針對傳統(tǒng)無線體域網(wǎng)（WBAN）預(yù)測模型對感知數(shù)據(jù)預(yù)測精度低、計算量大、能耗高的問題,提出一種基于懲罰誤差矩陣的自適應(yīng)三次指數(shù)平滑算法。首先在感知節(jié)點與路由節(jié)點之間建立輕量級預(yù)測模型,其次采用地毯式搜索方式對預(yù)測模型進行參數(shù)優(yōu)化處理,最后采用懲罰誤差矩陣對預(yù)測模型參數(shù)作進一步的細�；幚怼嶒灲Y(jié)果表明,與Zig Bee協(xié)議相比,在1000時隙范圍內(nèi),所提方法可節(jié)省12%左右的能量;而采用懲罰誤差矩陣與地毯式搜索方式相比,預(yù)測精度提高了3. 306%。所提方法在有效降低計算復(fù)雜度的同時能進一步降低WBAN的能耗。 

【文章來源】：計算機應(yīng)用. 2019,39(02)北大核心CSCD

【文章頁數(shù)】：5 頁

【部分圖文】：

調(diào)節(jié)因子比例與預(yù)測準確度之間的關(guān)系Fig．1Ｒelationshipbetweenadjustmentfactorproportionandpredictionaccuracy

炙惴ǖ撓旁叫?。實驗結(jié)果顯示基于懲罰誤差矩陣的自適應(yīng)三次指數(shù)平滑算法的平均準確率為93.036%，自適應(yīng)三次指數(shù)平滑算法的平均準確率為89．73%，基于懲罰誤差矩陣的改進算法具有較好的預(yù)測效果�；趹土P誤差矩陣的改進算法可以將α取值精度設(shè)定在0．00001范圍，若采用自適應(yīng)三次指數(shù)平滑算法將參數(shù)步長設(shè)置為0．00001，則時間復(fù)雜度會爆炸性增加。本文針對精度0．001，0．0001，0．00001，0．000001等時間步長計算了時間復(fù)雜度(硬件條件為8GB內(nèi)存，i7處理器筆記本)，圖2表明隨著步長的減小，計算復(fù)雜度會爆炸性增長。3實驗與性能分析3．1能耗損失對比分析本文采用通信能耗增益為:η=EDA/E(7)其中:EDA表示通信算法節(jié)省的能耗，E為干電池能耗。本文中進行了三個方面的實驗對比:首先使用Matlab仿真自適應(yīng)三次指數(shù)平滑算法并和原ZigBee協(xié)議進行能耗對比;之后對比了基于懲罰誤差矩陣的自適應(yīng)三次指數(shù)平滑算法與自適應(yīng)三次指數(shù)平滑算法的能耗;最后針對不同數(shù)量的感知節(jié)點分別進行了仿真實驗并計算整體節(jié)能效果。本文實驗將網(wǎng)絡(luò)節(jié)點數(shù)量設(shè)置為7，其中包括1個協(xié)調(diào)節(jié)點、1個路由節(jié)點和5個感知節(jié)點;數(shù)據(jù)轉(zhuǎn)發(fā)速率為1Mb/s，信道帶寬為3Mb/s;節(jié)點的初始測試能量為1100mJ，時間為1000個時隙。實驗效果如圖3所示，采用自適應(yīng)三次指數(shù)平滑算法建立的輕量級預(yù)測模型在1000個時隙范圍內(nèi)比原ZigBee樹形協(xié)議節(jié)省了約5個百分點左右能耗，具有一定的節(jié)省能耗的作用，但受限于預(yù)測準確率的問題，能耗節(jié)省并不理想;采用基于懲罰誤差矩陣的自適應(yīng)三次指數(shù)平滑算法時，因為計算量在開始時能耗下降較快，?

E為干電池能耗。本文中進行了三個方面的實驗對比:首先使用Matlab仿真自適應(yīng)三次指數(shù)平滑算法并和原ZigBee協(xié)議進行能耗對比;之后對比了基于懲罰誤差矩陣的自適應(yīng)三次指數(shù)平滑算法與自適應(yīng)三次指數(shù)平滑算法的能耗;最后針對不同數(shù)量的感知節(jié)點分別進行了仿真實驗并計算整體節(jié)能效果。本文實驗將網(wǎng)絡(luò)節(jié)點數(shù)量設(shè)置為7，其中包括1個協(xié)調(diào)節(jié)點、1個路由節(jié)點和5個感知節(jié)點;數(shù)據(jù)轉(zhuǎn)發(fā)速率為1Mb/s，信道帶寬為3Mb/s;節(jié)點的初始測試能量為1100mJ，時間為1000個時隙。實驗效果如圖3所示，采用自適應(yīng)三次指數(shù)平滑算法建立的輕量級預(yù)測模型在1000個時隙范圍內(nèi)比原ZigBee樹形協(xié)議節(jié)省了約5個百分點左右能耗，具有一定的節(jié)省能耗的作用，但受限于預(yù)測準確率的問題，能耗節(jié)省并不理想;采用基于懲罰誤差矩陣的自適應(yīng)三次指數(shù)平滑算法時，因為計算量在開始時能耗下降較快，隨著時間的增加能耗下降比原算法慢，在1000時隙范圍內(nèi)可節(jié)省12%左右的能量。如實驗效果圖4所示，采用式(7)能耗算法計算得到能耗比，隨著感知節(jié)點數(shù)量的不斷增加采用懲罰誤差矩陣自適應(yīng)三次指數(shù)平滑算法比自適應(yīng)三次指數(shù)平滑算法整體節(jié)省的能耗更多，但當(dāng)感知節(jié)點的數(shù)量大于10時，因路由節(jié)點計算量的指數(shù)性增加，整體網(wǎng)絡(luò)的能耗并沒有呈現(xiàn)線性下降的趨勢。圖2計算復(fù)雜度對比Fig．2Computationalcomplexitycomparison圖3剩余能量對比Fig．3Comparisonofresidualenergy圖4節(jié)省的能耗對比Fig．4Comparisonofenergysaving615計算機應(yīng)用第39卷

【參考文獻】：
期刊論文
[1]IEEE 802.15.6中能量有效的無線體域網(wǎng)拓撲結(jié)構(gòu)優(yōu)化研究[J]. 梁正友,姚玉梅.  通信學(xué)報. 2016(06)
[2]基于負載均衡的ZigBee動態(tài)路由優(yōu)化算法[J]. 張皛,鄔春學(xué),陳凱明.  計算機工程. 2016(03)
[3]就帶有同步預(yù)測的WBAN時序數(shù)據(jù)融合算法[J]. 王汝言,翟美玲,吳大鵬.  通信學(xué)報. 2015(06)
[4]基于自適應(yīng)的動態(tài)三次指數(shù)平滑法的風(fēng)電場風(fēng)速預(yù)測[J]. 王國權(quán),王森,劉華勇,薛永端,周平.  電力系統(tǒng)保護與控制. 2014(15)



本文編號：3304005