认知无线传感器网络中的频谱感知和MAC协议的研究

发布时间：2020-06-24 14:17

【摘要】：认知无线传感器网络(CRSN)是一种传统无线传感器(WSN)网络与认知无线电(CR)相结合的新型网络。它能够有效地缓解WSN中频谱资源匮乏的问题,具有很大的发展潜力。但CRSN仍然采用传统电池供电,其应用与发展面临着资源限制、能量约束等问题。本文针对这两个问题进行研究,并提出了有效的解决方案。基于混合性的频谱感知方法,论文第三章提出了一种有效减少参与频谱感知节点个数的低能耗节点选择算法(SENS)。该算法降低认知无线传感器网络的负担和能耗,同时也能有效解决传统的无线传感器网络中的能耗问题。该算法综合考虑了节点的感知能耗和性能参数(检测率,虚警率),构成节点选择的优先级函数,根据节点的优先级排序对节点进行选择,最大限度地减少了能量消耗。并且,本文采用“OR”融合准则,提出仅判决为“1”的节点将本地感知的信息发送给融合中心,可以减少信息传输过程中的能量损耗,达到节能的目的。由仿真结果可知,SENS算法在满足感知性能要求的同时可以有效降低能耗。为了减少CRSN中认知过程所产生的能耗,降低功能实现的成本,论文第四章提出了一种新型网络。首先将具有认知功能的节点归为一类,并提升该类节点的信息处理和能量收集能力,再将独立出来的认知功能节点与普通传感器节点按一定的比例重新进行部署,形成异质节点认知无线传感器网络(HT-CRSN)。为了提高网络处理信息能力和减少部署成本,HT-CRSN将大部分处理任务集中在性能较强的认知节点上。由于传统的MAC协议难以适用这种新型网络,本章提出了适用于HT-CRSN的工作时序和MAC协议,并对该协议进行了能耗分析和仿真验证。由仿真结果可知,通过调整CNs和SNs的数目比例以及CNs的能量收集速率能够均衡两类异质节点的能耗,提高网络生命周期。论文主要对认知无线传感器网络的频谱感知、MAC协议进行了充分的研究,并提出一些优化方案。最后对现有的CRSN理论作了进一步的扩展。
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN925;TP212.9
【图文】：

平均数,传感器,设定参数,节点位置

如表 3.1 所示，在200 200的矩形范围内，网络中随机部署 50 个传感器节电路的功耗为40nJ ，侦听信道的能耗大约为40mw，信号处理部分的数0k b /s ，电路电压为 2V ，电流为17.5mA，假设发送和接收数据所消耗的数bit ，所以每个节点的感知能量约为190cE nJ，并设240fs pJ bit m。表 3.1 仿真参数值的设定参数取值仿真场景范围 200m 200mFC 节点位置 1 50,100 认知传感器节点总数 50发送（或接收）数据包大小 1bitelecE 80nJ bitfs 240 pJ bit m 0.9 0.1 0.01

节点数目的增加，被选择的节点数也随之增加，这是因为RSSA算法在进择时采取的是随机的方式，并没有对节点选择进行优化处理，因此会选的节点。MEA算法中，随着节点数目的增加，距离融合中心距离较近的随之增加（一般情况下），但是这些节点同时要满足dP 以及选择节 N 的两个约束条件，因此MEA算法所选择的节点数较少。EESS算法中，数目的增加被选择的节点数较少，且基本保持在一个比较稳定的范围内为EESS算法采用了拉格朗日法和KKT条件，形成一个可以代表节点优先选择公式，可以对节点进行较好的选择，因此具有较好的性能。相对于，本文所提出的算法更具灵活性，在所形成的优先权函数中，根据节点节点的性能（iFCdP ,iFCfP ）动态调整 k 值，因此与EESS算法相比，节点加灵活，选择的节点数更少。

【参考文献】