论文部分内容阅读
本文首先介绍了无线传感器网络的研究背景与研究意义,概述了当前世界各国对无线传感器网络技术的研究现状。接着讨论了现阶段存在的海量数据处理技术在无线传感器网络中的应用以及它们的不足,介绍了基于海量数据的协同网络架构。探讨了无线传感器网络和云计算的基础技术,分别介绍了无线传感器网络体系与节点结构,无线传感器节点与网络特点,无线传感器网络的应用领域和无线传感器网络的技术体系,云计算的概念与架构。 重点研究了基于云计算的无线传感网架构(SVC4WSN)和大规模传感网数据处理框架(MDF4LWSN)。SVC4WSN无线传感网架构分为四层。第一层为大规模无线传感器网络层,主要分析了Sink模块的设计和多Sink的负载均衡算法。第二层为网关层,由数据抽象层、本地存储与管理层和SOA通信层组成。第三层为云中心层,包括虚拟云、云处理与存储、Web应用和云管理四个部分,重点分析从网关获取 XML数据并存储在云平台的过程,云服务的QoS算法以及SVC4WSN中MapReduce与服务交互的UML序列图,通过Tuscany sca实现了云服务访问客户端,基于Hadoop的MapReduce进行了数据分析。第四层为用户层,由平台的开发者、管理者和普通用户组成。在MDF4LWSN框架设计中,包括了传感器网络结构Map、数据存储Map和能量与时延自适应的Reduce路径传输三个部分。在传感器网络结构 Map部分中,是将无线传感器网络进行分层处理,并通过计算来取得最优层数使网络生存时间最大化;在数据存储 Map中,在分层网络结构的基础上再进行分格处理,每个格中有一个存储头节点,可以对格中的节点进行空时映射,分担了节点采集数据的负荷;能量Reduce路径是通过构造从虚拟组头节点开始的主干路径,并使SH节点与主干路径相连来构建的,时延Reduce路径是通过寻找一种树形网络结构,以使树中的N个节点以log2N个时隙时间去完成数据传输,并通过自底向上的算法将SH节点构造成了建议的树形结构。 最后对SVC4WSN架构和MDF4LWSN框架设计进行了实验仿真,讨论了多Sink机制对无线传感器网络节点负载均衡以及云中心层服务QoS算法对云服务质量的影响。在网络结构 Map部分中,通过仿真说明了网络最优层数与节点通信半径在不同节点密度情况下的关系,在数据存储 Map中,通过实验仿真显示在有数据存储Map存在的情况下,整个网络能耗明显降低。对能量与时延Reduce路径在仿真中与LEACH、PEGASIS、PEDAP三种协议进行了对比,结果说明这两种Reduce路径无论在网络生存时间上还是在采集数据的总时隙上都有更好的性能。