基于内分泌调控机理的物联网动态监测研究
本文关键词：基于内分泌调控机理的物联网动态监测研究，由笔耕文化传播整理发布。
【摘要】：物联网是信息通信技术的发展趋势之一,推动着信息产业的第三次发展浪潮。在物联网技术支撑下,各行各业都朝着智能化方向发展,形成智慧产业,如智能交通、智能农业、智能电网、智慧城市等。物联网应用前景广阔,但同时也面临各种困难和诸多挑战。生命科学的快速发展推动了生物智能的进一步发展,其中生物内分泌调控机理为物联网应用研究提供了新的思路和方向。无线传感器网络是物联网监测领域的重要技术方法,本文通过无线传感器网络实时监测目标对象,采集目标数据。为了降低无线传感器网络的能量消耗,延长网络生命周期,引入内分泌调控机制,同时考虑节点位置信息,节点采样频率,并采用移动Sink节点收集数据,设计算法,论文主要工作包括以下几个方面:(1)传感器节点发送的数据必须包含自身位置信息,否则就是无效信息,但是传感器节点普遍存在定位精度不高,网络开销大等问题。针对传感器节点定位算法中存在的问题,引入激素信息,提出一种基于激素信息校正的EDV-HOP定位算法。EDV-HOP定位算法中,传感器节点在转发数据同时,会发送自身激素信息。接收节点接收邻居节点的激素,并根据接收的激素浓度计算出与邻居节点的距离,然后根据此距离修正跳数值,最后以修正的跳数估算传感器节点的位置。实验表明该定位算法可以有效提高传感器节点的定位精度。(2)无线传感器网络采样频率设置标准难以确定,如果传感器节点采样频率设置过低,丢失重要信息的概率随之增大,不能保证采样精度;如果采样频率设置过高,又会产生大量的冗余数据,导致网络过早失效。针对无线传感器网络的采样问题,借鉴内分泌系统工作机制,提出一种基于内分泌调控机理的WSN自适应采样算法(EASA)。由内分泌启发的EASA能根据监测目标的变化情况,分泌不同的激素信息,动态调节传感器节点工作状态和采样频率,使得传感器节点保持最佳的采样频率。当监测到目标变化缓慢时,发送抑制激素,降低传感器节点的采样频率;当监测到目标变化较快时,发送促激素,提高节点的采样频率,从而在保证采样精度的同时减少能量消耗,延长网络的生命周期。(3)无线传感器网络中,通常采用固定基站的方式收集数据,这样导致靠近基站的簇头节点由于转发大量数据而增大网络负载能耗,从而导致网络过早死亡,缩短了网络生命周期。针对该问题,引入移动Sink节点收集数据,提出基于EACO的移动Sink节点数据收集策略。首先采用LEACH协议对无线传感器网络进行分簇,簇头节点分析簇内节点的数据,并根据分析结果分泌激素,标记数据的重要程度,如果簇头节点保存的数据越重要,则簇头节点分泌的激素浓度越高,反之,分泌的激素浓度较低。然后根据簇头节点的激素浓度和簇头节点间的距离计算得到能见度因子,并以此搜索移动Sink节点移动的最优路径。实验表明该策略能够优先发送重要信息,有效降低重要数据的时延,并且能够有效延长网络生命周期。
【关键词】：内分泌调控机理 节点定位 自适应采样 移动Sink节点 网络生命周期
【学位授予单位】：东华大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R335;TP391.44;TN929.5
【目录】：
- 摘要5-7
- ABSTRACT7-11
- 第一章 绪论11-16
- 1.1 研究背景与意义11-12
- 1.2 国内外研究现状12-13
- 1.3 论文研究内容和创新点13-15
- 1.3.1 主要研究内容13-14
- 1.3.2 论文创新点14-15
- 1.4 论文章节安排15-16
- 第二章 物联网及内分泌系统综述16-31
- 2.1 引言16
- 2.2 物联网综述16-20
- 2.2.1 物联网的定义16-17
- 2.2.2 物联网的起源与发展17-18
- 2.2.3 物联网的体系结构18
- 2.2.4 物联网的关键技术18-19
- 2.2.5 物联网的应用19-20
- 2.3 无线传感器网络20-28
- 2.3.1 无线传感器网络的结构特点21-25
- 2.3.2 无线传感器网络的关键技术25-26
- 2.3.3 无线传感器网络的研究和应用26-28
- 2.4 内分泌系统28-30
- 2.4.1 生物内分泌系统28-30
- 2.4.2 人工内分泌系统30
