基于人工智能技术的网络多节点通信系统设计＊

栾桂芬

（江苏联合职业技术学院 泰州机电分院，江苏 泰州 225300）

1 引言

多节点通信属于一种新型的通信技术，具有较强的抗干扰性能，还可以从根本上降低路径损耗，提高通信效率，达到绿色节能目的，因其具备诸多优秀的特征，使得多节点通信系统设计成为国内外相关学者备受瞩目的课题。

例如国内学者黄熙岱[1]在Web 网络基础上设计一种多节点通信系统。通过设置硬件网络整体架构，确定硬件功能；通过对软件中协调节点程序、终端节点程序的设计完成整个系统设置。洪灶根[2]等人设计基于现场可编程门列(Field Programmable Gate Array，FPGA)的通信系统设计，利用前导序列符号同步算法，实现精准的符号同步，减少同步点靠后产生的符号之间干扰；使用导频剩余相位补偿方式，去除频率同步后的残留偏差，以获得更好的通信效果。Centonza A[3]等人通过分析节点与移动通信设备之间的无线电链路，对于网络节点通信路径进行配置与优化，特别对无线链路暂时不可用时情况下的节点通信方式进行优化，以此提升通信效率。但是这几种通信系统中没有考虑通信节点任务分配问题，导致在多节点通信过程中数据接收灵敏度较低，增加能量消耗。

为此，本文在系统设计时利用人工智能算法对节点任务进行分配。人工智能是计算机发展的产物，利用机器代替人脑的部分工作是现阶段科技发展的重要标志。其中神经网络[4]是人工智能的前沿交叉学科，模拟了生物神经结构，将神经元和神经网络当作模型，具备较强的自适应性和自学习能力，通过对节点通信任务的合理分配，使得系统能耗、通信质量和通信效率达到最优。

2 基于人工智能的网络多节点通信系统

2.1 目标函数

在对节点通信任务进行分配时，必须综合分析能耗、传输质量等性能指标。

(1)能耗

网络节点能耗可分为通信、计算与感应三种类型能耗，其中通信能耗[5]占比最高。针对通信联盟Ωc，假设第n个节点发送的数据量为ln，第n个节点和第k个节点间距离描述为dnk，则通信能耗计算公式如下：

公式中，εamp表示每比特信号传输所需能耗，大约为0．0013PJ/(b m4)。εele是接收每比特信号所需能耗，约等于50nJ/b，sn表示通信链路数量。

分析上式能够得出，第n个节点通信能耗En属于dnk的函数，在其余参数已知情况下，En随着dnk的减小而降低。所以，对于包含M个目标的通信系统而言，其能量模型可表示为：

(2)通信质量

节点和目标的距离越近，通信质量越高。因此在节点任务分配时，最大程度选取和目标距离最近的节点构成联盟：

公式中，dmn表示第M个目标与第n个节点之间距离，amn表示第M个目标与第n个节点之间的通信信道。

综合分析能耗与通信质量两个方面，则节点通信任务分配目标函数可表示为：

2.2 系统节点任务分配模型构建

本文利用人工智能算法中多弹性子模神经网络来分配节点任务。该方法是在自组织映射(Self Organizing Mapping，SOM)神经网络之上发展起来的，属于竞争型神经网络[7-10]，其记忆模型在解决优化组合问题中受到广泛使用，可通过构建记忆模型来获取节点任务分配的最佳解。

根据上述可得，当目标为M时，所需的联盟也为M个，假设每个联盟包含三个节点，则此问题的记忆模型结构如图1所示。

图1 节点任务分配的记忆模型

记忆模型具有三个输入层神经元，任意一个输入初始值均与一个节点的二维位置一一对应，竞争输出层则包括M'个神经元，其中每组由三个完全连接的神经元构成弹性子模，从而锁定一个节点通信联盟。弹性子模中的神经元属于非相邻神经元，它们之间不存在连接关系。

任务分配模型中任意一个神经元都存在一个动态感受域，则第i个神经元的感受域半径表示为：

公式中，pi是竞争神经元分布信息，hi表示神经元i的锁定值，ei代表神经元i的理想值，ξi属于噪声系数。这些参数都是通信系统中的重要参数，通过这些参数即可构建节点任务分配模型。

pi可以体现弹性子模与局部节点的信息变换情况，其中包括竞争神经元现阶段是否是理想目标函数最优解的信息。锁定值hi可以调整网络状态，预测出网络是否已经锁定较好的解。若找出理想解，hi接近0，这时神经元的感受域不会起到任何作用。hi融入了滞后机制，确保神经网络不会出现局部最小，其定义了单级型Sigmoid函数[11]：

公式中，γ为调整Sigmoid 函数的参数，li表示hi中的参数，S表示调节系数。在调节参与竞争的神经元感受域ri时，仅针对获胜的神经元做更新处理，没有获胜的神经元hi不发生变化中参数需遵循下述调节准则：

公式中，Y*描述获胜神经元位置是协助参数可以按照比例p=＞1 调节网络滞后程度。若Y*随着时间t变化的速度和泄漏参数对比较大，此时＞0，随的增大而增大，与其对应的神经元锁定节点的可能性小；若Y*改变速度低于泄漏参数，则＜0，随的减小而减小，此时神经元锁定对应节点的可能性较大。

