亚洲狠狠干,亚洲国产福利精品一区二区,国产八区,激情文学亚洲色图

基于無(wú)線傳感器網(wǎng)絡(luò)流量統(tǒng)計(jì)的節(jié)點(diǎn)動(dòng)態(tài)節(jié)能方法

文檔序號(hào):7552252閱讀:130來(lái)源:國(guó)知局
專利名稱:基于無(wú)線傳感器網(wǎng)絡(luò)流量統(tǒng)計(jì)的節(jié)點(diǎn)動(dòng)態(tài)節(jié)能方法
技術(shù)領(lǐng)域
本發(fā)明涉及無(wú)線傳感器網(wǎng)絡(luò)領(lǐng)域,尤其涉及一種基于無(wú)線傳感器網(wǎng)絡(luò)流量統(tǒng)計(jì)的節(jié)點(diǎn)動(dòng)態(tài)節(jié)能方法。
背景技術(shù)
隨著通信技術(shù)、傳感器技術(shù)和嵌入式計(jì)算技術(shù)的快速發(fā)展和日益成熟,具有通信、傳感和計(jì)算能力的微型傳感器節(jié)點(diǎn)開始出現(xiàn),并且被逐漸的應(yīng)用到生產(chǎn)和生活之中。這種無(wú)線傳感器網(wǎng)絡(luò)能夠協(xié)調(diào)地感知、采集和處理網(wǎng)絡(luò)覆蓋區(qū)域內(nèi)的各種環(huán)境或監(jiān)測(cè)對(duì)象信息,并發(fā)布給需要這些信息的用戶。無(wú)線傳感器網(wǎng)絡(luò)將邏輯上的信息世界與真實(shí)的物理世界融合在一起,深刻地改變了人與自然的交互方式,可廣泛地應(yīng)用于環(huán)境監(jiān)測(cè)、工農(nóng)業(yè)控制、生物醫(yī)療、國(guó)防軍事等諸多領(lǐng)域。通常無(wú)線傳感器網(wǎng)絡(luò)由電池驅(qū)動(dòng),并且往往部署在人跡罕至的地方,使得電池替換變得異常麻煩。為了解決有限的電池容量和長(zhǎng)時(shí)間部署需求之間的矛盾,周期工作(Duty-cycling)的工作模式已經(jīng)成為業(yè)界的廣泛應(yīng)用的方案。無(wú)線傳感器網(wǎng)絡(luò)中的節(jié)點(diǎn)主要完成兩類工作:數(shù)據(jù)采集和數(shù)據(jù)傳輸。數(shù)據(jù)采集包括周期性的數(shù)據(jù)采集,如環(huán)境中的溫濕度,二氧化碳濃度;以及突發(fā)事件的數(shù)據(jù)采集,如森林火災(zāi),車輛檢測(cè)。數(shù)據(jù)傳輸工作由無(wú)線傳感器網(wǎng)絡(luò)本身的特點(diǎn)決定,大量傳感器節(jié)點(diǎn)以自組織(ad-hoc)的方式組成無(wú)線網(wǎng)絡(luò),并且以多跳的方式幫助其他節(jié)點(diǎn)將數(shù)據(jù)發(fā)回基站。大量研究表明,在環(huán)境監(jiān)測(cè)等周期性采集數(shù)據(jù)的無(wú)線傳感器網(wǎng)絡(luò)應(yīng)用中,能量開銷基本由無(wú)線收發(fā)器(radio)開啟的時(shí)間決定。因此,如何減少無(wú)線收發(fā)器開啟時(shí)間成了延長(zhǎng)無(wú)線傳感器網(wǎng)絡(luò)壽命的關(guān)鍵所在。周期工作技術(shù)已經(jīng)成為廣為采用的節(jié)點(diǎn)節(jié)能方案。在周期工作的無(wú)線傳感器網(wǎng)絡(luò)中,無(wú)線收發(fā)器周期性的開啟,從而在大部分時(shí)間中,無(wú)線收發(fā)器都處于關(guān)閉狀態(tài),從而節(jié)約了大量的能量。無(wú)線收發(fā)器分為兩種工作狀態(tài):開啟狀態(tài)和空閑狀態(tài)。