無線傳感數(shù)據(jù)時空相關性的研究.pdf

1、無線傳感網(wǎng)絡是通過多個小型、低價、智能的傳感器組成的監(jiān)測網(wǎng)絡，被廣泛應用于醫(yī)療、軍事、科研等領域。無線傳感網(wǎng)絡給生活帶來便利的同時，我們也不得不關注傳感器節(jié)點自身的局限性。首先，傳感器節(jié)點通過電池供電，且通常分布在環(huán)境比較特殊的地區(qū)，所以電量有限而且很難更換電池，如何在發(fā)揮其作用的同時最大限度的節(jié)省能量一直是國內(nèi)外研究的熱點。其次，無線傳感網(wǎng)絡采集到的數(shù)據(jù)具有一定的相關性，導致傳感器節(jié)點收集到的數(shù)據(jù)有一部分是冗余的，冗余數(shù)據(jù)不但會浪費處

2、理資源而且會增加傳感器的能耗，因此，對冗余數(shù)據(jù)的處理也具有重大研究意義。
　　針對無線傳感網(wǎng)絡存在的問題，本文利用無線傳感網(wǎng)絡的時空相關性特點，對無線傳感數(shù)據(jù)的時空相關性進行了研究，并對已有的算法進行了改進。本文的主要內(nèi)容如下:
　　首先，本文對傳感器節(jié)點收集數(shù)據(jù)的時間相關性進行了研究，通過時間序列建模對節(jié)點采集的數(shù)據(jù)進行預測，減少了成員節(jié)點向sink節(jié)點傳輸?shù)臄?shù)據(jù)量，從而節(jié)省了能量消耗。在此基礎上本文分析了傳統(tǒng)的時間相關性

3、算法以及時間序列模型中的灰色模型和自回歸AR模型(Autoregressive Model)的特點，為了同時發(fā)揮灰色模型與AR模型的優(yōu)勢，本文提出了一種灰色模型與AR模型相結合的建模方法G-AR(Grey and AR model)，利用加權數(shù)據(jù)融合思想將預測數(shù)據(jù)定義為兩種方法的組合，從而減少單一模型出現(xiàn)較大誤差的情況。仿真結果顯示，G-AR模型在預測精度以及數(shù)據(jù)傳輸率方面優(yōu)于灰色模型、AR模型以及傳統(tǒng)的時間相關性算法，在通過G-AR模

4、型進行數(shù)據(jù)預測時，減少數(shù)據(jù)傳輸?shù)那闆r下保證了數(shù)據(jù)精度。
　　其次，本文對傳感器節(jié)點收集數(shù)據(jù)的空間相關性進行了研究，分析了近年提出的EAST（Efficient Data Collection Aware of Spatio-Temporal Correlation）算法的不足，提出了基于EAST算法的改進算法IM-EAST(Improved EAST)。在分簇中涉及到的簇頭選擇問題，綜合考慮節(jié)點的剩余能量和通信距離，并且在向sin