申请/专利权人：无锡北微传感科技有限公司

申请日：2023-12-18

公开（公告）日：2024-05-17

公开（公告）号：CN117527570B

主分类号：H04L41/0803

分类号：H04L41/0803;H04L41/08;H04L41/14;H04L41/16;H04L67/10;H04L67/12

优先权：

专利状态码：有效-授权

法律状态：2024.05.17#授权;2024.02.27#实质审查的生效;2024.02.06#公开

摘要：本发明属于通信技术领域，公开了基于边缘强化学习的传感器集群位置优化方法，方法包括：每个异构传感器负责收集传感数据；每个预定区域设置一个边缘计算节点，区域中的异构传感器将收集到的传感数据传输到边缘计算节点进行边缘计算；各个区域的边缘计算节点将边缘计算后的数据发送到中心服务器，中心服务器对数据进行强化学习，学习如何优化传感器的位置和关系以达到最优的系统性能；根据最优策略，中心服务器向边缘计算节点发送指令，指导各个传感器调整位置和状态；传感器位置调整后，中心服务器再次进行强化学习直到获得最优部署位置。本发明通过边缘计算，在数据源近处进行计算，节省网络带宽，提高数据处理速度，提高网络效率。

主权项：1.基于边缘强化学习的传感器集群位置优化方法，其特征在于，包括以下步骤：步骤1，每个异构传感器负责收集传感数据，所述的传感数据包括温度数据T、湿度数据H、位置数据L、能效数据E、信号数据S、图像数据I和声音数据A；定义数据集D为所有传感器的数据集合，其中，Di表示第i个传感器的数据，即D＝D1,D2,...,DN，N为传感器数量；步骤2，每个预定区域设置一个边缘计算节点，区域中的异构传感器将收集到的传感数据传输到边缘计算节点进行边缘计算，以降低传输数据的复杂性和通信成本，其中，所述的边缘计算节点进行边缘计算，包括以下步骤：对于温度数据，边缘计算包括去除噪声和平滑处理，以减少异常值对结果的影响，设第i个传感器的温度数据为Ti，边缘计算函数为α0、α1、α2为加权因子，预设为0.3,0.3,0.5,边缘计算结果为CT,i＝fTTi；对于湿度数据，边缘计算包括去除噪声和归一化处理，对于第i个传感器的湿度数据为Hi，边缘计算函数为其中maxH为该传感器的湿度数据最大值，计算结果为GH,i＝fHHi；对于位置数据，边缘计算包括传感器与网络中心夹角和设备间距离计算，对于第i个传感器的位置坐标数据为Li，其边缘计算函数为αi为第i个传感器与网络中心的夹角，di为第i个传感器与网络中心的距离，计算结果为CL,i＝fLLi；对于能效数据，边缘计算包括能效统计和设备功耗评估，对于第i个传感器的能效数据为Ei，边缘计算函数为γi是第i个传感器在预设时间周期的能效统计值，M是传感器总数，δi是功耗显著度，边缘计算结果为CE,i＝fEEi，μei为第i个传感器在一定时间间隔内的能效数据平均值；对于信号数据，边缘计算包括信号质量评估和干扰源检测，对于第i个传感器的误码率为Si，边缘计算函数为RSSIi为第i个传感器的接收信号强度，RSSIimax为第i个传感器的接收信号强度，SNRi为第i个传感器的信噪比，SNRimax为第i个传感器的信噪比最大值，εi为一定时间内第i个传感器与网络失去联系的次数，计算结果为CS,i＝fSSi；对于图像数据，边缘计算包括特征提取，对于第i个传感器的图像角点数据为Ii，边缘计算函数为为第j个角点与邻接角点的最大距离，为第j个角点与邻接角点的最小距离，k为第j个角点的邻接角点数量，所述邻接角点为该角点在预设距离内的相邻角点，计算结果为CI,i＝fIIi，并将结果压缩编码；对于声音数据，边缘计算包括噪声滤波，对于第i个传感器的声音数据为Ai，其边缘计算函数为M为LMS自适应滤波器阶数，wm是权系数矢量，wmn为权系数，n是时间序列，Ain-m为输入数据的n-m时刻序列值，m是滤波器阶数编号，计算结果为CA,i＝fAAi，并将结果进行声音识别；步骤3，各个区域的边缘计算节点将边缘计算后的数据发送到中心服务器，所述中心服务器对数据进行强化学习，学习如何优化传感器的位置和关系以达到最优的系统性能；所述强化学习过程中的策略π是一个从状态s到行动a的映射π＝a|s,θ，用于优化回报函数R，状态s为所有传感器的传感数据，行动a用于调整传感器的位置和状态，θ为网络参数，回报函数R表示系统性能；强化学习的目标是找到最优策略π*，使得对于所有状态s，都有：其中，E[·]表示期望，E[R|s,π]是指在已知状态s和策略π条件下的回报函数R的期望；步骤4，根据最优策略π*，中心服务器向边缘计算节点发送指令，指导各个传感器调整位置和状态；步骤5，传感器位置调整后，中心服务器再次进行强化学习，如此反复，直到获得最优部署位置，t＝0,1,2,...，其中，st表示第t次迭代后的状态，πt+1表示第t+1次迭代的策略。

全文数据：

权利要求：

百度查询： 无锡北微传感科技有限公司 基于边缘强化学习的传感器集群位置优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD