無線傳感器網(wǎng)絡(luò)高效持續(xù)數(shù)據(jù)收集技術(shù)研究.pdf

1、由監(jiān)測區(qū)域內(nèi)大量分布的傳感器節(jié)點通過分布式自組織形式構(gòu)成的無線傳感器網(wǎng)絡(luò)已經(jīng)成為一種新型的信息獲取與處理方式，被廣泛應(yīng)用于包括環(huán)境監(jiān)測、智慧城市管理以及文物環(huán)境監(jiān)測與預(yù)防性保護等領(lǐng)域。數(shù)據(jù)收集是各類無線傳感器網(wǎng)絡(luò)應(yīng)用的基礎(chǔ)，是連接物理世界和信息世界的重要途徑。高效的數(shù)據(jù)收集方法可以提高網(wǎng)絡(luò)的能量效率和數(shù)據(jù)收集效率，是當前無線傳感器網(wǎng)絡(luò)研究領(lǐng)域的熱點問題之一。
　　隨著無線傳感器網(wǎng)絡(luò)研究與應(yīng)用的不斷深入，無線傳感器網(wǎng)絡(luò)的數(shù)據(jù)收集需求

2、也更為多樣，不同的網(wǎng)絡(luò)部署場景對數(shù)據(jù)收集方法在能量效率、可擴展性和動態(tài)適應(yīng)性等方面提出了要求。本文在分析總結(jié)當前已有無線傳感器網(wǎng)絡(luò)數(shù)據(jù)收集方法的基礎(chǔ)之上，針對不同的網(wǎng)絡(luò)部署（單跳網(wǎng)絡(luò)與多跳網(wǎng)絡(luò)）和網(wǎng)絡(luò)感知狀態(tài)（“密集”數(shù)據(jù)采集與“稀疏”數(shù)據(jù)采集）著重進行了如下三方面的研究工作:
　　首先，本文研究了單跳“密集”數(shù)據(jù)采集的無線傳感器網(wǎng)絡(luò)中基于表示節(jié)點的數(shù)據(jù)收集方法。無線傳感器網(wǎng)絡(luò)中存在的空間相關(guān)性使得具有相似感知狀況的傳感器節(jié)點可以

3、相互表示進行數(shù)據(jù)采集以減少網(wǎng)絡(luò)能量消耗。針對當前已有基于表示節(jié)點的數(shù)據(jù)收集方法仍存在能量開銷大、表示節(jié)點集合過多、集合分布不均勻且內(nèi)部數(shù)據(jù)相關(guān)性低等問題，本文提出了傳感器節(jié)點表示能力度量模型以及基于該模型的表示節(jié)點分簇算法，解決了分布式網(wǎng)絡(luò)中傳感器節(jié)點感知狀況相似性度量及相似節(jié)點分簇的問題。本文的節(jié)點表示能力度量模型能夠利用傳感器節(jié)點局部的感知信息交換評估各個節(jié)點在設(shè)定區(qū)域內(nèi)代表其他節(jié)點進行數(shù)據(jù)采集的能力。表示節(jié)點分簇算法利用節(jié)點度量模

4、型對傳感器節(jié)點的表示能力排名，以較低的能量開銷快速且分布式地完成表示節(jié)點集合劃分。此外，本文設(shè)計了分簇內(nèi)基于隨機概率輪詢的工作調(diào)度和相應(yīng)的數(shù)據(jù)恢復(fù)策略。仿真實驗結(jié)果表明本文所提方法在表示節(jié)點分簇、能量效率和數(shù)據(jù)準確度等方面優(yōu)于已有的方法。
　　其次，本文研究了多跳“密集”數(shù)據(jù)采集的無線傳感器網(wǎng)絡(luò)中基于時間序列分析的數(shù)據(jù)收集方法。感知數(shù)據(jù)的時間相關(guān)性使其具有較強的可預(yù)測性，為高效的數(shù)據(jù)收集方法設(shè)計提供了可能。針對當前已有基于概率模型

5、的數(shù)據(jù)收集方法存在復(fù)雜度高和數(shù)據(jù)精度不可控，以及已有單純基于時間序列分析方法忽視了對網(wǎng)絡(luò)空間相關(guān)性的有效利用等問題，本文提出了基于時間序列分析和空間相關(guān)性的數(shù)據(jù)收集方法，解決了多跳網(wǎng)絡(luò)場景下的傳感器節(jié)點相似性度量和相似節(jié)點分簇的問題。相比于復(fù)雜的概率模型，本文采用計算簡便且預(yù)測準確度高的自回歸模型來近似刻畫傳感器節(jié)點的感知狀況。基于傳感器節(jié)點的自回歸模型，本文設(shè)計了綜合考慮節(jié)點感知狀況量值和變化趨勢的節(jié)點相似性度量機制。本文的層級分簇算

6、法依附于已有的數(shù)據(jù)收集樹結(jié)構(gòu)，自頂向下地依據(jù)節(jié)點相似性度量分布式地完成相似節(jié)點的分簇。此外，本文設(shè)計了基于自回歸模型和相似節(jié)點分簇的雙向預(yù)測的數(shù)據(jù)收集方法，該方法充分利用了無線傳感器網(wǎng)絡(luò)的時空相關(guān)性，提高了網(wǎng)絡(luò)數(shù)據(jù)收集效率。大量的仿真實驗驗證了本文的基于時間序列分析的數(shù)據(jù)收集方法在能量效率和數(shù)據(jù)收集精度方法的高效性。
　　第三，本文研究了（單跳或者多跳）“稀疏”數(shù)據(jù)采集的無線傳感器網(wǎng)絡(luò)中基于壓縮感知的稀疏采樣數(shù)據(jù)收集方法。針對因網(wǎng)

7、絡(luò)部署成本或者能量節(jié)省造成的“稀疏”數(shù)據(jù)采集網(wǎng)絡(luò)場景，本文提出了基于壓縮感知的稀疏采樣數(shù)據(jù)收集方法框架，借助壓縮感知理論提高了稀疏采樣數(shù)據(jù)的利用效率，實現(xiàn)了持續(xù)完整的高精度感知數(shù)據(jù)收集。本文利用多元線性回歸模型來捕獲傳感器節(jié)點感知狀況間的相關(guān)性，并因此設(shè)計了可稀疏表示全局感知狀況的稀疏表示矩陣。通過實時的稀疏采樣數(shù)據(jù)處理，本文構(gòu)建了基于壓縮感知的全局感知狀況恢復(fù)系統(tǒng)，高精度地恢復(fù)全網(wǎng)所有傳感器節(jié)點的感知狀況。此外，本文以城市道路交通狀況