當(dāng)無(wú)線收發(fā)器處于開啟狀態(tài)時(shí),傳感器節(jié)點(diǎn)發(fā)送或者接受數(shù)據(jù)包。當(dāng)處于空閑狀態(tài),無(wú)線收發(fā)器關(guān)閉,從而節(jié)約了大量能量?;谥芷诠ぷ骷夹g(shù),已經(jīng)創(chuàng)建了大量媒體接入方法。這些方法主要分為兩類:同步接入方法和異步接入方法。同步接入方法需要傳感器節(jié)點(diǎn)的無(wú)線收發(fā)器同步醒睡,但這樣會(huì)導(dǎo)致大量的能量消耗在同步的維護(hù)上。在異步接入方法中,傳感器節(jié)點(diǎn)不需要同步它們之間的醒睡計(jì)劃,但這樣帶來(lái)的問(wèn)題是,發(fā)送方醒來(lái)時(shí),接收方可能處于空閑狀態(tài),將會(huì)錯(cuò)過(guò)正在發(fā)送的數(shù)據(jù)包。為了確保數(shù)據(jù)包能被接收方收到,低功耗監(jiān)聽技術(shù)(LPL)廣泛應(yīng)用于異步的周期工作技術(shù)中。具體來(lái)說(shuō),發(fā)送方在傳輸數(shù)據(jù)包之前,會(huì)發(fā)送一個(gè)長(zhǎng)度足以覆蓋接收方空閑時(shí)間間隔的前同步碼(preamble),這樣能確保接收方在醒來(lái)時(shí)能至少收到一次數(shù)據(jù)包。采用低功耗監(jiān)聽技術(shù)的無(wú)線傳感器網(wǎng)絡(luò)的網(wǎng)絡(luò)流量給很多無(wú)線傳感器應(yīng)用帶來(lái)幫助,尤其在節(jié)能方面。在低功耗監(jiān)聽技術(shù)中,大部分能量消耗在前同步碼上。有研究表明,在常用的環(huán)境監(jiān)測(cè)無(wú)線傳感器應(yīng)用中,平均前同步碼的長(zhǎng)度是平均實(shí)際傳輸數(shù)據(jù)包長(zhǎng)度的六十五倍,這說(shuō)明大部分能量消耗在前同步碼上。如果已知無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)流的模式,接收方能夠預(yù)測(cè)下個(gè)數(shù)據(jù)包的到來(lái)時(shí)間,這樣接收方就能在發(fā)送方開始發(fā)送之前醒來(lái),從而大大減少了前同步碼發(fā)送的長(zhǎng)度,與此同時(shí),網(wǎng)絡(luò)數(shù)據(jù)傳輸?shù)哪芎囊矊⒋蟠鬁p少。但是,網(wǎng)絡(luò)數(shù)據(jù)流模型很難被簡(jiǎn)單的數(shù)據(jù)模型刻畫,因此如何根據(jù)實(shí)際數(shù)據(jù)流訓(xùn)練得到的相對(duì)準(zhǔn)確和實(shí)用的網(wǎng)絡(luò)數(shù)據(jù)流模型從而實(shí)現(xiàn)節(jié)點(diǎn)的動(dòng)態(tài)節(jié)能,成為目前無(wú)線傳感器網(wǎng)絡(luò)技術(shù)中亟待解決的問(wèn)題。

發(fā)明內(nèi)容
針對(duì)上述技術(shù)問(wèn)題,本發(fā)明的目的在于提供一種基于無(wú)線傳感器網(wǎng)絡(luò)流量統(tǒng)計(jì)的節(jié)點(diǎn)動(dòng)態(tài)節(jié)能方法,其基于無(wú)線傳感器網(wǎng)絡(luò)流量的實(shí)際統(tǒng)計(jì)結(jié)果,利用機(jī)器學(xué)習(xí)的方法,準(zhǔn)確判斷出無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)流的實(shí)際到達(dá)時(shí)間序列,不僅實(shí)現(xiàn)了節(jié)點(diǎn)的動(dòng)態(tài)節(jié)能,而且更貼合實(shí)際,效率高。