面向多节点复杂传感网的低功耗拓扑结构优化方法

摘要

以无线传感器网络为基础的“智慧农业”推动了农业信息化发展，由于无线传感器网络具有很强的自组织性和容错性，多节点复杂传感网已成为了近年来国内外研究的热点。纵观国内外关于多节点复杂传感网拓扑结构的相关研究，目前仍然存在网络适应性差和能量利用率低的缺点，且多节点采集大量数据在传输网络中容易形成局部拥塞，极大地影响网络的实时性和准确性。
　　针对以上问题，本文提出了一种面向多节点复杂传感网的低功耗拓扑结构优化方法，该方法建立了适应强、鲁棒性好的的网络拓扑模型，并对网络的能耗和传输特性进行深入研究，论文的主要研究内容包括:
　　1、针对节点部署过程中利用率过低的问题，研究了基于正六边形划分的层簇型混合拓扑模型。该方法对外层普通传感器节点采用正六边形部署策略，普通节点与簇头节点采用星型结构连接;内层的簇头节点基于圆域进行等级划分，各个等级的簇头节点采用网状结构连接。在此基础上，簇头节点采用基于临界距离的混合跳路由方法和基站进行通信，该方法提高了网络的感知效率，节约了成本。
　　2、为解决信息采集过程中传感器节点能量过多消耗的问题，提出了一种面向无线传感网的动态簇头优选方法。该方法根据感知概率模型选择覆盖度冗余节点为一阶段簇头节点，一阶段簇头节点死亡后，然后采用生存时间估计算法选择最大剩余能量比的节点为二阶段簇头节点。该方法从两个阶段均衡了网络节点能量，具有较高的适应性和准确性。
　　3、针对无线传感器网络中常出现传输拥塞的问题，提出了基于改进蛙跳算法的自适应多路径方法。该方法基于主动避免拥塞的设计思想，在生成青蛙时综合考虑了节点的拥塞预知度、剩余能量和最小跳数，并对三者归一化定义为适应值，建立了路径满意度模型。在算法的局部优化过程中，对更新算法进行离散化处理以及引入学习因子;在全局优化中，引入了多路径路由思想，从而实现了最优路径的选取。该方法自适应的选择最优路径进行数据传输，提高信息的可靠性。
　　通过仿真实验得出，基于正六边形划分的层簇型混合拓扑模型相比正四边形拓扑模型，能量利用率提高了约8.6％;二阶段动态簇头优选算法相比传统的LEACH和DEEC算法，网络生命周期分别提高了50％和30％;基于改进蛙跳算法自适应多路径算法相比ABEAR和AODV算法，拥塞程度分别减少了14.7％和20.6％，最优路径的搜索精度达到了97％。实验结果表明，本文的面向多节点复杂传感网的低功耗拓扑结构优化方法解决了能耗利用率低、可靠性差的问题。

目录

声明

致谢

摘要

1 绪论

1．1 选题背景与意义

1．2 国内外研究方法

1．2．1 国外研究方法

1．2．2 国内研究方法

1．3 研究现状总结

1．4 本文主要工作及思路

2 无线传感网拓扑结构优化分析

2．1 基于无线传感网的智能大棚监测系统

2．2 正六边形划分的网络监测模型

2．2．1 覆盖度分析

2．2．2 节点通信半径

2．2．3 节点能耗分析

2．3 基于正六边形划分的层簇型网络拓扑结构

2．3．1 分层网络数学模型

2．3．2 层簇型混合拓扑结构

2．3．3 基于临界距离的混合跳路由分析

2．4 本章小结

3 二阶段动态簇头优选方法研究

3．1 无线传感网分簇优化

3．1．1 分簇的意义

3．1．2 分簇体系的建立

3．2 基于感知概率的一阶段簇头选取

3．2．1 分簇初始化

3．2．2 概率感知模型

3．2．3 参数定义

3．2．4 基于冗余节点的一阶段簇头选取过程

3．3 基于平均剩余能量的的二阶段簇头选取

3．3．1 节点能量模型

3．3．2 平均剩余能量

3．3．3 动态分簇算法

3．4 本章小结

4 基于改进蛙跳算法的自适应多路径方法研究

4．1 群体智能优化算法

4．2 蛙跳算法的基本理论

4．2．1 蛙跳算法概述

4．2．2 蛙跳算法的运算流程

4．3 基于改进蛙跳算法的自适应多路径方法

4．3．1 改进的蛙跳算法

4．3．2 参数定义

4．3．3 路径满意度模型

4．3．4 基于改进蛙跳算法多路径分析

4．4 本章小结

5 实验分析

5．1 基于正六边形划分的层簇型混合拓扑模型实验

5．1．1 能耗比较

5．1．2 平均时延对比

5．1．3 分组平均投递率对比

5．2 动态簇头优选方法的实验分析

5．2．1 模型参数

5．2．2 二阶段动态簇头优选方法对比实验

5．3 基于改进蛙跳算法的自适应多路径方法实验分析

5．3．1 改进蛙跳算法的评价过程

5．3．2 对比分析实验

5．4 本章小结

6 结论与展望

6．1 论文工作总结

6．2 进一步工作展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

学位论文数据集