无线传感器网络能评估与预测.pdf

Wirelesssensornetworkperformanceevaluationand prediction Major：ComputerApplicationTechnology DirectionofStudy ComputerNetworkTechnology ： GraduateStudent：LiangQiLiang Supervisor Prof.ChengXiaoHui ： CollegeofInformationScienceandEngineering GuilinUniversityofTechnology April,2013toMay,2014 万方数据 万方数据 摘 要 无线传感器网络（Wireless SensorNetworks，WSNs）的性能受到许多因 素的影响，导致传感器节点间数据传输的延时、误码率等性能指标恶化，从而 对整个WSNs 的性能产生影响。为了科学地对WSNs 的性能进行管理和决策， 本文结合节点规模、负载、拓扑结构及移动性等WSNs 中较为常见的性能影 响因素，以IEEE802.15.4/Zigbee 通信技术为切入点，选取吞吐量、延时、丢 包等WSNs 性能关键指标，对其性能评估和预测方法进行研究。 针对 WSNs 性能评估问题，采用基于客观赋权的网络性能指标权重分析 方法，结合网络性能评价中多元指标权重确定容易存在的人为性，以及各评价 指标间不可能完全独立的特点，将熵权法与变异系数法应用于客观权重决策中 进行对比，并引入指标间相关性对算法进行改进，建立基于指标间相关性的多 评价指标权重决策模型；然后在综合性能计算中，采用熵权和线性加权组合方 法得到不同仿真场景下网络性能综合评价值。在仿真实验中，通过改变节点规 模和拓扑结构获取网络性能指标数据样本，对比分析表明，该方法具有较强的 客观性，能够对网络中的各个性能指标做出精确的定量分析，同时可以准确的 对整个网络的综合性能进行评估。 针对WSNs 性能预测问题，分析了WSNs 性能会受到许多易变因素影响， 导致其性能变化具有非线性和随机波动的特点，并根据该特点采用灰色马尔科 夫链（GM-Markov）方法对网络性能进行预测。设计了基于节点移动性的实 验验证方案，结合网络性能综合值计算方法得出移动终端节点的综合性能值。 首先采用灰色GM （1,1）模型对移动终端节点的综合性能值进行预测，然后 GM 1,1 Markov GM-Markov 将灰色 （ ）模型与 状态转移矩阵相结合，采用 方 法再次进行预测。对比分析表明，GM-Markov 方法能够在小样本、贫信息的 条件下对网络性能做出合理预测，将预测精度级别为好的概率提高三倍，且平 GM 1,1 38% 均相对误差率较 （ ）模型降低了 。 本文结合WSNs 中的节点规模、负载、拓扑结构及移动性等易变因素， 综合研究了其性能评估和预测方法。一方面有助于人们在实际应用中做出合理 科学的决策，另一方面对待建或已建网络的规划和管理具有重要意义。 关键词： 无线传