為達(dá)此目的,本發(fā)明采用以下技術(shù)方案:一種基于無(wú)線傳感器網(wǎng)絡(luò)流量統(tǒng)計(jì)的節(jié)點(diǎn)動(dòng)態(tài)節(jié)能方法,其包括如下步驟:A、統(tǒng)計(jì)每個(gè)節(jié)點(diǎn)在時(shí)間間隔T內(nèi)的所有歷史屬性;B、對(duì)所述歷史屬性進(jìn)行排序,選取出具有一定相關(guān)性的歷史屬性;C、利用所述具有一定相關(guān)性的歷史屬性,通過(guò)機(jī)器學(xué)習(xí)方法獲得數(shù)據(jù)包到達(dá)節(jié)點(diǎn)的時(shí)間序列;D、節(jié)點(diǎn)的無(wú)線收發(fā)器根據(jù)所述數(shù)據(jù)包到達(dá)節(jié)點(diǎn)的時(shí)間序列進(jìn)行開啟操作,完成數(shù)據(jù)包的接收。特別地,所述歷史屬性具體包括時(shí)間維度信息和空間維度信息。特別地,所述時(shí)間維度信息包括:平均時(shí)間間隔、無(wú)線收發(fā)器開啟時(shí)間占空比、收到數(shù)據(jù)包的數(shù)量、時(shí)間間隔方差、最大的時(shí)間間隔及最小的時(shí)間間隔;所述空間維度信息包括:平均信號(hào)強(qiáng)度信息、信號(hào)強(qiáng)度方差、最大的信號(hào)強(qiáng)度及最小的信號(hào)強(qiáng)度。特別地,所述步驟A具體包括:Al、記錄無(wú)線傳感器網(wǎng)絡(luò)運(yùn)行過(guò)程中每個(gè)節(jié)點(diǎn)在時(shí)間間隔T內(nèi)接收到數(shù)據(jù)包的時(shí)間,其中,所述無(wú)線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)個(gè)數(shù)為η ;Α2、根據(jù)所述在時(shí)間間隔T內(nèi)接收到數(shù)據(jù)包的時(shí)間,計(jì)算接收相鄰數(shù)據(jù)包之間的時(shí)間間隔;A3、選取歷史信息窗口 τ,并對(duì)于每個(gè)節(jié)點(diǎn)統(tǒng)計(jì)歷史信息窗口 τ內(nèi)的所有歷史屬性。特別地,所述步驟B具體包括:對(duì)步驟A獲得的所有歷史屬性進(jìn)行排序,將其整理為向量格式<^2,…,fn>,并采用基于相關(guān)性的屬性選擇技術(shù)(Correlation-Based Feature Selection, CFS),依據(jù)相關(guān)性大小選取相關(guān)性最大的五個(gè)歷史屬性<f’,f2',f3' ’ f‘,f5' >。特別地,所述步驟C具體包括:Cl、根據(jù)步驟B選取的五個(gè)歷史屬性<f‘ ,f2f,f3',f4',f5' >,通過(guò)集成學(xué)習(xí)算法(Bagging)獲得集成學(xué)習(xí)模型F,C2、根據(jù)每個(gè)節(jié)點(diǎn)相應(yīng)的五個(gè)歷史屬性<f‘,f2',f3' ,f’,f5, >,利用所述集成學(xué)習(xí)模型F獲得數(shù)據(jù)包到達(dá)節(jié)點(diǎn)的時(shí)間序列。本發(fā)明挖掘周期性數(shù)據(jù)采集無(wú)線傳感器數(shù)據(jù)包的特性,基于無(wú)線傳感器網(wǎng)絡(luò)流量的實(shí)際統(tǒng)計(jì)結(jié)果,利用機(jī)器學(xué)習(xí)的方法,準(zhǔn)確判斷出無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)流的實(shí)際到達(dá)時(shí)間序列。