大规模无线传感器网络节能策略研究

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:WOBENLAI
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
长期以来,大规模无线传感器网络(WSN)的能量问题都一直受到研究者的普遍关注。由于大规模分层网络架构下,无线传感器网络的各个节点通常都抛洒部署到很恶劣的环境下,无法更换电池,因此节能问题成为了关键。本文从节点能耗、能量均匀、业务服务质量和路由问题的角度出发,对目标的最大覆盖范围、Q覆盖集的问题、汇聚节点休眠的负载均衡和节能的路由算法进行了研究。在汇聚节点和传感器节点两个层面上,共同休眠带来能耗问题的改善,使得整个网络各个节点的电量达到平衡的水平,即保证了网络对业务的服务质量,又延长了生命周期。论文首先分析了WSN中节能问题的研究背景和意义,同时介绍了一系列技术和算法的国内外研究现状和趋势,对无线传感器网络以及其节能策略介绍了一些基本理论,也简单介绍了数据传输和处理中的节能技术。大规模无线传感器网络中,需要利用节点的受限的电池电量来对目标区域进行最大持续时间的覆盖监测,保证业务的传输质量。针对这一问题,提出了基于业务质量的最大覆盖启发式算法。首先分析了覆盖问题和目标Q覆盖范围问题,提出了Q覆盖模型,优先考虑了具有最大剩余电池电量并对未覆盖目标具有最大覆盖范围的传感器节点,在确保业务质量的前提下,更新Q覆盖集进行轮换工作,使得最大覆盖持续更长时间,节点的能量消耗达到平衡的水平,避免了关键目标区域的冗余覆盖,延长了网络生命周期。与传统休眠算法不同,本文面向汇聚节点和传感器节点进行联合休眠调度,提出了基于汇聚节点休眠和负载均衡的节能策略。针对休眠时转移负载的问题,首先定义了路径相关系数,提出了汇聚节点的休眠机制,判断与之共同休眠的传感器节点;然后定义了负载转移机制,提出了基于数据流量的负载均衡算法,利用转移路径的强大功能来执行数据排放并实现负载均衡,在大规模的无线传感器网络中更为实用。分析路由问题,定义了网络能耗模型。最后在簇内簇头的竞争中引入了位置分布和剩余能量阈值,使得簇头的选择更加合理;在簇间的多跳传输中,考虑节点位置、剩余能量、簇内的节点数量和重传次数这四个因素,提高了整体网络数据的传输效率。算法使得整体网络连通性更强,传输更稳定,能耗更均匀,延长了网络生命周期。
其他文献
现如今的移动设备端产生的应用日渐复杂,需要更强的计算能力来处理,移动边缘计算(MEC)为处理这种任务提供了有效的途径。在移动边缘计算中的任务的卸载和资源的分配问题一直是其中的关键问题。若能实时地做出正确的计算任务卸载决策,合理分配好网络资源和计算资源,对于提升移动边缘计算的服务性能,提高用户体验具有重要的意义。近几年来,强化学习技术不断发展,它在MEC中的应用备受关注。由于MEC场景下环境的不确定
随着互联网技术的飞速发展,人类社会积累了大量的理论知识与实践经验。知识图谱以其高度凝练的语义网络结构,成为一种高效的知识表示手段。知识图谱为人们生活中的多个领域提供便利,包括搜索引擎、问答系统、医疗诊断等等。虽然知识图谱规模以指数级的速度增长,但仍然存在稀疏性与不完整性的问题,如何有效挖掘知识图谱的隐藏语义,推理出潜在事实是一个亟须解决的问题。目前深度学习在自然语言领域取得了突破性的进展,尤其在知
混沌保密光通信依靠复杂的混沌信号实现对传输消息的隐藏和加密,具有良好的加密效果,在保密通信领域中发展前景广阔。其中,外腔反馈半导体激光器凭借其结构简单的优势在混沌光通信中有着重要的应用。但是由于需要发送端和接收端拥有一样参数的激光器,才可以实现高质量的混沌同步,而在实际中,很难找到多个参数完全一致的激光器,这限制了其进一步发展。近些年来,得益于计算机算力的快速提升和新算法的提出,神经网络得到了快速
信号调制作为当下通信过程中必不可少的一环,一直对整个通信系统整体性能以及传输能力产生着极大的影响,而随着现代无线通信技术的发展,调制信号的种类和方式也在不断变多,通信环境中调制信号的区分也变得愈发困难。因而调制识别这种对未知调制信号进行调制种类判断和分类的方法,在电子侦察、电子对抗、频谱检测等多种非合作通信场景下的接收机设计中都有着极大的研究意义,影响着后续通信信号的解调以及通信参数提取的实际性能
近年来,自主移动机器人发展迅速,影响着社会生产生活的各方各面并在其中发挥着愈发重要的作用。基于视觉的同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)技术是自主移动机器人的核心技术,其中的闭环检测(Loop Closure Detection,LCD)环节通过辨别移动机器人是否已访问过当前位置辅助构建全局一致的地图。然而,在实际应用中,光照、
随着智能电子产品中的印刷电路板(Printed Circuit Board,PCB)越来越趋向于小型化,且板上元件密度也越来越大,从而导致PCB布线工作也变得越来越复杂。但是当前电子设计自动化(Electronic Design Automation,EDA)工具内置的自动布线功能布线速度慢且布通率低,当前PCB布线工作仍然主要依赖于人工,从而使得在工业PCB设计过程中仍需要消耗大量的人力资源。因
卷积神经网络近年来成为了解决各类视觉任务的主流选择,包括图像分类,检测跟踪,动作及意图识别等领域。卷积神经网络由一系列卷积层层堆叠构成,而传统卷积层存在着参数量和计算量大的问题,同时网络深度和宽度的提升进一步加剧参数量和计算量的问题,使得这些网络模型往往无法顺利进行移动端部署。因此设计高效的卷积神经网络具有重大的学术及工程价值。针对以上问题,本文提出了一种高效的分组卷积单元,并提出了一种基于深度可
随着工业物联网中信息量与应用计算复杂度的增加,其中资源受限的设备越来越依赖计算卸载技术。计算卸载技术可以将物联网中轻量级设备所产生的计算需求和数据转移到具有充足计算资源的节点上。一方面可以节约轻量级设备宝贵的计算、存储以及能量资源,另一方面还可以满足应用较高的时延需求。目前计算卸载可分为两种模式,源驱动和目标驱动的计算卸载模式。当前大多数传统计算卸载决策算法都以源驱动计算卸载模式为研究对象,而在新
光纤随机激光器作为随机激光器的重要分支,相关研究人员已经揭示了其具有大范围波长可调性、窄线宽、高功率输出等特性。正是由于这些独特的优势,其已经在光纤传感、光成像、光通信等领域得到重要的应用。特别是在长距离光纤传感系统中,基于光纤随机激光的传感系统不仅具有传统光纤点式传感系统结构简单、抗电磁干扰、灵敏度高的特点,而且具有响应时间短、传感器可复用、精度不受光源波长漂移、链路温度变化影响等优势,非常适用
无线传感器网络(Wireless Sensor Network,WSN)中的移动目标跟踪算法需要保证较高的跟踪精度又不过多地消耗能量。高效的跟踪效果需要调度更多的移动传感器,然而调度移动传感器会产生大量的能耗。如何平衡跟踪精度与网络消耗之间的矛盾并设计合理的节点协同调度算法是WSN中面向目标跟踪的关键问题。本文分析了在本领域的研究背景以及研究现状,进而提出了面向移动目标跟踪的节点协同调度移动跟踪算