文献类型：期刊文献

中文题名：基于MAC竞争窗强化学习的传感网节能滤波机制

英文题名：MAC contention window driven energy-saving filtering mechanism in WSN using RL

作者：黄如[1];朱煜[1];张在琛[2]

机构：[1]华东理工大学信息科学与工程学院,上海200237;[2]东南大学移动通信国家重点实验室,江苏南京210096

年份：2013

卷号：35

期号：5

起止页码：973

中文期刊名：系统工程与电子技术

外文期刊名：Systems Engineering and Electronics

收录：CSTPCD;;EI(收录号：20132616448787);Scopus;北大核心:【北大核心2011】；CSCD:【CSCD2013_2014】；

基金：国家自然科学基金(50803016;60802005);中央高校基本科研业务费专项资金(WH1114030);上海市大学生创新创业训练基金(S12067);华东理工大学青年学者科学基金(YH0157127);华东理工大学大学生创新实验基金(X1033)资助课题

语种：中文

中文关键词：无线传感器网络;节能;强化学习;滤波;竞争窗

外文关键词：wireless sensor network （WSN）; energy-saving; reinforcement learning （RL）; filtering; con- tention window

摘要：依据传感器网络面向应用的价值区分度特征,提出一种基于冗余价值滤波的传感器网络节能数据收集机制。所提机制采用预测模型在线评估采样数据价值,并映射为相应的价值因子,进而根据强化学习理论将价值因子引入区分服务的退避机制设计,驱动媒体介质访问层层竞争窗尺寸的自适应优化调整,在满足数据收集服务质量的前提下,有效地抑制网内价值冗余负荷传输量,实现价值区分性滤波的节能效果。仿真实验表明,所提机制能有效增加网络吞吐量和降低传输时延,且相对于一些传统的节能收集机制,能够从传感器网络数据内涵应用价值挖掘的角度,更有效地降低网络整体能耗。
An energy-saving filtering mechanism （EFM） by mining the value redundant loads in networksaccording to distinctive valuable grade in application-oriented wireless sensor network （WSN） is proposed. The reinforcement learning theory, which relies on online estimation of the data value, is adopted to evaluate the da-ta value online and drive the adaptive optimization decision on contention window in medium access control. Fur- thermore, on the premise of quality of service （QoS） in data-gathering, the transmission of value redundancyloads can be effectively inhibited in networks to realize the energy-saving gathering mechanism based on mining the intension of value in transmission loads. Finally, the simulation results show that EFM can effectively reduce total energy cost in WSN via decreasing a large amount of redundant flow in network, enhance QoS of data gathering, and outperform some other classical data collection schemes in execution efficiency.