论文部分内容阅读
随着微机电系统、片上系统、无线通信技术和低功耗嵌入式技术的飞速发展以及无线传感器节点的廉价化,无线传感器网络在各种场合中的应用越来越广泛,并以低功耗、低成本、分布式和自组织等特点,吸引了越来越多的关注和研究。另外,由于传感器节点固有的计算能力较弱、通信距离受限以及通信的可靠性不高等缺陷,所以如何在WSN中从分散的节点中高效地聚集信息,即数据收集,则成为了一项重要的具有挑战性的工作,很大程度上它也决定了网络寿命。本论文针对WSN中的数据收集,以延长网络寿命、减少数据收集时延为目标,在已有数据收集模型和算法的基础之上,对不同的实际应用场景中的数据收集算法进行研究,提出了两种不同的数据收集算法;并通过仿真和模拟对算法性能进行验证。具体包括以下两个方面的研究:①基于延长网络寿命与减少数据收集时延两个目标,提出了双层结构的数据收集算法。在Sensor层,通过对节点的剩余能量进行分析和研究,提出了一种能量高效的自适应分簇算法,所有簇头节点都是那些剩余能量较高的节点,使得网络中传感器节点资源得到最有效合理的分配。同时,每个簇分配双簇头,极大减缓了整个簇中簇头的能量负担,使网络寿命得以延长。在Sencar层,首先给Sencar装载双天线,以便节点可以通过MIMO方式进行数据上传,从而缩短总的数据收集时间。然后通过TSP方法给Sencar选择一条最优的访问路径,即从路径长度方面改进总数据收集时延。另外,提出了一种最佳的速度控制计划,使得小车的速度能够时刻保持在最佳状态,即从Sencar的移动速度上改进总数据收集时延。通过与现有算法进行比较,实验表明该方法能够均衡网络流量,延长网络寿命,数据收集时延也较短。②基于部署了可充电式传感器节点的WSN场景,采用动态的数据收集模型。首先提出了一种联合的锚点选择算法,将充电过程和数据收集过程联合起来进行设计,简化了可充电的WSN模型,同时通过Sencar和Sink节点之间不断进行通信,以实现静态数据收集模型和动态数据收集模型相结合。然后,基于时间、位置和TSP的优先级,对Sencar提出了三种不同的移动策略。最后对一次移动过程中所收集到的数据总量提出了效用函数,使得WSN中的节点能够以最佳效率产生数据和传递数据。通过模拟实验,该方法能够提高数据传输率,并且能够减少Sencar的移动路径。