基于G-Means的中医药可穿戴设备的数据汇聚方法研究

发布时间：2022-01-23 01:39

　　目的主要研究高效的数据汇聚方法,以减少中医药可穿戴设备节点的能量消耗,并延长中医药可穿戴设备网络的生存周期。方法通过G-Means算法,按照中医可穿戴设备节点的地理位置,将节点划分为多个服从高斯分布的簇集。根据节点的剩余能量与地理位置为所有簇集内可穿戴设备节点分配权重,所计算的权重值为每个簇集选取合适的簇头节点。网络内所有节点数据经簇头节点收集并汇聚至中医医生观测平台。结果文中的方法在场景1与场景2中所有节点在网络前100轮的平均能耗分别为0.0262 J与0.0555 J,比同类型方法均降低10%以上。文中所提方法在场景1与场景2下首个节点的失效时间为910轮与849轮,比同类型方法均延长10%以上。结论高效中医药可穿戴设备的数据汇聚方法优化中医药可穿戴设备网络的拓扑结构,提高设备节点的能效性,并延长网络的生存周期。 

【文章来源】：世界科学技术-中医药现代化. 2020,22(06)北大核心CSCD

【文章页数】：9 页

【部分图文】：

LEACH的分簇结构

国内外许多学者致力于研究传感器设备节点的高效分簇算法，以最大化网络的生存周期[8-9]。Heinzelman等[10]提出的LEACH(Low-Energy Adaptive Clustering Hierarchy，低能耗自适应分簇层次算法）是最著名的基于分簇的层次路由协议。该协议将网络生存时间分成多个等长的时间段，每个时间段称之为轮。在每一轮内，所有节点通过一个概率来判断自己是否成为簇头节点。成为簇头的节点通过广播自己的信息来通知周围节点加入其所在的簇集。有些学者在LEACH方法的基础上针对网络拓扑[11]与簇头选取策略[12]进行改进。Neto等[13]提出一种多跳簇头模型，采用从下到上的策略，依次为每一层生成相应的簇头，最终得到一个多层结构的网络。Batr等[14]提出一种基于MAC(Medium Access Control，媒体访问控制）层消息的簇头选择算法LEACH-MAC，该算法根据MAC层消息将所有传感器设备节点按剩余能量大小排序，剩余能量大的节点具有更高概率被选举成为簇头。然而，这种算法只考虑剩余能量，忽略了节点的地理位置因素。本文提出一种基于G-Means算法[15]的中医药可穿戴设备分簇方法，通过G-Means算法对可穿戴设备节点进行分簇，使节点的采集数据按照高效成簇的方式传输，并将剩余能量更高的节点作为簇头收集簇成员节点信息，优化设备节点的能量储备，从而延长节点的生存时间。

簇头选举

【参考文献】：
期刊论文
[1]《中医药法》背景下中医师承体系优化刍议[J]. 孙东东,周亮亮,田侃.  中国卫生事业管理. 2018(08)
[2]5款智能运动手环健康管理的实效性比较[J]. 苏水军,杨管,庄维友,余金虹,吴东明.  体育学刊. 2018(03)
[3]为实现《“健康中国2030”规划纲要》的伟大目标而共同努力[J]. 周士枋.  中国康复医学杂志. 2017(01)
[4]中医药快速发展背景下的综合医科大学传统中医教学改革[J]. 肖炜,徐剑焜,孙晓敏,戴娇娇,曲姗姗,钟正,黄泳.  时珍国医国药. 2016(12)
[5]谷歌眼镜在外科领域应用现状及前景[J]. 李闻达,陈亚进.  中国实用外科杂志. 2014(05)



本文编号：3603332