無線傳感器網(wǎng)絡(luò)節(jié)能組網(wǎng)關(guān)鍵技術(shù)研究.pdf

1、無線傳感器網(wǎng)絡(luò)是部署在監(jiān)測區(qū)域內(nèi)大量廉價(jià)的具有計(jì)算能力、通信能力的傳感器節(jié)點(diǎn),通過無線自組織方式連接而成的數(shù)據(jù)采集網(wǎng)絡(luò)系統(tǒng)。節(jié)點(diǎn)間相互協(xié)作地感知、采集和處理網(wǎng)絡(luò)覆蓋區(qū)域中監(jiān)測對(duì)象的信息,并發(fā)送給觀察者。無線傳感器網(wǎng)絡(luò)不需要任何固定網(wǎng)絡(luò)支持、能夠快速展開、抗毀性強(qiáng)、能夠長時(shí)間執(zhí)行監(jiān)測任務(wù)等特點(diǎn),使其在環(huán)境監(jiān)測、地震與氣候預(yù)測、軍事、深水以及外層空間探索等許多方面都具有廣泛的應(yīng)用前景。作為后Internet時(shí)代產(chǎn)物的無線傳感器網(wǎng)絡(luò)將傳統(tǒng)網(wǎng)絡(luò)

2、從桌面延伸到真實(shí)物理世界,極大地?cái)U(kuò)展了人類自身對(duì)環(huán)境的感知能力,將是信息感知和采集技術(shù)的一場革命。
　　 無線傳感器網(wǎng)絡(luò)一般不需要基礎(chǔ)網(wǎng)絡(luò)設(shè)備,從其組網(wǎng)形式上看可以認(rèn)為是一種特殊的多跳自組織網(wǎng)絡(luò),網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)量巨大、應(yīng)用環(huán)境復(fù)雜等特性更提高了網(wǎng)絡(luò)自組織的復(fù)雜性。另外節(jié)點(diǎn)一般由電池供電,并隨機(jī)投放在無人監(jiān)測區(qū)域內(nèi),很難為節(jié)點(diǎn)更換電源,能源成為系統(tǒng)中最寶貴的資源,如何通過自動(dòng)配置將數(shù)量眾多的節(jié)點(diǎn)組織成網(wǎng),并進(jìn)行節(jié)能高效的數(shù)據(jù)傳輸是無線

3、傳感器網(wǎng)絡(luò)研究面臨的首要問題。論文針對(duì)基于事件監(jiān)測應(yīng)用的無線傳感器網(wǎng)絡(luò),圍繞節(jié)能組網(wǎng)問題,完成以下幾個(gè)方面工作:
　　 第一,針對(duì)基于事件監(jiān)測應(yīng)用的無線傳感器網(wǎng)絡(luò),通過引入模糊綜合評(píng)判思想提出了一種基于事件區(qū)域的模糊綜合評(píng)判選路模型,并基于此模型設(shè)計(jì)了一種能量優(yōu)化路由算法(EORA Energy-Optimization Routing Algorithm),EORA包括基于事件區(qū)域的數(shù)據(jù)融合樹子算法和基于模糊綜合評(píng)判的路由選擇

4、子算法。EORA首先針對(duì)數(shù)據(jù)區(qū)域性特征設(shè)計(jì)了基于事件區(qū)域的數(shù)據(jù)融合樹子算法,通過興趣信息的擴(kuò)散在事件區(qū)域內(nèi)選取局部根節(jié)點(diǎn),并建立數(shù)據(jù)融合樹進(jìn)行事件區(qū)域內(nèi)的數(shù)據(jù)收集,以此減少傳輸?shù)絊ink節(jié)點(diǎn)的數(shù)據(jù)量。事件區(qū)域內(nèi)根節(jié)點(diǎn)融合產(chǎn)生的數(shù)據(jù)使用基于模糊綜合評(píng)判的路由選擇子算法傳輸?shù)絊ink節(jié)點(diǎn),該子算法中Sink節(jié)點(diǎn)根據(jù)需求確定路由請(qǐng)求的擴(kuò)散方向,通過反向查詢方式構(gòu)建多條可用路徑,采用多參數(shù)模糊綜合評(píng)判模型進(jìn)行路由選擇。分析和仿真結(jié)果表明這種基于

