论文部分内容阅读
无线传感器网络作为一门由多学科融合的新兴技术,近年来被广泛应用在医疗监护、目标跟踪、环境监测及军事侦察等领域。在大规模无线传感器网络应用中,通常由飞机随机向监测区域投递大量传感器节点,这就导致网络中存在海量数据。然而,传感器节点存储能力和能量有限,导致海量数据不仅对网络的生命周期是一种挑战,也加剧了信道资源的争夺难度,降低了传输效率。基于以上情况,改善海量数据传输质量和提高信道使用率对无线传感器网络应用至关重要。数据融合技术是节省网络能量、降低数据传输、增强数据收集准确性的关键技术。而无线传感器网络MAC层协议是无线信道的直接控制者,其目标就是合理分配无线通信资源,降低节点碰撞,提高信道使用率。因此,本文以森林火灾监测等大规模应用为背景,对数据融合技术和MAC层协议进行了研究,主要研究内容如下:(1)针对大规模监测应用中存在海量数据的现象,设计了一种基于分簇的能量优化的数据融合算法CEODA,以减小节点能耗、降低数据传输量以及提高融合精度。算法基于分簇拓扑结构,优化K-Means算法划分监测区域,综合考虑能量、基站距离以及周围邻居节点数运用模糊逻辑选择簇头,并结合数据相关性成簇。在数据融合阶段,簇头节点采用核主成分分析法进行数据融合,在保证融合精度的同时降低了数据传输量。(2)针对数据融合技术中产生的融合数据加剧信道竞争的现象,设计了一种基于数据融合的动态退避无线传感器网络MAC协议DB-MAC,以提高数据的信道使用率、减少碰撞并降低延时。DB-MAC中数据帧根据是否融合划分为不同类型,融合数据帧比普通数据帧具有更小的竞争窗口。(3)对所提算法进行仿真实验,并与其他算法作对比分析。仿真结果表明,CEODA算法的网络生命周期较LEACH和CDSC算法在首个节点死亡方面,分别提高了701轮和224轮。在每轮能耗方面分别下降了36.9%和14.3%,在两组实验中CEODA的融合精度均保持在98%以上。此外,DB-MAC与PB-MAC、AS-PW-MAC相比,在平均碰撞次数方面分别减少了3.68次、27.73次。在数据延迟方面,分别减少了0.91 s和0.20 s。