移動(dòng)無(wú)線傳感器網(wǎng)絡(luò)中數(shù)據(jù)聚集的研究.pdf

1、移動(dòng)無(wú)線傳感器網(wǎng)絡(luò)具有廣泛的應(yīng)用。例如,把傳感器節(jié)點(diǎn)固定在汽車上,來(lái)監(jiān)測(cè)城市的路面情況,汽車攜帶的節(jié)點(diǎn)構(gòu)成了移動(dòng)傳感器網(wǎng)絡(luò)。節(jié)點(diǎn)通過(guò)汽車的震動(dòng)情況獲得路面平坦信息,將各自獲得的數(shù)據(jù)求一個(gè)平均值,該平均值即為數(shù)據(jù)聚集值,然后,將該值返回給基站,基站通過(guò)該值判斷路段的平坦情況,確定是否需要修補(bǔ)路面。由于移動(dòng)傳感器網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)時(shí)時(shí)發(fā)生變化,并且傳感器節(jié)點(diǎn)本身的計(jì)算能力、存儲(chǔ)空間、通信帶寬都有限,這使得移動(dòng)無(wú)線傳感器網(wǎng)絡(luò)中的數(shù)據(jù)聚集面臨重大的

2、挑戰(zhàn)。目前,移動(dòng)無(wú)線傳感器網(wǎng)絡(luò)中基于不同移動(dòng)模型的數(shù)據(jù)聚集學(xué)術(shù)界還沒(méi)有考慮。基于以上原因,本文做了以下工作:
　　 (1)本文提出了隨機(jī)移動(dòng)模型下的數(shù)據(jù)聚集算法-DARMSN,該算法采用分簇的思想,簇頭節(jié)點(diǎn)聚集信息,再通過(guò)預(yù)測(cè)和角度轉(zhuǎn)發(fā)的機(jī)制向sink節(jié)點(diǎn)轉(zhuǎn)發(fā)數(shù)據(jù),在轉(zhuǎn)發(fā)過(guò)程中同樣可將接收數(shù)據(jù)與本地?cái)?shù)據(jù)進(jìn)行聚集,以降低網(wǎng)絡(luò)通信量及聚集延遲。在模擬實(shí)驗(yàn)中,本文算法DARMSN與目前最好的移動(dòng)傳感器網(wǎng)絡(luò)數(shù)據(jù)收集算法進(jìn)行了比較,驗(yàn)證了

3、DARMSN的通信量小、延遲小,聚集結(jié)果準(zhǔn)確性最高。
　　 (2)本文提出了兩種基于組移動(dòng)模型的數(shù)據(jù)聚集算法:DAG-C,DAG-P。兩種算法在轉(zhuǎn)發(fā)策略上有所不同,DAG-C是基于傳染方法將聚集結(jié)果轉(zhuǎn)發(fā)出去,DAG-P是基于傳輸概率的方法。在模擬實(shí)驗(yàn)部分,分析了DAG-C和DAG-P算法的優(yōu)缺點(diǎn)。同時(shí),兩種方法與組移動(dòng)模型下的數(shù)據(jù)收集算法sidewinder進(jìn)行了比較,結(jié)果表明,本文算法能達(dá)到更高的聚集準(zhǔn)確性,且更省能量,延遲更