基于端到端的傳感器網(wǎng)絡(luò)測(cè)量技術(shù)研究.pdf

1、無(wú)線傳感器網(wǎng)絡(luò)是由低成本、低功耗的，具備感知、數(shù)據(jù)處理、存儲(chǔ)和通信功能的微型傳感器節(jié)點(diǎn)通過(guò)自組織方式形成的網(wǎng)絡(luò)。近幾年逐漸成為學(xué)術(shù)界和工業(yè)界研究的熱點(diǎn)。一些實(shí)際可用的傳感器節(jié)點(diǎn)硬件和面向傳感器網(wǎng)絡(luò)的操作系統(tǒng)也應(yīng)運(yùn)而生。隨著傳感器網(wǎng)絡(luò)逐步被應(yīng)用到實(shí)際環(huán)境中，傳感器網(wǎng)絡(luò)的性能參數(shù)測(cè)量也就成為業(yè)界關(guān)注的問(wèn)題。 由于傳感器網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)較多以及自身電源容量和帶寬的限制，從網(wǎng)絡(luò)內(nèi)部每個(gè)節(jié)點(diǎn)上收集性能信息進(jìn)行分析和處理的傳統(tǒng)內(nèi)部測(cè)量方法并不適用

2、于傳感器網(wǎng)絡(luò)，這使得傳感器網(wǎng)絡(luò)的性能測(cè)量面臨著諸多的挑戰(zhàn)。 1999年，N．Duffield等人開始研究網(wǎng)絡(luò)斷層掃描技術(shù)(Network Tomography)，根據(jù)端到端的測(cè)量結(jié)果，推測(cè)網(wǎng)絡(luò)內(nèi)部性能指標(biāo)，不需要內(nèi)部結(jié)點(diǎn)之間協(xié)作，也不需要部署測(cè)量設(shè)備，減少了數(shù)據(jù)傳輸數(shù)量。2004年G Hartl等人將這項(xiàng)技術(shù)引入到傳感器網(wǎng)絡(luò)測(cè)量中，推測(cè)鏈路的報(bào)文丟失率。目前基于端到端的傳感器網(wǎng)絡(luò)測(cè)量技術(shù)的研究還處于起步階段。 論文圍繞基

3、于端到端的傳感器網(wǎng)絡(luò)測(cè)量方法進(jìn)行了深入研究，主要工作和創(chuàng)新點(diǎn)包括： (1)總結(jié)了面向固定網(wǎng)絡(luò)和傳感器網(wǎng)絡(luò)的斷層掃描技術(shù)，從斷層掃描技術(shù)研究?jī)?nèi)容、采用的系統(tǒng)模型、測(cè)量方法以及推測(cè)方法等方面討論了該項(xiàng)技術(shù)最新研究進(jìn)展。 (2)利用斷層掃描技術(shù)可以推測(cè)網(wǎng)絡(luò)邏輯拓?fù)湟约版溌穲?bào)文丟失性能等網(wǎng)絡(luò)特性?，F(xiàn)在已有固定網(wǎng)絡(luò)的邏輯拓?fù)渫茰y(cè)算法，但尚未見(jiàn)應(yīng)用于傳感器網(wǎng)絡(luò)。本文提出了一種利用數(shù)據(jù)匯聚過(guò)程中祖先節(jié)點(diǎn)與子孫節(jié)點(diǎn)之間的偏序關(guān)系推測(cè)傳感

4、器網(wǎng)絡(luò)邏輯拓?fù)涞乃惴ā７抡娼Y(jié)果表明，算法只需要較少輪次的數(shù)據(jù)收集，就能較準(zhǔn)確地推測(cè)出網(wǎng)絡(luò)的邏輯拓?fù)洹?(3)提出了一種邏輯鏈路報(bào)文丟失的累計(jì)生成函數(shù)(Cumulant GeneratingFunction，CGF)的推測(cè)方法。根據(jù)端到端報(bào)文丟失的CGF值，利用最小二乘法推測(cè)每條邏輯鏈路報(bào)文丟失CGF值，然后利用Chemoff邊界理論識(shí)別傳感器網(wǎng)絡(luò)報(bào)文丟失嚴(yán)重的鏈路。仿真結(jié)果表明，推測(cè)的CGF值與理論計(jì)算值很接近。 (4)

5、本文在用Bernoulli模型描述傳感器網(wǎng)絡(luò)中報(bào)文丟失過(guò)程的基礎(chǔ)上，提出了一種基于Gibbs抽樣的邏輯鏈路報(bào)文丟失率推測(cè)算法，利用網(wǎng)絡(luò)內(nèi)部邏輯鏈路上報(bào)文丟失之間的內(nèi)在關(guān)系來(lái)推測(cè)各個(gè)鏈路上的報(bào)文丟失率，并分析了不同參數(shù)選取對(duì)算法性能的影響。算法克服了常用的最大似然估計(jì)(MI正)方法存在的過(guò)低估計(jì)等缺陷。仿真結(jié)果與理論計(jì)算結(jié)果相比表明，算法能夠較準(zhǔn)確地推測(cè)出邏輯鏈路上的報(bào)文丟失率。 (5)在用Gilbert模型描述傳感器網(wǎng)絡(luò)中報(bào)文丟

6、失過(guò)程的基礎(chǔ)上，本文提出了一種基于Metropolis-Hastings抽樣的邏輯鏈路報(bào)文丟失時(shí)態(tài)依賴性(temporaldependency)的推測(cè)算法。解決了傳感器網(wǎng)絡(luò)中報(bào)文丟失時(shí)態(tài)依賴性的推測(cè)問(wèn)題。仿真結(jié)果與理論計(jì)算結(jié)果相比表明，算法推測(cè)結(jié)果可以較準(zhǔn)確地表述報(bào)文丟失在時(shí)間域上的關(guān)聯(lián)關(guān)系。 (6)提出了一種基于Bloom Filter的節(jié)點(diǎn)剩余能量測(cè)量算法。分析了算法中不同參數(shù)選取對(duì)于算法性能的影響。仿真結(jié)果表明該算法可以較