-
公开(公告)号：CN114938511A
公开(公告)日：2022-08-23
申请号：CN202210492636.7
申请日：2022-05-07
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种水声传感网中基于强化学习的自适应定向邻居发现方法，包括：S1构建水声传感网的网络模型；S2：设计水下传感器节点的波束扫描序列；S3：构建水下传感器节点的Q学习奖励函数；S4：采用Nash‑Q学习方法对整个邻居发现过程进行建模；S5：设置自适应波束扫描，将Nash‑Q学习输出的波束扫描序列作为新的波束扫描序列，重复执行步骤S2‑S5，直到邻居发现过程执行完毕。本发明采用确定性波束扫描方法设计扫描周期，利用节点上一发现周期在各个波束的邻居发现所获得的先验知识和节点三次握手过程获得的邻居推荐知识，通过Nash‑Q学习方法进行自适应设置，减少下一周期波束扫描序列设计的波束数，从而减少邻居发现的长延迟，加快整体算法的收敛。
-
公开(公告)号：CN114938511B
公开(公告)日：2023-07-28
申请号：CN202210492636.7
申请日：2022-05-07
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种水声传感网中基于强化学习的自适应定向邻居发现方法，包括：S1构建水声传感网的网络模型；S2：设计水下传感器节点的波束扫描序列；S3：构建水下传感器节点的Q学习奖励函数；S4：采用Nash‑Q学习方法对整个邻居发现过程进行建模；S5：设置自适应波束扫描，将Nash‑Q学习输出的波束扫描序列作为新的波束扫描序列，重复执行步骤S2‑S5，直到邻居发现过程执行完毕。本发明采用确定性波束扫描方法设计扫描周期，利用节点上一发现周期在各个波束的邻居发现所获得的先验知识和节点三次握手过程获得的邻居推荐知识，通过Nash‑Q学习方法进行自适应设置，减少下一周期波束扫描序列设计的波束数，从而减少邻居发现的长延迟，加快整体算法的收敛。
-
公开(公告)号：CN114928850B
公开(公告)日：2023-07-04
申请号：CN202210478454.4
申请日：2022-05-05
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种水声传感网中基于深度信息划分的分步定向邻居发现方法，包括以下步骤：S1建立水声传感网的网络模型；S2建立水下传感器节点的波束模型；S3根据划分的波束类型将整个邻居发现过程分为两步，包括：垂直波束邻居发现过程和水平波束邻居发现过程；S4确定水下传感器节点的重发现条件。本发明相比较于传统的基于quorum的定向邻居发现方法，减少了水下传感器节点扫描的预期发现周期，从而减少冗余时隙的出现，降低节点的能耗。
-
公开(公告)号：CN114928850A
公开(公告)日：2022-08-19
申请号：CN202210478454.4
申请日：2022-05-05
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种水声传感网中基于深度信息划分的分步定向邻居发现方法，包括以下步骤：S1建立水声传感网的网络模型；S2建立水下传感器节点的波束模型；S3根据划分的波束类型将整个邻居发现过程分为两步，包括：垂直波束邻居发现过程和水平波束邻居发现过程；S4确定水下传感器节点的重发现条件。本发明相比较于传统的基于quorum的定向邻居发现方法，减少了水下传感器节点扫描的预期发现周期，从而减少冗余时隙的出现，降低节点的能耗。
-
-
-
Search Results
4
records
(took 0.013 seconds)
