基于灰色预测的无线传感网络路由优化算法研究

刘文春

基于灰色预测的无线传感网络路由优化算法研究

刘文春

（安徽工贸职业技术学院，安徽 淮南 232007）

无线传感网络路由链路节点分布混乱，导致路由算法稳定性降低，提出基于灰色预测的无线传感路由优化算法。构建无线传感器网络路由节点定位模型，实现传感器节点自主链路分层转发控制，构建无线传感节点控制模型，提高路由探测的参数识别能力；采用灰色关联预测方法，建立无线传感网络路由探测模型，根据路由探测结果，获取教务数据采集系统无线传感器网络最优节点密度分布，融合模糊度参数，构建模糊信息调度优化设计模型，定位最优自适应特征信息，实现无线传感网络路由优化设计。仿真结果表明，无线传感网络路由设计的输出稳定性较好，节点定位精度较高，传输时延较小，提高了教务数据采集系统中的无线传感器网络传输和数据分析能力。

灰色预测；无线传感网络；网络路由；自适应控制；空间融合

随着无线传感器网络技术的发展，采用无线传感网络的路由分布式部署控制方法实现对数据的采集和信息处理是目前实现数据信息探测和分析的主要方式，结合无线传感网络通信和路由优化设计方法，建立无线传感网络下的教务系统数据信息采集和分析模型，结合对教务系统的参数分析和信息融合结果，实现对教务系统中数据的可靠性采集和分析处理，研究教务数据采集系统无线传感器网络的路由优化方法，通过对网络节点的自适应定位和模糊度特征分析，实现对教务数据采集系统无线传感器网络的优化设计，相关的无线传感器网络的路由优化算法研究受到人们的极大关注[1]。

对教务数据采集系统的设计是通过无线传感器网络节点的准确特征分析和信息调度实现的，结合对教务数据采集系统的无线传感信息跟踪识别，采用节点的路由优化辨识和探测方法，实现对教务数据采集系统无线传感器网络的节点定位，传统方法中，对教务数据采集系统无线传感器网络的路由算法设计主要有最短路由寻优方法、不规则网路由探测方法等[2-4]，建立教务数据采集系统无线传感器网络节点的自适应参数定位控制模型，通过空间参数分布式融合设计，实现对教务数据采集系统无线传感器网络节点定位控制，但传统方法进行教务数据采集系统无线传感器网络的路由设计的输出可靠性不高，数据采集和传输的误码率较低。针对上述问题，本文提出基于灰色预测的无线传感网络路由优化算法。首先构建教务数据采集系统无线传感器网络的路由节点定位模型，采用物联网节点自适应定位方法实现无线传感网络路由感知，然后采用灰色关联预测方法分析无线传感网络路由传输的自相关特征分配集，通过模糊度参数融合和自适应特征信息定位的方法，实现无线传感网络路由优化设计。最后进行仿真测试分析，展示了本文方法在提高无线传感网络路由优化能力和数据采集可靠性方面的优越性能。

1 无线传感网络路由节点定位和参数识别

1.1 无线传感网络路由节点定位

根据无线传感器网络中无线通信和数据采集节点总数，教务数据采集系统中，基于差值协作模型，自适应定位无线传感器网络的节点，识别节点参数，辨识节点模糊度，估算节点轨迹间距[6]，得到教务数据采集系统中无线传感器网络节点的初始链路分布模型如图2所示。

图1 无线传感器网络的路由节点分布

图2 无线传感器网络节点的链路分布模型

1.2 无线传感器网络的参数识别

结合空间性融合和时空协作评估的方法实现对无线传感网络路由探测过程中的自适应寻优控制[8]，结合链路转发和传感信息融合方法进行教务数据采集系统无线传感器网络的自适应定位，选择最短路径寻优方法，得到邻居节点集合为

