物聯(lián)網(wǎng)節(jié)點調(diào)度及目標跟蹤策略研究.pdf

1、物聯(lián)網(wǎng)(Internet of Things，IoT)是一個基于感知技術、以感知層數(shù)據(jù)為運行基礎、融合了各類應用的服務型網(wǎng)絡系統(tǒng)。感知層處于物聯(lián)網(wǎng)體系架構的最底層，是物聯(lián)網(wǎng)和物理世界對接的接口，其自身的特殊性從根本上決定其運行方式和控制策略必須具很高的能效性。節(jié)點調(diào)度是應對物聯(lián)網(wǎng)感知層能量受限問題的有效方法，目標跟蹤作為物聯(lián)網(wǎng)的重要應用之一，也需要與節(jié)點調(diào)度策略相結合。因此，本論文研究物聯(lián)網(wǎng)節(jié)點調(diào)度及目標跟蹤技術，對促進物聯(lián)網(wǎng)的發(fā)展具有

2、重要意義。
　　論文首先研究了物聯(lián)網(wǎng)高效節(jié)點調(diào)度策略及物聯(lián)網(wǎng)目標跟蹤策略的研究現(xiàn)狀，針對地理位置信息無關節(jié)點調(diào)度、基于預測的物聯(lián)網(wǎng)移動目標跟蹤、面向目標跟蹤的節(jié)點調(diào)度等問題進行分析，在此基礎上展開研究。本文主要研究成果如下:
　　1)針對“邊界效應”導致的物聯(lián)網(wǎng)節(jié)點不均等休眠問題，分析能夠應對此問題的基于容忍覆蓋區(qū)域的節(jié)點調(diào)度算法，并對算法在能效性和節(jié)點狀態(tài)方面進行改進，首先在進行覆蓋冗余判別時增加節(jié)點剩余能量作為判別因素，

3、提高能耗的均勻性，然后對節(jié)點的狀態(tài)分布和轉(zhuǎn)換進行有效改進，最小化覆蓋冗余，進而提出一種新的高能效覆蓋優(yōu)化節(jié)點調(diào)度算法TCA-NS。另外，還提出一種物聯(lián)網(wǎng)節(jié)點數(shù)據(jù)可靠收集跨層協(xié)議DRGC，該協(xié)議適用于檢測與報告型應用的物聯(lián)網(wǎng)，協(xié)議包括一種平衡同步精度和能耗量的時鐘同步算法，及一種融合MAC和路由為一體的跨層數(shù)據(jù)收集算法。TCA-NS算法和DRGC協(xié)議可融合應用于物聯(lián)網(wǎng)感知層體系中，形成一套底層協(xié)議棧。
　　2)針對基于網(wǎng)格剖分的物聯(lián)

4、網(wǎng)節(jié)點調(diào)度策略，分析基于Voronoi網(wǎng)格、三角形網(wǎng)格和正方形網(wǎng)格的三種網(wǎng)絡剖分方式。研究感知節(jié)點的通信半徑rc和感知半徑rs的取值關系對網(wǎng)絡性能的影響，在通信半徑小于感知半徑的網(wǎng)絡模型中，研究基于正方形剖分模型的節(jié)點調(diào)度算法SRPMNSA。將其網(wǎng)絡模型擴展到節(jié)點的感知半徑和通信半徑不限取值，并對剖分正方形的邊長取值進行改進，在此基礎上提出一種改進型正方形剖分算法I-SRPMNSA。在擴展后的網(wǎng)絡模型中，當rs＞rc時，I-SRPMNS

5、A算法在網(wǎng)絡覆蓋質(zhì)量上優(yōu)于SRPMNSA算法;當1/2≤rs≤rc時，I-SRPMNSA算法相對于SRPMNSA算法可延長網(wǎng)絡壽命。
　　3)針對物聯(lián)網(wǎng)目標跟蹤策略，提出感知差分的概念，將感知差分和壓縮感知相結合，對物聯(lián)網(wǎng)分布式感知信息進行稀疏采樣，利用壓縮感知理論重構感知差分矩陣，再采用感知差分法對移動目標進行定位和跟蹤。據(jù)此提出一種基于壓縮感知和感知差分的目標跟蹤策略，該策略不需要具體劃分網(wǎng)格，對監(jiān)測區(qū)域的形狀也沒有特定要求，

6、是一種普遍適用的物聯(lián)網(wǎng)目標跟蹤策略。該策略在稀疏采樣感知信號的情況下對感知信號的恢復情況較好，利用感知差分法對目標的位置跟蹤準確，且其稀疏采樣策略降低了網(wǎng)絡的通信量，提高了網(wǎng)絡的能效性。
　　4)針對移動目標跟蹤型網(wǎng)絡應用，對物聯(lián)網(wǎng)節(jié)點能耗模型進行詳細分析，研究面向目標跟蹤的節(jié)點調(diào)度策略。首先提出一種高能效的物聯(lián)網(wǎng)自適應節(jié)點調(diào)度算法ANSTT，算法根據(jù)各節(jié)點對移動目標的感知能力以及節(jié)點的相對剩余能量水平，自動調(diào)整節(jié)點工作模式。提出