基于改进人工神经网络的无线多跳网络空洞修复方法

肖 峰

(安徽职业技术学院 信息工程学院，安徽 合肥 230031)

随着无线传感器技术和移动通信网络技术的发展，无线多跳网络空洞的节点转发的可靠性和稳定性受到人们的关注[1].近年来，国内外学者进行了大量研究，提出了相应的解决方法.但现有的解决方法仍存在无线多跳网络空洞修复的输出稳定性和可靠性不高、数据包转发的自适应性不好和传输准确率低等问题[2].所以研究无线多跳网络空洞修复方法，对于提高无线多跳网络的传输可靠性和稳定性具有重要意义.

本文提出基于改进人工神经网络的无线多跳网络空洞修复方法.首先构建无线多跳网络的空洞节点定位模型，采用自适应的路由探测协议实现对无线多跳网络传输信道和链路结构的均衡重组，提取无线多跳网络的传输信道冲激振荡特征量；然后构建改进人工神经网络模型，根据冲激振荡的峰值检测结果进行无线多跳网络空洞信息融合和特征定位识别.在此基础上，采用改进人工神经网络的无线多跳网络空洞修复方法，对无线多跳网络的空洞路由进行信息探测和自组织转发控制，并对无线多跳网络的空洞节点进行自组织修复.

1 无线多跳网络节点部署和传输链路分析

1.1 无线多跳网络节点部署

为了实现基于改进人工神经网络的无线多跳网络空洞修复，构建了无线多跳网络的空洞节点定位模型，采用自适应的路由探测协议实现对无线多跳网络传输链路均衡控制[3]，由此构建了无线多跳网络的传输节点分布模型如图1所示.

图1 无线多跳网络的节点分布模型

在图1所示的无线多跳网络节点分布中，存在覆盖空洞节点和待修复节点，需要对无线多跳网络的空洞节点进行均衡控制和链路转换控制.当无线多跳网络的节点满足1≤k≤j-1时，无线多跳网络的节点能量开销满足如下式所示的关系.

θjk(n+1)=H(Q|S)×(σx×σy)，

(1)

其中，H(Q|S)表示无线多跳网络节点的空间参数，σx表示无线多跳网络节点模糊控制分布节点数量，σy表示无线多跳网络的空洞节点的能耗传输功率.

根据无线多跳网络的节点位置变化与相关链路分布，得到链路转发控制矩阵R，再根据无线多跳网络节点的空间特征值变化，得到无线多跳网络Sink节点的传输比特率如下.

pk(Sk-Si-1)=θjk(n+1)-(xi-yi) ，

(2)

其中，xi表示无线多跳网络的数据节点，Sk为无线多跳网络的反馈权重分布系数.无线多跳网络的最大化传输数据量满足下式.

(3)

其中，di表示无线多跳网络节点数量，dj表示空间链路均衡的元分布集.根据无线网络的传输信道，得到无线多跳网络节点的稳态特征分布的节点部署功率为

(4)

其中，λ表示无线多跳网络节点的能耗开销，μ表示节点的发射功率，r表示无线多跳网络节点部署传输链路数量[4].

1.2 无线多跳网络的传输链路分析

构建无线多跳网络的空洞节点定位模型，采用自适应的路由探测协议实现对无线多跳网络传输信道和链路结构的均衡重组，得到无线多跳网络的链路传输的数学模型表示如下.

(5)

其中，Hc表示无线多跳网络数据包的修复节点数量.结合超高频振荡抑制和线性随机编码的方法，构建无线多跳网络的空洞节点的概率密度覆盖模型[5]，由此可以得到空洞节点的可靠性随机分布累计分布函数为

(6)

其中，VS表示无线多跳网络有效概率密度融合概念集，Ir表示无线多跳网络的空洞节点的隶属函数，Δxi表示无线多跳网络的空洞节点的传输信道.根据线性随机重组，得到无线多跳网络的空洞节点的信道转发模型如下.

(7)

根据上述分析，构建无线多跳网络的传输链路均衡控制模型，得到输出稳态特征参数集，结合特征重组和人工神经网络训练，进行空洞修复.

2 无线多跳网络的空洞修复优化与空洞修复

2.1 无线多跳网络空洞修复的路由协议优化设计

根据冲激振荡的峰值检测结果进行无线多跳网络空洞信息融合和特征定位识别[6]，然后在改进神经网络模型中，得到空洞节点在s′和sj之间的覆盖概念集，并通过分析s′与sj之间的冲击响应特征量得到空洞覆盖的范围.在此基础上，利用不规则三角网络覆盖的方法[7]，求得空洞节点的最短路径为

(8)

(9)

根据空洞节点与Source节点的自相关关系，通过冲激响应特征分布式融合的方式，得到无线多跳网络的传输链路的可靠性参数分布集如下所示.

