一种基于多跳通信的物联网设备能量高效传输方法与流程

本发明涉及物联网领域，尤其涉及一种基于多跳通信的物联网设备能量高效传输方法。

背景技术：

1、随着物联网技术的迅猛发展，物联网设备在各类应用场景中的普及和部署规模不断扩大，从智能家居、智能城市到工业物联网，物联网设备的连接和通信需求呈现爆炸式增长。物联网网络由大量分布在不同地理位置的节点组成，这些节点通过无线通信技术相互连接，形成自组织的网络结构，实现数据的采集、传输和处理。在这些应用场景中，如何实现高效的数据传输、延长设备的工作寿命、降低网络整体的能耗，成为当前研究的热点和难点。

2、现有的物联网设备通常依赖直接通信或单跳通信的方式进行数据传输，然而，这种通信方式在广域或复杂环境中存在显著的局限性。首先，单跳通信要求节点直接与中心节点进行通信，对于距离远的节点，这将导致较大的能量消耗。此外，单跳通信在复杂环境中容易受到地形、建筑物物理障碍的影响，导致通信失败或信号衰减严重。

3、为了解决单跳通信的局限性，多跳通信成为了物联网网络中一种有效的通信方式。多跳通信通过中间节点转发数据，实现数据从源节点到目标节点的传输。多跳通信不仅可以扩展网络的覆盖范围，还可以通过合理选择中间节点，降低单个节点的通信能耗。然而，现有的多跳通信方法在实际应用中仍然存在问题和挑战：

4、1、能量消耗不均衡：在多跳通信网络中，某些节点可能会因为频繁承担中继任务而消耗大量能量，导致这些节点过早失效，从而影响网络的连通性和稳定性。现有技术在节点能量管理和任务分配方面缺乏有效的策略，难以平衡网络中的能量消耗。

5、2、路径选择不优化：现有的路径选择算法大多基于最短路径或最小跳数的原则，忽略了节点的能量状态、通信负载和网络拓扑的动态变化。随着时间推移，某些路径上的节点能量逐渐耗尽，导致这些路径的通信质量下降，甚至引发通信中断。因此，如何在路径选择中动态考虑节点能量、网络负载和拓扑变化，仍是一个亟待解决的问题。

6、3、缺乏动态调整机制：物联网网络通常部署在无人值守的环境中，网络的状态和节点的能量水平随时间不断变化。现有技术中，路径和任务的分配往往是静态的，缺乏实时监测和动态调整机制，难以应对网络环境的变化和节点状态的更新。结果是，网络的鲁棒性和任务执行的可靠性难以保障。

7、4、稳定性和鲁棒性不足：在物联网的多跳通信网络中，通信链路的稳定性和数据传输的鲁棒性是保证网络可靠性的关键因素。然而，现有的多跳通信方案在应对链路失效、节点故障突发情况时表现出一定的不足，缺乏有效的应对策略。特别是在动态和复杂的网络环境下，如何维持网络的稳定性，仍然是一个重要的技术难题。

8、5、能量效率与通信性能的矛盾：在物联网网络中，能量效率和通信性能之间往往存在矛盾。高能量效率的方案可能牺牲了数据传输的速度和可靠性，而高性能的通信路径又可能导致节点能量快速耗尽。现有技术在能量效率和通信性能之间的平衡点选择上缺乏系统性的方法，难以满足不同应用场景下的多样化需求。

9、因此，如何提供一种基于多跳通信的物联网设备能量高效传输方法是本领域技术人员亟需解决的问题。

技术实现思路

1、本发明的一个目的在于提出一种基于多跳通信的物联网设备能量高效传输方法，本发明充分利用了信息拓扑熵、非线性图拉普拉斯算子、量子势能井模型、拓扑量子场理论以及分数阶微分鲁棒性分析等先进技术，详细描述了如何在复杂动态的物联网环境中优化数据传输路径和任务分配策略，具备能量消耗均衡、通信稳定性高、路径选择动态优化以及适应网络环境变化的优点。

2、根据本发明实施例的一种基于多跳通信的物联网设备能量高效传输方法，包括如下步骤：

3、s1、部署多个物联网节点，物联网节点包括高能量节点和低能量节点，并将高层节点和低层节点按照能量状态和地理位置进行重新分布和优化，形成分层异构网络结构；

4、s2、基于每个节点的层级信息、fisher信息矩阵谱半径、孤立度和分岔点稳定性参数，通过多尺度混沌吸引子模型来表征每个节点的动态行为，并通过稀疏优化融合公式综合评估每个节点的任务优先级，通过多目标稀疏优化调整任务分配策略；

