無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)部署及數(shù)據(jù)收集技術(shù)研究.pdf

1、數(shù)據(jù)收集是無(wú)線傳感器網(wǎng)絡(luò)中一個(gè)重點(diǎn)研究的問(wèn)題，而節(jié)點(diǎn)部署則是數(shù)據(jù)收集的基礎(chǔ)。通常，傳感器節(jié)點(diǎn)由能量有限的電池供電，難以維持長(zhǎng)期的網(wǎng)絡(luò)生命周期，而且傳感器節(jié)點(diǎn)數(shù)量的增加往往會(huì)影響網(wǎng)絡(luò)的穩(wěn)定性，制約著無(wú)線傳感器網(wǎng)絡(luò)在各領(lǐng)域的實(shí)際應(yīng)用。如何提高網(wǎng)絡(luò)的生命周期是無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)收集的關(guān)鍵。因此，本文對(duì)傳感器節(jié)點(diǎn)部署及數(shù)據(jù)收集中分簇路由、數(shù)據(jù)融合等關(guān)鍵問(wèn)題進(jìn)行研究。在最優(yōu)節(jié)點(diǎn)部署的基礎(chǔ)上，提出了分簇壓縮感知無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)收集技術(shù)。主要研究工

2、作如下：
　　1）為了降低無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)收集的成本和復(fù)雜度，須要減少組網(wǎng)節(jié)點(diǎn)數(shù)量，但少數(shù)節(jié)點(diǎn)難以同時(shí)保證系統(tǒng)收集數(shù)據(jù)的完整與精確。對(duì)于這一問(wèn)題，在區(qū)域分塊的基礎(chǔ)上，提出了一種基于克里金插值的部署算法。該方法首先采用規(guī)則網(wǎng)格對(duì)分塊區(qū)域進(jìn)行節(jié)點(diǎn)的預(yù)部署，然后考慮節(jié)點(diǎn)感知數(shù)據(jù)的空間相關(guān)性，假設(shè)每個(gè)節(jié)點(diǎn)輪流為被減去的節(jié)點(diǎn)，利用克里金對(duì)該減去節(jié)點(diǎn)的數(shù)據(jù)進(jìn)行插值估計(jì)；最后通過(guò)估計(jì)誤差選出最優(yōu)剔除的節(jié)點(diǎn)。對(duì)模擬及真實(shí)數(shù)據(jù)的仿真表明，本文提出

3、的部署方法可以有效地減少部署節(jié)點(diǎn)個(gè)數(shù)，同時(shí)完整精確地收集工作區(qū)域的數(shù)據(jù)。
　　2）針對(duì)無(wú)線傳感器網(wǎng)絡(luò)能量消耗不均衡的問(wèn)題，提出了一種基于距離的粒子群分簇路由算法。此方法在滿足一定能量的條件下，綜合考慮簇頭到基站和簇頭到簇內(nèi)節(jié)點(diǎn)距離的關(guān)系來(lái)更新目標(biāo)函數(shù)，使得節(jié)點(diǎn)到基站的距離越近及距離其他節(jié)點(diǎn)距離小的節(jié)點(diǎn)成為簇頭的概率越大。仿真結(jié)果表明，基于距離的粒子群分簇算法可以有效地均衡能量的消耗，延長(zhǎng)網(wǎng)絡(luò)生命周期。
　　3）原始數(shù)據(jù)越壓縮

4、節(jié)點(diǎn)傳輸?shù)臄?shù)據(jù)量越小，消耗的能量也相對(duì)越少，有利于延長(zhǎng)網(wǎng)絡(luò)的生命周期，但高壓縮往往會(huì)影響數(shù)據(jù)的重構(gòu)精度。針對(duì)數(shù)據(jù)重構(gòu)精度與能量消耗的矛盾，本文在考慮無(wú)線傳感器網(wǎng)絡(luò)收集的數(shù)據(jù)存在稀疏性的基礎(chǔ)上，提出基于分簇壓縮感知的無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)收集方法。該方法利用改進(jìn)的(Low Energy Adaptive Clustering Hierarchy)LEACH分簇協(xié)議對(duì)隨機(jī)布置的傳感器節(jié)點(diǎn)進(jìn)行簇頭選擇繼而形成簇，每個(gè)簇的簇頭采用高斯隨機(jī)矩陣對(duì)簇內(nèi)