無線傳感器網(wǎng)絡(luò)性能評估與預(yù)測.pdf

1、無線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks,WSNs)的性能受到許多因素的影響,導(dǎo)致傳感器節(jié)點(diǎn)間數(shù)據(jù)傳輸?shù)难訒r(shí)、誤碼率等性能指標(biāo)惡化,從而對整個(gè)WSNs的性能產(chǎn)生影響。為了科學(xué)地對WSNs的性能進(jìn)行管理和決策,本文結(jié)合節(jié)點(diǎn)規(guī)模、負(fù)載、拓?fù)浣Y(jié)構(gòu)及移動性等WSNs中較為常見的性能影響因素,以IEEE802.15.4/Zigbee通信技術(shù)為切入點(diǎn),選取吞吐量、延時(shí)、丟包等WSNs性能關(guān)鍵指標(biāo),對其性能評估和預(yù)測方法進(jìn)行研

2、究。
　　針對WSNs性能評估問題,采用基于客觀賦權(quán)的網(wǎng)絡(luò)性能指標(biāo)權(quán)重分析方法,結(jié)合網(wǎng)絡(luò)性能評價(jià)中多元指標(biāo)權(quán)重確定容易存在的人為性,以及各評價(jià)指標(biāo)間不可能完全獨(dú)立的特點(diǎn),將熵權(quán)法與變異系數(shù)法應(yīng)用于客觀權(quán)重決策中進(jìn)行對比,并引入指標(biāo)間相關(guān)性對算法進(jìn)行改進(jìn),建立基于指標(biāo)間相關(guān)性的多評價(jià)指標(biāo)權(quán)重決策模型;然后在綜合性能計(jì)算中,采用熵權(quán)和線性加權(quán)組合方法得到不同仿真場景下網(wǎng)絡(luò)性能綜合評價(jià)值。在仿真實(shí)驗(yàn)中,通過改變節(jié)點(diǎn)規(guī)模和拓?fù)浣Y(jié)構(gòu)獲取網(wǎng)絡(luò)

3、性能指標(biāo)數(shù)據(jù)樣本,對比分析表明,該方法具有較強(qiáng)的客觀性,能夠?qū)W(wǎng)絡(luò)中的各個(gè)性能指標(biāo)做出精確的定量分析,同時(shí)可以準(zhǔn)確的對整個(gè)網(wǎng)絡(luò)的綜合性能進(jìn)行評估。
　　針對WSNs性能預(yù)測問題,分析了WSNs性能會受到許多易變因素影響,導(dǎo)致其性能變化具有非線性和隨機(jī)波動的特點(diǎn),并根據(jù)該特點(diǎn)采用灰色馬爾科夫鏈(GM-Markov)方法對網(wǎng)絡(luò)性能進(jìn)行預(yù)測。設(shè)計(jì)了基于節(jié)點(diǎn)移動性的實(shí)驗(yàn)驗(yàn)證方案,結(jié)合網(wǎng)絡(luò)性能綜合值計(jì)算方法得出移動終端節(jié)點(diǎn)的綜合性能值。首先

4、采用灰色 GM(1,1)模型對移動終端節(jié)點(diǎn)的綜合性能值進(jìn)行預(yù)測,然后將灰色 GM(1,1)模型與Markov狀態(tài)轉(zhuǎn)移矩陣相結(jié)合,采用GM-Markov方法再次進(jìn)行預(yù)測。對比分析表明,GM-Markov方法能夠在小樣本、貧信息的條件下對網(wǎng)絡(luò)性能做出合理預(yù)測,將預(yù)測精度級別為好的概率提高三倍,且平均相對誤差率較GM(1,1)模型降低了38％。
　　本文結(jié)合WSNs中的節(jié)點(diǎn)規(guī)模、負(fù)載、拓?fù)浣Y(jié)構(gòu)及移動性等易變因素,綜合研究了其性能評估和預(yù)