无线传感器网络的压缩数据收集方法研究

发布时间：2020-08-28 10:10

　　无线传感器网络(Wireless Sensor Network,WSN)是由部署在监测区域内的大量微型传感器节点组成,通过无线通信方式形成的一个多跳自组织网络系统。它可以很方便地在各种复杂环境下进行本地信号的采集,并将数据发送给汇聚节点(Sink)或基站,以实现对现场的实时监测。无线传感器网络是未来物联网的基石,数据收集是无线传感器网络首要的目标。由于传感器网络采集的数据具有时空相关性,并且传感器节点资源有限、汇聚节点功能强大,非常适合压缩感知(Compressed Sensing,CS)理论的应用,因而,研究基于压缩感知的无线传感器网络数据收集方法具有重要的理论价值和实际意义。无线传感器网络的压缩数据收集基于压缩感知理论,目前压缩数据收集的一般方法是通过随机产生的M个投影节点收集M个加权测量值来重构原始信号。该方法存在的问题是:首先,投影节点选择的随机性,使网络中投影节点分布不均匀,导致传感器节点与对应的投影节点距离不定、投影节点到Sink距离不均,造成整个网络耗能不均衡。其次,通过投影节点收集数据增加了系统的能耗,包括选择投影节点、以投影节点为簇头成簇、投影节点再经路由传送数据到Sink的耗能,缩短了网络生存期。另外,测量矩阵是贯穿压缩数据收集过程的关键问题,现有的测量矩阵存在随机性较大、硬件不易实现等问题。针对上述压缩数据收集中投影节点的选择、联合路由的建立、测量矩阵的构造等方面的问题,本文开展的主要研究如下:1、针对大规模WSN中投影节点选择随机、位置不均衡的问题,提出基于均衡投影的压缩数据收集方法。(1)针对节点均匀分布的WSN,提出基于空间位置的均衡分簇法。将监测区域划分成大小相等的网格,每个网格根据网格内节点的剩余能量和该节点到Sink的距离两方面来考察,选择最优的节点作为投影节点。其它节点根据最短距离原则,找到与之距离最近的簇头形成簇。通过与随机投影节点方法的MATLAB仿真比较,该方法保证了投影节点的位置均衡,降低了网络能耗,比随机投影节点法的网络寿命延长了约25%。(2)针对节点分布不均匀的WSN,由于采用基于位置的均衡分簇法在节点分布密度稀疏的网格上耗能较大,提出基于节点分布密度的均衡分簇法。该方法在划分网格的基础上,将网格中节点密度低于某个阈值的区域的节点加入到邻近的簇。因而通过网格保证了投影节点位置的均衡、通过节点密度保证了成簇的均衡,从而减少了簇头的选举和数据的传送,均衡了能耗,延长了网络寿命。通过与随机投影节点方法在同样节点布置的网络的仿真比较,该方法在每轮的剩余节点数明显较多,运行状态优良,网络生存期延长了约27%。并研究了节点数、区域大小、压缩比、密度阈值等参数对网络能耗的影响,通过MATLAB仿真显示出基于节点密度均衡分簇法的性能明显优于随机投影节点方法和随机游走方法。2、针对小规模WSN中,采用投影节点产生额外能耗的问题,提出基于极坐标的压缩数据收集方法,该方法采用极坐标进行节点定位,建立链式结构形成路由,应用随机投影完成压缩数据收集,称为随机投影-极坐标-链路由(Random projection-Polar coordinate-Chain routing,RPC)方法。(1)采用虚拟极坐标对节点进行定位。在无线传感器网络中,Sink是数据收集的中心,以Sink作为极点,通过极坐标可以明确每个节点相对Sink的方位,便于按一定条件搜索节点。(2)采用链路由的拓扑结构。从距离Sink最远的节点开始,沿着越来越靠近Sink的方向形成一条链。由链尾的节点作为簇头,从而由该节点可将采集数据的加权和一跳传递给Sink。并且链路由通过贪婪算法建立,比树结构的耗能和复杂度都明显降低。RPC方法摈弃了选择投影节点的方法,而由非0系数节点自然形成簇头,从而减少了选举投影节点的耗能、建立树路由的耗能,并且使得整个网络能耗均衡。(3)对规模较小的网络,采用结合极径和极角的四象限链路由方法;对规模较大的网络,采用扇区和内圆结合的路由算法。根据随机投影理论,每个分区内对应测量矩阵每一行的随机投影的加权和通过链路由传送到Sink,Sink收集到各个分区的全部测量值,就可完成信号的重构。该方法通过按极径和极角分区搜索形成路由,避免了距离相隔较远的节点间的路线来回迂回,降低了网络的能耗。通过RPC方法和MSTP、GEM、PEGASIS等相关方法的比较,以及不同类型路由的仿真实验,显示基于极径的路由能耗是四象限路由能耗的2~3倍,基于极角的路由能耗是四象限路由能耗的1.2倍左右,在不同规模下本文方法的能耗都较其它三种方法低,表明所提的两种方法都能有效降低网络能耗。3、针对WSN压缩数据收集中测量矩阵硬件不易实现的问题,提出了一种双结构测量矩阵的构造方法。基于压缩感知和稀疏随机投影的理论,将两种不同类型的矩阵整合成一个新矩阵,构建了一种新型的“单位阵+随机方阵”的双结构测量矩阵,使用此测量矩阵可得到比单纯应用随机测量矩阵更低的重构误差。同时进一步提出了一种分帧重叠重构的方法,去除测量矩阵中因单位阵引起的较大误差部分,保证了对整个信号重构的稳定性。将此方法应用于对WSN信号和语音信号的压缩重构,经MATLAB仿真实验比较,比采用随机测量矩阵的重构信号的信噪比增加了约10dB,重构性能得到显著提高。
【学位单位】：太原理工大学
【学位级别】：博士
【学位年份】：2018
【中图分类】：TP212.9;TN929.5
【部分图文】：

