基于移动Sink的无线传感器网络数据收集研究
本文选题:无线传感器网络 + 数据收集 ; 参考:《西北大学》2016年博士论文
【摘要】:数据收集是无线传感器网络技术中的重要内容,而移动式的数据收集有其独特的优势,可以增大网络生存时间和减少节点的能量消耗等。本文在以往研究的基础上,通过分析相关问题以及结合新的技术,研究了基于移动Sink的无线传感器网络数据收集。针对移动Sink无线传感器网络的数据收集中的数个重要问题,结合无线信号的传输、节点部署、随机理论、排队论和优化理论等进行了研究。本文的目标是实现良好的移动Sink无线传感器网络数据收集,达到增大网络生存时间、减少网络能耗以及缩短时延等目的。本文的主要工作和创新点如下:1.提出了基于数据包收包评价的最少节点随机部署的方法。对一些精度要求不高的大规模无线传感器网络实际应用,为降低部署成本,本文研究允许一定丢包率的节点随机部署,旨在减少网络的节点数量。通过测量不同环境、不同距离的数据包接收情况,依据无线信号接收情况和距离的概率关系,建立数据包收包评价模型,提出了基于数据包收包评价的最少节点随机部署的方法,减少了随机部署所需的节点。2.提出了基于排队论和中心化方法的单天线移动Sink的控制方法。移动Sink可以实现部署的低成本和解决节点的负载均衡问题。本文基于排队论对移动Sink的数据收集过程进行控制,根据数据的重要程度进行排队、允许过程中断以及根据节点剩余能量建立损失制的排队规则。这一排队规则适合移动Sink数据收集的特点,增大了网络的生存时间。基于中心化方法对移动Sink数据收集的轨迹进行控制,加入若干虚拟点形成一个连通图,根据连通图的特点,结合中心化方法对移动Sink数据收集的轨迹进行优化,缩短了移动Sink数据收集的轨迹,同时减少了网络能耗。3.提出了基于速度控制的多天线移动Sink数据收集方法。基于速度控制的多天线移动Sink数据收集方法将整个数据收集过程分为多个阶段,通过对Sink移动速度的调节和控制,使在各个阶段多天线移动Sink能够完成数据收集,同时各阶段之间的Sink移动速度能够衔接。将区域分为四类,优先选择汇聚区域以发挥多天线数据收集的优势,同时尽可能削减阶段并最大化Sink移动速度,达到了降低时延的效果。4.提出了基于马尔科夫流量预测的节点能量和负载相适应的方法。节点的能量和负载需要有一定的适应机制。本文提出了基于马尔科夫流量预测的能量和负载的适应方法,运用马尔科夫流量预测解决簇头更换这一随机动态决策问题,优化簇头的更换。分析了多跳转发机制的多阶马尔科夫,选取三阶马尔科夫进行流量预测。基于马尔科夫流量预测的能量和负载的适应方法延长了网络生存时间。5.提出了基于改进的的模拟退火算法的节点可无线充电的数据收集方法。将数据收集装置和无线充电装置集于一体放置于可移动装置上,采用无线充电的方式对节点进行能量补充,同时进行数据收集。本文分析了数据收集和无线充电问题,将其归结为组合优化问题,提出了改进的模拟退火算法,优化移动装置的路径以及速度,最大化无线充电和数据收集同时进行的概率。该方法缩短了移动装置的移动距离,同时减少了数据收集和无线充电所需时间。
[Abstract]:Data collection is an important part of wireless sensor network technology, and mobile data collection has its unique advantages, which can increase network lifetime and reduce the energy consumption of nodes. On the basis of previous research, the wireless sensor based on mobile Sink is studied by analyzing related problems and combining new technologies. Network data collection. Aiming at several important problems in the data collection of mobile Sink wireless sensor networks, this paper studies the transmission of wireless signals, node deployment, random theory, queuing theory and optimization theory. The aim of this paper is to achieve a good data collection of mobile Sink wireless sensor networks to increase network survival. Time, reducing network energy consumption and shortening delay. The main work and innovation of this paper are as follows: 1. a method of least node random deployment based on packet collection evaluation is proposed. The practical application of some large-scale wireless sensor networks with low precision is applied to reduce the cost of deployment, and the study allows a certain packet loss rate. A random deployment of nodes is designed to reduce the number of nodes in the network. By measuring the receiving situation of different environments and different distances, according to the probability relationship between the reception and distance of the wireless signal, a packet collection evaluation model is set up, and a method of least node random deployment based on the packet collection evaluation is proposed, which reduces the random part. The required node.2. proposed a single antenna mobile Sink control method based on queuing theory and centralization. Mobile Sink can achieve low cost of deployment and solve node load balancing problem. This paper is based on queuing theory to control the data collection process of mobile Sink, queuing according to the importance of data and allowing process. This queuing rule is suitable for the characteristics of the mobile Sink data collection and increases the survival time of the network. Based on the centralization method, the trajectory of the mobile Sink data collection is controlled, and a number of virtual points are added to form a connected graph, according to the characteristics of the connected graph, the combination of the network is combined with the characteristics of the connected graph. The localization method optimizes the trajectories of the mobile Sink data collection, shortens the trajectory of the mobile Sink data collection, and reduces the network energy consumption.3., and proposes a multi antenna mobile Sink data collection method based on speed control. The multi antenna mobile Sink data collection method based on speed control divides the whole data collection process into multiple orders. Segment, by adjusting and controlling the moving speed of Sink, the multi antenna mobile Sink can complete data collection at all stages, and the Sink movement speed between each stage can be connected. The region is divided into four categories, and the preferential selection of the converging area is given to play the advantage of the multi antenna data collection, while the phase and the maximum Sink movement are reduced as much as possible. Speed, the effect of reducing time delay is achieved..4. puts forward the method of adapting the energy and load of nodes based on Markoff flow prediction. The energy and load of nodes need a certain adaptation mechanism. This paper proposes the adaptive formula of energy and load based on Markoff traffic prediction, and uses Markoff traffic prediction to solve cluster heads. Replacing this stochastic dynamic decision problem and optimizing the replacement of cluster heads, the multihop Markoff of multi hop forwarding mechanism is analyzed, and three order Markoff is selected for traffic prediction. Based on the adaptive method of energy and load of Markoff traffic prediction, the network survival time.5. is extended to the node of improved simulated annealing algorithm. A data collection method for wireless charging. A data collection device and a wireless charging device are placed on a mobile device. A wireless charging method is used to supplement the energy and collect data. This paper analyzes data collection and wireless charging problems, and puts it down as a combinatorial optimization problem, and proposes an improvement. The simulated annealing algorithm optimizes the path and speed of the mobile device to maximize the simultaneous probability of wireless charging and data collection. This method shortens the mobile distance of the mobile device and reduces the time required for data collection and wireless charging.
