基于WSNs数据融合的低功耗动态分簇方案研究

发布时间：2020-07-04 19:37

【摘要】：无线传感器网络(Wireless Sensor Networks,WSNs)主要用来对监测区域的信息进行协同感知与处理。传感器节点的能量有限,当监测区域较为偏远或危险时不便于更换节点。此外,多个传感器节点对同一区域采集的数据可能会存在较多的冗余信息,不仅会影响通信开销还会消耗大量的能量。因此,解决WSNs中的能耗问题有重要的应用价值。数据融合技术通过特征提取或数据压缩等方法去除网络中的冗余信息,减少传输数据量,提高数据收集的效率。在分簇的结构中进行数据融合能够提高信道利用率,均衡网络能耗。为了解决已有分簇方案选取簇头的方法考虑因素单一的问题,本文利用模糊逻辑,引入多种影响能耗的因素综合进行簇头的选取,延长网络的使用寿命。论文的主要工作内容归纳为以下三个方面:(1)首先分析和比较了低功耗自适应分簇算法(Low Energy Adaptive Clustering Hierarchy,LEACH)和基于异构网络设计的分布式能量有效成簇算法(Distributed Energy-Efficient Clustering Algorithm,DEEC)的主要思想和特点,通过实验重点研究了节点的初始能量、节点规模和基站位置这些因素对于LEACH和DEEC算法产生的影响。(2)改进了 LEACH分簇算法,采用模糊逻辑的方法,考虑节点剩余能量、节点相对密度和节点到基站的相对距离自适应地选择最佳簇头节点,以延长网络的存活时间。通过仿真实验分析了节点初始能量等不同因素的影响情况并与LEACH进行对比,实验表明采用模糊逻辑的LEACH分簇算法比传统LEACH算法更能均衡网络的能量消耗,有效延长网络使用寿命。(3)将模糊逻辑引入到异构网络的DEEC分簇算法中,对DEEC进行改进,考虑节点的分布密度和节点到基站的相对距离进行自适应动态簇头的选择。通过实验对不同因素的影响情况进行分析,结果表明改进后的DEEC分簇算法能够均衡网络的能耗,有效延长网络的生存时间,从而确保数据融合的精准性,有效提升网络性能。综上所述,本文改进了传统LEACH算法和异构网络的DEEC算法,采用模糊逻辑,在考虑各节点能量的同时,引入节点的相对密度和节点到基站的相对距离等因素,进行簇头的自适应选择。实验结果表明,本文改进后的两种方案有效均衡了网络的能耗,延长了网络的生命周期。
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN929.5;TP212.9
【图文】：

生成树,数据融合,节点

无线传感器网络相关技术概述逡逑的。基于生成树的数据融合节点通过反向组播树的形式从各处的传感器节点感知逡逑的数据进行融合，如图２－１所示。反向组播树上的每一中间节点都对感知数据进行逡逑融合，因此，能得到最大限度的融合。目前己有的算法有最短路径树（ＳｈｏｒｔｅｓｔＰａｔｈｓ逡逑Ｔｒｅｅ，邋ＳＰＴ）、最近源中心算法（Ｃｅｎｔｅｒ邋ａｔ邋Ｎｅａｒｅｓｔ邋Ｓｏｕｒｃｅ，ＣＮＳ）和贪婪增量树（Ｇｒｅｅｄｙ逡逑Ｉｎｃｒｅｍｅｎｔ邋Ｔｒｅｅ，邋ＧＩＴ）算法。ＳＰＴ的思想就是每一个节点都沿着到达基站的最短路径逡逑进行发送数据，这些路径形成融合树。ＣＮＳ算法的主要思想是选择距离基站最近逡逑的一个传感器节点，所有的其他节点感知到的数据都发送给这个节点，再通过这个逡逑节点将融合后的数据传输给基站。ＧＩＴ首先选择距离基站最近的一个节点，二者建逡逑立一条最短路径，之后的每一步都从剩下的节点中选择距离这条路径最近的节点逡逑加入到该树中

分族,数据融合,节点

【参考文献】