面向無線傳感器網(wǎng)絡的分布式數(shù)據(jù)收集關(guān)鍵技術(shù)研究.pdf

1、數(shù)據(jù)收集是無線傳感器網(wǎng)絡的基本功能，也是大多數(shù)監(jiān)測應用的基礎。以感知數(shù)據(jù)為中心的無線傳感器網(wǎng)絡數(shù)據(jù)收集技術(shù)的主要研究目標是在數(shù)據(jù)收集過程中減少網(wǎng)絡的能量消耗，延長網(wǎng)絡的生命周期，避免重新部署無線傳感器網(wǎng)絡監(jiān)測系統(tǒng)帶來的巨大開銷。
　　針對無線傳感器網(wǎng)絡事件監(jiān)測應用中，同一監(jiān)測區(qū)域附近的傳感器節(jié)點收集的感知數(shù)據(jù)具有極大的時空相關(guān)性這一特點，為了減少網(wǎng)絡中的數(shù)據(jù)傳輸量，降低節(jié)點間的通信能耗，提出了一種能量高效的基于線性回歸的無線傳感器

2、網(wǎng)絡分布式數(shù)據(jù)收集優(yōu)化策略，通過構(gòu)建局部感知數(shù)據(jù)的線性回歸模型來表示和預測傳感器節(jié)點實際感知數(shù)據(jù)監(jiān)測值，在誤差允許的范圍內(nèi)，節(jié)點不需要傳輸實際監(jiān)測的感知數(shù)據(jù)到匯聚節(jié)點，而只傳輸回歸模型基函數(shù)的參數(shù)信息，在不失數(shù)據(jù)基本結(jié)構(gòu)特征的基礎上有效地減少了傳感器節(jié)點間頻繁的數(shù)據(jù)傳輸帶來的通信開銷，而且感知數(shù)據(jù)的線性回歸模型采用計算復雜度低的增量更新方法。仿真實驗結(jié)果表明，基于線性回歸的無線傳感器網(wǎng)絡數(shù)據(jù)收集優(yōu)化策略能以較少的網(wǎng)絡能耗實現(xiàn)有效的感知數(shù)

3、據(jù)預測和估計，達到了延長網(wǎng)絡生命周期的目的。
　　為了優(yōu)化部署在地理位置重疊的、可協(xié)作的、多個并發(fā)應用監(jiān)測任務的大規(guī)模無線傳感器網(wǎng)絡數(shù)據(jù)收集問題，降低獨立部署的無線傳感器網(wǎng)絡的監(jiān)測成本，減少節(jié)點間感知數(shù)據(jù)傳輸量，提出了基于虛擬傳感器網(wǎng)絡的并發(fā)應用數(shù)據(jù)收集優(yōu)化算法?？紤]在混合的、異構(gòu)的、部署在同一物理區(qū)域的無線傳感器網(wǎng)絡基礎上，邏輯上形成多個虛擬傳感器網(wǎng)絡的方式來解決同一地區(qū)多目標并發(fā)應用監(jiān)測問題，在數(shù)據(jù)收集過程中，提出了基于Min

4、Max算子的數(shù)據(jù)傳輸閾值控制方法。并且在形成的虛擬傳感器網(wǎng)絡基礎上，設計了基于統(tǒng)計假設檢驗的虛擬傳感器網(wǎng)絡容錯策略，從感知數(shù)據(jù)的空間相關(guān)性和時間相關(guān)性入手，利用隨機過程描述感知數(shù)據(jù)的時間相關(guān)性、傳感器節(jié)點檢驗本地數(shù)據(jù)收集序列與事件統(tǒng)計特征的符合程度來判斷錯誤是否發(fā)生。仿真實驗結(jié)果表明，提出的算法能有效的減少網(wǎng)絡的總能量消耗和延長網(wǎng)絡的生命周期，并且在傳感器節(jié)點錯誤概率增加的情況下，系統(tǒng)能保持較理想的節(jié)點錯誤識別率和事件區(qū)域監(jiān)測概率。

5、r>　　為了滿足無線多媒體傳感器網(wǎng)絡應用中的服務質(zhì)量多樣化要求、利用網(wǎng)內(nèi)數(shù)據(jù)處理技術(shù)和群智能優(yōu)化算法，提出了面向多約束QoS的無線多媒體傳感器網(wǎng)絡數(shù)據(jù)收集優(yōu)化算法。在基本人工魚群優(yōu)化算法基礎上將人工魚視野和移動步長參數(shù)改進為動態(tài)調(diào)整模式，提出了動態(tài)人工魚群優(yōu)化分簇算法，以更小的計算量和更快的搜索速度構(gòu)建更優(yōu)的網(wǎng)絡分簇結(jié)構(gòu)。為了滿足無線多媒體傳感器網(wǎng)絡不同應用中多樣化的QoS要求，提出了基于改進的蟻群和人工魚群聯(lián)合優(yōu)化的多約束QoS路由機

6、制。仿真實驗結(jié)果表明，提出的算法能滿足用戶對多格式、多屬性和多模態(tài)的數(shù)據(jù)傳輸?shù)亩嗉s束QoS要求，能有效的降低網(wǎng)絡的整體能耗和延長網(wǎng)絡的生命周期。
　　由于無線多媒體傳感器網(wǎng)絡實際應用中感知數(shù)據(jù)具有高復雜度和高維非線性等特點，數(shù)據(jù)收集和處理的能耗較高，為了降低網(wǎng)絡中數(shù)據(jù)傳輸量，解決現(xiàn)有的基于線性的感知數(shù)據(jù)維數(shù)約簡方法失效問題，提出了基于局部線性嵌入的多媒體感知數(shù)據(jù)維數(shù)約簡算法。其核心思想是在降維映射前后保持源數(shù)據(jù)的局部近鄰性質(zhì)，即在

7、嵌入空間每個采樣點可以用它的近鄰點線性表示，在低維空間中保持每個鄰域中的權(quán)值不變，重構(gòu)原數(shù)據(jù)點，使重構(gòu)誤差最小。針對局部線性嵌入算法在多媒體感知數(shù)據(jù)采樣稀疏的情況下，數(shù)據(jù)維數(shù)約簡的結(jié)果會失效這一缺點，進一步提出了基于局部線性逼近的多媒體感知數(shù)據(jù)維數(shù)約簡算法。算法通過采用直接估計梯度值的方法達到局部線性逼近的目的，實現(xiàn)高維非線性數(shù)據(jù)的維數(shù)約簡和特征表示。仿真實驗結(jié)果表明，提出的算法在面對大量高復雜性、高維非線性的多媒體數(shù)據(jù)時，能有效保持原