[发明专利]基于灰色模型预测的EAST改进算法

摘要

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。

主权项

1.一种基于灰色模型预测的EAST改进算法，其特征在于以下步骤：第一步，建立基于灰色模型的时间相关性模型；首先，收集一些历史数据，分别存储在成员节点队列Qm和sink节点队列Qs中，假设这些历史数据为X(0)：X(0)＝(x(0)(1)，x(0)(2)，x(0)(3)...x(0)(t))    (1)x(0)(i),i＝1,2,3…t代表i时刻的原始数据，t是建立模型所需原始数据的个数；然后对原始数据队列进行累加生成得到队列X(1)：X(1)＝(x(1)(1)，x(1)(2)，x(1)(3)...x(1)(t))    (2)其中：是累加生成的结果，x⁽⁰⁾(i)是公式(1)中i时刻的原始数据；则得出单变量一阶灰色模型为：其中，X(1)是累加生成队列，a,b分别为参数；令矩阵通过最小二乘法求得参数其中，x⁽⁰⁾(i)是公式(1)中的原始数据，x⁽¹⁾(i)是公式(2)中的累加生成数据；求出t+1的累加生成结果，其中是参数，由此求出t+1时刻的预测值：预测值与真实值的差其中是t+1时刻的预测值，x⁽⁰⁾(t+1)是t+1时刻的真实值；令ε为模型更新阈值，θ为事件检测阈值；当Δ(t+1)＜ε时，成员节点不向sink传输数据，并且继续下一周期的预测；当ε＜Δ(t+1)＜θ时，将收集到的数据传给sink,然后更新模型；当Δ(t+1)＞θ时，此时成员节点需要马上将异常值传送给sink节点；第二步，空间相关性模型建立；当有异常事件发生时，所有检测出异常的节点都要计算出自己成为领导者的优先级，选取优先级最高的那个节点作为领导者，优先级Priority描述如下：其中，α和β是权重系数，根据不同的重要性等级为系数分配不同的值，但α+β＝1；Ei和Si分别是节点i的剩余能量和节点i距离sink节点的距离；假设异常事件发生区域为圆形；以最开始检测到事件的节点为中心，建立边长为c的若干个网格，使所有网格覆盖整个事件区域；根据中心节点的坐标(xe，ye)和节点自身坐标(xi，yi)和网格边长c得到事件区域中每个节点所在的网格位置：当时，当时，否则，xc＝0；其中，xc为节点所在网格的横坐标，xn为节点的横坐标，xe为事件的横坐标，c为网格边长；同理求出节点所在网格的纵坐标yc；然后对每个相关区域的节点进行投票选举出簇头，选举的模型和式(4)相同，其中，α和β是权重系数，根据不同的重要性等级为系数分配不同的值，但α+β＝1；Ei和Si分别是节点i的剩余能量和节点i距离领导者的距离；第三步，数据传输；成员节点将数据发送给簇头，簇头将收集到的数据发送给领导者，领导者将收集到的数据发送给sink节点；簇头将数据发送给领导者和领导者发送给sink节点的过程中，找到传输路径上的等分点，使相邻两点距离都为d，找到距离这些等分点最近的节点作为转发节点；其中，eelec和εamp是功率放大器的相关参数。