无线传感器网络中基于时空相关性的数据预测技术研究

发布时间：2017-04-29 15:09

  本文关键词：无线传感器网络中基于时空相关性的数据预测技术研究，由笔耕文化传播整理发布。

【摘要】：无线传感器网络(Wireless Sensor Networks,WSNs)中节点受限于自身体积,所携带的能量有限,因此如何降低节点能耗是WSNs在实际应用中亟需解决的问题,而且数据的传输能耗占节点能耗的主要部分。在大规模密集部署的WSNs中,节点所采集的数据具有较强的时空相关性,这使得利用时空相关性进行精确的数据预测,减少数据传输量,降低数据传输的能耗,延长网络生命周期成为了可能。本文深入地研究了WSNs中数据预测技术的原理、特点和性能指标,结合网络中数据的时空相关性,提出了两种数据预测算法:基于马尔科夫链的空间相关性数据预测算法和自适应时间相关性数据预测算法。本文研究内容主要有以下两部分:(1)基于马尔科夫链的空间相关性数据预测算法研究。针对目前主流的时间相关性数据预测算法在数据波动大时预测精度低的问题,本文引入Delaunay三角形邻近图来度量网络中监测数据的空间相关性,并根据相邻节点间的距离计算网络中监测数据的空间相关性权重系数。最后利用马尔科夫过程准确描述WSNs中相邻节点间监测数据的变化过程,提出基于马尔科夫链的空间相关性数据预测算法。该算法运行在簇头和汇聚节点内,利用簇内成员节点间数据的空间相关性减少簇头和汇聚节点间的数据传输量。(2)自适应时间相关性数据预测算法研究。本文分析了无线传感器网络中数据的时间相关性,将数据分解为线性变化部分和非线性变化部分。对非线性变化部分数据使用灰色预测模型进行预测,提出了自适应时间相关性数据预测算法。该算法运行在簇内成员节点和簇头,利用节点内数据的时间相关性降低成员节点与簇头间的数据传输量。本文最后将以上两种算法相结合,构成自适应时空数据预测算法,并在网络中对其节能效果进行了仿真实验。实验结果表明,相比其他的数据预测算法,可有效提高数据预测精确度,降低网络内的数据传输量,延长网络的生命周期。
【关键词】：无线传感器网络 数据预测 时空相关性 灰色预测 马尔科夫链
【学位授予单位】：河北工程大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP212.9;TN929.5
【目录】：

• 摘要6-7
• Abstract7-11
• 第1章 绪论11-22
• 1.1 研究背景11-18
• 1.1.1 无线传感器网络概述11-12
• 1.1.2 无线传感器网络的发展12-13
• 1.1.3 无线传感器网络的应用13-14
• 1.1.4 无线传感器网络系统架构14-16
• 1.1.5 无线传感器网络的特点与关键技术16-18
• 1.2 研究意义18-19
• 1.3 本文内容安排及主要贡献19-21
• 1.4 本章小结21-22
• 第2章 无线传感器网络数据预测技术22-34
• 2.1 研究现状22-24
• 2.2 数据预测技术24-31
• 2.2.1 数据预测技术概述24-25
• 2.2.2 基于时间序列预测模型25-28
• 2.2.3 神经网络预测模型28-29
• 2.2.4 马尔科夫预测模型29-31
• 2.3 无线传感器网络数据时空相关性31-33
• 2.3.1 数据的空间相关性31-32
• 2.3.2 数据的时间相关性32-33
• 2.4 本章小结33-34
• 第3章 基于马尔科夫链的空间相关性数据预测算法34-48
• 3.1 分簇网络34-39
• 3.2 基于马尔科夫链的空间相关性数据预测算法39-47
• 3.2.1 网络模型39-40
• 3.2.2 算法模型与定义40-43
• 3.2.3 算法描述43-45
• 3.2.4 算法验证及分析45-47
• 3.3 本章小结47-48
• 第4章 自适应时间相关性数据预测算法48-59
• 4.1 灰色预测算法48-51
• 4.2 自适应时间相关性数据预测算法51-58
• 4.2.1 算法模型与定义51-56
• 4.2.2 算法描述56-57
• 4.2.3 算法验证及分析57-58
• 4.3 本章小结58-59
• 第5章 仿真实验59-66
• 5.1 仿真内容59-60
• 5.2 网络模型60-61
• 5.3 无线通信能耗模型61
• 5.4 仿真参数61-63
• 5.5 仿真结果及分析63-65
• 5.6 本章小结65-66
• 总结与展望66-67
• 致谢67-69
• 参考文献69-74
• 作者简介74
• 攻读硕士学位期间发表的论文和参加科研情况74-75

【参考文献】

中国期刊全文数据库 前4条

1 赵继军;魏忠诚;李志华;刘昊;连彬;;无线传感器网络中多类型数据融合研究综述[J];计算机应用研究;2012年08期

2 赵继军;刘云飞;赵欣;;无线传感器网络数据融合体系结构综述[J];传感器与微系统;2009年10期

3 路纲;周明天;牛新征;佘X;唐勇;秦科;;无线网络邻近图综述[J];软件学报;2008年04期

4 李莉;温向明;;无线传感器网络中分簇算法能量有效性分析[J];电子与信息学报;2008年04期

中国硕士学位论文全文数据库 前1条

1 王玲;无线传感器网络时空相关性数据融合算法研究[D];重庆大学;2014年

  本文关键词：无线传感器网络中基于时空相关性的数据预测技术研究，由笔耕文化传播整理发布。

，

本文编号：335133