與傳統(tǒng)節(jié)點(diǎn)的動(dòng)態(tài)節(jié)能方法相比,本發(fā)明具有以下優(yōu)點(diǎn):一、更加精確。根據(jù)無(wú)線傳感器網(wǎng)絡(luò)流量的實(shí)際統(tǒng)計(jì)結(jié)果進(jìn)行數(shù)據(jù)包達(dá)到時(shí)間的預(yù)測(cè),更具有動(dòng)態(tài)性。二、更加高效。在實(shí)際運(yùn)行過(guò)程中,不需要重復(fù)計(jì)算,可利用已經(jīng)訓(xùn)練好的模型預(yù)測(cè)下個(gè)數(shù)據(jù)包的到達(dá)時(shí)間。三、更加節(jié)能。節(jié)點(diǎn)的無(wú)線收發(fā)器根據(jù)所述數(shù)據(jù)包到達(dá)節(jié)點(diǎn)的時(shí)間序列進(jìn)行開啟和關(guān)閉操作,完成數(shù)據(jù)包的接收,節(jié)能效果得到很大提升。


圖1為本發(fā)明實(shí)施例提供的基于無(wú)線傳感器網(wǎng)絡(luò)流量統(tǒng)計(jì)的節(jié)點(diǎn)動(dòng)態(tài)節(jié)能方法流程圖。
具體實(shí)施例方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚,下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明。請(qǐng)參照?qǐng)D1所示,圖1為本發(fā)明實(shí)施例提供的基于無(wú)線傳感器網(wǎng)絡(luò)流量統(tǒng)計(jì)的節(jié)點(diǎn)動(dòng)態(tài)節(jié)能方法流程圖。

本實(shí)施例中基于無(wú)線傳感器網(wǎng)絡(luò)流量統(tǒng)計(jì)的節(jié)點(diǎn)動(dòng)態(tài)節(jié)能方法包括如下步驟:步驟S101、統(tǒng)計(jì)每個(gè)節(jié)點(diǎn)在時(shí)間間隔T內(nèi)的所有歷史屬性。所述歷史屬性具體包括時(shí)間維度信息和空間維度信息。所述時(shí)間維度信息包括:平均時(shí)間間隔、無(wú)線收發(fā)器開啟時(shí)間占空比、收到數(shù)據(jù)包的數(shù)量、時(shí)間間隔方差、最大的時(shí)間間隔及最小的時(shí)間間隔;所述空間維度信息包括:平均信號(hào)強(qiáng)度(Received SignalStrength Indication, RSSI)信息、信號(hào)強(qiáng)度(Received Signal Strength Indication,RSSI)方差、最大的信號(hào)強(qiáng)度及最小的信號(hào)強(qiáng)度。本實(shí)施例中統(tǒng)計(jì)每個(gè)節(jié)點(diǎn)在時(shí)間間隔T內(nèi)的所有歷史屬性的具體過(guò)程如下:步驟S1011、記錄無(wú)線傳感器網(wǎng)絡(luò)運(yùn)行過(guò)程中每個(gè)節(jié)點(diǎn)在時(shí)間間隔T內(nèi)接收到數(shù)據(jù)包的時(shí)間,其中,所述無(wú)線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)個(gè)數(shù)為η。步驟S1012、根據(jù)所述在時(shí)間間隔T內(nèi)接收到數(shù)據(jù)包的時(shí)間,計(jì)算接收相鄰數(shù)據(jù)包之間的時(shí)間間隔。