1162410130杨昌建.ppt

Hetrogeneous Multi-Deployment Strategy Effect on Maximizing the Lifetime Routing in Wireless Sensor Network异构多部署策略效应最大化中无线传感器网络路由的生存期 Presenter: changjian Yang Supervisor: Dr Guangjie Han Wireless Sensor Networks 目录 摘要 无线传感器网络的综述 概率分布模型 实现异构地形 最长生存周期的路由算法（CMAX和OML） 实验过程与分析 结论 2 摘要 在过去的几年中，我们注意到无线传感器网络（WSN）的研究兴趣正在逐渐增加。而在无线传感器网络中的一大挑战就是传感器节点电池功率的限制，因此发展高效节能的解决方案是延长网络的寿命的一个关键问题。CMAX和OML是低功耗路由算法算法已经被提出以最大限度地提高传感器网络的寿命。所有在评估这两个算法的研究中，目前大家公认OML的优越性超过CMAX算法。在这项工作中，为了更好地表示实际生活中的地形，分别对四种不同类型的单一分布进行了研究。本文将通过模拟异构地形来进一步研究这两个算法对节点生存期的影响。 综述 低成本，低功耗的小型多功能传感器节点最近已经发展成为在数字电子技术，无线通信技术和微机电系统（MEMS）进步的标志。这些微小的传感器节点,包括传感、数据处理和通信组件,利用传感器网络基于大量节点合作的想法。功率消耗被认为的是在无线传感器网络中最重要的一个要求。消息的传送在无线传感器网络路由是通过电池供电的传感器，这使得关键应用假设电池或者充电或更换完成。根据无线传感器网络的应用中,传感器节点部署的确定性或随机性。在救灾行动或难以接近的地形,随机部署策略是必要的。许多节能的算法设计来满足这样的环境中,这些算法方法是使用均匀分布来实现。 4 综述（续） 一般的模拟实验都是建立在1D（一维）传感器的基础之上的 但在这项工作中，我们基本上表示使用的3D （三维）空间传感器，每个传感器是利用三个维度表示为： X，Y和Z ，为了得到更真实的结果，并使用混合分布来模拟地形。 概率分布模型 均匀分布（N） 在大多数文献中进行的模拟都是基于分布传感器节点随机均匀分布。传感器最佳均匀分布符合对称环境下的土地是平坦的和有没有地域差异的地形。是一种均匀分布，具有恒定的概率，这意味着传感器节点均匀分布。如图所示： 概率分布模型 泊松分布（P） 现实环境的特点是地形的变化，这用均匀分布是很难处理的。泊松分布适用于涉及时间，距离或区域等的给定数量的随机事件发生的次数的计数的应用。因此，泊松分布是用在一些环境的应用，如：检测地震，战场和火山检测中的应用。图中，很显然，传感器的位置都集中在平均值。 概率分布模型 正态分布（N） 部署传感器节点的另一种方式是正态分布。正态分布更好的代表在地形地域差异。不同于泊松分布，传感器正态分布最适合的环境，土地是不平坦的，但也有一些地形对称的地域差异。图中，可以注意到，传感器的位置都集中在平均值附近，但具有对称的形式。 概率分布模型 卡方分布（C） 采用卡方分布，传感器节点分布在随机的方式，以集中在一些地方，同时使得在其他地方具有很少数量的传感器。像泊松分布，卡方分布可以表示有地理变化很复杂的地形环境。卡方分布和泊松分布之间的主要区别是，在卡方分布的传感器多集中在平均值的左边。这导致了卡方分布用于表示与地形的环境比由泊松分布表示更难的事实，如图。 实现异构地形