无线传感器网络中信道分配方法的研究

发布时间：2017-03-26 03:07

  本文关键词：无线传感器网络中信道分配方法的研究，由笔耕文化传播整理发布。

【摘要】：无线传感器网络使用大量的传感器节点作为网络节点建立非集中式的架构,是一个具有大规模、自组织特点的网络系统。传感器节点通过协作的方式将收集到的数据传输给用户,集数据采集、节点数据处理和节点间无线通信功能于一身,可以实现对监测区域的数据收集、处理。在无线传感器网络中,传感器节点数据传输时会受到不同程度的干扰,这种干扰包括来自周围环境的噪声干扰,还包括节点之间的信号相互干扰。因此如何进行信道的分配是一个重要的问题。本文分析了无线传感器网络信道分配问题的国内外研究现状,综合考虑了多种启发式算法的优劣,提出了一种传统信道分配算法和两种基于群智能优化的信道分配算法。传统的信道分配算法为基于收发分离的多信道MAC协议,两种基于群智能优化的算法即离散蝙蝠算法和二进制布谷鸟算法。收发分离的多信道MAC协议改进了传感器物理模型,将节点的收发单元进行分割,变成独立的信号接收单元和信号发射单元两部分,并将缓存Cache模块加入传感器节点。这种改进可以保证接收节点在睡眠状态也可以接收数据,从而提高信道的利用率,同时减少节点的能量消耗。进一步将SSCH信道分配算法的思想结合到协议中,有效地解决了三种隐终端问题,降低数据传输延迟。离散蝙蝠算法包含以下内容:1.离散化处理。无线传感器网络的信道分配问题的解空间是离散的,需要采用映射的方式将连续的空间点映射成离散的空间点,以此实现算法的离散化。2.初始解的优化。采用logistic混沌模型对初始解进行变换,使初始解具有一定的随机性,以保证分布的均衡性,改善了由于初始解不均衡导致求解精度不够的问题。3.增强局部搜索。为了解决启发式算法容易陷入局部最优解的普遍性问题,算法采用了前期大半径搜索方式,以最大化的找到所有极值,后期进行小半径搜索,增强了对最优解求解能力。二进制布谷鸟算法包含以下内容:1.二进制化。在原始布谷鸟算法的基础上,优化了位置的编码与位置的更新方法,鸟巢的位置改由二进制编码组成;鸟巢的位置更新采用莱维飞行,并将其通过特定映射方式转换成变换的概率计算,即位变量取0或者取1的概率。2.Lévy飞行的映射。为了使二进制布谷鸟搜索算法既有很强的收敛性又有很强的全局多样性,将Kennedy更新公式和Liu等人提出的更新公式进行结合,产生了新的混合位置更新公式。3.改进搜索机制。传统的鸟蛋淘汰机制具有一定局限性,本文弃用原始的产生鸟蛋的方法,将遗传算法中的交叉思想应用到布谷鸟算法,通过交叉获得新的鸟蛋的位置。基于上述修改过的算法,本文在Matlab环境下进行了相应的仿真实验,来分别对比本文算法和传统遗传算法、二进制粒子群算法等算法在无线传感器信道分配问题上的性能对比。将提出的CSMAC协议在网络吞吐量、能量消耗和数据传输延迟三方面与传统的多信道MAC协议进行对比分析,实验结果证明CSMAC具有更好的网络性能。离散蝙蝠算法采用的对比实验环境是Philadelphia benchmark,其为经典的测试信道分配问题性能的实验环境。二进制布谷鸟算法的实验环境是3*3的网状结构和salama模型两种,不同的实验环境可以使得实验的结果更具有一般性。经过仿真实验的测试,实验结果表明蝙蝠算法在初始种群适应度、最优收敛率和收敛速度上均优于对比的传统遗传算法和改进的遗传算法。二进制布谷鸟算法的实验也发现其在吞吐量和收敛速度以及网络容量方面优于BPO和BPSO。
【关键词】：WSN 信道分配 蝙蝠算法 布谷鸟算法
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18;TP212.9;TN929.5
【目录】：

