[发明专利]基于多维状态的无线传感器网络路由环路预测方法

说明书

技术领域

本发明涉及一种基于多维状态的无线传感器网络路由环路预测方法，属于无线自组织网络与传感器网络领域。

背景技术

随着通信技术、传感器技术和嵌入式计算技术的快速发展和日益成熟，具有通信、传感和计算能力的微型传感器节点开始出现，并且被逐渐的应用到生产和生活之中。这种传感器网络能够协调地感知、采集和处理网络覆盖区域内的各种环境或监测对象信息，并发布给需要这些信息的用户。传感器网络将逻辑上的信息世界与真实的物理世界融合在一起，深刻地改变了人与自然的交互方式，可广泛地应用于环境监测、工农业控制、生物医疗、国防军事等诸多领域。

无线传感器网络和环境深入结合，同时也被环境中的一些因素所影响，例如天气的改变，城市的车流和WiFi信号等。这些未知的动态性都会对无线传感器网络的无线链路带入不可估量的影响，从而导致系统性能的剧烈波动。

为了适应网络的动态性，动态路由协议在自组织网络中已经被广泛采用。在这类协议中，路由链路周期性的更新，从而保证了全网的路由一致性。因为动态路由协议已经被大规模无线传感器网络广泛采用，那么剧烈波动的系统性能是不可被接受的。协议设计师们从小型的实验床上得出的实验经验来指导动态路由协议的设计，但往往忽视了基础的问题，尤其是路由环路存在，很大程度上影响了网络吞吐量，造成大量数据包被丢弃。路由环路又分为两类，一类是短暂的路由环路，这类环路可以避免数据包在原先链路不通畅的情况下，暂时在网络中传递，当有数据出口时，可在牺牲时延的情况下送到汇聚点；还有一类是长时间的路由环路，这类环路往往由于网络孤岛或者程序的错误导致，数据包在这类路由环路中传递毫无意义，需要极力避免，从而减少整个网络的能量开销。

然而，探究路由环路的持续时间是非常有挑战性的。首先，大规模传感网系统的部署和数据收集都相对困难，网络管理员很难收集完整的路由决策过程的信息。其次路由决策的影响范围在分布式网络中也很难被估量。再次，由于无线传感器网路自身设备的局限性，往往无法获得精细的数据。所以如果能够获知路由环路的持续时间，即可为节点的路由决策提供帮助，从而大大减少了由于路由切换不合理带来的能量损失。根据局部路由信息和环境状态分析预测路由环路的存在时间，可以优化无线传感器网络的路由策略。本方法即在此范畴内。

发明内容

本发明的目的是克服现有技术中存在的不足，提供一种基于多维状态的无线传感器网络路由环路预测方法，用于帮助提高无线传感器网络节点路由性能，提升无线传感器网络的数据吞吐量。

按照本发明提供的技术方案，所述的基于多维状态的无线传感器网络路由环路预测方法包括以下步骤：

1)记录无线传感器网络运行过程中每个环路的持续时间p(t)，即当节点从t时刻开始的[t,t+p(t)]时段内，所有发出的数据包都会再次自身传递出去；

2)选取历史属性窗口τ；

3)对于每个节点统计历史属性窗口τ内，即时间间隔[t-τ,t]内所有历史属性，包括：平均时间间隔、无线收发机开启时间占空比、路由环路发生的次数、路由环路的持续时间、所有路由环路时间间隔的方差以及最大的时间间隔和最小的时间间隔、平均信号强度信息、所有数据包信号强度方差以及最大的信号强度和最小的信号强度、环境参数信息；

其中，平均时间间隔＝所有相邻数据包的到达时间间隔/所有数据包的数量；

5)将历史属性整理成向量格式<f₁,f₂,…,f_n>，采用基于相关性的属性选择技术，选取相关性最大的m个属性<f′₁,f′₂,f′₃,...,f′_m>；

6)根据步骤5选择过后的向量属性集<f′₁,f′₂，f′₃,...,f′_m>，通过RuleFit学习算法，得到学习模型F；

7)在实际使用过程中，每个节点统计自己历史属性<f″₁,f″₂,f″₃,...，f″_m>，根据学习模型F，得到预测下一个路由环路的持续时间。

所述环境参数信息包括：平均温度、平均湿度、平均光照。