[发明专利]基于数据预测的水下传感网络中AUV移动数据收集算法

说明书

本发明公开了一种基于数据预测的水下传感网络中AUV移动数据收集方法，包括：AUV运用集中式算法初始化最大邻居节点密度分簇，运用SVR对采集数据进行拟合预测，建立预测模型，根据预测模型趋势的相似度进行分簇更新，AUV和对应的簇同步保存相同的预测模型，在数据收集过程中跳过这些簇的访问收集转而直接运用预测模型进行预测，当对应簇预测模型大于预先设定的最大容忍误差阈值或者延时敏感阈值，则立即发送更新请求，使用双向搜索寻找AUV当前位置并告知变化，AUV重新规划剩余路径以获取新的预测模型。通过数据预测，减少AUV遍历路径长度以降低AUV能耗和收集时延，同时降低了整个网络数据量，降低了部分节点能耗，提高整体网络性能。

技术领域

本发明属于领域，具体涉及一种基于数据预测的水下传感网络中AUV移动数据收集算法。

背景技术

随着水下传感器网络(Underwater Wireless Sensor Networks，UWSNs)的不断发展，通过多样化的水下应用，我们可以获得越来越多关于海洋或河流的具体信息。例如，通过水下传感网监测海底火山区域的温度和二氧化硫浓度变化，以此预测火山状态，对可能出现的喷发状态进行预警；以及通过监视军事区域，防止敌方潜艇，战舰等入侵。然而水下传感网不同于陆地传感网，在水下，无线电信号衰减随着频率增加而加大且远大于陆上的衰减，这对于水下远距离通信来说是一个致命伤。因此，水下无线通信通常采用声通进行数据传输，同时声通信同样受限于传输距离，研究表明，当声通传输距离大于阈值时，能耗会呈指数倍上升，这对于节点能量不方便便补充的水下传感器是一个严峻的挑战。

由于上述问题的存在，在水下传感网中利用AUVs近距离单跳传输进行数据收集是一个可行的方案。在AUVs能量足够的情况下，AUVs遍历整个网络即可。由于AUVs速度相对于声波速度偏慢，导致的一个显著问题就是收集时延比较长，因此考虑如何降低时延是一个关注点，主流的解决方法有分区分层，覆盖冗余区域代表点选择，以及路径优化等。而本算法主要从缩短AUVs收集路径着手，通过路径缩减，降低延迟以及整个网络数据流量。