基于SDN的无线传感网负载均衡与异常检测研究

发布时间：2020-04-23 06:14

【摘要】：无线传感器网络是由多个传感器节点构成的自组织无线网络系统,它从周围环境采集信息,并将采集到的信息以多跳中继方式发送到汇聚节点或基站。由传感、数据处理、通信和电源子系统构成的传感器节点是无线传感器网络的关键组件,由于传感器节点能量有限,一旦能量耗尽很难及时补充,所以就需要在进行无线传感器网络路由协议研究或进行传感器网络部署时着重考虑能耗问题,使得节点能在较长的时间内保持正常的工作能力。此外,节点作为数据采集的主要设备,一旦其发生故障就会采集发送有误数据,作为能耗受限的设备,如何在节省能耗的同时高效地检测出异常数据也需要深入研究。传统网络架构紧耦合,无法灵活地实现路由协议等的更新。软件定义网络将传统紧耦合架构进行解耦,使控制平面和数据平面分离开来,更好地实现整个网络的灵活可控,为此在无线传感器网络中引入了这种新型的网络架构。本文基于软件定义网络,对无线传感器网络节点的能耗有限,整个网络的生命周期较短,以及因传感器节点故障采集有误信息,使决策者做出不准确的决定进行理论分析和算法研究。本文的主要研究内容如下:针对无线传感器网络节点能量受限和负载不平衡问题,提出了一种基于邻域子空间协作的多径负载均衡路由算法。在基于软件定义网络的无线传感器网络架构中,有普通传感器节点和软件定义的传感器节点。首先,感知节点采用单位圆模型,算法将节点一跳邻域靠近基站区域内的节点划分在不同区域中,根据实验可知,多路径路由通过三条路径进行转发是最佳的。为此将节点划分在三个区域,再采用改进的粒子群优化算法,以最短距离和最小能耗为优化目标,设计一个适应度函数来寻找每个区域中的最优节点作为中继节点,找到三条转发路径,将负载按比例分配给每条路径,通过三条不同路径并行转发数据。减少了单个节点的负载,降低了节点本身的能耗,提高了整个网络的性能,延长了网络的生命周期。由于节点故障而使无线传感器网络收集的数据是异常的,这使得无线传感器网络应用系统的可靠性较低,为此提出了一种基于聚类的分布式异常数据检测算法。该算法基于一种上下两层的分布式架构实现,底层采用K-means算法思想,结合改进的粒子群优化算法,将欧氏距离作为类内聚类的指标设计适应度函数;上层类间通过KNN算法进行集中式异常类检测,之后将异常类信息下发至所有节点,节点通过将自身数据向量与异常类数据向量进行对比来检测出异常数据。该分布式聚类算法执行类内与类间聚类两个步骤,检测精度很高,误检率很低,并且在底层聚类的过程中,向上层父节点逐次发送信息时发送的是主要信息,所以整个网络的通信开销整体减小。最后,通过MATLAB仿真软件,对所提算法进行仿真实验并进行结果对比分析;实验结果表明:基于软件定义网络的无线传感器网络均衡负载算法,在网络能耗和均衡负载等方面与现有算法相比都表现出更好的性能;基于软件定义网络,采用分布式架构进行无线传感器网络异常数据检测的算法,有很高的检测准确率和很低的误检率,同时网络通信开销也较低。
【图文】：

实物,节点,传感器,能耗

基于SDN 的无线传感网负载均衡与异常检测研究能量主要在无线通信模块中消耗，即数据传输过程。在中，重点关注单个节点的能耗和整个网络的能耗均衡，的出发点。目前已有多种传感器节点的硬件平台，，依据点上各个模块采用现成商用产品的 Commercial Off-Th开发成本低且周期短，所以使用较多；第二类是只采用 System On Chip（SOC）节点，此类节点开发都是为一有一类是在军事领域应用较多的体积很小的微型节点。图 2.3 所示。

曲线,粒子群算法,适应度函数,收敛性

基于SDN 的无线传感网负载均衡与异常检测研究的参数进行仿真实验。在 δ 取值为 0.2，ε 取值为 0适应度函数值的收敛曲线如图 3.5 所示，从图中可后收敛。因此，我们将改进粒子群算法的最大迭代次
【学位授予单位】：兰州交通大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP212.9;TN929.5

【相似文献】