论文部分内容阅读
无线传感器网络中的节点随机分布在监测区域内,其一大特点是节点密集部署,距离较近的节点所监测到的数据具有较大的相似性,当节点把这些数据直接发送到Sink节点时,数据会产生较大的冗余并且造成网络能量的大量消耗,所以那些相似性较大的数据无需全部发送给Sink节点,可以对这些数据进行聚合处理。经过聚合前对数据的预处理,去掉一些相似性较大的数据,在保证数据正确性的前提下可以有效地减少无线传感器网络中数据的传输量,延长网络的寿命。本文基于对数据预处理以及数据聚合方法的研究,分别提出了两种不同的解决方案:(1)针对无线传感器网路中的“热区问题”(网络能耗快,寿命短),提出了一种基于数据密度关联度的非均匀成簇的数据聚合方法。该方法分为两个阶段,第一阶段是根据计算来的节点密度关联度选出代表节点和孤立节点,第二阶段是对选出的节点进行高层次数据融合,即采用非均匀成簇算法来选举簇头,然后簇头进行数据聚合,并将聚合数据通过多跳的方式发送到Sink节点。仿真结果表明,该方法可以均衡利用网络能量,有效延长网络的生命周期。(2)针对网络中的“热区问题”,提出了一种基于统计模型的分布图法,据此来进行数据预处理,然后根据分簇合作的链路算法进行数据聚合。此方法分为两个阶段,第一阶段是根据节点所收集到数据的中间值,将数据分为上半部分与下半部分,然后计算出中位数,获得数据的有效判定区间;第二阶段是根据节点剩余能量、与邻居节点之间的距离以及邻居节点个数来选择簇头与合作节点。簇头节点只进行数据的收集与融合,合作节点通过链路的方式将聚合数据发送到基站。此方法可以有效地均衡网络能量,延长网络寿命。