An Efficient Communication Protocol for Object Detection in SDN-Based Underwater Wireless Sensor Network

Vana, Hari krishna

doi:10.1002/dac.70435

An Efficient Communication Protocol for Object Detection in SDN-Based Underwater Wireless Sensor Network

2026-03-10

0

PRE

AI

DOI：10.1002/dac.70435

原文链接

原文求助

摘要

En 中文

软件定义网络（SDN）与水下声学传感器网络（UASN）的集成引入了一种更集中且灵活的方法来管理水下传感器节点。现有的路径规划方法和目标检测模型存在网络寿命有限和资源受限等挑战，这些挑战影响了路径规划的效率和目标检测的准确性。SDN通过提供灵活且集中的管理提高了UWSN的性能，这可能导致简化配置、高能效和更好的适应性。这一优势使得所提出的模型将SDN与UWSN集成；因此，在路径规划和目标检测过程中可以实现更好的能效。在UWSN中，流量和网络配置由SDN控制面板支持。最初，节点在网络场景中通过简化的卡尔曼滤波器（SiKaF）进行定位。然后，使用所提出的改进强化学习（ImRL）模型在自主水下航行器（AUV）和基站之间进行高效路径规划。在此过程中，采用新颖的自适应母体优化（AdMo）算法进行损失函数优化。最后，利用收集到的数据，在基站使用先进的支持向量机（AdSVM）模型进行目标检测。AdSVM采用基于跳过门控循环单元（skip-GRU）的时序特征提取和基于级联自编码器的空间特征提取，并使用基于SVM的分类。提取的空间和时序特征被连接在一起并输入到SVM中，以执行目标检测任务。所提出的方法在目标检测任务中分别获得了99.28、99.14、0.92和0.04的准确率、IoU、dice系数和MSE。在路径规划期间，所提出的ImRL的能量消耗为20.573，吞吐量为3.022，延迟为2.1 ms，网络寿命为21.318。

Keyword:

adaptive mother optimization

adaptive support vector machine

dynamic localization

loss function optimization

object detection

path planning

reinforcement learning

An Efficient Communication Protocol for Object Detection in SDN-Based Underwater Wireless Sensor Network

摘要

期刊

机构

引用论文