- 2.5 小结30-31
- 第三章 基于激素信息校正的EDV-HOP定位算法31-39
- 3.1 引言31
- 3.2 DV-HOP定位算法31-33
- 3.2.1 算法描述31-32
- 3.2.2 DV-HOP算法存在问题32-33
- 3.3 基于激素信息校正的EDV-HOP定位算法33-35
- 3.3.1 锚节点激素扩散模型33
- 3.3.2 EDV-HOP算法描述33
- 3.3.3 EDV-HOP算法流程33-35
- 3.4 仿真实验35-38
- 3.4.1 仿真环境及参数设置35
- 3.4.2 实验评价分析35-38
- 3.5 小结38-39
- 第四章 基于内分泌调控机理的WSN自适应采样算法39-48
- 4.1 引言39
- 4.2 WSN数据采集算法39-40
- 4.3 EASA算法40-43
- 4.3.1 EASA算法自适应采样机制40-42
- 4.3.2 EASA算法冗余节点休眠机制42-43
- 4.4 仿真实验43-46
- 4.4.1 仿真环境及参数设置43-44
- 4.4.2 网络生命周期对比44-45
- 4.4.3 采样数据精度对比45-46
- 4.5 小结46-48
- 第五章 基于EACO的移动Sink节点数据收集策略48-56
- 5.1 引言48
- 5.2 Sink节点移动策略综述48-49
- 5.3 改进的蚁群算法(EACO)49-51
- 5.4 移动Sink节点最优路径数据收集策略51-53
- 5.4.1 移动Sink节点最优路径数据收集过程51-52
- 5.4.2 EACO搜索最优路径52-53
- 5.5 仿真实验53-55
- 5.5.1 仿真环境53
- 5.5.2 移动Sink节点最优路径分析53-54
- 5.5.3 重要信息及时发送率54-55
- 5.6 小结55-56
- 第六章 总结与展望56-58
- 6.1 总结56
- 6.2 展望56-58
- 参考文献58-64
- 致谢64-65
- 攻读硕士期间发表的论文和参与的项目65
【相似文献】
中国期刊全文数据库 前10条
1 马碧春;;无线传感器网络在医疗行业的应用展望[J];中国医院管理;2006年10期
2 陈语中;王桂榕;唐剑;;无线传感器网络在医疗领域的应用[J];中国数字医学;2008年05期
3 张莉莉;吴凯;吴效明;;无线生理传感器网络的新挑战[J];中国医疗设备;2009年04期
4 李逸明;李斌;钱明理;王龙辰;;无线传感器网络及其在医疗领域的应用[J];中国医疗器械杂志;2013年05期
5 赵纪生;;策论无线传感器网络在医疗设备中的应用价值[J];河南科技;2013年10期
6 龙承志;;基于无线传感器网络的电子健康监护系统[J];中外医疗;2007年18期
7 倪志扬,何述宝,赵本靖;患者生理数据采集无线传感器网络的研制[J];实用医药杂志;2005年05期
8 侯小华;胡文东;顼红雨;王涛;;基于ZigBee无线传感器网络技术的患者体温检测系统设计[J];医疗卫生装备;2010年02期
9 蒋丽萍;;无线传感器网络在医学领域的应用[J];知识窗(教师版);2012年04期
10 朱成;王勇;蒋泰;;无线传感器网络在医院住院管理系统中的应用[J];华夏医学;2009年06期
中国重要会议论文全文数据库 前10条
1 唐云龙;;无线传感器网络系统实验分析[A];工程设计与计算机技术：第十五届全国工程设计计算机应用学术会议论文集[C];2010年
2 杜景林;陈力军;谢立;;无线传感器网络与互联网集成体系结构[A];2008年全国开放式分布与并行计算机学术会议论文集(下册)[C];2008年
3 刘昊;;面向电子智能服装的人体无线传感器网络构建[A];“力恒杯”第11届功能性纺织品、纳米技术应用及低碳纺织研讨会论文集[C];2011年
4 李华;李文秀;;无线传感器网络技术在养殖业污染防治上的应用前景[A];全国畜禽和水产养殖污染监测与控制治理技术交流研讨会论文集[C];2008年
5 李洁;任海风;;K重覆盖无线传感器网络优化[A];中国计量协会冶金分会2011年会论文集[C];2011年
6 余e，
本文编号：379667
本文链接：https://www.wllwen.com/xiyixuelunwen/379667.html