节点结构,传感器

图 1-2 传感器节点结构Fig.1-2 The structure of sensor node感知模块通常由传感器和模/数转换器组成，负责监测区域的信息采集和信号转换。处理模块包括处理器和存储器两部分，负责管理各个传感器节点的信息采集、存储、通信等规程。通信模块负责与其他传感器节点进行无线通信、信息交换和数据收发。无线通信的传输媒介为射频、超声波或光波。能量供应模块提供节点正常工作所需要的能量，一般由电池供电，同时，为了实现传感器有限能量的最大化使用，还配备有能量管理模块[10]。可见，传感器节点存在电源能量有限、通信能力有限、计算和存储能力有限的约束。因此，如何使节点能量最大化，如何设计有效的网络无线通信机制以满足网络所需的通信条件，如何利用有限计算和存储资源来完成诸多协同工作任务都是无线传感器网络设计中要考虑的重要问题。而如何高效节能是无线传感器网络面临的首要挑战。无线传感器网络的通信协议栈如图 1-3 所示。与互联网协议栈的五层协议相对应，

无线传感器网络,协议栈

图 1-3 无线传感器网络协议栈Fig. 1-3 The protocol stack of sensor networks1.2.2 无线传感器网络的能耗在大多数应用中，WSN 节点的生存周期受到诸多限制[6]。WSN 节点一般部署在人类不可达或无法更换电池的环境下，由于节点成本、尺寸等外在因素的限制，电池能源有限。智能微尘电池的容量是 33mAh，仅相当于一个 5 号电池的容量。Micaz 和 Mica2节点使用两节 AA 电池，节点的容量被限制在 1400-3400mAh 之间。类似地，最新的SunSPOT 平台使用一个 750mAh 的锂-铁电池，可以通过能源转化技术，即从自然环境中获取能源的技术，延长 WSN 的生存期。2002 年加州大学洛杉矶分校著名学者Deborah Estrin 在 MobiCom 会议上的特邀报告中对传感器节点各组成部分的能耗情况进行了描述，如图 1-4 所示。

能量消耗,节点,传感器,电池

图 1-3 无线传感器网络协议栈Fig. 1-3 The protocol stack of sensor networks.2 无线传感器网络的能耗在大多数应用中，WSN 节点的生存周期受到诸多限制[6]。WSN 节点一般可达或无法更换电池的环境下，由于节点成本、尺寸等外在因素的限制限。智能微尘电池的容量是 33mAh，仅相当于一个 5 号电池的容量。Micaz使用两节 AA 电池，节点的容量被限制在 1400-3400mAh 之间。类似地SPOT 平台使用一个 750mAh 的锂-铁电池，可以通过能源转化技术，即从取能源的技术，延长 WSN 的生存期。2002 年加州大学洛杉矶分校orah Estrin 在 MobiCom 会议上的特邀报告中对传感器节点各组成部分的了描述，如图 1-4 所示。

【相似文献】