期望值ei属于hi的对抗平衡参量，在迭代过程中，若神经元感受域中不存在目标，需扩大神经元的ri，达到扩大搜索范围目的。假定ei是一个单调上升函数，则有：

公式中，R是一个常数，针对获胜神经元ki=0 且ei不发生改变；针对非获胜神经元，ki=t同时ei逐渐增大，促使ri不断扩大。

噪声参数ξi属于影响感受域ri最小值的噪声常数，和节点定位误差有关。

2.3 通信系统硬件结构设计

结合通信节点任务分配模型设计需求，对通信系统进行设计。首先需确定该系统整体架构，其包含控制器、数据采集设备、电源、通信终端等硬件模块。其中通信终端是关键组成部分，关系到数据的完整性与真实性，而主控制器需确保通信系统功能模块的协调运作。系统整体架构如图2所示。

图2 系统架构示意图

(1)主控制器

主控芯片选用C8051F020高速八位单片机，其具有八个外部输入，可保证通信质量。数字I/O的端口共计64个，满足节点传输最优化要求。接口线的电压为5V，利用可控装置使定时设备与串行总线最优化。

(2)数据采集

数据采集利用单电源四路放大器组成的运放电路，可任意调节采集模量。选用的电路包含四组运算放大器，具备通用电源，使用六个引脚，将节点信号出入段作为信息传输通道。

利用HCNR200 光电耦合器运放电路滤波同时达到电路调节目的，此耦合器包括三个光电元件。从技术角度来讲，其存在的最高线性误差为±0．03%，传输增益最高偏差是±10%，拥有绝缘电阻。其输入和输出回路之间分布0．3pF电容，耦合器具备良好的稳定性，能够符合信号传输要求。

(3)电源

该系统选取电源的宗旨是确保不同功能模块和通信的正常运转。在通信过程中所需电压是5V，针对不同模块进行供电时，可利用线性稳压器实现电源电压转换。但是稳压器在运行时会产生一定噪声，所以还需分析噪声和电流输出问题，同时考虑电压幅度。低压差稳压器能够实现输入电压的任意变换，在电压输入和输出差值较小时，具有稳定的直流输出电压，且噪声和电源的抑制比较高。此种类型稳压器结构简单，还拥有电压基准源、启动电路等设备。

(4)通信终端

通信终端属于整个系统的基本单元，分为发送与接收端，二者硬件结构一致，对外接口是一对RS232 接口和一组网口。其中发送端的RS232接口和探测器连接，其余接口的作用都是对外网通信。收发端包括微控制器、通信单元以及其他辅助模块，其硬件结构如图3所示。

图3 收发端硬件结构图

2.4 通信系统软件模块设置

(1)通信协议定义

软件中最为关键的就是通信协议与中间服务器的设计。所以系统自定义的通信协议如图4所示。

图4 系统通信协议示意图

协议的信息传输主要依靠的是Marvell 公司生产的芯片，同时采用状态机对收到的帧做解析处理。接收帧单元是否能正常工作对系统的功能产生直接影响，所以将其当作整个协议的关键内容。当接收帧可以准确解析出令牌帧时说明此节点能够进行信息传输，应立即启动发送帧，相反不会启动。如果接收帧解析出的内容不符合要求，则说明主机接收信息出现错误，此时应启动重发单元。若发现数据不是传输给节点的，则启用转发控制单元，将数据转发到下一节点。

(2)中间服务器数据交换流程

由于受到运营商提供的接入环境限制，收发两端均应该设置为传输控制协议(Transmission Control Protocol，TCP)类型的客户端，但是此协议无法支持客户端之间的直接通信，因此需构建一个TCP服务器数据交换平台。

接收与发送端均属于TCP 的客户端，向服务器发出链接请求，在收发端相对的客户端和服务器构建连接后，服务器充当中间方角色接收多个信息，并马上通过接收端链接再次发送，间接完成接收与发送两端的通信。

图5 TCP服务器数据交换软件流程

3 仿真实验数据分析与研究

为了检验该系统的性能进行仿真测试。通过AVRMega16A 系统板模拟信息采集设备，该设备传输数据的波特率是8500bit/s，两个节点之间的波特率为115000bit/s。其他参数折纸情况如表1所示。

表1 仿真参数设置表

本次仿真实验共分为三部分，首先模拟较为复杂的通信环境，在附近物体较多情况下，通信会受到环境干扰。此时将节点之间的传输距离控制在15 米范围内，对比本文系统、文献[1]系统与文献[2]系统的传输所需能耗，实验结果如图6所示。

图6 传输能耗对比

其次，选择较为空旷场所，将节点之间通信距离设置为20米，对比三种系统接收数据时间，即信息接收灵敏度，对比结果如图7。

图7 接收灵敏度对比图

最后，比较三种系统的传输速率，该指标是通信系统设计的关键指标。传输速率高表明该系统的通信覆盖性能较好。

通过上述三组实验的对比可以得出，本文设计的系统在通信信息大小相同情况下，所需能耗最少；随着信息量的增加，节点接收灵敏度始终较高，说明该系统的传输速率较高。这是因为本文设置的多节点通信目标函数较为合理，且多弹性子模神经网络可将通信任务合理分配到各节点，使该系统始终保持较高的信息传输速率，同时也能使每个节点负载均衡，提高接收灵敏度。

图8 传输速率对比图

4 结束语

为提高网络多节点通信性能，利用人工智能方法中的神经网络算法对网络多节点通信系统进行设计。通过目标函数的设置，完成节点通信任务的合理分配，在此基础上确定系统整体架构与通信协议，降低通信能耗，提高接收灵敏度与传输效率，为整个系统的运行奠定坚实基础。在今后研究中，应将人工智能算法中的神经网络理论、遗传算法有效结合，以神经网络为主，解决通信领域中的更多问题。