步驟S1013、選取歷史信息窗口 τ,并對(duì)于每個(gè)節(jié)點(diǎn)統(tǒng)計(jì)歷史信息窗口 τ內(nèi)的所有歷史屬性。其中,平均時(shí)間間隔=相鄰數(shù)據(jù)包之間的時(shí)間間隔/所有數(shù)據(jù)包的數(shù)量。無(wú)線收發(fā)器開啟時(shí)間占空比=無(wú)線收發(fā)器開啟時(shí)間/時(shí)間間隔Τ。平均信號(hào)強(qiáng)度信息=所有數(shù)據(jù)包的信號(hào)強(qiáng)度總和/收到數(shù)據(jù)包的數(shù)量。步驟S102、對(duì)所述歷史屬性進(jìn)行排序,選取出具有一定相關(guān)性的歷史屬性。考慮到傳感器的處理能力一般較弱,無(wú)法記錄長(zhǎng)時(shí)間的歷史數(shù)據(jù),也很難進(jìn)行復(fù)雜的統(tǒng)計(jì)信息提取,所以需要對(duì)歷史屬性進(jìn)行精簡(jiǎn)。具體過(guò)程如下:對(duì)所有歷史屬性進(jìn)行排序,將其整理為向量格式〈f1; f2,…,fn>,并采用基于相關(guān)性的屬性選擇技術(shù)(Correlation-Based Feature Selection, CFS),依據(jù)相關(guān)性大小選取相關(guān)性最大的五個(gè)歷史屬性<f/,f2',f3',fV,f5' >。步驟S103、利用所述具有一定相關(guān)性的歷史屬性,通過(guò)機(jī)器學(xué)習(xí)方法獲得數(shù)據(jù)包到達(dá)節(jié)點(diǎn)的時(shí)間序列。首先,根據(jù)步驟S102中選取的五個(gè)歷史屬性<f/,f2',f3',f/,fV >,通過(guò)集成學(xué)習(xí)算法(Bagging)獲得集成學(xué)習(xí)模型F。其次,根據(jù)每個(gè)節(jié)點(diǎn)相應(yīng)的五個(gè)歷史屬性<f/,f2',fV,fV,fV >,利用所述集成學(xué)習(xí)模型F獲得數(shù)據(jù)包到達(dá)節(jié)點(diǎn)的時(shí)間序列。因?yàn)閿?shù)據(jù)包之間的數(shù)據(jù)間隔很難估計(jì)是服從泊松分布或者其他多種分布的混合,而應(yīng)用一些線性的函數(shù)例如邏輯回歸或者支持向量機(jī)(Support Vector Machine, SVM)去估計(jì),都很難和實(shí)際數(shù)據(jù)吻合,所以本實(shí)施例采用集成學(xué)習(xí)算法(Bagging)作為機(jī)器學(xué)習(xí)方法。集成學(xué)習(xí)算法通過(guò)對(duì)測(cè)試數(shù)據(jù)集采樣,訓(xùn)練出多個(gè)弱分類器,再通過(guò)投票的方式,將弱分類的結(jié)果整合在一起,不僅可以滿足線性關(guān)系的數(shù)據(jù)求解,對(duì)非線性關(guān)系也可以達(dá)到滿意的精度。步驟S104、節(jié)點(diǎn)的無(wú)線收發(fā)器根據(jù)所述數(shù)據(jù)包到達(dá)節(jié)點(diǎn)的時(shí)間序列進(jìn)行開啟操作,完成數(shù)據(jù)包的接收。本發(fā)明對(duì)數(shù)據(jù)包的到達(dá)時(shí)間擁有很好的預(yù)測(cè)精度,極大降低了節(jié)點(diǎn)的能耗,現(xiàn)已成功應(yīng)用于位于浙江農(nóng)林大學(xué)的GreenOrbs (綠野千傳)傳感網(wǎng)系統(tǒng)。該傳感網(wǎng)系統(tǒng)擁有五百個(gè)節(jié)點(diǎn),可以采集溫度、濕度、光亮、等信息,為科學(xué)監(jiān)測(cè)森林環(huán)境提供了重要信息。