5、事件區(qū)域的模糊綜合評(píng)判路由能夠均衡網(wǎng)絡(luò)能耗,延長網(wǎng)絡(luò)生存時(shí)間,實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)能量的優(yōu)化使用。
　　 第二,層次式路由是無線傳感網(wǎng)絡(luò)路由技術(shù)中一種重要的路由方式。針對(duì)層次式結(jié)構(gòu)中影響網(wǎng)絡(luò)生存時(shí)間的能耗均衡性問題和算法魯棒性問題,提出了一種具有魯棒性的能量均衡動(dòng)態(tài)成簇算法(EBDC Energy Balance Dynamic Clustering)。EBDC算法依據(jù)網(wǎng)絡(luò)局部能量分布以及拓?fù)湫畔⑦x舉簇首節(jié)點(diǎn),通過隨機(jī)探測和雙向鏈?zhǔn)街貥?gòu),

6、在簇首失效時(shí)完成故障區(qū)域的局部簇維護(hù),降低故障區(qū)域邊緣節(jié)點(diǎn)的能量消耗,從整體上增加成簇算法的魯棒性。同時(shí)EBDC中采用局部動(dòng)態(tài)成簇,避免全網(wǎng)重新成簇帶來的能量消耗。為進(jìn)一步提高層次式網(wǎng)絡(luò)能量效率,借鑒神經(jīng)元的生物結(jié)構(gòu)和工作原理,針對(duì)響應(yīng)式事件監(jiān)測應(yīng)用提出了一種層次結(jié)構(gòu)下基于神經(jīng)元結(jié)構(gòu)的響應(yīng)式數(shù)據(jù)融合策略,包括響應(yīng)式節(jié)點(diǎn)模型、數(shù)據(jù)累積方式以及閾值的波動(dòng)策略。通過使用不同累積方式和動(dòng)作閾值動(dòng)態(tài)波動(dòng)策略使節(jié)點(diǎn)可以跟蹤事件強(qiáng)度的變化,提高監(jiān)測數(shù)

7、據(jù)的精度和效率。從仿真結(jié)果可以看出結(jié)合了基于神經(jīng)元結(jié)構(gòu)數(shù)據(jù)融合策略的EBDC算法,具有較好的能量均衡性和魯棒性,使網(wǎng)絡(luò)能夠獲得較長的生存時(shí)間。
　　 第三,對(duì)無線傳感器網(wǎng)絡(luò)節(jié)能組網(wǎng)技術(shù)的另一個(gè)重要部分--介質(zhì)訪問控制技術(shù)進(jìn)行了研究。首先針對(duì)無線傳感器網(wǎng)絡(luò)介質(zhì)訪問控制子層能耗關(guān)鍵因素,提出了準(zhǔn)同步低功耗監(jiān)聽機(jī)制(NLPL Near-synchronization Low Power Listening)。NLPL中節(jié)點(diǎn)使用嵌入編號(hào)

8、信息的短導(dǎo)言喚醒接收節(jié)點(diǎn),利用通信過程,局部節(jié)點(diǎn)共享彼此的喚醒調(diào)度信息,使節(jié)點(diǎn)下一次通信中能夠較準(zhǔn)確地捕捉接收節(jié)點(diǎn)喚醒時(shí)刻,從而實(shí)現(xiàn)輕量級(jí)的準(zhǔn)時(shí)間同步,使節(jié)點(diǎn)能夠以較小代價(jià)接入信道。其次針對(duì)基于事件監(jiān)測應(yīng)用的無線傳感器網(wǎng)絡(luò)中不均衡流量特征,在NLPL機(jī)制基礎(chǔ)上提出了流量自適應(yīng)混合MAC協(xié)議(THMACTraffic-adaptive Hybrid MAC)。THMAC使用NLPL作為基本信道接入方式,通過預(yù)測機(jī)制跟蹤網(wǎng)絡(luò)流量和沖突變化情