基于环境建模的传感数据收集与插值算法研究

基于环境建模的传感数据收集与插值算法研究

论文摘要

无线传感器网络中,现有数据收集方式多采用静态Sink的方案,易造成Sink周围的节点负载过重而过早死亡,导致网络分割,形成监测盲区;另一方面由于传感器节点的随机部署,易形成不能获取信息的监测盲区,而且传感器节点资源有限等自身特点也容易导致节点采集的感知数据缺失,监测盲区与感知数据缺失问题给传感器网络各种应用带来了巨大困难。因此,如何均衡网内节点能耗,提高网络生存时间以及对监测盲区、缺失数据进行准确估计,成为无线传感器网络中亟待解决的问题。本文对传感器数据所处的时空特性进行环境建模,主要对传感数据收集与插值算法展开研究,主要工作如下:一、研究传感器网络中基于移动Sink可控轨迹的数据收集路径规划问题。针对静态Sink数据收集方法易导致网络热区问题,建立了移动Sink可控轨迹下的数据收集模型,提出了一种基于移动Sink最优穿越路径数据收集算法,算法以系统数据收集量最大化与网络节点能耗均衡为目标。基于OMNET++仿真实验表明,算法能最大化网络吞吐量,均衡网络能耗,延长网络生存时间,在能耗利用率方面远优于固定Sink数据采集方法。二、研究传感器网络中监测盲区与缺失感知数据估计问题。传感数据具有较高的时空相关性,针对单个节点的感知数据缺失问题,建立了传感数据时间序列模型,提出了一种基于传感数据时间序列模型拟合预测算法;针对监测盲区的环境信息不可获取,建立了空间相关性模型,提出一种基于空间相关性的自适应盲区评价算法;最后结合传感数据时空相关性,提出一种基于时空相关性的自适应插值算法。算法通过预置误差阀值自适应选择不同相关度邻域节点的采样值对预测点进行插值估计。理论分析和仿真实验表明,算法能有效估计监测盲区预测点的数据与缺失感知数据,具有可靠、稳定的估计性能,并可支持网内任意点的实时估计算法。三、结合以上研究工作,设计和实现了基于OMNET++仿真平台的插值仿真系统ISSWSN,评价所提出的算法的性能。ISSWSN主要针对传感器网络监测盲区与缺失感知数据进行插值预测,搭建从网络层至应用层协议栈,各层之间提供通用接口,具有易用性与可扩展性。模拟实验结果表明,ISSWSN为本文所提出的插值算法研究提供了有效的评估手段。

论文目录

  • 摘要
  • Abstract
  • 插图索引
  • 附表索引
  • 第1章 绪论
  • 1.1 本文研究背景及意义
  • 1.2 研究内容
  • 1.3 本文主要工作
  • 1.4 本文结构
  • 第2章 相关研究综述
  • 2.1 前言
  • 2.2 无线传感器网络概述
  • 2.2.1 无线传感器网络体系结构
  • 2.2.2 无线传感器网络的特点
  • 2.2.3 无线传感器网络的应用
  • 2.2.4 无线传感器网络的空洞问题
  • 2.3 移动SINK研究现状
  • 2.3.1 移动Sink轨迹固定
  • 2.3.2 移动Sink轨迹可控
  • 2.4 监测盲区与缺失数据研究现状
  • 2.4.1 监测盲区
  • 2.4.2 感知数据缺失问题
  • 2.5 小结
  • 第3章 无线传感器网络基于移动Sink的数据收集算法
  • 3.1 前言
  • 3.2 应用场景模型分析
  • 3.2.1 能量与网络模型
  • 3.2.2 数据量最大化
  • 3.2.3 系统总能耗最小
  • 3.2.4 Voronoi边权重模型
  • 3.2.5 数据量最大化路径规划问题
  • 3.3 基于移动SINK的数据收集算法
  • 3.3.1 能量均衡最短路径树构建算法
  • 3.3.2 最优穿越路径禁忌搜索算法
  • 3.3.3 算法性能分析
  • 3.4 仿真实验结果分析
  • 3.4.1 实验环境与参数设置
  • 3.4.2 数据量与能耗对比
  • 3.4.3 节点能耗均衡与网络生存时间
  • 3.5 小结
  • 第4章 基于空间相关性的传感数据自适应插值算法
  • 4.1 前言
  • 4.2 相关研究
  • 4.3 空间相关性模型
  • 4.3.1 问题描述
  • 4.3.2 相关性模型
  • 4.3.3 网络模型
  • 4.4 无线传感器网络基于空间相关性的自适应插值算法
  • 4.4.1 强相关度邻域集搜索
  • 4.4.2 邻域集节点权重模型
  • 4.4.3 基于空间相关性的自适应插值算法
  • 4.5 算法性能分析
  • 4.5.1 算法复杂度分析
  • 4.5.2 插值误差分析
  • 4.6 仿真实验与结果分析
  • 4.7 小结
  • 第5章 基于传感数据时间序列模型拟合预测算法
  • 5.1 引言
  • 5.2 时间序列拟合模型
  • 5.3 基于时间序列模型拟合的预测算法
  • 5.3.1 时间序列模型拟合预测算法
  • 5.3.2 基于时空相关性的自适应插值算法
  • 5.3.3 算法性能分析
  • 5.4 基于OMNET++仿真平台构建传感器网络插值仿真系统
  • 5.4.1 仿真工具
  • 5.4.2 时空相关性插值仿真系统构架
  • 5.4.3 仿真系统各模块实现
  • 5.5 仿真实验与结果分析
  • 5.6 小结
  • 结论
  • 参考文献
  • 致谢
  • 附录A 攻读硕士期间发表的论文目录
  • 附录B (攻读学位期间参加的科研项目)
  • 相关论文文献

