无线传感器网络路由算法的研究和实现

论文摘要

近年来,随着微机电系统（MEMS）技术、嵌入式计算技术和无线通信技术的日益成熟,具有感知能力、计算能力和通信能力的微型传感器开始出现。由大量这样的微型传感器作为节点构成的无线传感器网络能够实时监测、感知和采集所在区域内的各种环境或监测对象的信息,并且能够通过自组织的方式进行相互的通信和协调,对这些信息进行处理,并将必要的信息传送给相关的用户。这种无线传感器网络在军事、环境和工业、医疗等各方面都有广泛的应用前景。由于组成网络的传感器节点的能量有限、内存小、处理能力低等物理限制使得无线传感器网络和传统的无线通信网络存在着很大不同,因此无线传感器网络的路由算法成为了无线传感器网络的研究热点之一。本文对现有主流的无线传感器网络路由算法进行了总结、分类和比较,针对于无线传感器网络中多个传感器节点向一个汇聚节点发送数据的通信模式,设计了一种基于蚁群算法的路由优化算法（Ant Colony-based Routing Optimization,简称ARO）。ARO算法基于蚁群算法正反馈、分布式协作的特点,将到达汇聚节点的跳数和链路质量信息融合到信息素的形成中,并将信息素和节点可用能量作为启发信息,通过模拟蚂蚁的寻径行为形成并优化多个传感器节点到达汇聚节点的路由。本文对ARO算法的设计及在TinyOS软件平台下的实现过程进行了详细阐述,并利用TOSSIM仿真平台,针对不同的节点密度对ARO与LEPS算法的性能进行了比较。TOSSIM模拟实验表明了ARO算法表现出更高的数据传输效率,提高了路由的可靠性,并且在一定程度上均衡了网络内节点的能量消耗,延长了网络的生命期,能更有效的完成汇聚节点的数据收集任务。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
• 1.1 研究背景
• 1.2 研究意义
• 1.3 研究内容
• 第二章 无线传感器网络概述
• 2.1 体系结构
• 2.1.1 网络结构
• 2.1.2 节点组成
• 2.2 特征
• 2.2.1 传感器节点的限制
• 2.2.2 与传统Ad-hoc网络的区别
• 2.3 设计原则
• 第三章 无线传感器网络路由协议
• 3.1 路由协议概述
• 3.1.1 路由协议特征
• 3.1.2 路由协议设计原则
• 3.1.3 路由协议分类
• 3.2 典型WSN路由算法的分析
• 3.2.1 平面路由
• 3.2.2 层次路由
• 3.2.3 位置辅助路由
• 3.3 典型WSN路由算法比较
• 第四章 ARO路由算法
• 4.1 蚁群算法概述
• 4.1.1 蚁群算法原理
• 4.1.2 蚁群算法的数学模型
• 4.2 ARO算法的引入
• 4.3 ARO算法设计
• 4.3.1 路由发现
• 4.3.2 路由选择
• 4.3.3 路由维护
• 4.3.4 算法描述
• 4.3.5 算法总结
• 第五章 实现与分析
• 5.1 软件平台TinyOS
• 5.1.1 TinyOS组件模型
• 5.1.2 TinyOS调度机制
• 5.1.3 TinyOS通信机制
• 5.2 算法实现
• 5.2.1 ARO概要设计
• 5.2.2 ARO核心模块设计
• 5.2.3 ARO引擎模块设计
• 5.2.4 EnergyMetric组件设计
• 5.3 实验分析
• 5.3.1 TOSSIM简介
• 5.3.2 实验方案
• 5.3.3 实验结果
• 第六章 结语
• 参考文献
• 致谢