物聯(lián)網(wǎng)節(jié)點(diǎn)調(diào)度及目標(biāo)跟蹤策略研究.pdf

1、物聯(lián)網(wǎng)(Internet of Things，IoT)是一個(gè)基于感知技術(shù)、以感知層數(shù)據(jù)為運(yùn)行基礎(chǔ)、融合了各類應(yīng)用的服務(wù)型網(wǎng)絡(luò)系統(tǒng)。感知層處于物聯(lián)網(wǎng)體系架構(gòu)的最底層，是物聯(lián)網(wǎng)和物理世界對(duì)接的接口，其自身的特殊性從根本上決定其運(yùn)行方式和控制策略必須具很高的能效性。節(jié)點(diǎn)調(diào)度是應(yīng)對(duì)物聯(lián)網(wǎng)感知層能量受限問(wèn)題的有效方法，目標(biāo)跟蹤作為物聯(lián)網(wǎng)的重要應(yīng)用之一，也需要與節(jié)點(diǎn)調(diào)度策略相結(jié)合。因此，本論文研究物聯(lián)網(wǎng)節(jié)點(diǎn)調(diào)度及目標(biāo)跟蹤技術(shù)，對(duì)促進(jìn)物聯(lián)網(wǎng)的發(fā)展具有

2、重要意義。
　　論文首先研究了物聯(lián)網(wǎng)高效節(jié)點(diǎn)調(diào)度策略及物聯(lián)網(wǎng)目標(biāo)跟蹤策略的研究現(xiàn)狀，針對(duì)地理位置信息無(wú)關(guān)節(jié)點(diǎn)調(diào)度、基于預(yù)測(cè)的物聯(lián)網(wǎng)移動(dòng)目標(biāo)跟蹤、面向目標(biāo)跟蹤的節(jié)點(diǎn)調(diào)度等問(wèn)題進(jìn)行分析，在此基礎(chǔ)上展開研究。本文主要研究成果如下:
　　1)針對(duì)“邊界效應(yīng)”導(dǎo)致的物聯(lián)網(wǎng)節(jié)點(diǎn)不均等休眠問(wèn)題，分析能夠應(yīng)對(duì)此問(wèn)題的基于容忍覆蓋區(qū)域的節(jié)點(diǎn)調(diào)度算法，并對(duì)算法在能效性和節(jié)點(diǎn)狀態(tài)方面進(jìn)行改進(jìn)，首先在進(jìn)行覆蓋冗余判別時(shí)增加節(jié)點(diǎn)剩余能量作為判別因素，

3、提高能耗的均勻性，然后對(duì)節(jié)點(diǎn)的狀態(tài)分布和轉(zhuǎn)換進(jìn)行有效改進(jìn)，最小化覆蓋冗余，進(jìn)而提出一種新的高能效覆蓋優(yōu)化節(jié)點(diǎn)調(diào)度算法TCA-NS。另外，還提出一種物聯(lián)網(wǎng)節(jié)點(diǎn)數(shù)據(jù)可靠收集跨層協(xié)議DRGC，該協(xié)議適用于檢測(cè)與報(bào)告型應(yīng)用的物聯(lián)網(wǎng)，協(xié)議包括一種平衡同步精度和能耗量的時(shí)鐘同步算法，及一種融合MAC和路由為一體的跨層數(shù)據(jù)收集算法。TCA-NS算法和DRGC協(xié)議可融合應(yīng)用于物聯(lián)網(wǎng)感知層體系中，形成一套底層協(xié)議棧。
　　2)針對(duì)基于網(wǎng)格剖分的物聯(lián)

4、網(wǎng)節(jié)點(diǎn)調(diào)度策略，分析基于Voronoi網(wǎng)格、三角形網(wǎng)格和正方形網(wǎng)格的三種網(wǎng)絡(luò)剖分方式。研究感知節(jié)點(diǎn)的通信半徑rc和感知半徑rs的取值關(guān)系對(duì)網(wǎng)絡(luò)性能的影響，在通信半徑小于感知半徑的網(wǎng)絡(luò)模型中，研究基于正方形剖分模型的節(jié)點(diǎn)調(diào)度算法SRPMNSA。將其網(wǎng)絡(luò)模型擴(kuò)展到節(jié)點(diǎn)的感知半徑和通信半徑不限取值，并對(duì)剖分正方形的邊長(zhǎng)取值進(jìn)行改進(jìn)，在此基礎(chǔ)上提出一種改進(jìn)型正方形剖分算法I-SRPMNSA。在擴(kuò)展后的網(wǎng)絡(luò)模型中，當(dāng)rs＞rc時(shí)，I-SRPMNS

5、A算法在網(wǎng)絡(luò)覆蓋質(zhì)量上優(yōu)于SRPMNSA算法;當(dāng)1/2≤rs≤rc時(shí)，I-SRPMNSA算法相對(duì)于SRPMNSA算法可延長(zhǎng)網(wǎng)絡(luò)壽命。
　　3)針對(duì)物聯(lián)網(wǎng)目標(biāo)跟蹤策略，提出感知差分的概念，將感知差分和壓縮感知相結(jié)合，對(duì)物聯(lián)網(wǎng)分布式感知信息進(jìn)行稀疏采樣，利用壓縮感知理論重構(gòu)感知差分矩陣，再采用感知差分法對(duì)移動(dòng)目標(biāo)進(jìn)行定位和跟蹤。據(jù)此提出一種基于壓縮感知和感知差分的目標(biāo)跟蹤策略，該策略不需要具體劃分網(wǎng)格，對(duì)監(jiān)測(cè)區(qū)域的形狀也沒(méi)有特定要求，

6、是一種普遍適用的物聯(lián)網(wǎng)目標(biāo)跟蹤策略。該策略在稀疏采樣感知信號(hào)的情況下對(duì)感知信號(hào)的恢復(fù)情況較好，利用感知差分法對(duì)目標(biāo)的位置跟蹤準(zhǔn)確，且其稀疏采樣策略降低了網(wǎng)絡(luò)的通信量，提高了網(wǎng)絡(luò)的能效性。
　　4)針對(duì)移動(dòng)目標(biāo)跟蹤型網(wǎng)絡(luò)應(yīng)用，對(duì)物聯(lián)網(wǎng)節(jié)點(diǎn)能耗模型進(jìn)行詳細(xì)分析，研究面向目標(biāo)跟蹤的節(jié)點(diǎn)調(diào)度策略。首先提出一種高能效的物聯(lián)網(wǎng)自適應(yīng)節(jié)點(diǎn)調(diào)度算法ANSTT，算法根據(jù)各節(jié)點(diǎn)對(duì)移動(dòng)目標(biāo)的感知能力以及節(jié)點(diǎn)的相對(duì)剩余能量水平，自動(dòng)調(diào)整節(jié)點(diǎn)工作模式。提出