无线传感网络数据处理研究与应用
发布时间：2022-01-01 02:15
为了改进WSN（Wireless Sensor Network,无线传感网络）中的能量消耗、生命周期和拥塞程度,针对数据采集、数据传输、数据融合三个方面,分别提出了不同的算法。在数据采集方面提出了WSN中通过感知节点将采集的数据汇聚到锚节点,再传给移动汇聚节点的方法。重点研究了锚节点的选择,使得移动汇聚节点到锚节点的距离最短,以此来降低数据传输的能量消耗。考虑到传感器节点的数据融合中节点能量不平衡的问题,以及经常被忽略的空间问题,提出了一种HLSA（Heuristic-List Search Algorithm,启发式-列表搜索算法）,先选出合适的备用锚节点,再根据备用锚节点的剩余能量和与节点间步长的权重选出最终锚节点,从空间层面规划锚节点到移动汇聚节点的最短路径;在数据传输方面提出了LSBDACA算法（Large Scale Wireless Sensor Network Based Distributed Ant Colony Algorithm,分布式蚁群算法）,将大规模的问题划分成多个同样的小规模问题,分而治之求得最优解,最后整合最优解得到整个网络的最佳路由路径;在数据融合方面...
【文章来源】：南京邮电大学江苏省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
系统网络模型
电大学专业学位硕士研究生学位论文 第三章 分布式蚁群算法在数据传输中的应分布式蚁群算法概述蚁群算法是最实用的群体智能算法之一。优化算法的灵感来自蚂蚁觅食的行为模式[48] 3.1。蚂蚁觅食时，假设巢穴到食物的路径是条直线，那么蚂蚁将沿着直线行走。如果出现了障碍物，那么蚂蚁在这条路径上需要作出决定，到底是沿着左边行走还是右边由于一开始蚂蚁行走的时候没有留下信息素（信息素是蚂蚁之间交流的工具），蚂蚁和朝右走的概率是相同的。之后的蚂蚁在行走时会留下信息素，信息素会随着时间挥发越短的路径上的信息素挥发的越慢，信息素浓度越高，后面的大部分蚂蚁会选择信息高的路径走，这个路径可以近似看成是K型曲线。蚁群算法的时间复杂度是 ()2ONmnc ，cN 是迭代次数（即信息素更新次数），m为蚂蚁数目，n为经过节点个数，计算量在每个蚂蚁的过程中构造一个解。
做的就是优化这个问题。在新的信息素更新之后，源节点和目的节点可以，路由信息基于存储的跳数和蚂蚁数，根据信息素浓度，筛选出适当的路蚁群算法解析大规模 WSN 为研究对象，将其建模为无向图 G (V ,P)，来表示双向通信点的集合，P 表示任意两个相邻节点之间的路径集合。以图 3.2 为例，对于点之间的路径集合为（12v v，15v v，16v v）。源节点到目的节点的路量为权重因子的有序节点组成。带有一个源节点1v 和目的节点nv 的网络设集合，用nP 来代表这个集合，具有蚁群行为的 K 型路径用kP （knP P） 中的一些按顺序排列布置的路径组成。
【参考文献】：
期刊论文
[1]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[2]大数据融合研究:问题与挑战[J]. 孟小峰,杜治娟. 计算机研究与发展. 2016(02)
[3]低占空比无线传感器网络中基于动态切换的实时路由协议[J]. 陈权,高宏. 通信学报. 2015(10)
[4]基于蚁群系统的WSN能量均衡多路径路由协议[J]. 肖铖,孙子文. 计算机工程与设计. 2015(07)
[5]基于深度学习的无线传感器网络数据融合[J]. 邱立达,刘天键,傅平. 计算机应用研究. 2016(01)
[6]基于稀疏滤波的无线传感器网络数据融合[J]. 邱立达,刘天键,傅平. 电子测量与仪器学报. 2015(03)
[7]无线传感器网络综述[J]. 胡志鹏,李庆,王枢,周梓鑫. 电子制作. 2014(09)
[8]新疆特色农业中基于物联网技术的WSN应用[J]. 胡春玲,叶峰,吴霞. 中国高新技术企业. 2014(13)
[9]判别分析与Logistic回归组合分类[J]. 尹剑,陆程敏,杨贵军. 数理统计与管理. 2014(02)
