-
公开(公告)号：CN110730486B
公开(公告)日：2022-10-14
申请号：CN201910846122.5
申请日：2019-09-09
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于Q‑Learning算法获取无线体域网最优路径的方法，属于无线传感器网络控制领域，该方法包括以下步骤：初始化无线体域网参数；设定Q‑Learning算法中学习率α和折扣因子γ的值；构建评价矩阵用于寻找最优路径，并利用初始化的无线体域网参数求取评价矩阵的初始值，之后在路径选择过程中不断更新评价矩阵，并利用Q‑Learning算法不断学习Q矩阵；根据学习后的Q矩阵获取发送节点到目标节点的最优路径。本发明方法可以显著有效延长WBAN网络节点生存周期，能提高无线体域网更精确快捷地服务人类生活的能力，可以被广泛应用于医疗监测、疾病防控等无线体域网实际应用场景。
-
公开(公告)号：CN108684052B
公开(公告)日：2021-05-07
申请号：CN201810770848.0
申请日：2018-07-13
Applicant: 南京理工大学
IPC: H04W24/02 , H04W24/06 , H04B17/373 , H04B17/391 , H04W84/18
Abstract: 本发明公开了一种高自由度水下传感器网络中无线链路质量预测方法。该方法步骤为：以由海面Sink、水下锚节点、水下普通传感器节点构成的等级型、高自由度的水下传感器网络为研究对象，建立其网络加权图序列模型以及相应的链路质量邻接矩阵；基于对链路质量序列的相关函数以及偏相关函数的特点分析，对链路质量序列进行时间序列模型识别；通过近似极大似然估计方法以及SBC准则进一步估计模型参数并完成模型定阶，进而实现锚节点与传感器节点间的链路质量预测；最后，利用预设的预测精度门限值分析链路质量预测结果，从而进行差错控制与模型优化。本发明预测精度高、可行性强，可以广泛适用于多种水下场景中的传感器网络链路质量预测。
-
公开(公告)号：CN108684052A
公开(公告)日：2018-10-19
申请号：CN201810770848.0
申请日：2018-07-13
Applicant: 南京理工大学
IPC: H04W24/02 , H04W24/06 , H04B17/373 , H04B17/391 , H04W84/18
CPC classification number: H04W24/02 , H04B17/373 , H04B17/391 , H04W24/06 , H04W84/18
Abstract: 本发明公开了一种高自由度水下传感器网络中无线链路质量预测方法。该方法步骤为：以由海面Sink、水下锚节点、水下普通传感器节点构成的等级型、高自由度的水下传感器网络为研究对象，建立其网络加权图序列模型以及相应的链路质量邻接矩阵；基于对链路质量序列的相关函数以及偏相关函数的特点分析，对链路质量序列进行时间序列模型识别；通过近似极大似然估计方法以及SBC准则进一步估计模型参数并完成模型定阶，进而实现锚节点与传感器节点间的链路质量预测；最后，利用预设的预测精度门限值分析链路质量预测结果，从而进行差错控制与模型优化。本发明预测精度高、可行性强，可以广泛适用于多种水下场景中的传感器网络链路质量预测。
-
公开(公告)号：CN110730486A
公开(公告)日：2020-01-24
申请号：CN201910846122.5
申请日：2019-09-09
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于Q-Learning算法获取无线体域网最优路径的方法，属于无线传感器网络控制领域，该方法包括以下步骤：初始化无线体域网参数；设定Q-Learning算法中学习率α和折扣因子γ的值；构建评价矩阵用于寻找最优路径，并利用初始化的无线体域网参数求取评价矩阵的初始值，之后在路径选择过程中不断更新评价矩阵，并利用Q-Learning算法不断学习Q矩阵；根据学习后的Q矩阵获取发送节点到目标节点的最优路径。本发明方法可以显著有效延长WBAN网络节点生存周期，能提高无线体域网更精确快捷地服务人类生活的能力，可以被广泛应用于医疗监测、疾病防控等无线体域网实际应用场景。
-
-
-
Search Results
4
records
(took 0.016 seconds)
