灾难场景下无线传感器网络容错数据收集协议研究

论文摘要

无线传感器网络在人们无法接近的恶劣或特殊环境的监测与数据采集中有着重要作用,如水灾、火灾、山体滑坡等灾害的监测预警。在这类恶劣应用环境中,网络节点面临不可预知的故障或突然死亡,严重影响到网络监测数据的完整性和可用性。一方面,由于无线传感器网络的节点失效造成网络收集和传输数据的丢失；另一方面,紧急情况下,监测网络产生数据的速率将大大超过数据输出的带宽,瓶颈效应将导致数据从采集节点至汇聚节点的传播路径上出现严重的传输时延,从而加大了数据丢失的风险。因此,在灾难场景的大规模传感器网络中,数据可靠收集是非常具有挑战性问题。随着网络编码的提出,各国学者已提出多种特性不同的网络编码技术来解决灾难场景的传感器网络数据收集问题,其中具有代表性是Kamra等在SIGCOMM2006提出的Growth Codes编解码技术以及后续的研究工作,通过增量编码和随机分布复制的方式提高网络采集数据的持久性,较好地解决灾难场景中的零配置网络的数据可靠采集问题。然而,Growth Codes编码造成网络中存在大量的冗余副本数据,且网络中可用数据的比例随着已收集数据量的增加而急剧降低,导致数据采集效率受到较大影响,特别是在稀疏型网络中表现尤为明显。针对灾难应用场景的无线传感网络可靠数据收集效率问题,本文在Growth Codes编码技术基础上提出了新的局部配置网络模型、数据监听缓存机制、基于反馈的数据过滤汇聚方法、多数据源编码等方法,大幅提高了不同网络密度情况下的可靠数据收集效率,并且在高节点故障率下保持数据收集协议的鲁棒性。具体包括以下工作：(1)针对Growth Codes协议数据收集效率低的问题,本文提出了单跳树和零配置网络结合的局部配置网络模型,结合单跳树的定向数据汇聚特性,设计了多节点分布式数据监听缓存机制、数据预过滤策略和基于数据输出过滤机制的数据收集协议FGCP (Filtering and Growth Codes based protocol)。该协议有效地提高了汇聚节点接收到可解码新数据的概率,从而大幅提高了灾难场景中的数据可靠收集效率。通过性能实验评估,FGCP能够显著提高整体的数据采集效率同时协议保持了较好的鲁棒性。(2) Growth Codes编码是将存储单元中的数据与自身采集到的数据单元进行编码组合,在稀疏型网络中存在明显的数据分布局部性问题,对于稀疏型网络的数据采集效率造成很大影响。针对该问题,本文设计了使数据在网络中分布更加均匀的多数据源编码策略,使得离收集节点较远的数据能够以相似的概率被回收,提出了基于数据均匀策略的改进型收集协议MFGCP (Modified FGCP),显著提高了稀疏型网络中的数据回收效率。(3)在FGCP协议的单跳数据收集树结构中,邻近缓存节点监听到大量相同数据,造成缓存节点数据过度冗余问题。本文将局部配置网络模型中的单跳数据收集树简化为单节点进行监听过滤,设计了基于数据输出过滤机制的简化收集协议SFGCP(Simplified FGCP),使得协议在密集型网络中有相近的收集效率,而且具有更好的节点故障容忍性。(4)编码度转换时刻是编码过程中编码度增加的时刻,Growth Codes给出了最优度转换时刻的理论值,是该类协议设计实现的理论基础,而最优度转换时刻与网络拓扑模型密切相关。本文结合新的局部配置网络模型和FGCP协议,通过理论分析和推导证明给出了适用于局部配置网络模型的码字度转换时刻,得到了最优的码字度转换时刻序列,并在协议仿真实现中得到实际验证,利用新的编码度转换时刻可以得到更好的数据收集速率在灾难场景的大规模传感器网络中,研究提高其数据的可用性和回收效率的机制,提高感知数据的存活率以及珍贵时效数据的效用,对促进无线传感器网络相关技术的发展具有重要意义。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 引言
• 1.2 选题意义和动机
• 1.3 研究内容和本文组织
• 第2章 无线传感器网络数据收集协议研究现状
• 2.1 基于路由的传统数据收集协议研究现状
• 2.1.1 传统数据收集协议性能指标
• 2.1.2 传统数据收集协议的分类和现状分析
• 2.1.3 传统数据收集协议的不足
• 2.2 基于网络编码的容错数据收集研究现状
• 2.2.1 容错数据收集协议的性能指标
• 2.2.2 基于网络编码的数据收集协议现状分析
• 2.3 国内外研究现状总结分析
• 第3章 GROWTH CODES编码基础及其分布式数据收集协议GCP
• 3.1 问题描述
• 3.1.1 模型假设
• 3.1.2 Growth Codes数据收集协议的目标
• 3.2 GROWTH CODES编码
• 3.2.1 定义和术语
• 3.2.2 Growth Codes的编码思想
• 3.3 基于GROWTH CODES的分布式数据收集协议GCP
• 3.4 本章小结
• 第4章 基于数据输出过滤机制的收集协议FGCP
• 4.1 数据收集协议GCP的性能分析
• 4.2 基于数据输出过滤的数据收集协议FGCP的设计
• 4.2.1 局部配置网络模型
• 4.2.2 预解码机制
• 4.2.3 数据监听缓存机制
• 4.2.4 优化的码字度转换时刻序列
• 4.2.5 基于数据输出过滤机制的数据收集协议FGCP
• 4.3 协议性能评估实验
• 4.3.1 仿真实验工具和条件
• 4.3.2 随机网络数据收集实验
• 4.3.3 灾难场景下的数据收集实验
• 4.3.4 随机故障网络数据收集实验
• 4.3.5 缓存收集树结构的容忍性实验
• 4.4 FGCP的代价分析
• 4.4.1 网络通信代价分析
• 4.4.2 存储代价分析
• 4.5 本章小结
• 第5章 基于数据均匀策略和简化收集树的FGCP协议优化
• 5.1 基于数据均匀策略的稀疏型数据收集协议MFGCP
• 5.1.1 多数据源编码实现（Multi-Sources Encoding,MSE）
• 5.1.2 基于数据均匀策略的稀疏型网络收集协议MFGCP
• 5.1.3 收集协议MFGCP的性能评估
• 5.2 基于收集树简化的数据收集协议SFGCP
• 5.2.1 收集协议SFGCP的设计
• 5.2.2 收集协议SFGCP的性能评估
• 5.3 本章小结
• 第6章 码字度转换时刻序列优化分析
• 6.1 新的数据传输模型
• 6.2 数学推导最优的码字度转化时刻序列
• 6.2.1 即时型解码器S的解码性质
• 6.2.2 迭代型解码器D的解码性质
• 6.3 本章小结
• 第7章 总结和展望
• 7.1 总结
• 7.2 展望
• 致谢
• 参考文献
• 附录
• 详细摘要