[发明专利]一种基于瞬时分差学习的无线体域网路由方法

说明书

技术领域

本发明涉及一种无线体域网路由方法，主要利用瞬时分差学习来解决提高无线体域网的能量效率问题，属于无线体域网、机器学习的交叉技术应用领域。

背景技术

随着无线传感器网络的发展，小型便携式传感器设备在人们的日常生活中出现的频率越来越频繁，中小型网络也吸引了越来越多的人的关注和使用，学术界及社会各界对无线体域网也给予了广泛关注。无线体域网之所以能得到大众的青睐，源自于其微型化的设备以及无线体域网具有智能性处理方法，研究人员对于无线体域网的研究兴趣也在逐步提升。无线体域网就是将各种微型传感器设备置于人体表面或人体内部，用于监测人体各时刻状况，对我们未来的日常活动、娱乐、体育运动以及各类不同领域都将有着深远的影响。

目前国内外学者对于增强学习算法的学习和研究投入了大量的时间与精力，目前已经拥有了大部分成熟的算法，其中包括了动态规划算法、Q学习算法、瞬时分差算法以及马尔科夫决策过程等等。增强学习就是这样的一种学习方式，它是一个通过与环境的不断交互得到反馈，从而不断试错，最终找到最优解的过程。通过调研国内外文献，发现比较与无线体域网相近的无线传感网以及无线自组织网络中的路由算法，很多都涉及到了瞬时分差算法，

无线体域网能量受限，如何平均网络能量损耗，将仅有的能量高效利用成为无线体域网研究领域的重中之重。瞬时分差增强学习算法是基于预测型的算法，将其运用到无线体域网中，可以感知网络能量的变化，在这些年来被广大研究人员所关注。

针对无线体域网中能量损耗问题，本发明设计了基于瞬时分差学习的路由方法，利用瞬时分差算法的预测评估能力，建立对人体传感器网络相邻节点的剩余能量预测机制，用以预测邻居节点的能耗情况，根据预测，选择最优路径，从而降低能耗，延长体域网网络的生存周期。瞬时分差算法结合了动态规划算法与其他增强学习算法的优势，而且对于在无线体域网的应用中，摒弃了这两种算法在无线体域网中的不适应性。动态规划算法需要环境模型，在人体环境中，环境模型不是一成不变的，无线规划算法只满足与网络的特定情况，对于体域网的普适性无法满足；动态规划这种增强学习算法会加大无线体域网网络路由发送的延迟，因为该方法在学习的过程中需要等待学习的结束才能进行新一轮的学习，瞬时分差算法跟上述两种方法不同，弥补了以上两种算法在无线体域网路由协议设计中的缺陷，它可以不需要预知周围环境进行学习，也不需要等待一轮学习以后才进行自身学习，可以随时进行学习，也就是说瞬时分差算法是一种多步累积的学习，并且拥有同时进行的转台，即瞬时分差学习。瞬时分差算法中的参数代表学习的步数，从无线体域网网络的角度来看，目的是在于缩减不同时间状态下做出的预测跟实际差距，使得预测更加准确。瞬时分差算法包括了表格瞬时分差算法和值函数逼近瞬时分差算法。

发明内容

技术问题：无线体域网节点一般要监测人体状况，诸如血压、体温、脉搏等，但节点一般供电受限，一旦能量耗尽，人体的重要数据得不到有效传递，所以高效的路由规划是非常重要的网络设计问题之一，本发明的目的是提供一种基于瞬时分差学习的无线体域网自组织路由方法，解决上述问题。

技术方案：本发明所述的基于瞬时分差学习的路由方法能在节点利用瞬时分差算法的预测评估能力，建立对人体传感器网络相邻节点的剩余能量预测机制，用以预测邻居节点的能耗情况，根据预测，选择最优路径。

本发明所述的基于瞬时分差的无线体域网路由方法步骤如下：

步骤1：用户在人体上部署汇聚节点和传感器节点，在传感器节点中指定需要发送人体消息的源节点，在每个传感器节点上预先存储其邻居传感器节点的编号和位置、到邻居传感器节点的通信能耗值，用户指定时间阈值T₁，汇聚节点和传感器节点中相邻节点之间进行通信握手在时间阈值T₁内确认无线信道通畅，每一个节点构建路由表并将通信握手成功的相邻节点放到该路由表中。所述通信握手是无线体域网中接收节点和发送节点之间互相发送消息确认无线通信链接的过程。

步骤2：源节点按照用户指定的时间周期T₂收集人体消息，每一个时间周期之后，源节点启动向汇聚节点发送人体消息，源节点在路由表中检查是否有到相邻节点的可用路由，如果没有，则网络停止工作；若存在且只有一条路径，那么直接使用这条路径作为传输通道来传输人体消息；若存在且有两条以上路径，源节点通过重复执行步骤5到步骤8取得一条最优路径，将人体消息通过该最优路径发送给相邻节点，接着重复执行步骤3和步骤4，直至人体消息成功到达汇聚节点。