本發(fā)明的技術(shù)方案基于無(wú)線傳感器網(wǎng)絡(luò)流量的實(shí)際統(tǒng)計(jì)結(jié)果,利用機(jī)器學(xué)習(xí)的方法,準(zhǔn)確判斷出無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)流到達(dá)的時(shí)間序列,不僅實(shí)現(xiàn)了節(jié)點(diǎn)的動(dòng)態(tài)節(jié)能,而且更貼合實(shí)際,效率高,能夠?yàn)槠渌鼞?yīng)用提供細(xì)粒度的服務(wù)。以上所述僅為本發(fā)明的優(yōu)選實(shí)施例,并不用于限制本發(fā)明,對(duì)于本領(lǐng)域技術(shù)人員而言,本發(fā)明可以有各種改動(dòng)和變化。凡在本發(fā)明的精神和原理之內(nèi)所作的任何修改、等同替換、改進(jìn)等,均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
1.一種基于無(wú)線傳感器網(wǎng)絡(luò)流量統(tǒng)計(jì)的節(jié)點(diǎn)動(dòng)態(tài)節(jié)能方法,其特征在于,包括如下步驟: A、統(tǒng)計(jì)每個(gè)節(jié)點(diǎn)在時(shí)間間隔T內(nèi)的所有歷史屬性; B、對(duì)所述歷史屬性進(jìn)行排序,選取出具有一定相關(guān)性的歷史屬性; C、利用所述具有一定相關(guān)性的歷史屬性,通過(guò)機(jī)器學(xué)習(xí)方法獲得數(shù)據(jù)包到達(dá)節(jié)點(diǎn)的時(shí)間序列; D、節(jié)點(diǎn)的無(wú)線收發(fā)器根據(jù)所述數(shù)據(jù)包到達(dá)節(jié)點(diǎn)的時(shí)間序列進(jìn)行開啟和關(guān)閉操作,完成數(shù)據(jù)包的接收。
2.根據(jù)權(quán)利要求1所述的基于無(wú)線傳感器網(wǎng)絡(luò)流量統(tǒng)計(jì)的節(jié)點(diǎn)動(dòng)態(tài)節(jié)能方法,其特征在于,所述歷史屬性具體包括時(shí)間維度信息和空間維度信息。
3.根據(jù)權(quán)利要求2所述的基于無(wú)線傳感器網(wǎng)絡(luò)流量統(tǒng)計(jì)的節(jié)點(diǎn)動(dòng)態(tài)節(jié)能方法,其特征在于,所述時(shí)間維度信息包括:平均時(shí)間間隔、無(wú)線收發(fā)器開啟時(shí)間占空比、收到數(shù)據(jù)包的數(shù)量、時(shí)間間隔方差、最大的時(shí)間間隔及最小的時(shí)間間隔;所述空間維度信息包括:平均信號(hào)強(qiáng)度信息、信號(hào)強(qiáng)度方差、最大的信號(hào)強(qiáng)度及最小的信號(hào)強(qiáng)度。
4.根據(jù)權(quán)利要求3所述的基于無(wú)線傳感器網(wǎng)絡(luò)流量統(tǒng)計(jì)的節(jié)點(diǎn)動(dòng)態(tài)節(jié)能方法,其特征在于,所述步驟A具體包括: Al、記錄無(wú)線傳感器網(wǎng)絡(luò)運(yùn)行過(guò)程中每個(gè)節(jié)點(diǎn)在時(shí)間間隔T內(nèi)接收到數(shù)據(jù)包的時(shí)間,其中,所述無(wú)線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)個(gè)數(shù)為η ; Α2、根據(jù)所述在時(shí)間間隔T內(nèi)接收到數(shù)據(jù)包的時(shí)間,計(jì)算接收相鄰數(shù)據(jù)包之間的時(shí)間間隔; A3、選取歷史信息窗口 τ,并對(duì)于每個(gè)節(jié)點(diǎn)統(tǒng)計(jì)歷史信息窗口 τ內(nèi)的所有歷史屬性。
