無線傳感器網(wǎng)絡(luò)中基于時空相關(guān)性的數(shù)據(jù)預(yù)測技術(shù)研究.pdf

1、無線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks，WSNs)中節(jié)點受限于自身體積，所攜帶的能量有限，因此如何降低節(jié)點能耗是WSNs在實際應(yīng)用中亟需解決的問題，而且數(shù)據(jù)的傳輸能耗占節(jié)點能耗的主要部分。在大規(guī)模密集部署的WSNs中，節(jié)點所采集的數(shù)據(jù)具有較強的時空相關(guān)性，這使得利用時空相關(guān)性進行精確的數(shù)據(jù)預(yù)測，減少數(shù)據(jù)傳輸量，降低數(shù)據(jù)傳輸?shù)哪芎?，延長網(wǎng)絡(luò)生命周期成為了可能。
　　本文深入地研究了 WSNs中數(shù)據(jù)預(yù)測技術(shù)的

2、原理、特點和性能指標，結(jié)合網(wǎng)絡(luò)中數(shù)據(jù)的時空相關(guān)性，提出了兩種數(shù)據(jù)預(yù)測算法：基于馬爾科夫鏈的空間相關(guān)性數(shù)據(jù)預(yù)測算法和自適應(yīng)時間相關(guān)性數(shù)據(jù)預(yù)測算法。本文研究內(nèi)容主要有以下兩部分：
　　(1)基于馬爾科夫鏈的空間相關(guān)性數(shù)據(jù)預(yù)測算法研究。針對目前主流的時間相關(guān)性數(shù)據(jù)預(yù)測算法在數(shù)據(jù)波動大時預(yù)測精度低的問題，本文引入Delaunay三角形鄰近圖來度量網(wǎng)絡(luò)中監(jiān)測數(shù)據(jù)的空間相關(guān)性，并根據(jù)相鄰節(jié)點間的距離計算網(wǎng)絡(luò)中監(jiān)測數(shù)據(jù)的空間相關(guān)性權(quán)重系數(shù)。最后

3、利用馬爾科夫過程準確描述 WSNs中相鄰節(jié)點間監(jiān)測數(shù)據(jù)的變化過程，提出基于馬爾科夫鏈的空間相關(guān)性數(shù)據(jù)預(yù)測算法。該算法運行在簇頭和匯聚節(jié)點內(nèi)，利用簇內(nèi)成員節(jié)點間數(shù)據(jù)的空間相關(guān)性減少簇頭和匯聚節(jié)點間的數(shù)據(jù)傳輸量。
　　(2)自適應(yīng)時間相關(guān)性數(shù)據(jù)預(yù)測算法研究。本文分析了無線傳感器網(wǎng)絡(luò)中數(shù)據(jù)的時間相關(guān)性，將數(shù)據(jù)分解為線性變化部分和非線性變化部分。對非線性變化部分數(shù)據(jù)使用灰色預(yù)測模型進行預(yù)測，提出了自適應(yīng)時間相關(guān)性數(shù)據(jù)預(yù)測算法。該算法運行在