基于環(huán)境建模的傳感數(shù)據(jù)收集與插值算法研究.pdf

1、無(wú)線傳感器網(wǎng)絡(luò)中，現(xiàn)有數(shù)據(jù)收集方式多采用靜態(tài)Sink的方案，易造成Sink周?chē)墓?jié)點(diǎn)負(fù)載過(guò)重而過(guò)早死亡，導(dǎo)致網(wǎng)絡(luò)分割，形成監(jiān)測(cè)盲區(qū)；另一方面由于傳感器節(jié)點(diǎn)的隨機(jī)部署，易形成不能獲取信息的監(jiān)測(cè)盲區(qū)，而且傳感器節(jié)點(diǎn)資源有限等自身特點(diǎn)也容易導(dǎo)致節(jié)點(diǎn)采集的感知數(shù)據(jù)缺失，監(jiān)測(cè)盲區(qū)與感知數(shù)據(jù)缺失問(wèn)題給傳感器網(wǎng)絡(luò)各種應(yīng)用帶來(lái)了巨大困難。因此，如何均衡網(wǎng)內(nèi)節(jié)點(diǎn)能耗，提高網(wǎng)絡(luò)生存時(shí)間以及對(duì)監(jiān)測(cè)盲區(qū)、缺失數(shù)據(jù)進(jìn)行準(zhǔn)確估計(jì)，成為無(wú)線傳感器網(wǎng)絡(luò)中亟待解決的問(wèn)題

2、。本文對(duì)傳感器數(shù)據(jù)所處的時(shí)空特性進(jìn)行環(huán)境建模，主要對(duì)傳感數(shù)據(jù)收集與插值算法展開(kāi)研究，主要工作如下：
　　 一、研究傳感器網(wǎng)絡(luò)中基于移動(dòng)Sink可控軌跡的數(shù)據(jù)收集路徑規(guī)劃問(wèn)題。針對(duì)靜態(tài)Sink數(shù)據(jù)收集方法易導(dǎo)致網(wǎng)絡(luò)熱區(qū)問(wèn)題，建立了移動(dòng)Sink可控軌跡下的數(shù)據(jù)收集模型，提出了一種基于移動(dòng)Sink最優(yōu)穿越路徑數(shù)據(jù)收集算法，算法以系統(tǒng)數(shù)據(jù)收集量最大化與網(wǎng)絡(luò)節(jié)點(diǎn)能耗均衡為目標(biāo)。基于OMNET++仿真實(shí)驗(yàn)表明，算法能最大化網(wǎng)絡(luò)吞吐量，均衡網(wǎng)

3、絡(luò)能耗，延長(zhǎng)網(wǎng)絡(luò)生存時(shí)間，在能耗利用率方面遠(yuǎn)優(yōu)于固定Sink數(shù)據(jù)采集方法。
　　 二、研究傳感器網(wǎng)絡(luò)中監(jiān)測(cè)盲區(qū)與缺失感知數(shù)據(jù)估計(jì)問(wèn)題。傳感數(shù)據(jù)具有較高的時(shí)空相關(guān)性，針對(duì)單個(gè)節(jié)點(diǎn)的感知數(shù)據(jù)缺失問(wèn)題，建立了傳感數(shù)據(jù)時(shí)間序列模型，提出了一種基于傳感數(shù)據(jù)時(shí)間序列模型擬合預(yù)測(cè)算法：針對(duì)監(jiān)測(cè)盲區(qū)的環(huán)境信息不可獲取，建立了空間相關(guān)性模型，提出一種基于空間相關(guān)性的自適應(yīng)盲區(qū)評(píng)價(jià)算法；最后結(jié)合傳感數(shù)據(jù)時(shí)空相關(guān)性，提出一種基于時(shí)空相關(guān)性的自適應(yīng)插值

4、算法。算法通過(guò)預(yù)置誤差閥值自適應(yīng)選擇不同相關(guān)度鄰域節(jié)點(diǎn)的采樣值對(duì)預(yù)測(cè)點(diǎn)進(jìn)行插值估計(jì)。理論分析和仿真實(shí)驗(yàn)表明，算法能有效估計(jì)監(jiān)測(cè)盲區(qū)預(yù)測(cè)點(diǎn)的數(shù)據(jù)與缺失感知數(shù)據(jù)，具有可靠、穩(wěn)定的估計(jì)性能，并可支持網(wǎng)內(nèi)任意點(diǎn)的實(shí)時(shí)估計(jì)算法。
　　 三、結(jié)合以上研究工作，設(shè)計(jì)和實(shí)現(xiàn)了基于OMNET++仿真平臺(tái)的插值仿真系統(tǒng)ISSWSN，評(píng)價(jià)所提出的算法的性能。ISSWSN主要針對(duì)傳感器網(wǎng)絡(luò)監(jiān)測(cè)盲區(qū)與缺失感知數(shù)據(jù)進(jìn)行插值預(yù)測(cè)，搭建從網(wǎng)絡(luò)層至應(yīng)用層協(xié)議棧，