基于惩罚误差矩阵的同步预测无线体域网节能方法
发布时间：2021-07-26 17:21
针对传统无线体域网（WBAN）预测模型对感知数据预测精度低、计算量大、能耗高的问题,提出一种基于惩罚误差矩阵的自适应三次指数平滑算法。首先在感知节点与路由节点之间建立轻量级预测模型,其次采用地毯式搜索方式对预测模型进行参数优化处理,最后采用惩罚误差矩阵对预测模型参数作进一步的细粒化处理。实验结果表明,与Zig Bee协议相比,在1000时隙范围内,所提方法可节省12%左右的能量;而采用惩罚误差矩阵与地毯式搜索方式相比,预测精度提高了3. 306%。所提方法在有效降低计算复杂度的同时能进一步降低WBAN的能耗。
【文章来源】：计算机应用. 2019,39(02)北大核心CSCD
【文章页数】：5 页
【部分图文】：
调节因子比例与预测准确度之间的关系Fig．1Ｒelationshipbetweenadjustmentfactorproportionandpredictionaccuracy
炙惴ǖ挠旁叫?。实验结果显示基于惩罚误差矩阵的自适应三次指数平滑算法的平均准确率为93.036%，自适应三次指数平滑算法的平均准确率为89．73%，基于惩罚误差矩阵的改进算法具有较好的预测效果。基于惩罚误差矩阵的改进算法可以将α取值精度设定在0．00001范围，若采用自适应三次指数平滑算法将参数步长设置为0．00001，则时间复杂度会爆炸性增加。本文针对精度0．001，0．0001，0．00001，0．000001等时间步长计算了时间复杂度(硬件条件为8GB内存，i7处理器笔记本)，图2表明随着步长的减小，计算复杂度会爆炸性增长。3实验与性能分析3．1能耗损失对比分析本文采用通信能耗增益为:η=EDA/E(7)其中:EDA表示通信算法节省的能耗，E为干电池能耗。本文中进行了三个方面的实验对比:首先使用Matlab仿真自适应三次指数平滑算法并和原ZigBee协议进行能耗对比;之后对比了基于惩罚误差矩阵的自适应三次指数平滑算法与自适应三次指数平滑算法的能耗;最后针对不同数量的感知节点分别进行了仿真实验并计算整体节能效果。本文实验将网络节点数量设置为7，其中包括1个协调节点、1个路由节点和5个感知节点;数据转发速率为1Mb/s，信道带宽为3Mb/s;节点的初始测试能量为1100mJ，时间为1000个时隙。实验效果如图3所示，采用自适应三次指数平滑算法建立的轻量级预测模型在1000个时隙范围内比原ZigBee树形协议节省了约5个百分点左右能耗，具有一定的节省能耗的作用，但受限于预测准确率的问题，能耗节省并不理想;采用基于惩罚误差矩阵的自适应三次指数平滑算法时，因为计算量在开始时能耗下降较快，?
E为干电池能耗。本文中进行了三个方面的实验对比:首先使用Matlab仿真自适应三次指数平滑算法并和原ZigBee协议进行能耗对比;之后对比了基于惩罚误差矩阵的自适应三次指数平滑算法与自适应三次指数平滑算法的能耗;最后针对不同数量的感知节点分别进行了仿真实验并计算整体节能效果。本文实验将网络节点数量设置为7，其中包括1个协调节点、1个路由节点和5个感知节点;数据转发速率为1Mb/s，信道带宽为3Mb/s;节点的初始测试能量为1100mJ，时间为1000个时隙。实验效果如图3所示，采用自适应三次指数平滑算法建立的轻量级预测模型在1000个时隙范围内比原ZigBee树形协议节省了约5个百分点左右能耗，具有一定的节省能耗的作用，但受限于预测准确率的问题，能耗节省并不理想;采用基于惩罚误差矩阵的自适应三次指数平滑算法时，因为计算量在开始时能耗下降较快，随着时间的增加能耗下降比原算法慢，在1000时隙范围内可节省12%左右的能量。如实验效果图4所示，采用式(7)能耗算法计算得到能耗比，随着感知节点数量的不断增加采用惩罚误差矩阵自适应三次指数平滑算法比自适应三次指数平滑算法整体节省的能耗更多，但当感知节点的数量大于10时，因路由节点计算量的指数性增加，整体网络的能耗并没有呈现线性下降的趋势。图2计算复杂度对比Fig．2Computationalcomplexitycomparison图3剩余能量对比Fig．3Comparisonofresidualenergy图4节省的能耗对比Fig．4Comparisonofenergysaving615计算机应用第39卷
【参考文献】：
期刊论文
[1]IEEE 802.15.6中能量有效的无线体域网拓扑结构优化研究[J]. 梁正友,姚玉梅. 通信学报. 2016(06)
[2]基于负载均衡的ZigBee动态路由优化算法[J]. 张皛,邬春学,陈凯明. 计算机工程. 2016(03)