[10]基于移动sink的无线传感器网络数据采集方案[J]. 郭剑,孙力娟,许文君,王汝传,肖甫. 通信学报. 2012(09)
博士论文
[1]无线传感器网络中移动汇聚节点的线路规划[D]. 唐继强.重庆大学 2016
[2]无线传感器网络路由协议及数据融合技术研究[D]. 郭新.华南理工大学 2013
[3]无线传感器网络剩余能量实时监测方法研究[D]. 成小良.清华大学 2010
硕士论文
[1]无线传感器网络中基于神经网络的数据融合算法的研究[D]. 朱晓男.吉林大学 2016
本文编号：3561454
【文章来源】：南京邮电大学江苏省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
系统网络模型
电大学专业学位硕士研究生学位论文 第三章 分布式蚁群算法在数据传输中的应分布式蚁群算法概述蚁群算法是最实用的群体智能算法之一。优化算法的灵感来自蚂蚁觅食的行为模式[48] 3.1。蚂蚁觅食时，假设巢穴到食物的路径是条直线，那么蚂蚁将沿着直线行走。如果出现了障碍物，那么蚂蚁在这条路径上需要作出决定，到底是沿着左边行走还是右边由于一开始蚂蚁行走的时候没有留下信息素（信息素是蚂蚁之间交流的工具），蚂蚁和朝右走的概率是相同的。之后的蚂蚁在行走时会留下信息素，信息素会随着时间挥发越短的路径上的信息素挥发的越慢，信息素浓度越高，后面的大部分蚂蚁会选择信息高的路径走，这个路径可以近似看成是K型曲线。蚁群算法的时间复杂度是 ()2ONmnc ，cN 是迭代次数（即信息素更新次数），m为蚂蚁数目，n为经过节点个数，计算量在每个蚂蚁的过程中构造一个解。
做的就是优化这个问题。在新的信息素更新之后，源节点和目的节点可以，路由信息基于存储的跳数和蚂蚁数，根据信息素浓度，筛选出适当的路蚁群算法解析大规模 WSN 为研究对象，将其建模为无向图 G (V ,P)，来表示双向通信点的集合，P 表示任意两个相邻节点之间的路径集合。以图 3.2 为例，对于点之间的路径集合为（12v v，15v v，16v v）。源节点到目的节点的路量为权重因子的有序节点组成。带有一个源节点1v 和目的节点nv 的网络设集合，用nP 来代表这个集合，具有蚁群行为的 K 型路径用kP （knP P） 中的一些按顺序排列布置的路径组成。
【参考文献】：
期刊论文
[1]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[2]大数据融合研究:问题与挑战[J]. 孟小峰,杜治娟. 计算机研究与发展. 2016(02)
[3]低占空比无线传感器网络中基于动态切换的实时路由协议[J]. 陈权,高宏. 通信学报. 2015(10)
[4]基于蚁群系统的WSN能量均衡多路径路由协议[J]. 肖铖,孙子文. 计算机工程与设计. 2015(07)
[5]基于深度学习的无线传感器网络数据融合[J]. 邱立达,刘天键,傅平. 计算机应用研究. 2016(01)
[6]基于稀疏滤波的无线传感器网络数据融合[J]. 邱立达,刘天键,傅平. 电子测量与仪器学报. 2015(03)
[7]无线传感器网络综述[J]. 胡志鹏,李庆,王枢,周梓鑫. 电子制作. 2014(09)
[8]新疆特色农业中基于物联网技术的WSN应用[J]. 胡春玲,叶峰,吴霞. 中国高新技术企业. 2014(13)
[9]判别分析与Logistic回归组合分类[J]. 尹剑,陆程敏,杨贵军. 数理统计与管理. 2014(02)
[10]基于移动sink的无线传感器网络数据采集方案[J]. 郭剑,孙力娟,许文君,王汝传,肖甫. 通信学报. 2012(09)
博士论文
[1]无线传感器网络中移动汇聚节点的线路规划[D]. 唐继强.重庆大学 2016
[2]无线传感器网络路由协议及数据融合技术研究[D]. 郭新.华南理工大学 2013
[3]无线传感器网络剩余能量实时监测方法研究[D]. 成小良.清华大学 2010
硕士论文
[1]无线传感器网络中基于神经网络的数据融合算法的研究[D]. 朱晓男.吉林大学 2016
本文编号：3561454
本文链接：https://www.wllwen.com/kejilunwen/wltx/3561454.html
