无线传感器网络中最小化通信开销的近似监测算法
发布时间：2021-07-10 03:03
聚集值的约束违反监测有助于检测监测区域内异常事件的发生.传感器节点由于电源能量耗尽的原因经常失效或废弃,因此研究无线传感网的高能效的监测算法具有重要意义.已有的研究工作给出了启发式的阈值设置方法,通信能量开销较高并且没有考虑感知数据的特性,忽略了噪声对感知数据的影响.鉴于上述原因,以最小化通信开销为优化目标,文中开展了过滤器最优阈值的研究.首先,文中提出了通信开销模型,给出了过滤器最优阈值问题的形式化定义,其次,通过一维随机游走来模拟感知数据的变化并推导出过滤器失效概率的计算公式,通过拉格朗日乘子法给出了求解过滤器最优阈值的数学方法,第三,提出了低计算复杂度的过滤器最优阈值近似算法并分析了近似算法的近似比.理论分析和实验结果验证了提出的算法的正确性以及高效性.
【文章来源】：计算机学报. 2015,38(10)北大核心EICSCD
【文章页数】：14 页
【部分图文】：
图１一维随机游走例子
］上的均匀分布；其移动步长服从正态分布Ｎ（１，１）．我们在上述随机生成的数据集合上计算过滤器的平均失败概率．对于给定的监测阈值与聚集和之差Δ、以及节点数量ｎ，我们运行上述算法５００次，并将其平均失败概率的均值作为实验结果．从图中我们可知，近似算法输出的过滤器阈值使得平均失败概率较小．如图４所示，当监测阈值与聚集和之差Δ＝１４，监测节点数量ｎ＝１０，移动步长服从正态分布Ｎ（０．５，１）时，过滤器的平均失败概率小于０．２．图４Δ不同时过滤器失效概率平均值图５ｎ不同时过滤器失效概率平均值图６显示了近似算法在真实传感网实测的温度感知数据集上的运行结果．我们分别考察了在温度变化剧烈和变化缓慢情况下的平均失败概率结果，其中变化剧烈的感知数据采用上午１０点～１２点的温度感知数据；变化缓慢的感知数据采用凌晨４点～６点的温度感知数据．如图６所示，真实数据集上的平均失败概率略高于合成数据集上的平均失败概率，其原因分析如下．首先，感知数据选取于温度随时间逐渐升高的过程，因此对任意ｉ∈｛１，２，…，ｎ｝，γｉ＜１；其次，对于给定的ｉ，当ｙｉ→∞时，γｘｉｉ－１γｘｉ＋ｙｉｉ－１趋近于１－γｘｉｉ，其中ｘｉ＝（ｄｉ（ｔ０）－ｌ）／ａｉ，因此失败概率取决于γｉ以及ｄｉ（ｔ０）－ｌ，并随Δ的增大逐渐趋近其极限，变化不明显．图６Δ不同时过滤器失效概率平均值（２）第２组实验考察不同的Δ以及不同的监测节点数量
上的平均失败概率略高于合成数据集上的平均失败概率，其原因分析如下．首先，感知数据选取于温度随时间逐渐升高的过程，因此对任意ｉ∈｛１，２，…，ｎ｝，γｉ＜１；其次，对于给定的ｉ，当ｙｉ→∞时，γｘｉｉ－１γｘｉ＋ｙｉｉ－１趋近于１－γｘｉｉ，其中ｘｉ＝（ｄｉ（ｔ０）－ｌ）／ａｉ，因此失败概率取决于γｉ以及ｄｉ（ｔ０）－ｌ，并随Δ的增大逐渐趋近其极限，变化不明显．图６Δ不同时过滤器失效概率平均值（２）第２组实验考察不同的Δ以及不同的监测节点数量对近似算法的通信开销的影响，其中通信开销百分比的计算公式如下：通信开销％＝＃数据包数量（近似算法）＃数据包数量（基本算法）×１００％．基本算法的思想如下：监测区域内的所有节点将全部感知数据发送至Ｓｉｎｋ节点．由通信开销模型，我们可知近似算法的通信开销由２部分组成：①因监测节点过滤器失效引起的数据包传输；②因Ｓｉｎｋ节点收集监测区域的感知数据引起的数据包传输．图７和图８显示了近似算法在合成数据集上的运行结果，其中各节点的数据集以随机游走的方式生成．“○”表示对于给定的节点ｉ∈｛１，２，…，ｎ｝，ｉ节点以１为初始位置在数轴上进行随机游走，其中ｉ节点的正向移动概率Ｐｒ＋ｉ服从［０，１］上的均匀分布；其移动步长服从正态分布Ｎ（０．５，１）．“◇”表示对于给定的节点ｉ∈｛１，２，…，ｎ｝，ｉ节点以１为初始位置在数轴上进行随机游走，其
