[发明专利]基于灰色模型预测的EAST改进算法

说明书

一种基于灰色模型预测的EAST改进算法，属于无线传感网络技术领域。本发明包括如下步骤：第一步：建立基于灰色模型的时间相关性模型；第二步：空间相关性模型建立；第三步：数据传输。该算法继承了EAST算法的框架结构，同时利用灰色模型提高原算法的精度，利用优先级选举模型提高体统能量有效性。本发明通过灰色模型来充分利用节点收集到的环境数据进行建模，当检测到异常事件发生时，建立基于网格的簇，在簇头节点和领导者的选取上，综合考虑剩余能量与距离因素，最后利用理论最优路径传输数据。相比于EAST算法，我们提出的GM_EAST算法在数据精度与能量有效性方面都有显著的提高。

技术领域

本发明涉及基于灰色模型预测的EAST改进算法，属于无线传感网络技术领域。

背景技术

无线传感网是由许多无线传感器节点构成的网络。由于传感器节点较为廉价，并且无线通信技术日益成熟，无线传感网已经应用在了各种各样的实际场景，比如，军事，医疗，科研等领域。它的主要作用是收集周围环境数据，对收集到的数据进行分析处理，从而应对环境中出现的各种变化。由于传感器通常是以电池供电，而且它们所处场景通常具有特殊性与复杂性，靠人工更换电池几乎是不可能的，所以如何节省电池能量，以延长网络的生命周期，一直是无线传感网一个热门的研究领域。

为了节省能量，延长网络的生命周期，学者们从多个角度出发来解决问题。比如有人研究利用分簇算法，以分层传输的思想将所有节点的数据传输到上层节点，直至传输到sink节点。一部分人对数据传输路径进行研究，选择消耗能量最少的路径对数据进行传输。还有一部分人利用数据预测的思想，令sink节点和普通节点同时运行预测算法，在可容忍的精度范围之内，将预测数据视为收集到的数据。

近些年不断有学者对节点收集的数据的时间相关性和节点之间的空间相关性进行研究，提出了各种各样的算法，比如EEDC(Energy-Efficient Data Collection),SCCS(Spatiotemporal Clustering and Compressing Schemes),EAST(Efficient DataCollection Aware of Spatio-Temporal Correlation)等算法，虽然他们对节省能量都有一定的效果，但是这些算法又引进了数据传输的延迟，数据精度的降低等新的问题，从而影响了网络的整体性能。作为时空相关性的代表之一，EAST算法能够实时有效的收集环境周围数据，但无论精度还是能耗方面，该方法都有很大的提升空间。

发明内容

本发明针对上面的问题，而研制基于灰色模型预测的EAST改进(GM_EAST)算法。该算法继承了EAST算法的框架结构，同时利用灰色模型提高原算法的精度，利用优先级选举模型提高体统能量有效性。

本发明包括如下步骤：

第一步：建立基于灰色模型的时间相关性模型，

第二步：空间相关性模型建立，

第三步：数据传输。

本发明原理及有益效果：详细分析了基于时空相关性的EAST算法的优缺点，并且针对EAST算法在收集数据精度与能耗方面的不足，提出了改进算法。通过灰色模型来充分利用节点收集到的环境数据进行建模，当检测到异常事件发生时，建立基于网格的簇，在簇头节点和领导者的选取上，综合考虑剩余能量与距离因素，最后利用理论最优路径传输数据。相比于EAST算法，提出的GM_EAST算法在数据精度与能量有效性方面都有显著的提高。

附图说明

图1空间相关性图例。

图2均方误差对比图。令阈值ε取值0.1到1，并在每一种情况下比较EAST算法和改进算法GM_EAST的均方误差值。EAST算法的实验结果用o表示，GM_EAST算法的实验结果用*表示。