[3]就带有同步预测的WBAN时序数据融合算法[J]. 王汝言,翟美玲,吴大鹏. 通信学报. 2015(06)
[4]基于自适应的动态三次指数平滑法的风电场风速预测[J]. 王国权,王森,刘华勇,薛永端,周平. 电力系统保护与控制. 2014(15)
本文编号：3304005
【文章来源】：计算机应用. 2019,39(02)北大核心CSCD
【文章页数】：5 页
【部分图文】：
调节因子比例与预测准确度之间的关系Fig．1Ｒelationshipbetweenadjustmentfactorproportionandpredictionaccuracy
炙惴ǖ挠旁叫?。实验结果显示基于惩罚误差矩阵的自适应三次指数平滑算法的平均准确率为93.036%，自适应三次指数平滑算法的平均准确率为89．73%，基于惩罚误差矩阵的改进算法具有较好的预测效果。基于惩罚误差矩阵的改进算法可以将α取值精度设定在0．00001范围，若采用自适应三次指数平滑算法将参数步长设置为0．00001，则时间复杂度会爆炸性增加。本文针对精度0．001，0．0001，0．00001，0．000001等时间步长计算了时间复杂度(硬件条件为8GB内存，i7处理器笔记本)，图2表明随着步长的减小，计算复杂度会爆炸性增长。3实验与性能分析3．1能耗损失对比分析本文采用通信能耗增益为:η=EDA/E(7)其中:EDA表示通信算法节省的能耗，E为干电池能耗。本文中进行了三个方面的实验对比:首先使用Matlab仿真自适应三次指数平滑算法并和原ZigBee协议进行能耗对比;之后对比了基于惩罚误差矩阵的自适应三次指数平滑算法与自适应三次指数平滑算法的能耗;最后针对不同数量的感知节点分别进行了仿真实验并计算整体节能效果。本文实验将网络节点数量设置为7，其中包括1个协调节点、1个路由节点和5个感知节点;数据转发速率为1Mb/s，信道带宽为3Mb/s;节点的初始测试能量为1100mJ，时间为1000个时隙。实验效果如图3所示，采用自适应三次指数平滑算法建立的轻量级预测模型在1000个时隙范围内比原ZigBee树形协议节省了约5个百分点左右能耗，具有一定的节省能耗的作用，但受限于预测准确率的问题，能耗节省并不理想;采用基于惩罚误差矩阵的自适应三次指数平滑算法时，因为计算量在开始时能耗下降较快，?
E为干电池能耗。本文中进行了三个方面的实验对比:首先使用Matlab仿真自适应三次指数平滑算法并和原ZigBee协议进行能耗对比;之后对比了基于惩罚误差矩阵的自适应三次指数平滑算法与自适应三次指数平滑算法的能耗;最后针对不同数量的感知节点分别进行了仿真实验并计算整体节能效果。本文实验将网络节点数量设置为7，其中包括1个协调节点、1个路由节点和5个感知节点;数据转发速率为1Mb/s，信道带宽为3Mb/s;节点的初始测试能量为1100mJ，时间为1000个时隙。实验效果如图3所示，采用自适应三次指数平滑算法建立的轻量级预测模型在1000个时隙范围内比原ZigBee树形协议节省了约5个百分点左右能耗，具有一定的节省能耗的作用，但受限于预测准确率的问题，能耗节省并不理想;采用基于惩罚误差矩阵的自适应三次指数平滑算法时，因为计算量在开始时能耗下降较快，随着时间的增加能耗下降比原算法慢，在1000时隙范围内可节省12%左右的能量。如实验效果图4所示，采用式(7)能耗算法计算得到能耗比，随着感知节点数量的不断增加采用惩罚误差矩阵自适应三次指数平滑算法比自适应三次指数平滑算法整体节省的能耗更多，但当感知节点的数量大于10时，因路由节点计算量的指数性增加，整体网络的能耗并没有呈现线性下降的趋势。图2计算复杂度对比Fig．2Computationalcomplexitycomparison图3剩余能量对比Fig．3Comparisonofresidualenergy图4节省的能耗对比Fig．4Comparisonofenergysaving615计算机应用第39卷
【参考文献】：
期刊论文
[1]IEEE 802.15.6中能量有效的无线体域网拓扑结构优化研究[J]. 梁正友,姚玉梅. 通信学报. 2016(06)
[2]基于负载均衡的ZigBee动态路由优化算法[J]. 张皛,邬春学,陈凯明. 计算机工程. 2016(03)
[3]就带有同步预测的WBAN时序数据融合算法[J]. 王汝言,翟美玲,吴大鹏. 通信学报. 2015(06)
[4]基于自适应的动态三次指数平滑法的风电场风速预测[J]. 王国权,王森,刘华勇,薛永端,周平. 电力系统保护与控制. 2014(15)
本文编号：3304005
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3304005.html