(10)

其中，x,y,wi表示参数更新和网络节点的状态优化，根据无线多跳网络的传输控制，得到寻优模型为

(11)

其中，v(xk)表示样本的密度取值，确定网格对象集后，得到无线多跳网络空洞节点在中满足，利用余弦定理，网格对象中优化设计的模型为

(12)

其中，s(v)表示路径均衡控制节点.

综上分析，实现对无线多跳网络空洞修复的路由协议优化设计.

2.2 无线多跳网络空洞修复

采用改进神经网络模型实现对无线多跳网络的空洞路由信息探测和自组织转发控制[9]，得到神经网络结构模型.在该模型中，点s′在已知无线多跳网络空洞直线LM上的相似度特征如下所示.

(13)

其中，Kψ表示无线多跳网络的输出链路，η表示无线多跳网络空洞融合参数集.根据冲击响应的特征量，得到无线多跳网络空洞数据集的聚类分布.

(14)

其中，G1表示无线多跳网络空洞节点，根据传输信道上的路由均衡控制参数满足

φ=L-(Sk-Si-1)F(x)，

(15)

其中，F(x)表示神经网络训练的节点[10]，根据无线多跳网络空洞修复的迭代函数，得到无线多跳网络空洞修复节点模型为

(16)

根据能量均衡控制实现对无线多跳网络空洞修复控制.

综上所述，完成了对基于改进人工神经网络的无线多跳网络空洞修复方法的设计，具体的设计流程及其图示如下.

步骤1 在采用路由探测协议均衡控制无线多跳网络传输链路的基础上，构建传输节点分布模型；

步骤2 根据节点能量开销和传输比特率计算节点部署功率，实现节点能耗均衡控制；

步骤3 利用超高频振荡抑制和线性随机编码的方法构建空洞节点累计分布函数，建立可靠传输链路模型；

步骤4 利用不规则三角网络覆盖方法求得空洞节点的最短路径，再根据无线多跳网络的传输控制得到寻优模型；

步骤5 在优化模型中对空洞数据集实施聚类，通过不断迭代得到无线多跳网络空洞修复节点模型，再根据能量均衡控制实现对无线多跳网络空洞修复控制.

综上所述，无线多跳网络空洞修复流程如图2所示.

图2 无线多跳网络空洞修复流程图

3 仿真测试与结果分析

为验证上述设计的基于改进人工神经网络的无线多跳网络空洞修复方法的实际应用性能，设计如下实验.

实验中设定无线多跳网络的节点数为120，Sink节点数为24，Source节点数为12，数据的维数为5，信道传输延迟为1.46 ms，网格分布的密度为16.

无线多跳网络的节点定位进行空洞修复，得到无线多跳网络的空洞覆盖范围检测散点图如图3所示.

图3 无线多跳网络的空洞覆盖范围散点图

根据图3进行空洞修复，采用改进神经网络模型实现对无线多跳网络的空洞路由信息探测和自组织转发控制.

在此基础上，以丢包率、空洞修复输出情况及其覆盖率为指标，测试本文方法的应用性能.为避免实验结果的单一性，将文献[5]和文献[6]方法作为对比，与本文方法共同完成性能验证.

首先统计不同方法的空洞修复输出情况，结果如图4所示.

图4 空洞修复输出曲线图

分析图4得知，本文方法能有效实现对无线多跳网络的空洞修复，降低空洞覆盖范围，比另外两种方法更具有安全性与真实性.

然后测试不同方法的覆盖率，得到结果如图5所示.

图5 无线多跳网络空洞修复的覆盖率

分析图5得知，在修复无线多跳网络空洞时，本文方法的覆盖率最高可达到0.8，明显比其他两种方法更能提高节点的覆盖能力.

最后，测试不同方法的丢包率，得到对比结果如表1所示.

表1 丢包率测试(%)

分析表1得知，本文方法的丢包率最低仅为0.76%，明显少于其他两种对比方法，这说明采用本文方法能够有效降低网络节点进行数据包转发的丢包率.

4 结语

通过节点的优化部署和自适性控制设计，可以实现对无线多跳网络空洞修复控制，从而满足无线多跳网络的传输稳定性要求.为此，本文设计了基于改进人工神经网络的无线多跳网络空洞修复方法.在对无线多跳网络的空洞节点进行均衡控制和链路转换控制的基础上，构建无线多跳网络的空洞节点定位模型.然后采用改进神经网络模型实现对无线多跳网络的空洞路由信息探测和路由协议设计，实现对无线多跳网络空洞修复控制.实验研究表明，本文方法有效提高了节点的覆盖能力、降低了输出丢包率，并能够缩小空洞覆盖范围.