论文部分内容阅读
可充电无线传感器网络(RWSN)已成为真实物理界和数字信息界的纽带,然而RWSN的长久工作中却一直存在着传感器节点能源供给的问题。为此,本文在分析RWSN模型基础上,引入无线能量补充设备(WCE)和RWSN轨迹拟合的工作策略,并采用电磁感应作为无线充电的方式,首先在RWSN的网络中利用粒子群优化算法(PSO)对WCE的工作策略进行优化,并在保证所有静态节点正常工作的情况下达到WCE运行的驻站比最高;然后将低秩矩阵恢复算法(LRMR)应用于RWSN的轨迹拟合工作中,在降低移动节点位置信息传输量的同时能够精确恢复移动节点的运行轨迹。主要工作或创新如下:(1)RWSN模型及其优化模型的建立。首先分析RWSN的拓扑模型,建立其基础模型;然后针对RWSN系统中的静态节点充电策略优化问题,建立基于PSO算法的RWSN优化模型;再针对RWSN系统中的移动节点轨迹拟合问题,建立基于LRMR算法的RWSN优化模型,以减少系统中移动节点位置信息的发送量。(2)基于PSO算法的WCE工作策略方法研究。首先对PSO算法进行改进,即对于参数惯性权重进行自适应调整,由经典测试函数仿真表明改进的PSO算法可以提升全局搜索与局部收敛能力。然后采取改进的PSO算法对RWSN系统中WCE的工作策略进行优化,为网络中的静态节点进行充电,将WCE的周期运行最高驻站比作为优化函数进行求解。仿真实验结果表明这种方式能够使WCE运行的驻站比达到最高,并且所有静态节点在整个充电周期内均可正常工作。(3)基于LRMR算法的RWSN移动节点轨迹拟合方法研究。首先改进LRMR算法中常用的EALM算法,即在算法迭代过程中对单一矩阵做局部粗寻优,而对全局结果进行细寻优,仿真实验表明可以在保证算法结果精度的前提下提高算法的运算速度。然后采用改进的EALM算法对RWSN的移动节点轨迹拟合方法进行优化,主要包括稀疏采样矩阵的获取以及原始轨迹矩阵的拟合。仿真实验表明,该方法能在降低移动节点位置信息传输量的同时精确恢复节点的运行轨迹,并且改进后得到的SEALM算法的效果更好。