基于事件驱动的无线传感器网络数据融合算法

论文摘要

数据融合是无线传感器网络的重要支撑技术之一,其主要分为应用层中的数据融合、网络层中的数据融合和独立的数据融合协议层。网络层数据融合算法负责建立从源节点到基站之间的数据传递、融合路径,其设计对数据融合效果、节点能耗有重要影响。监测突发事件是无线传感器网络的一个重要应用,并且监测突发事件时无线传感器网络具有事件驱动的特点。而网络层上的传统分簇数据融合算法的分簇机制与事件无关,数据融合效果较差,网络能耗较高。因此,为了降低应用于突发事件监测的无线传感器网络的能量消耗,设计实现了一种基于事件驱动的动态分簇数据融合算法EDDC。在人体神经系统工作机制和传感器网络分簇数据融合算法的基础上,建立了基于人体神经系统的传感器节点模型。提出簇的生存时间和覆盖范围依据事件情况而动态调整,以有效提高数据融合性能,避免冗余分簇。并采用多跳路由方式建立源节点到基站之间的数据传递、融合路径,不仅降低了网络能耗,还避免了簇的覆盖范围受限于簇头节点的通信距离。利用NS-2网络仿真工具将EDDC算法与同样适用于监测突发事件的TEEN协议进行了比较,结果表明,新算法在节点平均能耗和节点存活数目方面都比TEEN协议有了明显改善,有效延长了网络的生存时间。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 课题来源及背景
• 1.3 研究目的和意义
• 1.4 研究内容和主要工作
• 第二章 无线传感器网络概述
• 2.1 无线传感器网络体系结构
• 2.1.1 传感器网络结构
• 2.1.2 传感器节点
• 2.1.3 传感器网络协议栈
• 2.2 无线传感器网络的特征
• 2.2.1 传感器节点的特点
• 2.2.2 传感器网络的特点
• 2.3 无线传感器网络的典型应用
• 2.3.1 军事应用
• 2.3.2 环境监测
• 2.3.3 医疗护理
• 2.3.4 空间探索
• 2.3.5 其他方面的应用
• 第三章 无线传感器网络数据融合
• 3.1 无线传感器网络数据融合的定义
• 3.1.1 狭义的数据融合
• 3.1.2 无线传感器网络中的数据融合
• 3.2 数据融合的作用
• 3.3 狭义数据融合的分类
• 3.3.1 根据融合前后数据的信息量划分
• 3.3.2 根据融合操作的级别划分
• 3.4 无线传感器网络数据融合的分类
• 3.4.1 应用层中的数据融合
• 3.4.2 网络层中的数据融合
• 3.4.3 独立的数据融合协议层
• 3.5 典型的网络层数据融合算法
• 3.5.1 网络层数据融合算法的分类与比较
• 3.5.2 典型的平面数据融合算法
• 3.5.3 典型的分簇数据融合算法
• 第四章 基于事件驱动的动态分簇数据融合算法
• 4.1 典型分簇数据融合算法的缺陷
• 4.2 人体神经系统简介
• 4.2.1 神经系统的区分
• 4.2.2 神经细胞形态学概述
• 4.2.3 人体神经系统的事件驱动性——神经元的细胞生物电现象
• 4.3 无线通信能耗理论
• 4.4 网络模型
• 4.5 EDDC算法
• 4.5.1 节点模型
• 4.5.2 动态簇的形成算法
• 4.5.3 建立数据传递、融合路径
• 4.5.4 数据传输
• 4.5.5 簇的维护
• 4.5.6 簇的解散
• 4.6 本章小结
• 第五章 仿真及结果
• 5.1 NS-2网络仿真工具简介
• 5.1.1 NS-2的特点
• 5.1.2 NS-2原理概述
• 5.1.3 NS-2的无线模型
• 5.1.4 NS-2相关工具
• 5.2 EDDC算法性能分析
• 5.2.1 节点平均能耗
• 5.2.2 节点存活数目
• 5.3 本章小结
• 第六章 总结与展望
• 6.1 工作总结
• 6.2 未来展望
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文