文方法在實(shí)現(xiàn)無線傳感網(wǎng)絡(luò)路由優(yōu)化中的應(yīng)用性能，進(jìn)行實(shí)驗(yàn)測試分析，數(shù)據(jù)信息處理的仿真工具采用C++實(shí)現(xiàn)，在教務(wù)系統(tǒng)中隨機(jī)部署了100個節(jié)點(diǎn)實(shí)現(xiàn)對教務(wù)信息采集，每個傳感節(jié)點(diǎn)的覆蓋率為0.93，無線傳感網(wǎng)絡(luò)路由傳輸?shù)墓潭ㄑ訒r1.5ms，輸出載波頻率為6.8kHz，數(shù)據(jù)大小為1200Byte，根據(jù)上述參數(shù)設(shè)定，進(jìn)行無線傳感網(wǎng)絡(luò)路由優(yōu)化設(shè)計(jì)，測試不同方法進(jìn)行無線傳感網(wǎng)絡(luò)路由拓?fù)鋫鬏斄?，將文獻(xiàn)[4]與文獻(xiàn)[6]作為對比方法，得到無線傳感網(wǎng)絡(luò)路由拓?fù)鋫鬏斄恐眯艆^(qū)間分布如圖3所示。

圖3 無線傳感網(wǎng)絡(luò)路由拓?fù)鋫鬏斄恐眯艆^(qū)間

分析圖3得知，本文方法進(jìn)行無線傳感網(wǎng)絡(luò)路由拓?fù)湓O(shè)計(jì)，傳感器節(jié)點(diǎn)實(shí)現(xiàn)數(shù)據(jù)傳輸?shù)闹眯哦人捷^高，測試節(jié)點(diǎn)丟包率，丟包率（Loss Tolerance或Packet Loss Rate）是指測試中所丟失數(shù)據(jù)包數(shù)量占所發(fā)送數(shù)據(jù)組的比率。計(jì)算方法是:“[(輸入報文-輸出報文)/輸入報文]×100%”。得到對比結(jié)果如圖4所示。

分析圖4得知，本文方法進(jìn)行無線傳感網(wǎng)絡(luò)路由優(yōu)化設(shè)計(jì)，丟包率較低，節(jié)能能耗開銷較小。

測試誤碼率，誤碼率（SER：symbol error rate）是衡量數(shù)據(jù)在規(guī)定時間內(nèi)數(shù)據(jù)傳輸精確性的指標(biāo)，誤碼率=傳輸中的誤碼/所傳輸?shù)目偞a數(shù)×100%，得到對比結(jié)果見表1。

分析表1得知，文獻(xiàn)方法與本文方法進(jìn)行對比，運(yùn)用本文方法的無線傳感網(wǎng)絡(luò)路由優(yōu)化設(shè)計(jì)，輸出的誤碼率較低，可靠性好。

圖4 無線傳感網(wǎng)絡(luò)路由優(yōu)化參數(shù)分析

表1 輸出誤碼率測試

4 結(jié)束語

建立無線傳感網(wǎng)絡(luò)下的教務(wù)系統(tǒng)數(shù)據(jù)信息采集和分析模型，結(jié)合對教務(wù)系統(tǒng)的參數(shù)分析和信息融合結(jié)果，實(shí)現(xiàn)對教務(wù)系統(tǒng)中數(shù)據(jù)的可靠性采集和分析處理，本文提出基于灰色預(yù)測的無線傳感網(wǎng)絡(luò)路由優(yōu)化算法。結(jié)合節(jié)點(diǎn)狀態(tài)預(yù)估結(jié)果構(gòu)建教務(wù)數(shù)據(jù)采集系統(tǒng)的無線傳感器網(wǎng)絡(luò)簇頭節(jié)點(diǎn)分布模型，構(gòu)建教務(wù)數(shù)據(jù)采集系統(tǒng)無線傳感器網(wǎng)絡(luò)傳感信息融合模型。采用能量參數(shù)均衡控制的方法，進(jìn)行教務(wù)數(shù)據(jù)采集系統(tǒng)無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位和路由探測設(shè)計(jì)，實(shí)現(xiàn)對無線傳感網(wǎng)絡(luò)路由的優(yōu)化設(shè)計(jì)。研究得知，本文方法對無線傳感網(wǎng)絡(luò)路由的傳感器節(jié)點(diǎn)實(shí)現(xiàn)數(shù)據(jù)傳輸?shù)闹眯哦人捷^高，并且無線傳感網(wǎng)絡(luò)路由優(yōu)化設(shè)計(jì)，輸出的誤碼率較低，可靠性好。丟包率較小，提高了無線傳感網(wǎng)絡(luò)的數(shù)據(jù)傳輸能力。

[1] 丁凰，繆相林，王梅，等. 無線傳感網(wǎng)絡(luò)中轉(zhuǎn)發(fā)節(jié)點(diǎn)優(yōu)化的多跳路由[J]. 導(dǎo)航定位學(xué)報，2020, 8(05): 112-116.

