[發(fā)明專利]一種多節(jié)點協(xié)作無線視覺傳感器網(wǎng)絡中的最優(yōu)功率分配算法

在審

• 申請?zhí)枺?/td>: 202011461666.9
• 申請日: 2020-12-08
• 公開（公告）號: CN112601246A
• 公開（公告）日: 2021-04-02
• 發(fā)明（設計）人: 林霏;陳紅;王曉芳;靳顯智
• 申請（專利權）人: 齊魯工業(yè)大學
• 主分類號: H04W24/06
• 分類號: H04W24/06;H04W52/24
• 代理公司: 濟南格源知識產(chǎn)權代理有限公司 37306
• 代理人: 韓洪淼

本發(fā)明提出一種多節(jié)點協(xié)作無線視覺傳感器網(wǎng)絡的最優(yōu)功率分配算法，包括以下步驟：構建多節(jié)點協(xié)作無線視覺傳感器網(wǎng)絡；在所述多節(jié)點協(xié)作無線視覺傳感器網(wǎng)絡中，構建基于深度神經(jīng)網(wǎng)絡的功率分配網(wǎng)絡結構模型；生成所述功率分配網(wǎng)絡結構模型的數(shù)據(jù)集；訓練所述功率分配網(wǎng)絡結構模型；對訓練完成的功率分配網(wǎng)絡結構模型進行測試。本發(fā)明提出的基于深度神經(jīng)網(wǎng)絡的最優(yōu)功率分配算法解決現(xiàn)有的功率分配算法適用性差、控制復雜的問題,實現(xiàn)了快速、實時、靈活的在源端與中繼端進行最優(yōu)功率分配，使得在不同中繼位置下都能夠?qū)崿F(xiàn)比等功率分配更好的遍歷容量性能，適用于WVSN這種分布式架構、能耗低、功率控制算法復雜、多媒體信息處理復雜等特點的網(wǎng)絡。

技術領域

本發(fā)明涉及無線通信技術領域，具體涉及一種多節(jié)點協(xié)作無線視覺傳感器網(wǎng)絡中的最優(yōu)功率分配算法。

背景技術

無線視覺傳感器網(wǎng)絡(Wireless visual sensor network，WVSN)一方面具有傳統(tǒng)無線傳感器網(wǎng)絡的自組織、多跳路由、資源受限等共性特點，另一方面也具有能耗分布均勻、信息量巨大、信息處理復雜等顯著的個性特點，另外仍需要承受無線信道的衰落特性。這些特點決定了在低能量的WVSN中，需要更強的數(shù)據(jù)計算、傳輸能力以及帶寬要求。將協(xié)作通信技術引入WVSN一方面能有效地降低單個節(jié)點的能耗，延長本地網(wǎng)絡的生命周期；另一方面還能有效地整合網(wǎng)絡中多個節(jié)點的處理、存儲資源，在不顯著增加網(wǎng)絡成本的前提下完成復雜的圖像壓縮與可靠傳輸任務。但多節(jié)點協(xié)作同時會帶來在不同用戶間的功率分配問題，在多節(jié)點協(xié)作的前提下，.傳輸功率是一項重要的資源。

現(xiàn)有的功率分配算法策略幾乎都是基于集中式場景的，這種集中式的功率分配算法的具體控制過程是：由基站根據(jù)接收端反饋回來的功率以及鏈路增益等信息來產(chǎn)生功率控制命令，重新分配發(fā)射功率。首先，這種集中式的功率分配算法需要根據(jù)鏈路信息不斷調(diào)整發(fā)射功率，也就意味著系統(tǒng)需要不間斷地獲取鏈路增益矩陣，這在很大程度上增加了功率控制的復雜性；其次對于信息量巨大的場景來說，不斷地對每個鏈路的增益進行計算是難以實現(xiàn)的；并且，這種集中式的功率分配算法難以適應分布式的網(wǎng)絡環(huán)境要求。

為解決上述問題，實現(xiàn)快速、實時、靈活的在源端與中繼端進行最優(yōu)功率分配，本發(fā)明提出一種多節(jié)點協(xié)作無線視覺傳感器網(wǎng)絡的最優(yōu)功率分配算法。

發(fā)明內(nèi)容

針對現(xiàn)有技術的上述不足，本發(fā)明提供一種多節(jié)點協(xié)作無線視覺傳感器網(wǎng)絡中的最優(yōu)功率分配算法，以解決上述技術問題。

本發(fā)明提供一種多節(jié)點協(xié)作無線視覺傳感器網(wǎng)絡的最優(yōu)功率分配算法，包括以下步驟：

構建多節(jié)點協(xié)作無線視覺傳感器網(wǎng)絡；

在所述多節(jié)點協(xié)作無線視覺傳感器網(wǎng)絡中，構建基于深度神經(jīng)網(wǎng)絡的功率分配網(wǎng)絡結構模型；

生成所述功率分配網(wǎng)絡結構模型的數(shù)據(jù)集；

訓練所述功率分配網(wǎng)絡結構模型；

對訓練完成的功率分配網(wǎng)絡結構模型進行測試。

進一步的，所述功率分配網(wǎng)絡結構模型具體為包括一個輸入層、多個隱含層、一個輸出層的全連接深度神經(jīng)網(wǎng)絡。

進一步的，所述功率分配網(wǎng)絡結構模型的輸入層與輸出層之間一一對應，輸入層的輸入節(jié)點數(shù)與輸出層的輸出節(jié)點數(shù)相同。

進一步的，所述功率分配網(wǎng)絡結構模型的輸入層的輸入為源-中繼、中繼-目的、源-目的之間的信道方差；

所述功率分配網(wǎng)絡結構模型的輸出層的輸出為源節(jié)點的發(fā)送功率和中繼節(jié)點的發(fā)送功率，以及源-目的的距離與源-中繼的距離之間的夾角。

進一步的，所述數(shù)據(jù)集包括訓練數(shù)據(jù)集、測試數(shù)據(jù)集、標準輸出數(shù)據(jù)集；

所述訓練數(shù)據(jù)集、標準輸出數(shù)據(jù)集用于訓練所述功率分配網(wǎng)絡結構模型；