• 摘要4-6
• Abstract6-14
• 第1章 绪论14-24
• 1.1 无线传感器网络（WSN）简介14-16
• 1.1.1 无线传感器网络结构14-15
• 1.1.2 无线传感器网络的特点15-16
• 1.1.3 无线传感器网络的应用领域16
• 1.2 无线传感器网络信道干扰问题16-17
• 1.2.1 同信道间的干扰17
• 1.2.2 重叠信道间的干扰17
• 1.3 无线传感器网络多信道通信概述17-19
• 1.3.1 多信道通信的优势17-18
• 1.3.2 多信道通信的问题18-19
• 1.4 典型的WSN信道分配算法19-21
• 1.5 现代智能算法优化的信道分配方法21-22
• 1.6 本文的主要贡献与结构安排22-24
• 1.6.1 本文的主要贡献22
• 1.6.2 结构安排22-24
• 第2章 基于收发分离的多信道MAC协议24-34
• 2.1 多信道MAC协议24
• 2.2 MAC协议分析24-26
• 2.3 基于收发分离的CSMAC协议26-30
• 2.3.1 三重隐终端问题的产生原因26-27
• 2.3.2 CSMAC协议传感器结构27-28
• 2.3.3 信道选择策略28-29
• 2.3.4 多信道MAC协议关键问题解决策略29
• 2.3.5 基于CSMAC的数据传输过程29-30
• 2.4 仿真实验30-33
• 2.4.1 参数设置30-31
• 2.4.2 网络吞吐量31-32
• 2.4.3 能量消耗32
• 2.4.4 数据传输延迟32-33
• 2.5 本章小结33-34
• 第3章 基于离散蝙蝠算法的WSN信道分配算法34-50
• 3.1 离散蝙蝠算法34-37
• 3.1.1 传统蝙蝠算法介绍34-36
• 3.1.2 蝙蝠算法的离散化36
• 3.1.3 蝙蝠算法优点36-37
• 3.2 基于混沌理论的初始解优化37-38
• 3.3 局部搜索38
• 3.3.1 传统蝙蝠算法搜索方案的局限性38
• 3.3.2 本文环境中对搜索方案的优化38
• 3.4 基于改进蝙蝠算法的信道分配方案38-43
• 3.4.1 信道分配问题模型38-40
• 3.4.2 benchmark问题40-41
• 3.4.3 最小间隔编码方案41-42
• 3.4.4 适应度评价函数42
• 3.4.5 改进的离散化蝙蝠算法42-43
• 3.5 蝙蝠算法参数优化43-46
• 3.5.1 蝙蝠算法中种群的蝙蝠数量d的确定43-45
• 3.5.2 蝙蝠算法中搜索半径调节因子a的确定45
• 3.5.3 蝙蝠算法中响度因子a的确定45-46
• 3.6 实验与分析46-49
• 3.6.1 benchmark参数设置46-47
• 3.6.2 初始种群适应度比较47-48
• 3.6.3 最优解收敛率比较48
• 3.6.4 收敛速度比较48-49
• 3.7 本章小结49-50
• 第4章 基于二进制布谷鸟算法的WSN信道分配算法50-75
• 4.1 布谷鸟算法基本原理50-53
• 4.1.1 布谷鸟搜索算法背景50
• 4.1.2 Lévy飞行50-51
• 4.1.3 布谷鸟寻找鸟巢的路径和位置的更新51-53
• 4.2 布谷鸟算法的离散与映射方法53-57
• 4.2.1 二进制布谷鸟算法简介及位置编码方式53
• 4.2.2 基于Lévy飞行的映射方法53-56
• 4.2.3 改进的鸟蛋淘汰机制56-57
• 4.3 基于改进布谷鸟算法的信道分配方案57-63
• 4.3.1 系统模型57-59
• 4.3.2 基于布谷鸟算法的信道分配59-63
• 4.4 布谷鸟算法的参数优化63-68
• 4.4.1 测试函数64
• 4.4.2 基于种群数量变化的影响64-65
• 4.4.3 三种参数共同变化的影响65-68
• 4.5 基于改进布谷鸟算法的信道分配方案场景一68-71
• 4.5.1 参数设置68-69
• 4.5.2 吞吐量分析对比69-70
• 4.5.3 收敛速度对比70
• 4.5.4 信道数目与网络容量关系70-71
• 4.6 基于改进布谷鸟算法的信道分配方案场景二71-74
• 4.6.1 参数设置71
• 4.6.2 吞吐量分析对比71-72
• 4.6.3 收敛速度对比72-73
• 4.6.4 信道数目与网络容量关系73-74
• 4.7 本章小结74-75
• 第5章 总结与展望75-77
• 5.1 工作与总结75-76
• 5.2 问题与展望76-77
• 参考文献77-79
• 作者简介及在学期间所取得的科研成果79-80
• 致谢80

【参考文献】

中国期刊全文数据库 前6条

1 刘耀中;余旭涛;;基于遗传算法的多信道无线网络信道分配方案[J];计算机工程;2013年06期

2 杨卓静;孙宏志;任晨虹;;无线传感器网络应用技术综述[J];中国科技信息;2010年13期

3 李建中;高宏;;无线传感器网络的研究进展[J];计算机研究与发展;2008年01期

4 马祖长,孙怡宁,梅涛;无线传感器网络综述[J];通信学报;2004年04期

5 任丰原,黄海宁,林闯;无线传感器网络[J];软件学报;2003年07期

6 李满林,王玉娜,杜雷,王光兴;蜂窝网络中基于遗传算法的信道分配[J];东北大学学报;2003年03期

中国博士学位论文全文数据库 前2条

1 张伟;面向精细农业的无线传感器网络关键技术研究[D];浙江大学;2013年

2 刘建华;粒子群算法的基本理论及其改进研究[D];中南大学;2009年

中国硕士学位论文全文数据库 前2条

1 李艳莉;无线传感器网络中信道管理的研究[D];吉林大学;2014年

2 王玉婧;基于粒子群优化的无线Mesh网络信道分配算法研究[D];云南大学;2014年

  本文关键词：无线传感器网络中信道分配方法的研究，由笔耕文化传播整理发布。

，

本文编号：268177