基于時(shí)空關(guān)聯(lián)的異構(gòu)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)收集節(jié)能算法研究.pdf

1、由于節(jié)點(diǎn)能源受限，能耗控制是無(wú)線(xiàn)傳感器網(wǎng)絡(luò)（WSNs）的研究重點(diǎn)之一。大量已有的研究可歸結(jié)為―正常采樣，選擇傳輸。但在大數(shù)據(jù)環(huán)境下，對(duì)于采樣能耗比較高的傳感器節(jié)點(diǎn)，必須考慮對(duì)其采樣頻率進(jìn)行控制以達(dá)到節(jié)能的目的。WSNs由于密集部署，相鄰的節(jié)點(diǎn)監(jiān)測(cè)到的目標(biāo)狀態(tài)是相近的，可以利用節(jié)點(diǎn)的空間相關(guān)性，選擇部分節(jié)點(diǎn)工作；對(duì)于單個(gè)節(jié)點(diǎn)，由于時(shí)間上的連續(xù)性，采集到的數(shù)據(jù)在一定時(shí)間段內(nèi)呈現(xiàn)較強(qiáng)的時(shí)間關(guān)聯(lián)性，可以利用時(shí)間相關(guān)性拉大采樣間隔，減少不必要的采

2、樣。因此，本文針對(duì)狀態(tài)較為平穩(wěn)的目標(biāo)監(jiān)測(cè)網(wǎng)絡(luò)，主要圍繞如何較好地利用WSNs的空間相關(guān)性和時(shí)間相關(guān)性，在保持監(jiān)測(cè)精度的同時(shí)進(jìn)行采樣能耗控制的研究，以達(dá)到節(jié)能的目的。
　　論文的研究重點(diǎn)是：在目標(biāo)狀態(tài)較為平穩(wěn)的融合監(jiān)測(cè)系統(tǒng)中，研究非固定周期的采樣頻率對(duì)于網(wǎng)絡(luò)能耗及性能的影響?；跓o(wú)線(xiàn)傳感器網(wǎng)絡(luò)的空間相關(guān)性，首先設(shè)計(jì)了面向節(jié)能和容錯(cuò)的拓?fù)淇刂扑惴?，選擇部分骨干節(jié)點(diǎn)保持網(wǎng)絡(luò)的連通性；其次，基于隱馬爾科夫模型設(shè)計(jì)了采用狀態(tài)分值維特比算法的

3、簇內(nèi)節(jié)點(diǎn)通信策略，協(xié)調(diào)簇首節(jié)點(diǎn)和子節(jié)點(diǎn)之間消息傳輸?shù)臅r(shí)機(jī)；然后，基于時(shí)間序列預(yù)測(cè)模型，研究單個(gè)節(jié)點(diǎn)上的非均勻的采樣頻率控制算法；最后，綜合考慮節(jié)點(diǎn)的時(shí)間關(guān)聯(lián)性和空間關(guān)聯(lián)性，設(shè)計(jì)了時(shí)空關(guān)聯(lián)的自適應(yīng)采樣控制算法。
　　論文的貢獻(xiàn)概括如下：
　　1.針對(duì)已有算法產(chǎn)生的骨干節(jié)點(diǎn)規(guī)模過(guò)大的問(wèn)題，提出了采用分支約減框架規(guī)劃連通骨干集的異構(gòu)網(wǎng)絡(luò)容錯(cuò)數(shù)據(jù)采集算法，可在有效減少工作節(jié)點(diǎn)數(shù)量的基礎(chǔ)上保持網(wǎng)絡(luò)能效?，F(xiàn)有基于連通支配集的容錯(cuò)拓?fù)淇刂?/p>

