面向应用的移动密集网络信息收集的研究.pdfVIP

摘要 摘要 伴随着信息技术的发展，无线传感网络日益成为研究的热点，而信息收集和 目标跟踪均是无线传感网络应用的关键技术。针对大规模移动无线传感网络数据 收集中消息复杂度过高的问题，以移动目标跟踪为主要应用背景，我们开发了基 于人的行为特征移动成簇算法(BMC)和基于概率的多簇快速信息统计算法 (PCFD)。上述算法已成功的应用于“基于CNGI和WSN的矿山井下定位与应 急联动系统”。 在实际环境中，信号干扰将使节点在簇成员和独立节点间频繁的抖动，从而 大大增加了成簇算法的消息复杂度。为解决该问题，我们设计了延迟保证的信号 平滑机制(DBSS)和双阈值成簇机制(DTC)。我们还对信号平滑算法的参数选 择问题进行了详细的理论分析。优化参数后的DBSS信号平滑算法可以去除信号 中90％的波动，并削弱剩余毛刺50％的强度。DTC利用双阈值线来限制节点的 加入和离开簇，阈值可根据系统需求调节。其可以有效的稳定成簇算法，进一步 减小消息复杂度。 在传统的跟踪系统中，移动节点周期性的发送定位信息包。随着移动节点数 目的增加，这些方法将导致较高的丢包率，并缩短网络的生命周期。在实际应用 中，我们发现很多移动节点彼此极为接近，以至于定位算法的精度无法区分，因 此通过信息融合可以减少系统的消息负载。针对基于射频(RF)的人员跟踪系 统，通过采用接收信号强度(RSSI)，本文提出基于人的移动特征的成簇算法， 根据移动节点间的距离进行成簇，并可以有效地维护簇。在BMC中，簇头代替 了每个节点周期性地向网络发送定位信息包，因此极大的减小了消息复杂度。在 簇维护中，我们设计了基于概率的状态通告机制(PSI)，其可以高效地对簇进行 维护。模拟显示基于BMC(采用了DBSS和DTC)的定位信息收集较传统的方 法(TPTS)消息复杂度减小了64％。 为快速高效的收集大规模移动网络中的信息，我们开发了基于概率的多簇快 速信息统计算法。PCFD以概率的方法选举簇头，然后各簇头分别统计本簇内的 消息，然后发送至网络。不但有效的控制了簇头数量，并可以根据信息相似度来 组成簇，最大化消息融合度。实验及理论分析证明，该算法的消息复杂度可达 O(M+n)，其中M为网络节点数，13为簇头数量。 本文的主要贡献和创新点如下： 1．提出了基于权值和双曲线的信号平滑处理算法DBSS，并对其各参数选择进 行了理论分析与优化。 2．借鉴人的行为特征，设计了适用于人员跟踪的定位信息收集算法BMC，并提 摘要 出了基于概率的状态通告机制PSI对簇进行高效的维护。 3．开发了基于概率成簇的快速高效的节点信息收集算法PCFD。 4．基于本文算法和理论在Micaz上开发实现了基于CNGI和WSN的矿山井下 定位与应急联动系统。该项目为国家发改委下一代互联网重大专项。 关键字：无线传感网络，信息收集，目标跟踪，信号平滑，消息复杂度，成簇， 位置信息； Ⅱ Abstraet Abstract Withthe ofinformation SensorNetworkis development technology,Wireless focused．Bothofdata and arethe of increasingly gatheringtracking keyapplication WirelessSensor atthe of indata Network．Aimingproblemhighmessagecomplexity ofthe scalemobileWirelessSensor asour gatheringlarge Network，takingtracking main human·Beh