水声传感器网络时钟同步研究

发布时间：2021-08-27 00:33

　　水声传感器网络在海洋军事应用、海底探测、海洋环境监测以及国家安全等领域上起着关键作用。时钟同步对水声传感器网络至关重要,是节点定位、数据融合、功耗管理和传输调度等应用的基础。水声传感器网络存在传播延迟长、传输带宽受限、节点具有移动性等问题。现有同步算法重点在于水声传感器网络节点两两同步,对全局同步问题的研究较少。针对以上问题,本文提出水声传感器网络中成对节点的时钟同步算法K-Sync,以及全局的时钟互同步算法CO-Sync。K-Sync算法利用传感器节点相对速度和相对距离的时间相关性,建立系统的线性模型,通过卡尔曼滤波器,对归一化时钟频率和时钟偏差进行估计,从而实现两个节点之间的时钟同步。通过与现有方法在不同的场景下的仿真对比表明,K-Sync算法在归一化时钟频率、累积时钟偏差等关键指标上具有较好的精度。特别地,K-Sync算法在经验运动模型下,具备同步消息交互间隔小、响应时间短时,同步精度高等优点。针对传感器网络全局时钟同步问题,本文提出了 CO-Sync算法,并对该算法的有效性进行了数学证明。该算法不需要全局参考节点,节点通过和邻居节点两两同步获取相对时钟信息来补偿自身的时钟参数,... 

【文章来源】：厦门大学福建省 211工程院校 985工程院校 教育部直属院校

【文章页数】：83 页

【学位级别】：硕士

【部分图文】：

图２－１水声传感器网络结构??

图３－２待同步节点静止条件下归一化时钟频率误差??三种方法的累积时钟偏差值在１５次同步消息交互之后，均在２０ｕｓ以下。??由图３－２可知，对于时钟频率估计误差的均值，ＭＵ－Ｓｙｎｃ和Ｄ－Ｓｙｎｃ算法估??计误差的均值始终为零。而本文提出的Ｋ－Ｓｙｎｃ算法在待同步节点静止的场景下??需要一定次数的迭代，估计误差的均值才接近零，因为卡尔曼是一个不断迭代的??过程。??对于估计误差的方差，三种算法的估计误差随着交互次数的增加而不断降??低，在足够多次同步消息交互后，都能达到较高的同步精度。然而Ｋ－Ｓｙｎｃ算法??在交互次数达到１５次之后，归一化时钟频率估计误差的方差已经趋于一个稳定??值，而ＭＵ－Ｓｙｎｃ和Ｄ－Ｓｙｎｃ算法随着交互次数增加缓慢减少，这是由算法自身的??特性决定的，线性回归的方法在数据越多时可以得到更高的精度，而仿真中??Ｋ－Ｓｙｎｃ的系统方程始终使用同一个误差协方差，收敛速度和收敛速度无法兼顾，??需要使用自适应的方法以提高精度。??３２

考虑水下被动节点最大移动速度１．６７ｍ／ｓ［３９］，并且速度值不会有太大波动，??所以设置待同步节点相对参考节点的移动速度分别为１．６７ｍ／ｓ和０．５ｍ／ｓ，叠加零??均值方差为Ｏ．ｌｍ／ｓ的高斯噪声。仿真得到归一化时钟频率误差如图３－３所示：??３．５?ｒＸ１０＂６??３?－?—??２．５?＝?￣?￣?—??丄丄丄??丄?丄??２?－??＿?丁????班?—Ｊ—?ＭＵ－Ｓｙｎｃ??勝?１５?＂?—Ｉ—Ｄ－Ｓｙｎｃ??１?ｔ?－＾－Ｋ－Ｓｙｎｃ??＿?０．５?－?Ｔ??Ｉ?Ｔ?Ｔ?Ｔ?Ｔ?Ｔ??■°－５－——：：——Ｊ——Ｉ——Ｊ——Ｉ——±——Ｉ??－１?－?一??＿１．５?１?１?１??５?１０?１５?２０??同步消息交互次数??图３－３带噪声匀速运动条件下归一化时钟频率估计误差??累积时钟偏移的估计误差如图３－１所示：??３３??


本文编号：3365280