無(wú)線(xiàn)傳感數(shù)據(jù)時(shí)空相關(guān)性的研究.pdf

1、無(wú)線(xiàn)傳感網(wǎng)絡(luò)是通過(guò)多個(gè)小型、低價(jià)、智能的傳感器組成的監(jiān)測(cè)網(wǎng)絡(luò)，被廣泛應(yīng)用于醫(yī)療、軍事、科研等領(lǐng)域。無(wú)線(xiàn)傳感網(wǎng)絡(luò)給生活帶來(lái)便利的同時(shí)，我們也不得不關(guān)注傳感器節(jié)點(diǎn)自身的局限性。首先，傳感器節(jié)點(diǎn)通過(guò)電池供電，且通常分布在環(huán)境比較特殊的地區(qū)，所以電量有限而且很難更換電池，如何在發(fā)揮其作用的同時(shí)最大限度的節(jié)省能量一直是國(guó)內(nèi)外研究的熱點(diǎn)。其次，無(wú)線(xiàn)傳感網(wǎng)絡(luò)采集到的數(shù)據(jù)具有一定的相關(guān)性，導(dǎo)致傳感器節(jié)點(diǎn)收集到的數(shù)據(jù)有一部分是冗余的，冗余數(shù)據(jù)不但會(huì)浪費(fèi)處

2、理資源而且會(huì)增加傳感器的能耗，因此，對(duì)冗余數(shù)據(jù)的處理也具有重大研究意義。
　　針對(duì)無(wú)線(xiàn)傳感網(wǎng)絡(luò)存在的問(wèn)題，本文利用無(wú)線(xiàn)傳感網(wǎng)絡(luò)的時(shí)空相關(guān)性特點(diǎn)，對(duì)無(wú)線(xiàn)傳感數(shù)據(jù)的時(shí)空相關(guān)性進(jìn)行了研究，并對(duì)已有的算法進(jìn)行了改進(jìn)。本文的主要內(nèi)容如下:
　　首先，本文對(duì)傳感器節(jié)點(diǎn)收集數(shù)據(jù)的時(shí)間相關(guān)性進(jìn)行了研究，通過(guò)時(shí)間序列建模對(duì)節(jié)點(diǎn)采集的數(shù)據(jù)進(jìn)行預(yù)測(cè)，減少了成員節(jié)點(diǎn)向sink節(jié)點(diǎn)傳輸?shù)臄?shù)據(jù)量，從而節(jié)省了能量消耗。在此基礎(chǔ)上本文分析了傳統(tǒng)的時(shí)間相關(guān)性

3、算法以及時(shí)間序列模型中的灰色模型和自回歸AR模型(Autoregressive Model)的特點(diǎn)，為了同時(shí)發(fā)揮灰色模型與AR模型的優(yōu)勢(shì)，本文提出了一種灰色模型與AR模型相結(jié)合的建模方法G-AR(Grey and AR model)，利用加權(quán)數(shù)據(jù)融合思想將預(yù)測(cè)數(shù)據(jù)定義為兩種方法的組合，從而減少單一模型出現(xiàn)較大誤差的情況。仿真結(jié)果顯示，G-AR模型在預(yù)測(cè)精度以及數(shù)據(jù)傳輸率方面優(yōu)于灰色模型、AR模型以及傳統(tǒng)的時(shí)間相關(guān)性算法，在通過(guò)G-AR模

4、型進(jìn)行數(shù)據(jù)預(yù)測(cè)時(shí)，減少數(shù)據(jù)傳輸?shù)那闆r下保證了數(shù)據(jù)精度。
　　其次，本文對(duì)傳感器節(jié)點(diǎn)收集數(shù)據(jù)的空間相關(guān)性進(jìn)行了研究，分析了近年提出的EAST（Efficient Data Collection Aware of Spatio-Temporal Correlation）算法的不足，提出了基于EAST算法的改進(jìn)算法IM-EAST(Improved EAST)。在分簇中涉及到的簇頭選擇問(wèn)題，綜合考慮節(jié)點(diǎn)的剩余能量和通信距離，并且在向sin