面向無(wú)線傳感器網(wǎng)絡(luò)的分布式數(shù)據(jù)收集關(guān)鍵技術(shù)研究.pdf

1、數(shù)據(jù)收集是無(wú)線傳感器網(wǎng)絡(luò)的基本功能，也是大多數(shù)監(jiān)測(cè)應(yīng)用的基礎(chǔ)。以感知數(shù)據(jù)為中心的無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)收集技術(shù)的主要研究目標(biāo)是在數(shù)據(jù)收集過(guò)程中減少網(wǎng)絡(luò)的能量消耗，延長(zhǎng)網(wǎng)絡(luò)的生命周期，避免重新部署無(wú)線傳感器網(wǎng)絡(luò)監(jiān)測(cè)系統(tǒng)帶來(lái)的巨大開(kāi)銷。
　　針對(duì)無(wú)線傳感器網(wǎng)絡(luò)事件監(jiān)測(cè)應(yīng)用中，同一監(jiān)測(cè)區(qū)域附近的傳感器節(jié)點(diǎn)收集的感知數(shù)據(jù)具有極大的時(shí)空相關(guān)性這一特點(diǎn)，為了減少網(wǎng)絡(luò)中的數(shù)據(jù)傳輸量，降低節(jié)點(diǎn)間的通信能耗，提出了一種能量高效的基于線性回歸的無(wú)線傳感器

2、網(wǎng)絡(luò)分布式數(shù)據(jù)收集優(yōu)化策略，通過(guò)構(gòu)建局部感知數(shù)據(jù)的線性回歸模型來(lái)表示和預(yù)測(cè)傳感器節(jié)點(diǎn)實(shí)際感知數(shù)據(jù)監(jiān)測(cè)值，在誤差允許的范圍內(nèi)，節(jié)點(diǎn)不需要傳輸實(shí)際監(jiān)測(cè)的感知數(shù)據(jù)到匯聚節(jié)點(diǎn)，而只傳輸回歸模型基函數(shù)的參數(shù)信息，在不失數(shù)據(jù)基本結(jié)構(gòu)特征的基礎(chǔ)上有效地減少了傳感器節(jié)點(diǎn)間頻繁的數(shù)據(jù)傳輸帶來(lái)的通信開(kāi)銷，而且感知數(shù)據(jù)的線性回歸模型采用計(jì)算復(fù)雜度低的增量更新方法。仿真實(shí)驗(yàn)結(jié)果表明，基于線性回歸的無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)收集優(yōu)化策略能以較少的網(wǎng)絡(luò)能耗實(shí)現(xiàn)有效的感知數(shù)

3、據(jù)預(yù)測(cè)和估計(jì)，達(dá)到了延長(zhǎng)網(wǎng)絡(luò)生命周期的目的。
　　為了優(yōu)化部署在地理位置重疊的、可協(xié)作的、多個(gè)并發(fā)應(yīng)用監(jiān)測(cè)任務(wù)的大規(guī)模無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)收集問(wèn)題，降低獨(dú)立部署的無(wú)線傳感器網(wǎng)絡(luò)的監(jiān)測(cè)成本，減少節(jié)點(diǎn)間感知數(shù)據(jù)傳輸量，提出了基于虛擬傳感器網(wǎng)絡(luò)的并發(fā)應(yīng)用數(shù)據(jù)收集優(yōu)化算法?？紤]在混合的、異構(gòu)的、部署在同一物理區(qū)域的無(wú)線傳感器網(wǎng)絡(luò)基礎(chǔ)上，邏輯上形成多個(gè)虛擬傳感器網(wǎng)絡(luò)的方式來(lái)解決同一地區(qū)多目標(biāo)并發(fā)應(yīng)用監(jiān)測(cè)問(wèn)題，在數(shù)據(jù)收集過(guò)程中，提出了基于Min

