[发明专利]基于DAI的无线传感器网络协作通信中对管理智能体MA位置预测方法

说明书

本发明公开了基于DAI的无线传感器网络协作通信中对管理智能体(MA)位置预测方法，基于盲源分离技术识别活动节点并确定活动节点位置，选择相似度最高的节点形成簇；在簇内利用分层最大似然估计法识别簇头(CH)，将簇头(CH)作为协调智能体(CoA)；利用分布式人工智能对管理智能体(MA)的位置进行预测；对于MA的位置预测是实现了实时动态更新，它独立于无线传感器网络中的簇成员节点编号及其各自的位置。本发明方法在簇形成和CoA定位时只考虑活动节点，节点间的响应时间较高。

技术领域

本发明属于通信技术领域，尤其涉及基于DAI的无线传感器网络协作通信中的MA位置预测方法。

背景技术

无线传感器网络是由空间分布的传感器节点组成，每个传感器节点具有独立求解的能力，但是节点的通信能力和能量都是有限的。因此面对网络的节能，高效等实际需求时，节点之间必须进行协作通信才能解决大规模的复杂问题，完成全局任务。因此，基于分布式人工智能的无线传感器网络成为如今无线通信领域的热点课题。

分布式人工智能(DAI)的主要研究内容是应用多个独立的智能体相互协作共同完成任务。比起传统的集中式结构，DAI强调的是分布式智能处理，克服了集中式系统中心部件负荷重，知识调度困难等弱点。并且DAI克服了原有专家系统和学习系统等弱点，极大的提高只是系统的性能，可提高问题求解能力和效率，扩大应用范围，降低计算复杂度。

基于多智能体系统的无线传感器网络有效的实现了传感器节点之间的智能的协作通信。但是在无线传感器网络的实际应用中，大多数任务都要求实时性与高效性。但是现有技术大多都是面对静态网络，并且在协作通信过程中响应时间较长。因此必须有效的平衡协作通信过程中的计算时间与通信时间，提高智能体间的响应时间。

发明内容

本发明根据现有技术中存在的问题，提出了基于DAI的无线传感器网络协作通信中的管理智能体(MA)位置预测方法，实现对MA位置的实时动态更新，提高CoA对于MA位置预测的响应时间，降低计算复杂度。

本发明所采用的技术方案如下：

基于DAI的无线传感器网络协作通信中对管理智能体(MA)位置预测方法，包括以下步骤：

步骤1：基于盲源分离技术识别活动节点并确定活动节点位置，选择相似度最高的节点形成簇；

步骤2：在簇内利用分层最大似然估计法识别簇头(CH)，将簇头(CH)作为协调智能体(CoA)；

步骤3：利用分布式人工智能对管理智能体(MA)的位置进行预测；

进一步，形成簇的过程为：

基于结点接收到的不同信号的功率谱密度(PSD)进行检测识别，根据信号的功率谱密度PSD的自相关函数的差异计算节点对的距离，基于节点距离将相似度较高的节点对合并形成簇；

进一步，所述PSD的自相关函数的差异表示为：

PSD的自相关函数表示为：

其中，T为当前时刻，p是独立分布信道的数量，接收器数量j＝1,2,...,j，Γ为时滞，g为噪声，是信号a_l(k)在信道传输中多个时刻的自相关函数，为源信号；

进一步，所述计算节点对的距离ED表示为：

其中，a_l(T)为T时刻里面取得瞬间的信号。

进一步，识别簇头的方法：