5、s3、基于节点的能量状态、计算能力及通信需求，智能分配任务，优先将高优先级任务分配给高层节点，低优先级任务分配给低层节点或由多个低层节点协作完成；

6、s4、在节点接收到任务后，选择最优路径进行多跳通信，路径选择基于节点的能量状态、路径长度以及通信延迟，引入量子势能井模型与非线性图拉普拉斯算子结合的路径权重模型，选择能量消耗最小的路径进行数据传输；

7、s5、在任务执行过程中，动态调整任务执行顺序和路径选择，根据节点能量的实时变化，对任务的分配和传输路径进行优化；

8、s6、在节点的能量消耗过高时，自动将节点降级为低层节点，并将其原有任务转移至其他能量充足的高层节点；

9、s7、在低层节点执行复杂或耗能较高的任务时，高层节点提供能量支持或协同完成数据处理与传输；

10、s8、将任务执行结果汇聚至高层节点，通过高层节点向外部系统传输处理后的数据，优化物联网网络的整体能效和运行寿命。

11、可选的，所述s1具体包括：

12、s11、根据物联网应用场景的需求和地理分布，确定物联网节点的数量和初始位置，物联网节点包括高能量节点和低能量节点，其中高能量节点的初始能量值为eh，低能量节点的初始能量值为el，且满足eh>el；

13、s12、对所有节点进行初始化，设定每个节点的标识id，并记录每个节点的初始能量状态ei，其中i表示节点的序号，且ei满足el≤ei≤eh；

14、s13、根据节点的能量状态和地理位置，采用距离阈值dt和能量阈值et的组合准则，将物联网节点划分为高层节点和低层节点，满足以下条件的节点被设定为高层节点：

15、ei≥et且d(i,j)≤dt；

16、其中d(i,j)为节点i与节点j之间的地理距离；

17、s14、将划分后的高层节点和低层节点按照能量状态和地理位置进行重新分布和优化，使得高层节点形成骨干网结构，低层节点在骨干网中充当数据采集和中继的角色，形成分层异构网络结构；

18、s15、对节点的层级划分和网络结构结果进行记录，并将各高层节点和低层节点的初始能量状态eh和el保存至网络拓扑表中。

19、可选的，所述s2具体包括：

20、s21、获取每个节点的初始能量状态ei和节点标识id，其中ei为节点i的初始能量值，id为节点的唯一标识符；

21、s22、在获取了初始能量状态ei后，利用信息几何中的fisher信息矩阵ii分析节点i的能量状态与通信性能之间的复杂关系：

22、

23、其中，θ是描述节点i的能量状态和通信参数的向量，包括参数ei和其他与通信相关的变量，fisher信息矩阵的特征值分解结果可用于评估节点的有效信息容量，特征值的谱半径ρ(ii)反映节点在信息传递中的重要性；

24、s23、在得出每个节点的fisher信息矩阵谱半径ρ(ii)后，采用孤立奇点分析法来检测网络中的节点，孤立奇点分析通过计算每个节点的孤立度ii来评估节点的相对孤立性：

25、

26、其中，n(i)为节点i的邻居节点集合，ej为邻居节点j的能量状态，d(i,j)为节点i与节点j之间的距离，孤立度ii较大的节点表示其在网络中与邻居节点的能量状态差异较大，孤立度ii和谱半径ρ(ii)结合用于判定节点的高层或低层地位，

27、s24、对每个节点应用非线性动力系统的分岔理论，分析网络的稳定性和节点间的能量传输机制，节点i的状态方程：

28、

29、其中，xi为节点i的状态变量，描述其能量状态和通信状态的演化，μ是系统的控制参数，用于调节节点的行为，f(xi,μ)是节点的自作用函数，g(xj,xi,μ)是节点间的耦合作用函数，通过调整μ的值，检测系统的分岔点μc并分析节点在临界条件下的稳定性，分岔点μc附近节点的稳定性结合前述的fisher信息矩阵谱半径ρ(ii)和孤立度ii，用于优化节点的层级划分；

30、s25、根据fisher信息矩阵谱半径ρ(ii)、孤立度ii和分岔分析结果，进行多维度聚类分析，利用拓扑数据分析中的持久同调方法，识别节点聚类中的持久性特征，持久同调通过计算不同维度k的betti数βk来捕捉网络拓扑的持久性；

31、s26、根据多维度聚类和持久同调分析的结果，构建网络拓扑图g＝(v,e)，链路权重w(i,j)通过以下复杂网络模型计算：

32、

33、其中，v为节点集合，e为节点间的通信链路集合，ρ(ii)和ρ(ij)为节点i和j的fisher信息矩阵谱半径，信息矩阵谱半径表示节点间的通信潜力和信息传递能力，能量状态差异ei-ej则表示节点间的能量不均衡度；

34、s27、将层级划分结果和优化后的网络拓扑图g保存至网络拓扑表中，并通过控制信号将节点的层级信息、能量状态ei和标识id发送至各节点，各节点在任务分配和路径选择中依据层级信息进行操作。