[2] Azadeh A, Farrokhi-Asl H. The close-open mixed multi depot vehicle routing problem considering internal and external fleet of vehicles[J]. Transportation Letters: The International Journal of Transportation Research, 2017, 11(2): 78-92.

[3] Xiao Y, Konak A. The heterogeneous green vehicle routing and scheduling problem with time-varying traffic congestion[J]. Transportation Research, Part E: Logistics and Transportation Review, 2016, 88: 146-166.

[4] 朱國輝，馮大政，聶衛(wèi)科. 傳感器位置誤差情況下基于多維標(biāo)度分析的時差定位算法[J]. 電子學(xué)報，2016, 44(1): 21-26.

[5] 林志興，王立可. 基于深度特征和Seq2Seq模型的網(wǎng)絡(luò)態(tài)勢預(yù)測方法[J]. 計(jì)算機(jī)應(yīng)用，2020, 40(8): 2241-2247.

[6] 羅浩，仲佳嘉，李祥. 基于改進(jìn)支持向量機(jī)的無線傳感器網(wǎng)絡(luò)路由優(yōu)化算法[J]. 吉林大學(xué)學(xué)報：理學(xué)版，2019(2): 369-374.

[7] Ghifary M, Balduzzi D, Kleijin W B, et al. Scatter component analysis: a unified framework for domain adaptation and domain generalization[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2017, 39(7): 1414-1430.

[8] 馮維，王鳳，許丹，等. 無線傳感器網(wǎng)絡(luò)聯(lián)合安全路由和功率分配優(yōu)化算法[J]. 傳感技術(shù)學(xué)報，2019, 32(4): 610-617.

[9] 趙國鋒，黎軍，王新恒，等. 基于SDN的WLAN負(fù)載感知切換方案實(shí)現(xiàn)[J]. 計(jì)算機(jī)應(yīng)用研究，2019, 36(5): 180-184.

[10] 金圣達(dá)，朱兆偉，趙尚書，等. 蜂窩異構(gòu)網(wǎng)絡(luò)中的最優(yōu)頻譜分配算法[J]. 計(jì)算機(jī)工程，2019, 45(2): 70-75.

[11] 王楚捷，王好賢. M-CORD下無線接入網(wǎng)絡(luò)資源分配研究[J]. 計(jì)算機(jī)工程與應(yīng)用，2018, 54(22): 92-98.

[12] 謝超，趙偉，王亞朝，等. 多導(dǎo)航傳感器數(shù)據(jù)實(shí)時并行采集處理與傳輸系統(tǒng)的研制[J]. 電子測量技術(shù)，2018, 41(21): 67-70.

[13] 張傳錦，李璐璐. 基于模糊C均值聚類的無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位算法[J]. 電子設(shè)計(jì)工程，2016(8): 58-60.

[14] 譚營軍，王俊平. 基于MEACO的無線傳感器網(wǎng)絡(luò)路由光通信算法研究[J]. 激光雜志，2016, 37(2): 131-133.

[15] 程德芳，徐小華，于娜. 相干光通信鏈路外差接收技術(shù)研究[J]. 激光雜志，2016, 37(2): 125-127.

[16] Chen X Y, Park J H, Cao J D, et al. Sliding mode synchronization of multiple chaotic systems with uncertainties and disturbances[J]. Applied Mathematics and Computation, 2017, 308: 161-173.

[17] 黃影，華雨晴. 能量與路徑約束的無線傳感網(wǎng)絡(luò)路由優(yōu)化[J]. 西安電子科技大學(xué)學(xué)報，2020, 47(3): 118-125.

Research on routing optimization algorithm of wireless sensor network based on grey prediction

LIU Wen-chun

(Anhui Vocactional and Technical College of Industry and Trade, Anhui Huainan 232007, China)

The distribution of routing link nodes in wireless sensor networks is chaotic, which leads to a decrease in the stability of the routing algorithm. A grey prediction-based wireless sensor routing optimization algorithm is proposed. Construct a wireless sensor network routing node positioning model, realize the autonomous link hierarchical forwarding control of sensor nodes, construct a wireless sensor node control model, and improve the parameter identification ability of routing detection. The gray correlation prediction method is used to establish a wireless sensor network routing detection model, and according to the routing detection results, the optimal node density distribution of the wireless sensor network of the educational data acquisition system is obtained. Fusion of ambiguity parameters, construct a fuzzy information scheduling optimization design model, locate the optimal adaptive feature information, and realize the optimal design of wireless sensor network routing. The simulation results show that the output stability of wireless sensor network routing design using this method is better, the node positioning accuracy is higher, the transmission delay is smaller, and the ability of wireless sensor network transmission and data analysis in educational administration data acquisition system is improved.

grey prediction；wireless sensor network；network routing；adaptive control；spatial fusion

2020-12-22

2020年度安徽高校自然科學(xué)研究項(xiàng)目“基于云計(jì)算的高職院校數(shù)據(jù)中心安全等級保護(hù)應(yīng)用研究”（KJ2020A0934）

劉文春（1982-），男，安徽淮南人，講師，碩士，主要從事計(jì)算機(jī)研究，xiao_chun0406@sina.com。

TN929.5;TP212.9

A

1007-984X(2021)04-0054-05