[发明专利]一种流量自适应的水声认知传感器网络多址接入方法

权利要求书

1.一种流量自适应的水声认知传感器网络多址接入方法，其特征在于，所述流量自适应的水声认知传感器网络多址接入方法包括：

第一步，分簇过程完成后，节点根据初始化的采样周期设置与之相匹配的占空比；节点将采集数据并发送给Sink，Sink根据接收到的数据生成数据估计模型并发给相应节点；节点将根据数据模型判断是否需要向Sink发送采样数据；

第二步，Sink根据收集到的数据，生成数据估计模型，Sink自己保留一份，另一份发送给节点；在系统稳定阶段，Sink根据节点定期发来的keepalive消息，保持数据估计模型不变；若Sink持续接收到节点发来采样数据，则意味着数据估计模型已失效，于是Sink根据最新收到的数据生成新的数据估计模型，并通知节点更新，节点在更新数据估计模型的同时调整占空比；

第三步，Sink根据数据估计结果判断是否需要调整采样周期，若在较长的一段时间内数据估计模型保持不变，说明节点在这段时间内采集到的数据没有或者只有极少量的数据发送到Sink，适当增大采样周期只会减少节点能耗而不会影响收集数据的准确性；当数据估计模型经常发生变化时，Sink应当适度地减小节点的采样周期。

2.如权利要求1所述的流量自适应的水声认知传感器网络多址接入方法，其特征在于，所述第一步具体包括：节点通过数据估计模型得到一个预测数据，计算采样数据与预测数据之间的误差，若误差超出允许范围，则发送采样数据给簇首，并由簇首将数据转发给Sink；否则，不向簇首发送采样数据，该数据由Sink根据相同的数据估计模型预测得到。

3.如权利要求1所述的流量自适应的水声认知传感器网络多址接入方法，其特征在于，所述流量自适应的水声认知传感器网络多址接入方法的基于节点分簇和基因程序的解决具体包括：首先初始化群体，根据给定的函数集F和终端集T，随机生成一定数量的计算机程序；然后经过一系列的进化过程，选择、交叉和变异操作；最终得到所需要的数据估计表达式。

4.如权利要求1所述的流量自适应的水声认知传感器网络多址接入方法，其特征在于，所述流量自适应的水声认知传感器网络多址接入方法采用节点分簇的预处理方法，S_n(t_n)表示节点S_n在t_n时刻采集的数据；S_n(t)为矢量，表示节点S_n在t₁到t_n时刻采集的n个数据集合，S_n(t)＝{S_n(t₁)，S_n(t₂)，…，S_n(t_n)}；

TEA-MAC的数据估计模型用式表示：

式中，T：终端集，为若干个节点的采集数据，当簇内只有一个节点S₁时，T＝{S₁(t₁)，S₁(t₂)，…，S₁(t_n)}；当簇内有多个节点{S₁，S₂，…，S_n}时，T＝{S₁(t)，S₂(t)，…，S_n(t)}；

F：函数集，F＝{+，－，×，÷，sqr，exp，log，csch，tan}；

f：适应度函数，

适应度阈值，作为终止条件；

θ：群体规模，群体中个体p的数量；

γ：交叉概率；

μ：变异概率；

λ：终止条件，通常为进化代数；

p：个体，即计算机程序；群体，全部个体的集合。