2 无线传感网络的路由优化

2.1 无线传感网络路由探测

结合空间性融合和时空协作评估的方法实现对无线传感网络路由探测过程中的自适应寻优控制，采用灰色关联预测方法分析无线传感网络路由传输的自相关特征分配集，采用能量均衡策略的方法，结合能量参数均衡控制，进行教务数据采集系统无线传感器网络节点定位和路由探测设计[10]，得到教务数据采集系统无线传感器网络最优节点密度分布问题转换为求n的二乘规划问题，描述为

2.2 无线传感器网络路由优化设计

在教务数据采集系统中，通过对无线传感器网络的传感信息融合，分析相邻两节点的匹配状态特征量，得到传感器网络节点的路由输出协议，在无线传输链路层中，定义节点间的比较函数，得到传感器节点的初始位置，模糊信息调度优化设计模型：

3 仿真实验与结果分析

为了验证本文方法在实现无线传感网络路由优化中的应用性能，进行实验测试分析，数据信息处理的仿真工具采用C++实现，在教务系统中随机部署了100个节点实现对教务信息采集，每个传感节点的覆盖率为0.93，无线传感网络路由传输的固定延时1.5ms，输出载波频率为6.8kHz，数据大小为1200Byte，根据上述参数设定，进行无线传感网络路由优化设计，测试不同方法进行无线传感网络路由拓扑传输量，将文献[4]与文献[6]作为对比方法，得到无线传感网络路由拓扑传输量置信区间分布如图3所示。

图3 无线传感网络路由拓扑传输量置信区间

分析图3得知，本文方法进行无线传感网络路由拓扑设计，传感器节点实现数据传输的置信度水平较高，测试节点丢包率，丢包率（Loss Tolerance或Packet Loss Rate）是指测试中所丢失数据包数量占所发送数据组的比率。计算方法是:“[(输入报文-输出报文)/输入报文]×100%”。得到对比结果如图4所示。

分析图4得知，本文方法进行无线传感网络路由优化设计，丢包率较低，节能能耗开销较小。

测试误码率，误码率（SER：symbol error rate）是衡量数据在规定时间内数据传输精确性的指标，误码率=传输中的误码/所传输的总码数×100%，得到对比结果见表1。

分析表1得知，文献方法与本文方法进行对比，运用本文方法的无线传感网络路由优化设计，输出的误码率较低，可靠性好。

图4 无线传感网络路由优化参数分析

表1 输出误码率测试

4 结束语

建立无线传感网络下的教务系统数据信息采集和分析模型，结合对教务系统的参数分析和信息融合结果，实现对教务系统中数据的可靠性采集和分析处理，本文提出基于灰色预测的无线传感网络路由优化算法。结合节点状态预估结果构建教务数据采集系统的无线传感器网络簇头节点分布模型，构建教务数据采集系统无线传感器网络传感信息融合模型。采用能量参数均衡控制的方法，进行教务数据采集系统无线传感器网络节点定位和路由探测设计，实现对无线传感网络路由的优化设计。研究得知，本文方法对无线传感网络路由的传感器节点实现数据传输的置信度水平较高，并且无线传感网络路由优化设计，输出的误码率较低，可靠性好。丢包率较小，提高了无线传感网络的数据传输能力。

[1] 丁凰，缪相林，王梅，等. 无线传感网络中转发节点优化的多跳路由[J]. 导航定位学报，2020, 8(05): 112-116.

[2] Azadeh A, Farrokhi-Asl H. The close-open mixed multi depot vehicle routing problem considering internal and external fleet of vehicles[J]. Transportation Letters: The International Journal of Transportation Research, 2017, 11(2): 78-92.

[3] Xiao Y, Konak A. The heterogeneous green vehicle routing and scheduling problem with time-varying traffic congestion[J]. Transportation Research, Part E: Logistics and Transportation Review, 2016, 88: 146-166.

[4] 朱国辉，冯大政，聂卫科. 传感器位置误差情况下基于多维标度分析的时差定位算法[J]. 电子学报，2016, 44(1): 21-26.

