基于压缩网络编码的低占空比WSNs数据汇集技术研究

摘要

近年来，随着传感器技术、微机电系统和无线通信技术的进步和硬件制造成本的降低，无线传感器网络(WSNs，Wireless Sensor Networks)得到突飞猛进的发展，并在军事、工业控制、环境监测、交通运输、医疗卫生、仓储管理等领域得到广泛的应用。WSNs由大量部署在监测区域内的网络化传感器节点组成，这些节点协作地感知、处理和传输网络覆盖区域内各种感知对象的信息，构成一种以数据为中心的信息系统。
　　能量效率优化是WSNs一个重要设计目标，网络内节点通常工作在低占空比模式，以减少空闲侦听所造成的能量浪费。但是，节点的低占空比操作又会对网络内数据传输的吞吐量、时延、可靠性等带来挑战。基于压缩网络编码的数据汇集机制能够降低网络内数据传输量同时均衡网络内节点负载，因此适用于节点的低占空比操作。本文结合压缩网络编码技术，从网络拓扑、效率和可靠性三个方面展开低占空比WSNs的数据汇集机制研究，主要研究工作和创新点如下:
　　(1)在分簇占空比WSNs上，展开基于压缩网络编码的数据汇集机制研究，提出了一种基于分布式压缩编码的低占空比传感器网络的数据汇集模型与方法。首先，根据温室环境监控的节点稠密、覆盖面广等部署要求，结合温室环境控制设备特点，提出了一种实用的固定分簇占空比WSNs。其次，通过建立分簇占空比WSNs中休眠机制、数据包长度、簇内节点数、编码系数等对网络数据汇集的影响模型，提出一种簇内节点的网络数据包重编码、簇头节点的压缩测量和汇聚节点信息解码重构的压缩网络编码数据汇集机制。仿真实验结合温室环境监控部署的WSNs展开，结果表明该机制能充分考虑节点占空模式，均衡网络负载，延长网络生命周期，实现占空比WSNs的高效数据汇集任务。
　　(2)提出了一种基于压缩网络编码的低占空比WSNs动态自适应数据汇集机制，在每个网络数据汇集周期中由网络内的节点在测量形成路径上通过线性编码过程形成网络测量结果，汇聚节点通过评价其收到的网络测量结果是否达到重构目标，从而动态地调整网络内形成的测量量，形成一种自适应的数据汇集机制，解决了已有研究中汇聚节点需要获取网络感知对象又假设网络感知对象稀疏度信息已知的矛盾。具体来说，首先，提出了网络稀疏测量方法的终止规则，并给出了该规则有效性证明。其次，建立了一种适用于占空比WSNs的优化的网络内稀疏测量形成路径的数学模型，避免了兴趣节点测量形成过程中的时间同步，提高测量形成效率的同时，降低了网络内控制报文数量。由于该数学模型可归结为求解一种最优Steiner树问题，属于NP完全问题，文中还提出了一种适应于WSNs的贪婪算法，迭代求得近似最优解。仿真和实际的网络部署实验均表明所提出的自适应数据汇集方法的高效性，并且在能耗、控制报文数量上均优于已有的机制。
　　(3)研究基于压缩网络编码的多径可靠数据传输和汇集机制，提出基于压缩网络编码的缠绕多径数据传输机制，降低网络内数据传输量，并且在提高网络内的数据传输可靠性的同时节约网络内的能量消耗。对比单纯基于网络编码的缠绕多径路由机制，保留了可靠性和吞吐量等优点的同时，避免了“全有-全无”(all-or-nothing)问题。由于节点的编解码运算均工作在有限域上，因此解决了已有基于压缩网络编码的数据传输机制中的中间节点实数域编码所造成的数据累积问题。另外，给出了一种适用的压缩网络编码测量矩阵，并证明所提出的测量矩阵与随机线性网络编码系数矩阵的等效性。仿真和测试床实验结果表明所提出的机制在数据传输可靠性和能效性上的优势。

目录

声明

摘要

图表目录

缩略词表

1.绪论

1.1 无线传感器网络概述

1.1.1 WSNs的功能层划分及协议栈结构

1.1.2 WSNs的特征

1.2 低占空比WSNs概述

1.3 WSNs中数据汇集技术概述

1.3.1 WSNs典型数据汇集技术

1.3.2 WSNs低占空比对网络数据汇集的挑战

1.4 论文结构安排

2.相关工作

2.1 网络编码理论

2.1.1 网络数据流

2.1.2 线性网络编码

2.1.3 随机线性网络编码与确定性网络编码

2.2 压缩感知理论

2.2.1 稀疏与可压缩信号

2.2.2 压缩感知过程

2.3 基于压缩网络编码的WSNs数据汇集基础知识

2.3.1 基于压缩网络编码的WSNs数据汇集模型

2.3.2 典型机制

2.4 小结

3.基于压缩网络编码的分簇占空比WSNs数据汇集机制

3.1 研究背景

3.1.1 分簇WSNs及环境监控应用

3.1.2 基于压缩网络编码的分簇数据汇集技术

3.2 分簇占空比WSNs及其环境监控应用

3.2.1 应用于环境监控的WSNs部署要求

3.2.2 网络分簇过程

3.2.3 节点的占空比工作模式

3.2.4 占空比模式下节点数据传输

3.2.5 WSNs系统整体工作流程

3.3 基于压缩网络编码的分簇占空比WSNs数据汇集

3.3.1 簇内节点数据包重编码方法

3.3.2 簇头节点编码

3.3.3 汇聚节点数据重构

3.4 实验结果与分析

3.4.1 部署实验

3.4.2 仿真实验结果与分析

3.5 小结

4.基于压缩网络编码的自适应数据汇集机制

4.1 研究背景与动机

4.2 基于压缩网络编码的自适应数据汇集机制

4.3 低占空比WSNs网络内测量形成过程

4.3.1 测量形成路径的构造

4.3.2 MLMS树数学模型

4.3.3 MLMS路径的贪婪求解算法

4.3.4 MLMS路径的建立与维护

4.3.5 MLMS测量形成路径维护

4.4 自适应测量过程终止规则

4.5 实验结果与分析

4.5.1 MLMS测量路径性能

4.5.2 使用AD-CDG测量终止规则实验

4.5.3 实际网络中的采集数据实验

4.6 小结

5.基于压缩网络编码的多径可靠数据汇集机制

5.1 研究背景

5.2 相关工作

5.3 基于压缩网络编码的可靠数据传输

5.3.1 占空比WSNs缠绕多径路由网络模型

5.3.2 基于网络编码的多径路由方案

5.3.3 基于压缩网络编码的多径路由方案

5.4 数据传输可靠性分析

5.4.1 单径机制

5.4.2 传统存储-转发多径路由

5.4.3 基于网络编码的多径传输机制

5.4.4 基于压缩网络编码的多径传输机制

5.5 实验结果与分析

5.5.1 传输任务数据的创建与选取

5.5.2 链路比特误码率参数影响

5.5.3 簇中的节点数和路径跳数参数影响

5.5.4 转发阀值的影响

5.5.5 测试床系统实验

5.5.6 与多径数据汇集机制对比

5.6 小结

6.总结与展望

6.1 研究总结

6.2 工作展望

致谢

参考文献

攻读博士学位期间己发表的论文

攻读博士期间获得的知识产权

攻读博士期间获得的奖励

攻读博士期间参与的项目