4、算法產(chǎn)生的活躍節(jié)點(diǎn)規(guī)模過(guò)大，本文提出采用分支約減框架構(gòu)建最小連通支配集的方法；并改進(jìn)容錯(cuò)拓?fù)淇刂频乃枷耄诓恍枰?jié)點(diǎn)位置信息的情況下，通過(guò)對(duì)活躍節(jié)點(diǎn)產(chǎn)生備份集來(lái)生成容錯(cuò)拓?fù)洌瑴p少處于工作狀態(tài)的活躍節(jié)點(diǎn)數(shù)；在數(shù)據(jù)收集過(guò)程中，普通節(jié)點(diǎn)根據(jù)鄰居支配節(jié)點(diǎn)的剩余能量、負(fù)載能力以及相互之間的路徑能耗等因素選擇數(shù)據(jù)發(fā)送的目標(biāo)支配節(jié)點(diǎn)，從節(jié)點(diǎn)能量平衡角度對(duì)網(wǎng)絡(luò)能耗進(jìn)行優(yōu)化。
　　2.針對(duì)簇首節(jié)點(diǎn)能耗不易控制的問(wèn)題，提出了采用狀態(tài)分值維特比算法的簇

5、內(nèi)節(jié)點(diǎn)通信策略，減少子節(jié)點(diǎn)不必要的數(shù)據(jù)采樣。對(duì)一個(gè)分簇內(nèi)的節(jié)點(diǎn)，利用隱馬爾科夫模型作為分類(lèi)框架。每一個(gè)采樣時(shí)刻，子節(jié)點(diǎn)依據(jù)接收到的信號(hào)做出一次分類(lèi)判斷，并將結(jié)果傳送給簇首節(jié)點(diǎn)，由簇首節(jié)點(diǎn)判斷給出監(jiān)測(cè)區(qū)域內(nèi)目標(biāo)狀態(tài)。基于隱馬爾科夫模型對(duì)目標(biāo)對(duì)象狀態(tài)信息進(jìn)行建模，進(jìn)一步減少了假設(shè)狀態(tài)的個(gè)數(shù)，通過(guò)對(duì)工作狀態(tài)較差的節(jié)點(diǎn)進(jìn)行調(diào)整以減少傳輸信息量，從而延長(zhǎng)網(wǎng)絡(luò)壽命。通過(guò)對(duì)各子節(jié)點(diǎn)工作狀態(tài)打分，改進(jìn)子節(jié)點(diǎn)維特比最大似然序列的計(jì)算狀態(tài)，從而改進(jìn)簇內(nèi)節(jié)點(diǎn)

6、通信策略，減少不必要的采樣和傳輸。
　　3.針對(duì)現(xiàn)有采樣間隔控制算法對(duì)目標(biāo)狀態(tài)變化的反應(yīng)滯后問(wèn)題，提出了基于 AIMD的快速采樣間隔控制算法，使采樣頻率能快速地適應(yīng)目標(biāo)狀態(tài)變化，進(jìn)一步節(jié)省網(wǎng)絡(luò)能耗?？紤]單個(gè)節(jié)點(diǎn)上，基于時(shí)間序列預(yù)測(cè)算法計(jì)算下一個(gè)采樣時(shí)刻，參考傳輸控制協(xié)議擁塞控制中加法增大乘法減小（AIMD）的思想，使采樣頻率快速地適應(yīng)目標(biāo)狀態(tài)變化。并采用指數(shù)加權(quán)平均方法進(jìn)行事件檢測(cè)反饋。與現(xiàn)有采樣頻率控制算法相比，基于AIMD的自

7、適應(yīng)采樣算法能夠根據(jù)目標(biāo)信號(hào)的狀態(tài)快速地調(diào)整采樣頻率，從而更有效地去除冗余的感知數(shù)據(jù)，達(dá)到節(jié)省能量的目的。
　　4.針對(duì)現(xiàn)有WSNs分簇算法中參數(shù)設(shè)置的隨機(jī)性及節(jié)點(diǎn)能耗大的問(wèn)題，提出了基于K均值算法和自回歸模型的時(shí)空關(guān)聯(lián)數(shù)據(jù)收集算法?；谧钚∩蓸?shù)算法在網(wǎng)絡(luò)區(qū)域內(nèi)選擇初始匯聚頂點(diǎn)，利用K均值算法對(duì)網(wǎng)絡(luò)內(nèi)節(jié)點(diǎn)進(jìn)行分簇；每個(gè)聚類(lèi)內(nèi)選舉剩余能量最多的節(jié)點(diǎn)作為聚類(lèi)中的簇頭節(jié)點(diǎn)；簇內(nèi)節(jié)點(diǎn)根據(jù)剩余能能量每次選擇部分節(jié)點(diǎn)輪流工作，并通過(guò)單跳方式