基于无线传感器网络的数据聚合算法研究

摘要

无线传感器网络（Wireless Sensor Networks，WSNs）利用各种各样的传感器节点，实时采集和监测网络区域内的各种信息，并将这些信息通过无线网络发送到汇聚节点（sink）。因此，WSNs在环境监测、移动医疗、交通监测等诸多领域都具有非常广阔的应用前景。通常，无线传感器网络能量有限，节点的数据传输将消耗大量的能量，因此如何减少网络中的数据传输量，降低节点能量消耗，延长网络的寿命成为无线传感器网络中研究的一个重点。
　　数据聚合是无线传感器网络数据处理的重要技术，通过对采集或者接收到的数据进行聚合处理，可以有效地去除冗余数据。本文重点研究基于时空相关性的WSNs数据聚合算法，出发点是为了减少网内数据量，节约节点的能量消耗，最后达到延长网络寿命的目的。首先针对节点数据的空间相关性，提出了基于空间自相关模型的数据聚合算法SMDA（Spatial auto-regression Model based Data Aggregation）。在SMDA中，簇头节点收集簇内未休眠节点的信息，接着采用节点调度算法调度节点休眠，并利用Delaunay三角剖分算法和空间自相关模型预测休眠节点的缺失数据，最后对所有数据进行聚合操作并发送给汇聚节点。在此基础之上，基于节点数据之间的时间相关性和空间相关性，提出了一种基于空间自相关模型和灰色模型的数据聚合算法SGDA（Spatial auto-regression model and Grey model based Data Aggregation）。SGDA考虑节点数据的时间和空间相关性，以误差绝对值之和最小为最优准则，建立组合预测模型，进一步减小了预测的误差。仿真实验表明，本文提出的算法能够很好的减少网内冗余数据、均衡节点能耗、延长网络寿命，并保证较高的数据精度。

目录

声明

专用术语注释表

第一章 绪论

1.1研究背景

1.2研究意义

1.3研究内容

1.4论文结构安排

第二章 无线传感器网络数据聚合相关研究

2.1数据聚合概述

2.2数据聚合技术难点

2.3数据聚合关键技术

2.4数据聚合算法

2.5本章小结

第三章 相关技术

3.1三角剖分理论

3.2空间自相关模型

3.3灰色预测法

3.4本章小结

第四章 基于空间自相关模型的WSNs数据聚合算法

4.1引言

4.2相关模型和假设

4.3基于空间自相关模型的数据聚合算法

4.4仿真实验

4.5本章小结

第五章 基于时空相关的WSNs数据聚合算法

5.1引言

5.2数据的时空相关性

5.3基于空间自相关模型和灰色模型的数据聚合算法

5.4仿真实验

5.5本章小结

第六章 总结与展望

参考文献

附录1 攻读硕士学位期间申请的专利

附录2 攻读硕士学位期间参加的科研项目

致谢