1.基于双向并行A星算法的体域网能量感知自适应优化方法,其特征在于,具体按照以下步骤进行:
步骤S1、确定无线体域网即WBAN的应用场景;
步骤S2、确定无线体域网中信号发送端、信号接收端和信号传输节点的位置以及所用信号传输节点的数量;
步骤S3、当信号接收端监测到信号发送端异常时,信号接收端显示异常,由信号发送端和信号接收端同时进行信号传递,将异常信号发给相邻的信号传输节点;信号发送端和信号接收端进行路径的探索,寻找最优路径;
步骤S3寻找最优路径具体按照以下步骤进行:步骤S31、信号发射端设为T,信号接收端设为R,T和R均拥有OPEN1表、OPEN2表和一个CLOSE表,当R监测到T异常时,T和R均将各自的路径选择线程和能量选择线程并行;
步骤S32、T和R均将路径选择线程初始化,把未访问过的信号传输节点放入OPEN1表中,T和R同时均将能量选择线程初始化,同样把未访问过的信号传输节点放入OPEN2表中;
步骤S33、若OPEN1表的长度为0,则退出,若OPEN1表长度不为0,则路径选择线程根据总代价函数f(n)进行信号传输节点扩展、排序,搜索最短路径,T和R的路径选择线程找出相同的路径最小代价值信号传输节点,存入CLOSE表中;若OPEN2表的长度不为0,则能量选择线程根据自适应算法控制消耗的总能量为最小进行信号传输节点扩展、排序,找出最小能量路径,T和R的能量选择线程找出相同的能量最小代价值信号传输节点,存入CLOSE表,判断路径最小代价值信号传输节点和能量最小代价值信号传输节点是否一致,若一致,则成功找出最优路径,若不一致,将路径最小代价值信号传输节点进行重新排序,同时能量最小代价值信号传输节点也进行重新排序,直至找出最优路径;
步骤S33能量选择线程根据自适应算法控制能量消耗最小进行信号传输节点扩展、排序,找出最小能量路径,具体按照以下步骤进行:步骤①、设当前信号传输节点a处电池最大能量为Eamax,Eacs为当前信号传输节点a已消耗的总能量,Ea为前信号传输节点a的剩余能量:Ea=Eamax‑Eacs;
步骤②、当前信号传输节点a的能量用于信号的发送、接收和转发,设当前信号传输节点a发送一个数据所需能量为Ese,则Ese=PsTp=IsvTp,接收一个数据所需要的能量为Ere,则Ere=PrTp=IrvTp,转发一个数据所需能量为Eafw,则Eafw=(Ps+Pr)Tp,当前信号传输节点a已消耗的总能量Eacs=Ese+Ere+(M‑1)Eafw,其中,Ps是发射功率,Tp是发送和接收一个数据所需时间,Is是发送电流,Is=280mA,Pr是接收功率,Ir是接收电流,Ir=204mA,M是分组数,v是信号传输节点的电压,4.74V≤v≤5V;
步骤③、当前信号传输节点a的优先指数为Ta是当前信号传输节点a在传递信号前需要等待的时间长度:式中D为设定的最长等待时间,c=0.4;
步骤④、当前信号传输节点a等待Ta结束决定是否转播信号,即当前信号传输节点a需要传递信号时,相邻信号传输节点同时接收到信号产生竞争,相邻信号传输节点根据剩余能量公式算出各自在传递信号前需要等待的时间长度后,确定是否进行转发信号,在相邻信号传输节点和当前信号传输节点a中剩余能量和优先指数最大的信号传输节点所对应的等待的时间长度最小,等待的时间长度最小的信号传输节点获得优先转播权,避免与其它相邻信号传输节点发生碰撞,等待的时间长度最小的信号传输节点的已消耗的总能量最小即剩余能量最大;此时,消耗的总能量最小对应的信号传输节点的路径即为最小能量传输路径,将此时的信号传输节点视为最小能量传输路径中的临时节点存放入CLOSE表中,进行信号传输节点的下一次扩展、排序,选择消耗的总能量为最小的信号传输节点所对应的路径为最小能量传输路径,消耗的总能量为最小的信号传输节点为能量最小代价值信号传输节点。
2.根据权利要求1所述的基于双向并行A星算法的体域网能量感知自适应优化方法,其特征在于,所述信号发送端为植入式心脏检测节点;
所述信号接收端为终端设备,采用智能手表、智能手机、智能平板、智能手环的任意一种;
所述信号传输节点为可穿戴式传感器,位于人体外表面,信号传输节点具备能量感知控制能力。
3.根据权利要求1所述的基于双向并行A星算法的体域网能量感知自适应优化方法,其特征在于,所述信号发送端和信号接收端均设有路径选择线程和能量选择线程。
4.根据权利要求1所述的基于双向并行A星算法的体域网能量感知自适应优化方法,其特征在于,所述步骤S32中OPEN1表和OPEN2表均采用二叉堆中的小根堆存储节点。
5.根据权利要求1或4任意一项所述的基于双向并行A星算法的体域网能量感知自适应优化方法,其特征在于,所述步骤S33路径选择线程根据总代价函数f(n)进行信号传输节点扩展、排序,搜索最短路径,具体按照以下步骤进行:步骤①、总代价函数f(n)由代价函数g(n)和实际代价函数h(n)之和组成;代价函数其中,di为第i个信号传输节点与第i‑1个信号传输节点之间的距离,pi为第i个信号传输节点与第i‑1个信号传输节点之间的搜索概率,w1为距离代价的加权系数,w2为搜索代价的加权系数;
步骤②、若di和pi不在一个数量级上时,对代价函数g(n)进行归一化处理,归一化距离w1+w2=1,Pi=pi,g(n)为从信号发送端发送的信号到当前信号传输节点n的实际移动距离即从信号发送端发送的信号传递到当前信号传输节点n所用的代价;
步骤③、信号接收端为终端设备,佩戴终端设备的人体三维坐标为(xg,yg,zg),当前信号传输节点n的三维坐标为(xn,yn,zn),则实际代价函数其中,h(n)为从当前信号传输节点n传递信号到信号接收端的估算距离即当前信号传输节点n传递信号到信号接收端的估算代价;
步骤④、当信号传输节点n对应的g(n)和h(n)之和即f(n)为最小时,则将此信号传输节点n视为最短路径中的临时节点存放入CLOSE表中,进行信号传输节点的下一次扩展、排序,选择f(n)为最小的信号传输节点所对应的路径为最短路径,f(n)为最小的信号传输节点为路径最小代价值信号传输节点。