基于模型驅(qū)動(dòng)的傳感網(wǎng)數(shù)據(jù)建模和分簇更新.pdf

1、無線傳感網(wǎng)絡(luò)(Wireless Sensor Network，WSN)目前已經(jīng)被廣泛地使用在各種軍事或民用應(yīng)用中，如軍事航空、空間探索、環(huán)境監(jiān)控和健康醫(yī)療。然而，在實(shí)際應(yīng)用中，能量問題嚴(yán)重阻礙著網(wǎng)絡(luò)性能的提高。迄今為止，諸多學(xué)者在設(shè)計(jì)傳感網(wǎng)節(jié)能方法時(shí)主要考慮了兩個(gè)方面:能量消耗和數(shù)據(jù)準(zhǔn)確度。傳感節(jié)點(diǎn)在連續(xù)的感知階段采集的數(shù)據(jù)通常具有高的時(shí)間相關(guān)性，并且實(shí)際應(yīng)用中會(huì)出現(xiàn)節(jié)點(diǎn)的大量部署和重復(fù)覆蓋等情況，距離近的不同節(jié)點(diǎn)往往具有很高的空間數(shù)據(jù)

2、相關(guān)性。因而，在收集傳感器網(wǎng)絡(luò)區(qū)域內(nèi)的環(huán)境數(shù)據(jù)過程中，會(huì)產(chǎn)生大量的冗余數(shù)據(jù)，會(huì)使網(wǎng)絡(luò)的能量消耗的增加。
　　本文針對(duì)以上提出的問題進(jìn)行研究，提出了基于模型驅(qū)動(dòng)的傳感網(wǎng)數(shù)據(jù)建模方法和分簇更新方法，主要包括以下兩個(gè)方面:
　　首先，提出一種基于雙回歸模型的無線節(jié)點(diǎn)數(shù)據(jù)建模方法。利用單變量模型對(duì)數(shù)據(jù)的整體趨勢進(jìn)行描述，在將單變量模型寫成狀態(tài)空間形式后，用卡爾曼濾波迭代地計(jì)算趨勢模型的最優(yōu)參數(shù)，使得對(duì)整體趨勢描述的更準(zhǔn)確。在描述數(shù)據(jù)

3、的整體趨勢的同時(shí)，針對(duì)節(jié)點(diǎn)短時(shí)間快速變化部分構(gòu)建調(diào)整模型，兩者結(jié)合快速準(zhǔn)確地的構(gòu)建數(shù)據(jù)模型。與傳統(tǒng)的數(shù)據(jù)驅(qū)動(dòng)節(jié)能方案相比，該方案傳輸實(shí)時(shí)自適應(yīng)趨勢模型和調(diào)整模型，在計(jì)算的復(fù)雜度和存儲(chǔ)量需求不大的情況下，比其他的數(shù)據(jù)模型更加精確，并且減少數(shù)據(jù)傳輸數(shù)量，可以大大降低能量消耗。
　　其次，提出了一種基于模型驅(qū)動(dòng)的節(jié)點(diǎn)分簇更新方法。使用趨勢模型和調(diào)整模型的加權(quán)相關(guān)系數(shù)，將相關(guān)性強(qiáng)的節(jié)點(diǎn)組成一個(gè)節(jié)點(diǎn)團(tuán)，節(jié)點(diǎn)團(tuán)中的節(jié)點(diǎn)兩兩之間都具有高相關(guān)性。