GNN-IR: Eine intelligente Routingmethode basierend auf Graf-Neuronalen-Netzen im Unterwasserakustischen Sensornetzwerk

Das Unterwasserakustische Sensornetzwerk (UASN) ist entscheidend für die Überwachung maritimer Umgebungen und die Erkennung von Unterwasserzielen. Zuverlässige Vernetzung, insbesondere die Routingtechnik, ist im UASN aufgrund der Herausforderungen der Unterwasserakustik unerlässlich. In diesem Papier wird eine intelligente Routingmethode vorgeschlagen, die auf einem grafbasierten neuronalen Netzwerk basiert und als GNN-IR-Methode bezeichnet wird, um komplexe Netzwerk-Topologien anzugehen und sich an dynamische Netzwerkumgebungen anzupassen. Die vorgeschlagene GNN-IR-Methode nutzt die Fähigkeit von GNNs, nicht-euklidische Daten zu verarbeiten und ihre starke prädiktive Fähigkeit. Sie integriert die Merkmale des UASN, indem sie ein Modell zur Vorhersage des Netzwerkzustands erstellt und die entsprechenden Funktionen entwirft. Darüber hinaus wurde ein Mechanismus zur Vorhersagegültigkeitsdauer in der GNN-IR-Methode entwickelt, um das Verhältnis der Paketlieferung (PDR) und die Energieeffizienz des Netzwerks auszubalancieren. Simulationen zeigen, dass die GNN-IR-Methode in Bezug auf effektive Datenübertragung, lange Netzwerklebensdauer und niedrige zusätzliche Routinginformationsübernahme gut abschneidet. Darüber hinaus zeigt die vorgeschlagene Routingmethode eine verbesserte Anpassungsfähigkeit und Flexibilität in der komplexen Unterwasserumgebung.