大规模移动传感器网络中数据融合问题研究.pdf

摘要 摘要 无线传感器网络是由大量廉价的传感器节点组成的，而传感器节点以协作地 方式来完成特定的任务，如环境监测、目标跟踪和医疗卫生等。传感器节点由电 池供电，且通常部署于无人值守区或者环境恶劣的区域，无法通过更换电池补充 能量，因此在设计相关协议和算法时必须考虑能量的有效性。由于无线传感器网 络中通信能耗远高于数据处理能耗，因此为了减少能耗，必须尽可能地对原始数 据进行网内处理，以减少节点间的数据通信量。数据融合是无线传感器节点对收 到的数据进行网内处理的一项重要技术，该技术可以极大地减少网络内部的通信 量，从而延长网络的寿命。 随着无线传感器网络得到广泛的应用，出现了一些新的应用要求和技术，其 中移动传感器网络成为研究的热点问题。由于移动传感器网络中节点的移动性， 使得原先静态无线传感器网络中一些技术不再适用，数据融合技术就是其中之 一。现有的数据融合算法大多是基于固定、全局结构的，在移动网络中由于节点 的移动性，使得这些算法建立和维护结构的开销较大，不适用于移动传感器网络。 因此本文主要研究大规模移动传感器网络中的数据融合问题。 首先，本文研究了大规模移动传感器网络中非结构化的数据融合问题。已有 andRandom 的非结构化的DAARW(Data．AwareAnycast Waiting)数据融合算法存 ToSend)消息冲 在一些不足之处：没有考虑能量的有效性；可能导致CTS(Clear Data-AwareandRandom Anycast Waiting)算法。该算法分别使用以数据为中心的 任意播(Data．AwareAnycast，DAA)机制和随机等待(RandomWaiting，RW)机制 实现空间和时间上的融合，数据包只有在相同的时间传到相同的节点才能融合。 DAA机制使用Anycast方法把数据发送到有同样数据的节点进行数据融合，以此 来提高空间汇聚；RW机制的作用是提高时间汇聚，有采用数据的节点根据自己 至Usink节点的距离产生一个延迟，离sink节点越近延迟越大，该机制能够避免有 采用数据的节点在发送完自己的采样数据后，而作为中继节点再次发送收到的数 据，从而减少能耗。实验仿真表明EEDAARW算法使得网络生命周期比DAARW 算法延长了大约30％。 其次，本文研究了大规模移动传感网络中基于事件驱动的数据融合问题。我 and 们提出了基于局部动态结构的数据融合算法LDSDA(LocalDynamic Structure．basedData Aggregation)。该算法建立的结构有三个部分：一是事件发生 区域距离比率最小的节点至Usink的直线路径LS(Line Sn眦tuI．e)；二是事件发生区 摘要 Head 域(EventArea．EA)中的簇结构；三是连接各个簇头节点的树CHT(Cluster Tree)，把EA中的簇头的数据收集到处于LS上的树根节点。建立的结构在完成数 据收集后不再需要，故避免了维护的开销。算法能够获得尽早融合，并把融合后 的唯一数据以近似直线的路径发送至tJsink节点。该算法的网络延迟很小，且能有 效的减少节点能耗，延长网络的生命周期。实验表明LDSDA算法比DAARW算法 的网络能耗平均减少了8％，网络延迟平均减少了49％。 最后我们设计实现了一个网络模拟器，该模拟器是基于TinyOS平台的。模拟 器使用分层的模块化方式实现，模块之间使用接口通信，可以方便的更换和更换 其中的模块，可扩展性良好。该模拟器由前台和后台组成：前台实现网络的配置 和运行显示过程，使用java语言编写；后台根据网络配置进行模拟运行，产生实 验数据并提交给前台，使用TinyOS平台