[5] 林志兴，王立可. 基于深度特征和Seq2Seq模型的网络态势预测方法[J]. 计算机应用，2020, 40(8): 2241-2247.

[6] 罗浩，仲佳嘉，李祥. 基于改进支持向量机的无线传感器网络路由优化算法[J]. 吉林大学学报：理学版，2019(2): 369-374.

[7] Ghifary M, Balduzzi D, Kleijin W B, et al. Scatter component analysis: a unified framework for domain adaptation and domain generalization[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2017, 39(7): 1414-1430.

[8] 冯维，王凤，许丹，等. 无线传感器网络联合安全路由和功率分配优化算法[J]. 传感技术学报，2019, 32(4): 610-617.

[9] 赵国锋，黎军，王新恒，等. 基于SDN的WLAN负载感知切换方案实现[J]. 计算机应用研究，2019, 36(5): 180-184.

[10] 金圣达，朱兆伟，赵尚书，等. 蜂窝异构网络中的最优频谱分配算法[J]. 计算机工程，2019, 45(2): 70-75.

[11] 王楚捷，王好贤. M-CORD下无线接入网络资源分配研究[J]. 计算机工程与应用，2018, 54(22): 92-98.

[12] 谢超，赵伟，王亚朝，等. 多导航传感器数据实时并行采集处理与传输系统的研制[J]. 电子测量技术，2018, 41(21): 67-70.

[13] 张传锦，李璐璐. 基于模糊C均值聚类的无线传感器网络节点定位算法[J]. 电子设计工程，2016(8): 58-60.

[14] 谭营军，王俊平. 基于MEACO的无线传感器网络路由光通信算法研究[J]. 激光杂志，2016, 37(2): 131-133.

[15] 程德芳，徐小华，于娜. 相干光通信链路外差接收技术研究[J]. 激光杂志，2016, 37(2): 125-127.

[16] Chen X Y, Park J H, Cao J D, et al. Sliding mode synchronization of multiple chaotic systems with uncertainties and disturbances[J]. Applied Mathematics and Computation, 2017, 308: 161-173.

[17] 黄影，华雨晴. 能量与路径约束的无线传感网络路由优化[J]. 西安电子科技大学学报，2020, 47(3): 118-125.

Research on routing optimization algorithm of wireless sensor network based on grey prediction

LIU Wen-chun

(Anhui Vocactional and Technical College of Industry and Trade, Anhui Huainan 232007, China)

The distribution of routing link nodes in wireless sensor networks is chaotic, which leads to a decrease in the stability of the routing algorithm. A grey prediction-based wireless sensor routing optimization algorithm is proposed. Construct a wireless sensor network routing node positioning model, realize the autonomous link hierarchical forwarding control of sensor nodes, construct a wireless sensor node control model, and improve the parameter identification ability of routing detection. The gray correlation prediction method is used to establish a wireless sensor network routing detection model, and according to the routing detection results, the optimal node density distribution of the wireless sensor network of the educational data acquisition system is obtained. Fusion of ambiguity parameters, construct a fuzzy information scheduling optimization design model, locate the optimal adaptive feature information, and realize the optimal design of wireless sensor network routing. The simulation results show that the output stability of wireless sensor network routing design using this method is better, the node positioning accuracy is higher, the transmission delay is smaller, and the ability of wireless sensor network transmission and data analysis in educational administration data acquisition system is improved.

grey prediction；wireless sensor network；network routing；adaptive control；spatial fusion

2020-12-22

2020年度安徽高校自然科学研究项目“基于云计算的高职院校数据中心安全等级保护应用研究”（KJ2020A0934）

刘文春（1982-），男，安徽淮南人，讲师，硕士，主要从事计算机研究，xiao_chun0406@sina.com。

TN929.5;TP212.9

A

1007-984X(2021)04-0054-05