[发明专利]基于无线传感器网络流量统计的节点动态节能方法

摘要

本发明公开一种基于无线传感器网络流量统计的节点动态节能方法，其包括如下步骤A、统计每个节点在时间间隔T内的所有历史属性。B、对所述历史属性进行排序，选取出具有一定相关性的历史属性。C、利用所述具有一定相关性的历史属性，通过机器学习方法获得数据包到达节点的时间序列。D、节点的无线收发器根据所述数据包到达节点的时间序列进行开启和关闭操作，完成数据包的接收。本发明基于无线传感器网络流量的实际统计结果，利用机器学习的方法，准确判断出无线传感器网络数据流的实际到达时间序列，不仅实现了节点的动态节能，而且更贴合实际，效率高。

主权项

一种基于无线传感器网络流量统计的节点动态节能方法，其特征在于，包括如下步骤：A、统计每个节点在时间间隔T内的所有历史属性；所述历史属性具体包括时间维度信息和空间维度信息；所述时间维度信息包括：平均时间间隔、无线收发器开启时间占空比、收到数据包的数量、时间间隔方差、最大的时间间隔及最小的时间间隔；所述空间维度信息包括：平均信号强度信息、信号强度方差、最大的信号强度及最小的信号强度；具体包括：A1、记录无线传感器网络运行过程中每个节点在时间间隔T内接收到数据包的时间，其中，所述无线传感器网络中节点个数为n；A2、根据所述在时间间隔T内接收到数据包的时间，计算接收相邻数据包之间的时间间隔；A3、选取历史信息窗口τ，并对于每个节点统计历史信息窗口τ内的所有历史属性；B、对所述历史属性进行排序，选取出具有一定相关性的历史属性；具体包括：对步骤A获得的所有历史属性进行排序，将其整理为向量格式<f1，f2，…，fn>，并采用基于相关性的属性选择技术(Correlation‑Based Feature Selection，CFS)，依据相关性大小选取相关性最大的五个历史属性<f′1，f′2，f′3，f′4，f′5>；C、利用所述具有一定相关性的历史属性，通过机器学习方法获得数据包到达节点的时间序列；具体包括：C1、根据步骤B选取的五个历史属性<f′1，f′2，f′3，f′4，f′5>，通过集成学习算法(Bagging)获得集成学习模型F，C2、根据每个节点相应的五个历史属性<f′1，f′2，f′3，f′4，f′5>，利用所述集成学习模型F获得数据包到达节点的时间序列；D、节点的无线收发器根据所述数据包到达节点的时间序列进行开启和关闭操作，完成数据包的接收。