5.根據(jù)權(quán)利要求4所述的基于無(wú)線傳感器網(wǎng)絡(luò)流量統(tǒng)計(jì)的節(jié)點(diǎn)動(dòng)態(tài)節(jié)能方法,其特征在于,所述步驟B具體包括: 對(duì)步驟A獲得的所有歷史屬性進(jìn)行排序,將其整理為向量格式…,fn>,并采用基于相關(guān)性的屬性選擇技術(shù)(Correlation-Based Feature Selection, CFS),依據(jù)相關(guān)性大小選取相關(guān)性最大的五個(gè)歷史屬性<f/,f2',f3' ’ f/,f5' >。
6.根據(jù)權(quán)利要求5所述的基于無(wú)線傳感器網(wǎng)絡(luò)流量統(tǒng)計(jì)的節(jié)點(diǎn)動(dòng)態(tài)節(jié)能方法,其特征在于,所述步驟C具體包括: Cl、根據(jù)步驟B選取的五個(gè)歷史屬性<f/,f2',f3',fV,f5' >,通過(guò)集成學(xué)習(xí)算法(Bagging)獲得集成學(xué) 習(xí)模型F, C2、根據(jù)每個(gè)節(jié)點(diǎn)相應(yīng)的五個(gè)歷史屬性<f/,f2',f3',fV,f5, >,利用所述集成學(xué)習(xí)模型F獲得數(shù)據(jù)包到達(dá)節(jié)點(diǎn)的時(shí)間序列。
全文摘要
本發(fā)明公開一種基于無(wú)線傳感器網(wǎng)絡(luò)流量統(tǒng)計(jì)的節(jié)點(diǎn)動(dòng)態(tài)節(jié)能方法,其包括如下步驟A、統(tǒng)計(jì)每個(gè)節(jié)點(diǎn)在時(shí)間間隔T內(nèi)的所有歷史屬性。B、對(duì)所述歷史屬性進(jìn)行排序,選取出具有一定相關(guān)性的歷史屬性。C、利用所述具有一定相關(guān)性的歷史屬性,通過(guò)機(jī)器學(xué)習(xí)方法獲得數(shù)據(jù)包到達(dá)節(jié)點(diǎn)的時(shí)間序列。D、節(jié)點(diǎn)的無(wú)線收發(fā)器根據(jù)所述數(shù)據(jù)包到達(dá)節(jié)點(diǎn)的時(shí)間序列進(jìn)行開啟和關(guān)閉操作,完成數(shù)據(jù)包的接收。本發(fā)明基于無(wú)線傳感器網(wǎng)絡(luò)流量的實(shí)際統(tǒng)計(jì)結(jié)果,利用機(jī)器學(xué)習(xí)的方法,準(zhǔn)確判斷出無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)流的實(shí)際到達(dá)時(shí)間序列,不僅實(shí)現(xiàn)了節(jié)點(diǎn)的動(dòng)態(tài)節(jié)能,而且更貼合實(shí)際,效率高。
文檔編號(hào)H04W52/02GK103152749SQ20131005178
公開日2013年6月12日 申請(qǐng)日期2013年2月17日 優(yōu)先權(quán)日2013年2月17日
發(fā)明者朱彤, 何源, 劉云浩 申請(qǐng)人:無(wú)錫儒安科技有限公司
網(wǎng)友詢問(wèn)留言 已有0條留言
  • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1