無線傳感器網(wǎng)絡延遲優(yōu)化的數(shù)據(jù)聚集問題研究.pdf

1、二十世紀九十年代，隨著微電子技術、嵌入式系統(tǒng)、無線通信技術、傳感器技術的發(fā)展，出現(xiàn)了低成本、低功耗、小體積的傳感器節(jié)點[1-5]。無線傳感器網(wǎng)絡由大量具有無線通信能力的傳感器節(jié)點組成，能夠快速地部署在廣闊的區(qū)域內，執(zhí)行數(shù)據(jù)收集、環(huán)境監(jiān)測、目標跟蹤等無人職守活動。在這些應用中，經(jīng)常需要對事件數(shù)目、活躍節(jié)點數(shù)目等統(tǒng)計信息進行查詢。這些查詢操作主要是通過數(shù)據(jù)聚集來完成的。因此，降低數(shù)據(jù)聚集的時間延遲對于提高無線傳感器網(wǎng)絡應用的實時性能有著非常

2、重要的意義，有必要對延遲優(yōu)化的數(shù)據(jù)聚集問題進行研究。
　　 影響數(shù)據(jù)聚集時間延遲的因素很多。這些因素分布在無線傳感器網(wǎng)絡協(xié)議棧的各個層次上。因此，本文從無線傳感器網(wǎng)絡協(xié)議棧的各個層次上對低延遲數(shù)據(jù)聚集問題進行研究。本文的主要貢獻在于：
　　 1)首先，我們提出了一種結合物理層接收信號強度的低延遲數(shù)據(jù)聚集算法。該算法克服了傳統(tǒng)數(shù)據(jù)聚集算法不能完全避免通信沖突(collision)的缺點。算法基于物理干擾模型(Physica

3、l Interference Model[6])，設計了一種無沖突(collision free)的數(shù)據(jù)聚集方案，利用物理層接收信號的強度來避免數(shù)據(jù)聚集過程中的通信沖突。該算法首先利用最小匹配集(Minimum Match Set)技術和最大獨立集(Maximum Independent Set)技術建立了用于數(shù)據(jù)聚集的樹形結構；然后在此樹形結構上，設計了無沖突的數(shù)據(jù)聚集調度方案。仿真結果表明，算法具有很好的擴放性，適合在高密度、大范圍

4、的網(wǎng)絡中進行部署，且對環(huán)境噪聲具有很好的抗干擾能力。
　　 2)其次，我們提出了一種基于MAC層預聚集(Pre-aggregation)機制的低延遲數(shù)據(jù)聚集算法。該算法在數(shù)據(jù)聚集中，創(chuàng)新地使用了預聚集方法，能夠有效地減少數(shù)據(jù)聚集過程中的信息冗余，通過降低數(shù)據(jù)聚集的傳輸長度達到降低數(shù)據(jù)聚集的延遲。在數(shù)據(jù)聚集過程中，節(jié)點首先利用無線通信開放的特點，偷聽(overhear)鄰居節(jié)點的數(shù)據(jù)傳輸；然后通過預聚集(pre-aggregati

5、on)方法，消除自身待發(fā)送數(shù)據(jù)中的數(shù)據(jù)冗余；最后將預聚集處理后的結果發(fā)送出去用于進行數(shù)據(jù)聚集。由于消除冗余之后的數(shù)據(jù)包長度要小于正常的數(shù)據(jù)包長度，因此可以減少數(shù)據(jù)聚集過程中的傳輸長度，從而降低了數(shù)據(jù)聚集的時間延遲。仿真結果表明，算法的時間延遲比WAN算法[7]中所提算法下降了65％，能量消耗下降了60％，在節(jié)約延遲和能量方面取得了很好的效果。
　　 3)之后，在路由層上，我們提出了一種基于任意播(anycast)操作的機會式數(shù)據(jù)

6、聚集(opportunistic data aggregation)算法。該算法針對了無線傳感器網(wǎng)絡傳輸過程中數(shù)據(jù)包丟失嚴重的問題，用任意播操作來進行數(shù)據(jù)傳輸，可以有效地減少因為數(shù)據(jù)包丟失導致的額外時間延遲。同時，也可以獲得很好的節(jié)能效果。仿真結果表明，算法的數(shù)據(jù)聚集的時間延遲比采用SPT(Shortese PathTree)算法的時間延遲少15％，能量消耗降低了10％。
　　 4)最后，在路由層上，我們還提出了一種帶能量采集(

7、Energy Harvesting)機制的機會式數(shù)據(jù)聚集算法。該算法能夠克服因過度參與機會式路由(OpportunisticRouting)導致的節(jié)點快速死亡問題。算法針對帶能量采集功能的無線傳感器網(wǎng)絡，制定了節(jié)點參與機會式路由的規(guī)則，避免了節(jié)點過度參與機會式路由導致的快速死亡，在降低數(shù)據(jù)聚集延遲和節(jié)點能量使用之間取得了很好的平衡效果。仿真結構表明，算法的時間延遲比Sketch[8]算法的時間延遲降低了45.8％，比Tributary-