【学位授予单位】:西北大学
【学位级别】:博士
【学位授予年份】:2016
【分类号】:TP212.9;TN929.5
【相似文献】
相关期刊论文 前10条
1 郭全;侯红;许思平;;分布式数据收集流程的改进及分析[J];计算机工程;2010年06期
2 刘爱民;李希哲;孙安来;;气象卫星数据收集平台地址生成方法[J];无线电工程;2007年02期
3 杨进才,刘云生;移动事务的数据收集与存储[J];计算机工程与应用;2004年08期
4 尚雪莲;;浅谈计算机在数据收集中的应用[J];计算机光盘软件与应用;2012年19期
5 ;针对不同对象的数据收集与应用[J];上海质量;2013年04期
6 王文华,郭陟,顾明;基于负载均衡的高效入侵检测数据收集机制[J];计算机应用研究;2005年10期
7 丛荣华;;网络教育中的数据收集技术[J];长春师范学院学报;2006年10期
8 陈永府;杨小献;黄正东;陈立平;;基于规则的数据收集研究[J];计算机工程与设计;2007年01期
9 刘瑞超;郭松涛;;带速度控制的能量高效的数据收集算法[J];计算机应用研究;2014年03期
10 向金海,罗静,张友纯;移动代理模式下的数据收集[J];计算机应用;2003年04期
相关会议论文 前2条
1 王洪肖;刘威;于贺玲;;基于XML技术的WEB数据收集模型的研究[A];低碳经济与科学发展——吉林省第六届科学技术学术年会论文集[C];2010年
2 沈晓怡;;独立于协议的数据通信功能实现[A];全国炼钢连铸过程自动化技术交流会论文集[C];2006年
相关重要报纸文章 前3条
1 薛华 何立群 李祥和;IDS的体系结构[N];计算机世界;2002年
2 河北大学新闻传播学院 陶丹;大数据收集和使用的先驱[N];科学导报;2014年
3 林鸿灿;保险公司应建立事故数据收集部[N];中国保险报;2010年
相关博士学位论文 前10条
1 刘大勇;农田异构无线传感器网络数据收集方法研究[D];北京工业大学;2016年
2 辛强伟;基于移动Sink的无线传感器网络数据收集研究[D];西北大学;2016年
3 梁俊斌;无线传感网中低能耗数据收集协议研究[D];中南大学;2010年
4 奎晓燕;无线传感器网络中高效数据收集协议研究[D];中南大学;2012年
5 赵东;移动群智感知网络中数据收集与激励机制研究[D];北京邮电大学;2014年
6 徐建波;无线传感器网络分布式分簇和节能的数据收集协议研究[D];湖南大学;2008年
7 刘文军;WSN-MEs数据收集关键问题研究[D];苏州大学;2014年
8 周四望;无线传感器网络中的数据收集算法研究[D];湖南大学;2007年
9 徐宏力;无线传感网络有效的数据收集问题研究[D];中国科学技术大学;2007年
10 吴宣够;基于压缩感知的大规模无线传感器网数据收集研究[D];中国科学技术大学;2013年
相关硕士学位论文 前10条
1 李胜岚;无线传感器网络延迟受限且能耗均衡的数据收集协议研究[D];广西大学;2015年
2 邹绍军;移动传感网中低延迟高可靠数据收集协议研究[D];广西大学;2015年
3 童亮;车载自组织网络数据通信协同机制的研究[D];电子科技大学;2014年
4 吴宁夏;无线传感器网络分簇式数据收集机制研究与性能分析[D];扬州大学;2015年
5 宋美蓉;智能气象站业务数据收集与传输监控软件设计与应用[D];成都信息工程学院;2014年
6 王恒楠;基于压缩感知的无线传感器网络数据收集算法研究[D];广西师范大学;2015年
7 张宇;无线传感器网络数据收集技术研究[D];重庆大学;2015年
8 严君辉;面向大规模WSN空中数据收集的研究[D];重庆大学;2015年
9 彭亚运;智能环境中基于上下文知识的数据收集优化研究[D];重庆大学;2015年
10 王冲;基于压缩感知的无线传感网数据收集技术研究[D];解放军信息工程大学;2015年
,本文编号:2083139
本文链接:https://www.wllwen.com/shoufeilunwen/xxkjbs/2083139.html