基于協(xié)作傳輸?shù)娜褐悄軣o線傳感器網(wǎng)節(jié)點部署研究.pdf

1、無線傳感器網(wǎng)絡（Wireless Sensor Networks，WSN）是目前科研領域的熱點研究方向，被廣泛應用于各個領域但帶來信息傳輸數(shù)量和質量的巨大壓力。研究人員提出一種協(xié)作傳輸技術（Cooperative Transmission, CT），利用攜帶單天線的無線網(wǎng)絡節(jié)點組建虛擬MIMO（Multiple Input Multiple Output）系統(tǒng)獲得空間分集增益，擴大無線網(wǎng)絡的覆蓋范圍以減輕該壓力。該理論在通訊、控制等領域

2、得到了廣泛關注，但在利用節(jié)點數(shù)量有限的無線傳感器網(wǎng)絡完成長距離數(shù)據(jù)傳輸或在指定位置進行遠距離信息采集等類似的研究較少，且不利于實際應用，沒有將協(xié)作傳輸?shù)臄U展覆蓋范圍特性應用到多跳無線傳感器網(wǎng)絡中。
　　本課題“基于協(xié)作傳輸?shù)娜褐悄軣o線傳感器網(wǎng)節(jié)點部署研究”，在對協(xié)作傳輸以及無線傳感器網(wǎng)絡研究基礎上，分析兩者結合帶來的增益效果，尋找最佳部署方案，提出利用僅攜帶單天線能量充足的數(shù)量固定類似基站的特殊節(jié)點，應用協(xié)作傳輸技術組建在直線上可

3、以獲得最遠傳輸距離的無線傳感器網(wǎng)絡，以充分利用有限節(jié)點完成數(shù)據(jù)傳輸任務。針對不同場合不同需求下的數(shù)據(jù)傳輸任務，研究并改進了多種智能優(yōu)化算法以提高節(jié)點部署的計算精度減少計算時間，并提出了相應的節(jié)點部署策略。在災后信息獲取、結構健康監(jiān)測、作戰(zhàn)單元信息傳遞、個域網(wǎng)構建等領域具有重要應用。本文的主要研究工作如下：
　　針對固定節(jié)點數(shù)目的線形無線傳感器網(wǎng)絡節(jié)點部署問題，提出利用協(xié)作傳輸理論構建自動解碼轉發(fā)（Auto Decode and F

4、orward，ADF）節(jié)點部署模型，利用最大比合并（Maximal Ratio Combining，MRC）方法合并多徑信號，用解碼轉發(fā)協(xié)議對中繼信號進行譯碼轉發(fā)，以實現(xiàn)協(xié)作傳輸技術在無線傳感器網(wǎng)絡上應用并獲得傳輸距離的擴展。實驗表明，與非協(xié)作傳輸方法DET-CA相比， ADF節(jié)點部署模型可以獲得更遠的傳輸距離，覆蓋距離增大。為了避免出現(xiàn)節(jié)點不能譯碼導致不工作的情況，提出數(shù)據(jù)共享解碼轉發(fā)（Message Sharing Decode a

5、nd Forward，MS-DF）協(xié)作模型，該方法在同一簇內節(jié)點進行數(shù)據(jù)共享，所有無線傳感器網(wǎng)絡節(jié)點全部工作，增大網(wǎng)絡的分集增益。實驗表明，MS-DF模型有效可行，與ADF協(xié)作模型相比，在保證信號傳輸質量前提下，極大地提高了無線傳感器網(wǎng)絡的直線傳輸距離。以5節(jié)點為例，比DET-CA傳輸距離增長5％-54%。
　　針對協(xié)作傳輸 MS-DF節(jié)點部署模型無法常規(guī)求解問題，提出改進的蟻群優(yōu)化算法來尋找模型最優(yōu)解。該方法使用離散分段方式改進

6、蟻群算法的啟發(fā)函數(shù)，提出引入?yún)擦址▌t加大信息素更新量，提出融合貪婪算法到禁忌列表（tabu list）更新原則加快算法收斂速度，逐步獲得最優(yōu)解。實驗表明，改進的蟻群方法可以有效收斂，并且獲得最優(yōu)解，適用于要求計算結果誤差小，但對計算時間要求不高的環(huán)境。仿真實驗表明，7節(jié)點時蟻群算法種群數(shù)量是10，迭代次數(shù)100次時結果誤差僅為0.07%，驗證了該算法的可行性和有效性，可以應用于優(yōu)化求解協(xié)作傳輸節(jié)點部署模型。
　　針對要求無線傳感器

7、網(wǎng)絡節(jié)點部署計算時間短但對計算結果誤差要求不高的部署問題。提出應用螢火蟲群優(yōu)化算法，通過改進螢火蟲移動函數(shù)和啟發(fā)因子以適應協(xié)作模型求解問題需要，改進決策半徑更新函數(shù)和步進函數(shù)加快算法的收斂速度，避免局部最優(yōu)以及極值震蕩問題，利用算法的多維并發(fā)計算優(yōu)勢減少計算時間獲得最優(yōu)解。實驗表明，在保證最優(yōu)值穩(wěn)定收斂情況下，改進螢火蟲群優(yōu)化算法可以有效地減少計算時間，以13節(jié)點為例，螢火蟲算法耗時僅是蟻群算法的30%。適合應用于要求計算時間短的場合。