【参考文献】：
期刊论文
[1]传感器网络及其数据管理的概念、问题与进展[J]. 李建中,李金宝,石胜飞. 软件学报. 2003(10)
[2]无线传感器网络[J]. 任丰原,黄海宁,林闯. 软件学报. 2003(07)
本文编号：3275054
【文章来源】：计算机学报. 2015,38(10)北大核心EICSCD
【文章页数】：14 页
【部分图文】：
图１一维随机游走例子
］上的均匀分布；其移动步长服从正态分布Ｎ（１，１）．我们在上述随机生成的数据集合上计算过滤器的平均失败概率．对于给定的监测阈值与聚集和之差Δ、以及节点数量ｎ，我们运行上述算法５００次，并将其平均失败概率的均值作为实验结果．从图中我们可知，近似算法输出的过滤器阈值使得平均失败概率较小．如图４所示，当监测阈值与聚集和之差Δ＝１４，监测节点数量ｎ＝１０，移动步长服从正态分布Ｎ（０．５，１）时，过滤器的平均失败概率小于０．２．图４Δ不同时过滤器失效概率平均值图５ｎ不同时过滤器失效概率平均值图６显示了近似算法在真实传感网实测的温度感知数据集上的运行结果．我们分别考察了在温度变化剧烈和变化缓慢情况下的平均失败概率结果，其中变化剧烈的感知数据采用上午１０点～１２点的温度感知数据；变化缓慢的感知数据采用凌晨４点～６点的温度感知数据．如图６所示，真实数据集上的平均失败概率略高于合成数据集上的平均失败概率，其原因分析如下．首先，感知数据选取于温度随时间逐渐升高的过程，因此对任意ｉ∈｛１，２，…，ｎ｝，γｉ＜１；其次，对于给定的ｉ，当ｙｉ→∞时，γｘｉｉ－１γｘｉ＋ｙｉｉ－１趋近于１－γｘｉｉ，其中ｘｉ＝（ｄｉ（ｔ０）－ｌ）／ａｉ，因此失败概率取决于γｉ以及ｄｉ（ｔ０）－ｌ，并随Δ的增大逐渐趋近其极限，变化不明显．图６Δ不同时过滤器失效概率平均值（２）第２组实验考察不同的Δ以及不同的监测节点数量
上的平均失败概率略高于合成数据集上的平均失败概率，其原因分析如下．首先，感知数据选取于温度随时间逐渐升高的过程，因此对任意ｉ∈｛１，２，…，ｎ｝，γｉ＜１；其次，对于给定的ｉ，当ｙｉ→∞时，γｘｉｉ－１γｘｉ＋ｙｉｉ－１趋近于１－γｘｉｉ，其中ｘｉ＝（ｄｉ（ｔ０）－ｌ）／ａｉ，因此失败概率取决于γｉ以及ｄｉ（ｔ０）－ｌ，并随Δ的增大逐渐趋近其极限，变化不明显．图６Δ不同时过滤器失效概率平均值（２）第２组实验考察不同的Δ以及不同的监测节点数量对近似算法的通信开销的影响，其中通信开销百分比的计算公式如下：通信开销％＝＃数据包数量（近似算法）＃数据包数量（基本算法）×１００％．基本算法的思想如下：监测区域内的所有节点将全部感知数据发送至Ｓｉｎｋ节点．由通信开销模型，我们可知近似算法的通信开销由２部分组成：①因监测节点过滤器失效引起的数据包传输；②因Ｓｉｎｋ节点收集监测区域的感知数据引起的数据包传输．图７和图８显示了近似算法在合成数据集上的运行结果，其中各节点的数据集以随机游走的方式生成．“○”表示对于给定的节点ｉ∈｛１，２，…，ｎ｝，ｉ节点以１为初始位置在数轴上进行随机游走，其中ｉ节点的正向移动概率Ｐｒ＋ｉ服从［０，１］上的均匀分布；其移动步长服从正态分布Ｎ（０．５，１）．“◇”表示对于给定的节点ｉ∈｛１，２，…，ｎ｝，ｉ节点以１为初始位置在数轴上进行随机游走，其
【参考文献】：
期刊论文
[1]传感器网络及其数据管理的概念、问题与进展[J]. 李建中,李金宝,石胜飞. 软件学报. 2003(10)
[2]无线传感器网络[J]. 任丰原,黄海宁,林闯. 软件学报. 2003(07)
本文编号：3275054
本文链接：https://www.wllwen.com/kejilunwen/wltx/3275054.html
