【摘要】：無線傳感器網絡(Wireless Sensor Networks,WSNs)是通過一定數量匯聚節(jié)點與無線傳感器節(jié)點(Sensor Nodes,SNs)連接的分布式多跳自組織網絡(Ad Hoc),具有自組織、快速便捷部署、以數據為中心、強隱蔽性和高容錯性等優(yōu)勢。由于SNs通常部署在無人看守的環(huán)境中,對其再充能或更換電池具有非常大的難度,因此能耗因素成為制約WSNs發(fā)展的重要阻礙之一。數據融合(Data Fusion)技術對來自不同數據源的數據進行不同層次的網內處理,以篩選冗余數據而形成高質量的融合數據,從而降低網絡額外能耗,延長網絡生命周期,提高工作效率。因此,數據融合技術被認為是解決無線傳感器網絡能耗危機的有效手段之一。數據融合操作雖然能大幅度降低SNs的能耗,但往往會增加網絡的時延,使得網絡時延與能耗成為兩個相互矛盾的指標。在實際應用中,許多傳感器的數據需要實時匯報才能體現價值,如地震監(jiān)控、目標追蹤和火災報警等,這就需要采用一個既能一定程度上節(jié)約網絡能耗、延長生命周期,又能保證網絡時延的WSNs算法。因此如何構建時延敏感與能量有效的基于數據融合的無線傳感器網絡模型是非常有前景的研究方向。論文首先綜合介紹了目前WSNs中現有數據融合模型的特點。然后根據融合過程中采用的不同算法,將WSNs數據融合技術分為四類:基于統(tǒng)計學的數據融合、基于人工智能的數據融合、基于信息論的數據融合和基于拓撲學的數據融合,同時選取各類算法中近年來國內外代表性文獻進行介紹與分析。接著,總結分析了WSNs中數據融合技術現存的難題與挑戰(zhàn),提出WSNs未來研究熱點與方向。針對WSNs數據融合算法中網絡能耗與時延的折中問題,同時考慮節(jié)點能耗優(yōu)化與負載均衡,提出混合時延敏感分簇的無線傳感器網絡數據融合算法(Hybrid Delay-aware Clustering,HDC)。首先給出了基于單層簇結構與多層簇結構的HDC網絡模型,根據網絡節(jié)點分布、數據融合率及簇內節(jié)點數設計判決函數,使時延與能耗的總體消耗達到最小。其次,為提高網絡性能,防止簇頭節(jié)點過早能耗盡,將網絡成簇與重組階段進行優(yōu)化,設計能量有效分簇算法與動態(tài)簇頭重選算法,進一步減少節(jié)點間數據傳輸總能耗,實現節(jié)點的能耗負載均衡。最后,使用Matlab7.1對HDC的性能進行驗證。仿真充分考慮不同網絡規(guī)模與不同數據融合率下的網絡環(huán)境,從網絡時延、網絡總能耗及網絡生命周期三個方面將HDC與另3種WSNs時延敏感模型進行多次比較。仿真結果表明,與傳統(tǒng)的WSNs時延敏感模型相比,提出的HDC算法在節(jié)約網絡能量消耗、降低網絡時延、延長節(jié)點生命周期方面有明顯優(yōu)勢。
【圖文】：

第 1 章 緒 論1.1 研究背景無線傳感器網絡（WSNs）是由大量無線傳感器節(jié)點（SNs）連接，以多跳通訊構建的自組織網絡（Ad Hoc）[1]。傳感器節(jié)點定期地收集環(huán)境數據并進行處理，然后將數據傳輸至基站（BS），最終發(fā)送給觀察者。20 世紀 70 年代，越戰(zhàn)時期使用的傳感器系統(tǒng)被認為是關于 WSNs 研究的最早期研究雛形。到 80 年代至 90 年代，傳感器網絡開始大規(guī)模進行部署。21 世紀開始至今，，由于 WSNs 所具有的快捷部署、自組織組網、以數據為中心、高可靠性和高隱蔽性等技術優(yōu)勢，使得其非常適用于目前如軍事偵察，工業(yè)自動化和環(huán)境監(jiān)控等領域[2]。且隨著無線技術的發(fā)展與需求逐漸增加，WSNs 的應用日益廣闊，目前在新興產業(yè)與物聯網如醫(yī)療護理、智慧交通、智能機器人、智能家居等領域均能看到其重要的應用。圖 1.1 給出了無線傳感器網絡基本體系結構。

圖 2.1 數據融合級別融合操作的節(jié)點的在集中式融合中，數留絕大部分初始的合節(jié)點能耗過大。處理后的數據再被網絡能耗，但相比收處理后的數據，現較差。的抽象層次進行分的主要特點是保留盡策級融合的特點是理代價高。特征級的相關性進行分類[型數據指按照不同節(jié)
【學位授予單位】：中南民族大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP212.9;TN929.5

【參考文獻】

相關期刊論文 前2條

1 趙繼軍;魏忠誠;李志華;劉昊;連彬;;無線傳感器網絡中多類型數據融合研究綜述[J];計算機應用研究;2012年08期

2 孫凌逸;黃先祥;蔡偉;夏梅尼;;基于神經網絡的無線傳感器網絡數據融合算法[J];傳感技術學報;2011年01期

本文編號：2610353