无线传感器网络数据处理若干关键技术研究

摘要

无线传感器网络（Wireless Sensor Networks，WSNs）是物联网的关键技术之一。作为一种新兴的网络技术与计算模式，无线传感器网络跨越计算机、通信、电子等多个领域，并在科学考察、灾害救助、环境监控以及工业控制等多个领域获得了广泛应用。人们在环境中部署各种WSNs的目的就是为了获取类型多样的感知数据，以提取出有效的认知信息，从而加强人类对客观世界的理解。在这个过程中，数据处理技术是其中的关键。在无线传感器网络中，数据处理相关协议的设计与优化受到两方面的约束:第一，WSNs是资源受限的网络，任何技术都必须以资源的高效利用为前提;第二，WSNs是应用相关的网络，协议的设计与优化必须紧密结合相关的应用特征与需求。从上述理念出发，本文对数据处理的相关问题进行了研究，阐述了研究的现状与进展，并针对其中的不足与缺陷进行了分析和改进，本文完成的主要工作如下。
　　(1)对无线传感器网络的数据采集问题进行了研究，提出引入可移动的汇聚节点来完成数据的采集，设计并实现了一种轨迹固定的数据采集方案(Data Collection Scheme withRegular track，DCSR)。DCSR由两个内容组成:第一，根据节点的分布状况选出一批采集点;第二，使用量子遗传算法计算经过这些点的最短环路。本文对DCSR进行了仿真测试，测试结果表明，DCSR的性能较好，在网络吞吐量、能量效率方面均有较好表现，且能够收集更多的数据。
　　(2)对无线传感器网络的数据传输问题进行了研究。我们以视频数据的采集为研究对象，对视频数据的QoS传输问题进行了分析。视频业务由于数据量大、QoS要求多等原因一直是传输问题的难点。我们设计并实现了一种基于跨层和多径思想的视频传输方案(Cross-layer and Multipath based Video Transmission scheme，CMVT)。CMVT在网络层和应用层进行协作，并综合了区分服务与多径路由的优点。CMVT首先在应用层对视频文件中的帧进行区分，并做上不同的标记。这些标记后的帧到了网络层之后，路由模块再针对不同的帧使用不同的路径进行传递，以确保关键帧能可靠的到达汇聚节点。本文对CMVT进行了仿真测试，测试结果表明CMVT不仅能有效地延长网络的生命周期，视频业务的服务质量也能得到很好的保障。
　　(3)对无线传感器网络的数据聚合问题进行了研究。数据聚合是减少冗余数据、提高信息质量的网内数据处理手段，具有节约通信能耗、提高采集效率等优势。我们设计并实现了一种基于时空相关性的数据聚合方案(Temporal and Spatial correlation based DataAggregation scheme，TSDA)。TSDA采用簇结构网络，它包含三个内容:第一，簇头节点对簇内数据进行融合后再提交给汇聚节点;第二，簇头节点调度剩余能量较低的节点进入休眠;第三，簇头节点利用组合预测算法对休眠节点的数据进行估算。本文对TSDA进行了仿真测试，测试结果表明TSDA取得了较好的效果，它不仅有效延长了网络的生命周期，数据质量也得到了很好的保证。
　　(4)对无线传感器网络的的数据存储问题进行了研究。我们主要对分布式存储技术进行了讨论，并针对节点采集速率不同的分布式存储问题进行了研究。通过分析，我们将其转化为一个非公制空间的k-median问题，并提出了三种分布式存储方案:基于随机策略的数据存储方案(Random strategy based Data Storage scheme，RDS)、基于反向贪心策略的数据存储方案(reverse Greedy strategy based Data Storage scheme，GDS)、基于SQGA(Smallworld model based QGA)的数据存储方案(SQGA based Data Storage scheme，SDS)。在这三种方案中，第一种是随机选择存储节点位置，然后由各节点按代价最小来选择存储节点。第二种方案借鉴了公制空间k-median问题的解决思路，并将其引申至数据存储问题中。第三种方案使用改进的量子遗传算法SQGA来求解最优存储位置。本文对RDS、GDS、SDS进行了仿真测试，测试结果表明，GDS、SDS具有较好的效果。SDS由于考虑了节点能耗均衡问题，因此性能更好。

