大规模传感网数据整合平台关键技术研究

摘要

大规模无线传感器网络较传统无线传感器网络表现出更多异构性、不均匀性以及不一致性，感知数据在类型上具有复杂化与多样化特征，在数据规模上具有大数据特征，导致传统无线传感器网络算法在大规模网络环境下，存在收敛慢、能耗大等问题。针对传统算法存在的不足，结合大规模无线传感器网络异构性特征，研究大规模传感网数据整合平台关键技术并提出相应算法。
　　根据对平台功能的划分以及功能之间的协同关系设计，将整个平台关键技术研究划分为平台构建、数据通信、覆盖控制以及数据整合四部分。
　　在平台构建部分，对平台整体结构，包括物理通信架构与应用架构进行了设计。按照平台功能需求对平台进行了功能模块划分，说明了模块之间功能关系，给出了平台的搭建过程。
　　在数据通信研究部分，针对节点分簇，提出了基于K-Means++的改进分簇算法。使用K-Means++实现网络均匀分簇、改进簇头选取函数选取簇头、簇头间单跳与多跳相结合的混合通信方式发送数据。为实现不同应用场景下，数据上传云端的不同策略，对网关进行了模块设计。为使基站将数据传输至最近网关，提出了改进的Dijkstra最短路径优先算法。
　　在覆盖控制研究部分，为实现网络完整覆盖，保证感知数据完整性，提出了基于等距线划分的无线传感器网络空洞发现算法，算法通过判断投影在等距线上的节点的连续性发现空洞。基于RSSI的无线传感器网络空洞修复算法，算法通过RSSI测距与覆盖模型推导虚拟力函数，进而驱动边缘节点移动修复空洞。为延长网络生存周期，提出了基于区域并行与状态可控的覆盖优化改进遗传算法，算法通过改进遗传算法适应度函数并结合MapReduce合理调度节点状态。实验表明改进算法能够有效地发现与修复WSNs存在的空洞并延长网络生存时间。
　　在数据整合部分，根据顶层应用对处理数据的不同要求，通过定义感知数据包格式并结合MapReduce，提出了云环境下异构数据整合算法。实验表明，云环境下算法可以快速稳定整合异构数据，具有单机串行数据整合不可替代的优势。

目录

声明

摘要

第一章 绪论

1．1 研究背景与意义

1．2 国内外研究现状

1．3 研究目的

1．4 主要研究内容

1．5 组织结构

第二章 平台构建

2．1 构建思路

2．2 整体架构

2．3 功能结构

2．4 整体工作流程

2．5 平台架构搭建

2．6 本章小结

第三章 WSNs与云端数据通信机制研究

3．1 数据通信模型

3．2 数据通信设计

3．3 基于K-Means++的改进分簇算法

3．4 最短路径优先算法

3．5 本章小结

第四章 大规模WSNs覆盖控制研究

4．1 WSNs空洞发现研究综述

4．2 基于等距线划分的WSNs空洞发现算法

4．3 基于RSSI的WSNs空洞修复算法

4．4 WSNs覆盖优化研究综述

4．5 基于区域并行与状态可控的覆盖优化改进遗传算法

4．6 本章小结

第五章 大规模WSNs数据整合研究

5．1 数据整合研究综述

5．2 云环境下WSNs数据整合算法

5．3 本章小结

第六章 总结与展望

6．1 总结

6．2 展望

参考文献

致谢

个人简介

攻读硕士学位期间发表论文情况