35、可选的，所述s3具体包括：

36、s31、在完成节点的层级划分后，获取每个节点的层级信息li、fisher信息矩阵谱半径ρ(ii)、孤立度ii和分岔点稳定性si参数；

37、s32、通过多尺度混沌吸引子模型ai(t)来表征每个节点的动态行为，通过非线性微分方程组表达多尺度混沌吸引子模型：

38、

39、其中，ai(t)是节点i在时间t的混沌吸引子状态，σ是系统的控制参数，系统的控制参数决定了吸引子模型的响应速度；ρ(ii)是节点i的fisher信息矩阵谱半径，表示节点的信息传递能力；li是节点的层级信息，表示节点在网络中的层级；h(si)是分岔点稳定性si的函数，表示节点在非线性动力系统中的稳定性；β是衰减因子，控制孤立度li对节点行为的影响；ω是频率参数，表示系统的动态频率；

40、s33、通过模拟混沌吸引子模型的长期演化行为，计算每个节点的多尺度能量分布ei,multi，多尺度能量分布表示节点在不同时间尺度下的能量消耗模式，能量分布通过小波变换和多分辨率分析获得：

41、

42、其中，ψk(t)是第k级别的小波基函数，表示不同时间尺度的分量；m是多尺度分解的级数，表示分解的层次数；ai(t)是节点i的混沌吸引子状态；

43、s34、基于混沌吸引子模型和多尺度能量分布，通过稀疏优化融合公式评估节点的任务优先级：

44、

45、其中，fi是节点i的任务优先级；∥fi∥1是fi的l1范数，用于保证任务优先级的稀疏性，任务集中分配在少数优先级高的节点上；λ是正则化参数，控制不同节点间任务优先级的平衡程度；是节点i与j的任务优先级差异的平方和，用于衡量节点间优先级的一致性；

46、s35、通过多目标稀疏优化调整任务分配策略，定义多目标函数集合，函数表示网络中的一个性能指标，性能指标包含任务完成时间、网络负载平衡和总能量消耗：

47、

48、其中，x是任务分配策略的决策变量，表示如何在各节点间分配任务；∈是允许的最大误差，用于控制优化结果的精度；

49、s36、结合混沌吸引子模型和稀疏优化融合公式，通过广义lyapunov稳定性准则vg(x)来评估任务分配的稳定性：

50、

51、其中，vg(x)是广义lyapunov函数，用于评估系统的稳定性；是节点i的任务优先级随时间的变化率；是小波基函数随时间的变化率，广义lyapunov函数的负导数用于判断系统的稳定性，如果则系统稳定；如果则需要重新调整任务分配策略优化恢复稳定性；

52、s37、任务分配完成后，持续监测每个节点的能量状态ei和任务执行状态，通过对广义lyapunov函数的动态分析，判断任务执行过程中可能出现的潜在不稳定性，并据此调整任务分配策略；

53、s38、将任务分配结果记录并更新至网络拓扑表中，同时通过控制信号将任务分配信息发送至各节点。

54、可选的，所述s4具体包括：

55、s41、获取每个节点的任务优先级pi后，通过构建基于信息拓扑熵与非线性图拉普拉斯算子的路径权重模型，对于每对节点i和j，路径权重矩阵wij，：

56、

57、其中，hij是节点i和j之间的信息拓扑熵，表示信息在这两点之间传递的复杂度；为节点i和j在图拉普拉斯算子下的二阶导数，表示路径的非线性特征；κ、α、ζ、τ为调整路径权重影响的系数；φij是节点i和j之间的非线性相互作用势函数；

58、s42、基于基于信息拓扑熵与非线性图拉普拉斯算子的路径权重模型，利用量子势能井模型描述节点间的动态能量传输特性，通过量子势能井的深度和形状来表征节点间的耦合强度和信息传递的非局部性；

59、s43、采用拓扑量子场理论进行多跳路径选择优化，通过路径积分方法，计算从源节点到目标节点的所有可能路径的量子态叠加，考虑路径上的量子相干性和干涉效应，优化系统能够在量子力学框架下找到最优路径；

60、s44、优化选择路径的稳定性和鲁棒性，引入分数阶微分路径鲁棒性分析，通过分数阶微分的方法，对路径的鲁棒性进行评估，在链路失效和网络动态变化的条件下，分析通过调节分数阶微分阶数α来优化路径的选择；