目录

声明

摘要

专用术语注释表

第一章 绪论

1．1 研究背景

1．1．1 无线传感器网络概述

1．1．2 网络应用

1．1．3 国内外研究现状

1．2 研究意义

1．3 课题来源

1．4 研究内容和主要贡献

1．4．1 课题目标

1．4．2 研究内容

1．4．3 论文主要贡献

1．5 论文结构安排

第二章 无线传感器网络数据处理研究现状

2．1 引言

2．2 数据采集研究现状

2．2．1 数据采集技术概述

2．2．2 静止传感器网络的数据采集

2．2．3 移动节点辅助的数据采集

2．2．4 数据采集技术总结

2．3 数据传输研究现状

2．3．1 数据传输技术概述

2．3．2 QoS路由

2．3．3 跨层传输优化

2．3．4 数据传输技术总结

2．4 数据聚合研究现状

2．4．1 数据聚合技术概述

2．4．2 数据级聚合

2．4．3 应用级聚合

2．4．4 数据聚合技术总结

2．5 数据存储研究现状

2．5．1 数据存储技术概述

2．5．2 分布式存储技术

2．5．3 数据存储技术总结

2．6 本章小结

第三章 基于移动汇聚节点的数据采集技术

3．1 引言

3．2 相关模型与假设

3．3 总体思路

3．4 采集点的确定

3．4．1 圆盘位置的确定

3．4．2 采集点的选取

3．5 移动路径的计算

3．5．1 染色体的编码

3．5．2 染色体的更新

3．5．3 适应度的计算

3．5．4 移动路径的求解流程

3．6 采集协议的流程与性能分析

3．6．1 DCSR的具体步骤

3．6．2 DCSR方案的性能分析

3．7 仿真实验

3．7．1 测试场景及指标

3．7．2 仿真结果与分析

3．8 本章小结

第四章 基于跨层协作的多径数据传输协议

4．1 引言

4．2 相关模型与假设

4．3 总体思路与架构

4．4 应用层设计

4．5 网络层设计

4．5．1 一跳信息维护

4．5．2 路由发现

4．5．3 数据发送

4．6 仿真实验

4．6．1 测试场景及指标

4．6．2 仿真结果与分析

4．7 本章小结

第五章 基于时空相关性的数据聚合技术

5．1 引言

5．2 相关模型与假设

5．3 方案总体思路

5．4 数据相关性分析

5．4．1 时间相关性分析

5．4．2 空间相关性分析

5．4．3 相关性综合分析

5．5 TSDA算法流程

5．6 仿真实验

5．6．1 测试场景及指标

5．6．2 仿真结果与分析

5．7 本章小结

第六章 基于智能算法的分布式数据存储技术

6．1 引言

6．2 相关模型与假设

6．2．1 网络模型

6．2．2 能耗模型

6．3 问题定义与分析

6．3．1 问题描述

6．3．2 问题分析

6．4 存储成本的计算

6．5 基于随机策略的k存储节点求解

6．6 基于反向贪心策略的k存储节点求解

6．7 基于改进QGA的k存储节点求解

6．7．1 量子遗传算法的改进

6．7．2 基于SQGA的k存储节点求解

6．7．3 存储方案的具体流程

6．8 仿真实验

6．8．1 测试场景及指标

6．8．2 仿真结果与分析

6．9 本章小结

第七章 总结和展望

7．1 总结

7．2 展望

参考文献

附录

攻读博士学位期间的论文论著教材

攻读博士学位期间参加的科研项目

致谢