4、Max算子的數(shù)據(jù)傳輸閾值控制方法。并且在形成的虛擬傳感器網(wǎng)絡(luò)基礎(chǔ)上，設(shè)計(jì)了基于統(tǒng)計(jì)假設(shè)檢驗(yàn)的虛擬傳感器網(wǎng)絡(luò)容錯(cuò)策略，從感知數(shù)據(jù)的空間相關(guān)性和時(shí)間相關(guān)性入手，利用隨機(jī)過(guò)程描述感知數(shù)據(jù)的時(shí)間相關(guān)性、傳感器節(jié)點(diǎn)檢驗(yàn)本地?cái)?shù)據(jù)收集序列與事件統(tǒng)計(jì)特征的符合程度來(lái)判斷錯(cuò)誤是否發(fā)生。仿真實(shí)驗(yàn)結(jié)果表明，提出的算法能有效的減少網(wǎng)絡(luò)的總能量消耗和延長(zhǎng)網(wǎng)絡(luò)的生命周期，并且在傳感器節(jié)點(diǎn)錯(cuò)誤概率增加的情況下，系統(tǒng)能保持較理想的節(jié)點(diǎn)錯(cuò)誤識(shí)別率和事件區(qū)域監(jiān)測(cè)概率。

5、r>　　為了滿足無(wú)線多媒體傳感器網(wǎng)絡(luò)應(yīng)用中的服務(wù)質(zhì)量多樣化要求、利用網(wǎng)內(nèi)數(shù)據(jù)處理技術(shù)和群智能優(yōu)化算法，提出了面向多約束QoS的無(wú)線多媒體傳感器網(wǎng)絡(luò)數(shù)據(jù)收集優(yōu)化算法。在基本人工魚群優(yōu)化算法基礎(chǔ)上將人工魚視野和移動(dòng)步長(zhǎng)參數(shù)改進(jìn)為動(dòng)態(tài)調(diào)整模式，提出了動(dòng)態(tài)人工魚群優(yōu)化分簇算法，以更小的計(jì)算量和更快的搜索速度構(gòu)建更優(yōu)的網(wǎng)絡(luò)分簇結(jié)構(gòu)。為了滿足無(wú)線多媒體傳感器網(wǎng)絡(luò)不同應(yīng)用中多樣化的QoS要求，提出了基于改進(jìn)的蟻群和人工魚群聯(lián)合優(yōu)化的多約束QoS路由機(jī)

6、制。仿真實(shí)驗(yàn)結(jié)果表明，提出的算法能滿足用戶對(duì)多格式、多屬性和多模態(tài)的數(shù)據(jù)傳輸?shù)亩嗉s束QoS要求，能有效的降低網(wǎng)絡(luò)的整體能耗和延長(zhǎng)網(wǎng)絡(luò)的生命周期。
　　由于無(wú)線多媒體傳感器網(wǎng)絡(luò)實(shí)際應(yīng)用中感知數(shù)據(jù)具有高復(fù)雜度和高維非線性等特點(diǎn)，數(shù)據(jù)收集和處理的能耗較高，為了降低網(wǎng)絡(luò)中數(shù)據(jù)傳輸量，解決現(xiàn)有的基于線性的感知數(shù)據(jù)維數(shù)約簡(jiǎn)方法失效問(wèn)題，提出了基于局部線性嵌入的多媒體感知數(shù)據(jù)維數(shù)約簡(jiǎn)算法。其核心思想是在降維映射前后保持源數(shù)據(jù)的局部近鄰性質(zhì)，即在

7、嵌入空間每個(gè)采樣點(diǎn)可以用它的近鄰點(diǎn)線性表示，在低維空間中保持每個(gè)鄰域中的權(quán)值不變，重構(gòu)原數(shù)據(jù)點(diǎn)，使重構(gòu)誤差最小。針對(duì)局部線性嵌入算法在多媒體感知數(shù)據(jù)采樣稀疏的情況下，數(shù)據(jù)維數(shù)約簡(jiǎn)的結(jié)果會(huì)失效這一缺點(diǎn)，進(jìn)一步提出了基于局部線性逼近的多媒體感知數(shù)據(jù)維數(shù)約簡(jiǎn)算法。算法通過(guò)采用直接估計(jì)梯度值的方法達(dá)到局部線性逼近的目的，實(shí)現(xiàn)高維非線性數(shù)據(jù)的維數(shù)約簡(jiǎn)和特征表示。仿真實(shí)驗(yàn)結(jié)果表明，提出的算法在面對(duì)大量高復(fù)雜性、高維非線性的多媒體數(shù)據(jù)時(shí)，能有效保持原