基于時空相關性的無線傳感器網絡節(jié)能策略研究.pdf

1、在智能交通系統(Intelligent Transportation System，ITS)的交通設施中增加一種無線傳感器網絡技術，能夠從根本上緩解困擾現代交通的安全、通暢、節(jié)能和環(huán)保等問題，同時還可以提高交通工作效率。
　　無線傳感器網絡(Wireless Sensor Network，WSN)通過無線傳感器節(jié)點獲取環(huán)境信息，自組織地進行無線通信和組網，在無線傳感器網絡中，單個傳感器節(jié)點周期性采集到的數據在時間上可能是相關的，地

2、理位置相鄰的傳感器節(jié)點收集到的數據在空間上往往也是相關的，于是，可以使用某種變換來去除其中的冗余信息，達到數據壓縮、節(jié)省傳輸能耗的目的。本文對基于時空相關性的WSN節(jié)能策略進行研究。
　　首先，在對周期性采集到的數據進行相關性分析，研究數據采集頻率和數據失真度之間的關系，對各種有損壓縮及無損壓縮的性能進行比較的基礎上，提出一種改進的LTC(Lightweight Temporal Compression)算法，該算法基于判斷門限，

3、將重構精度與采集頻率進行折衷。MATALB仿真結果表明，算法在保證數據失真度的同時，可有效地抑制數據發(fā)送頻率，減少傳輸冗余，從而達到節(jié)約能耗的目的。
　　其次，討論了節(jié)點間距離、信道衰耗等空間相關因素對失真度的影響，證明了在滿足空間相關性的條件下，可以通過選用代表節(jié)點的方法，減少全網數據傳輸。同時引入相關半徑概念，利用相關半徑構建成相關簇，根據相關性系數和節(jié)點位置信息確定失真函數。合理選擇簇頭節(jié)點和發(fā)送數據方式，既有效地利用數據之

4、間的空間相關性，保證數據失真在一定范圍內，又避免了因數據傳輸量過大而能量消耗過大。并深入分析了GCC(GreedyCorrected Clustering，GCC)和K-Means兩種與空間相關性結合的節(jié)點分簇算法，經MATLAB仿真比較得知，在對WSN中節(jié)點進行相關分簇時，這兩種算法都有效的抑制了數據傳輸量，降低了數據冗余，從而網絡能耗得到優(yōu)化。另外，經數據對比可知，K-Means算法比GCC算法可以得到更加均勻的分簇，且在相同簇數量