61、s45、综合量子势能井模型和路径积分方法，定义路径的综合性能函数qquantum(p)为：

62、

63、其中，p(p)表示路径的拓扑量子路径积分，考虑了路径上的量子效应；是路径的分数阶鲁棒性指标，是节点pi的能量势函数；

64、s46、将选定的路径记录并更新至网络拓扑表中，通过控制信号将路径信息发送至各相关节点。

65、可选的，所述s5具体包括：

66、s51、在路径优化和选择完成后，开始任务执行过程中，实时监测每个节点的能量状态、通信负载和任务完成进度；

67、s52、引入非线性动力系统中的李雅普诺夫指数分析，用于评估网络在任务执行过程中的整体稳定性，对每个节点的局部稳定性进行分析；

68、s53、基于局部稳定性分析的结果，计算整个网络的全局李雅普诺夫指数，了解物联网系统在当前任务负载下的总体稳定性状态；

69、s54、当检测到某个节点的局部稳定性低于预定阈值，或者全局李雅普诺夫指数显示网络即将进入不稳定状态时，系统将自动触发任务重新分配机制，任务将从处于低能量或高负载状态的节点转移到更稳定的节点上，优化任务的顺利执行和网络的整体稳定性；

70、s55、在重新分配任务的过程中，利用先前确定的任务优先级和路径权重模型，并结合之前的路径优化结果，得到新的优化路径和任务分配方案；

71、s56、持续监控调整后的任务执行情况和网络稳定性，优化网络在新的任务分配和路径选择下能够保运行；

72、s57、将所有的调整和任务重新分配结果记录到网络拓扑表中，并通过控制信号将更新后的任务分配和路径信息传递至各相关节点。

73、有益效果

74、1、能量消耗均衡：本发明通过引入信息拓扑熵和非线性图拉普拉斯算子，构建了动态路径权重模型，并结合量子势能井模型，能够准确地描述节点间的能量传输特性。这些技术的结合使得在多跳通信过程中，能够智能地选择能量消耗较低的路径，避免了某些节点因频繁中继而快速耗尽能量，从而实现了整个网络的能量消耗均衡。

75、2、通信稳定性高：通过采用拓扑量子场理论和分数阶微分鲁棒性分析，本发明能够动态评估和优化路径的稳定性，特别是在面对链路失效和网络动态变化时，能够快速识别并调整通信路径，确保数据传输的连续性和稳定性。全局李雅普诺夫指数的引入进一步增强了系统的整体稳定性，使网络能够适应复杂的环境变化。

76、3、路径选择动态优化：本发明通过实时监测节点的能量状态、通信负载和任务完成进度，并结合全局李雅普诺夫指数的分析，能够动态调整和优化路径选择。使用量子路径积分和分数阶鲁棒性方法，系统能够在不同的任务执行阶段和网络状态下，选择最优路径，最大限度地提升通信效率和路径鲁棒性。

77、4、适应网络环境变化：本发明提供了一种高度自适应的通信方法，通过实时监控和动态调整机制，系统能够在网络环境发生变化时，节点故障、链路失效迅速做出反应，重新分配任务和调整路径，以保持网络的持续稳定运行。这种自适应能力大大提高了物联网系统在动态环境中的可靠性和使用寿命。

78、5、提高了物联网设备的整体能效：通过创新的数学模型和先进的优化算法，本发明显著提升了物联网设备的整体能效，延长了设备的工作寿命，降低了维护成本，同时提高了数据传输的效率和准确性，适用于各种复杂和动态的物联网应用场景。

技术特征：

1.一种基于多跳通信的物联网设备能量高效传输方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于多跳通信的物联网设备能量高效传输方法，其特征在于，所述s1具体包括：

3.根据权利要求1所述的一种基于多跳通信的物联网设备能量高效传输方法，其特征在于，所述s2具体包括：

4.根据权利要求1所述的一种基于多跳通信的物联网设备能量高效传输方法，其特征在于，所述s3具体包括：

5.根据权利要求1所述的一种基于多跳通信的物联网设备能量高效传输方法，其特征在于，所述s4具体包括：

6.根据权利要求1所述的一种基于多跳通信的物联网设备能量高效传输方法，其特征在于,所述s5具体包括：

技术总结
本发明公开了一种基于多跳通信的物联网设备能量高效传输方法，包括如下步骤：S1、部署多个物联网节点，根据能量状态和地理位置优化分布，形成分层异构网络结构；S2、基于每个节点参数，通过多尺度混沌吸引子模型表征节点动态行为，并通过稀疏优化调整任务分配策略；S3、智能分配任务；S4、基于能量状态、路径长度和通信延迟选择最优路径进行多跳通信；S5、任务执行过程中，动态调整任务顺序和路径选择；S6、在节点能量消耗过高时，将其降级为低层节点并转移任务；S7、低层节点执行复杂任务时，高层节点提供能量支持；S8、汇聚任务结果并通过高层节点传输数据。本发明提高了物联网网络的整体能效和运行寿命。

技术研发人员：吴骏荣
受保护的技术使用者：杭州芯引科技有限公司
技术研发日：
技术公布日：2024/12/5