    • [1].2017年中国大数据产业市场规模将达184.3亿元[J]. 标签技术 2017(02)
    • [2].无线传感器网络的不确定传感数据预测[J]. 应用科学学报 2012(06)
    • [3].基于多源传感数据相关性分析的电厂设备故障检测方法[J]. 计算机与数字工程 2019(03)
    • [4].云计算下大规模非显著特征多传感数据融合系统设计[J]. 科学技术与工程 2018(08)
    • [5].突变数据融合在电力传感器网络中的应用[J]. 华东电力 2014(11)
    • [6].基于多类型传感数据的自动驾驶深度强化学习方法[J]. 吉林大学学报(工学版) 2019(04)
    • [7].基于卡尔曼滤波的动态传感数据流估计方法[J]. 仪器仪表学报 2013(08)
    • [8].基于FPGA的传感数据加速处理[J]. 计算机应用研究 2011(04)
    • [9].面向广泛互操作的传感数据模型研究[J]. 小型微型计算机系统 2010(06)
    • [10].边缘计算应用:传感数据异常实时检测算法[J]. 计算机研究与发展 2018(03)
    • [11].传感数据世系的有效压缩传输与查询方法[J]. 南京理工大学学报 2017(01)
    • [12].基于分布式压缩感知的可穿戴多传感数据联合重构新方法[J]. 集成技术 2015(05)
    • [13].融合视惯传感数据的非接触式物体尺寸获取方法[J]. 系统仿真学报 2020(05)
    • [14].基于鲁棒估计的动态传感数据校正方法[J]. 自动化与信息工程 2009(04)
    • [15].基于无线网络的海洋传感数据实时传输系统设计[J]. 信息网络安全 2015(02)
    • [16].基于传感数据的学习分析应用研究[J]. 电化教育研究 2019(05)
    • [17].面向海洋监测的传感数据可用性评价技术[J]. 海洋通报 2015(03)
    • [18].传感数据起源信息的多粒度标注与多分辨压缩[J]. 南通大学学报(自然科学版) 2010(03)
    • [19].非平衡光纤传感数据集类间数据重合的识别与分离算法[J]. 激光杂志 2018(11)
    • [20].基于HBase的车联网传感数据管理系统设计[J]. 软件导刊 2016(08)
    • [21].一种SDP扩展的传感数据描述协议探索[J]. 计算机科学 2010(02)
    • [22].人体运动传感数据的无线采集方案设计[J]. 浙江大学学报(工学版) 2012(07)
    • [23].高铁车载温度传感数据状态模式挖掘[J]. 科技通报 2015(04)
    • [24].传感器及传感数据分类与描述标准化研究[J]. 标准科学 2018(12)
    • [25].嵌入式光纤位移传感器及其信号处理研究[J]. 激光杂志 2017(10)
    • [26].基于多传感数据融合滤波的纵向坡度识别算法[J]. 机械工程学报 2018(14)
    • [27].利用大数据推进反腐防腐机制建设探讨[J]. 广西经济 2015(06)
    • [28].WikiSensing:从大数据到数据产品[J]. 计算机科学与探索 2015(10)
    • [29].传感器网络数据融合隐私保护及安全框架[J]. 信息安全与通信保密 2012(09)
    • [30].基于脚部惯性传感数据的人员运动速度识别方法[J]. 传感技术学报 2018(12)

    标签:;  ;  ;  ;  ;  

    基于环境建模的传感数据收集与插值算法研究
    下载Doc文档

    猜你喜欢