论文部分内容阅读
二十世纪九十年代,随着微电子技术、嵌入式系统、无线通信技术、传感器技术的发展,出现了低成本、低功耗、小体积的传感器节点[1-5]。无线传感器网络由大量具有无线通信能力的传感器节点组成,能够快速地部署在广阔的区域内,执行数据收集、环境监测、目标跟踪等无人职守活动。在这些应用中,经常需要对事件数目、活跃节点数目等统计信息进行查询。这些查询操作主要是通过数据聚集来完成的。因此,降低数据聚集的时间延迟对于提高无线传感器网络应用的实时性能有着非常重要的意义,有必要对延迟优化的数据聚集问题进行研究。影响数据聚集时间延迟的因素很多。这些因素分布在无线传感器网络协议栈的各个层次上。因此,本文从无线传感器网络协议栈的各个层次上对低延迟数据聚集问题进行研究。本文的主要贡献在于:1)首先,我们提出了一种结合物理层接收信号强度的低延迟数据聚集算法。该算法克服了传统数据聚集算法不能完全避免通信冲突(collision)的缺点。算法基于物理干扰模型(Physical Interference Model[6]),设计了一种无冲突(collision free)的数据聚集方案,利用物理层接收信号的强度来避免数据聚集过程中的通信冲突。该算法首先利用最小匹配集(Minimum Match Set)技术和最大独立集(Maximum Independent Set)技术建立了用于数据聚集的树形结构;然后在此树形结构上,设计了无冲突的数据聚集调度方案。仿真结果表明,算法具有很好的扩放性,适合在高密度、大范围的网络中进行部署,且对环境噪声具有很好的抗干扰能力。2)其次,我们提出了一种基于MAC层预聚集(Pre-aggregation)机制的低延迟数据聚集算法。该算法在数据聚集中,创新地使用了预聚集方法,能够有效地减少数据聚集过程中的信息冗余,通过降低数据聚集的传输长度达到降低数据聚集的延迟。在数据聚集过程中,节点首先利用无线通信开放的特点,偷听(overhear)邻居节点的数据传输;然后通过预聚集(pre-aggregation)方法,消除自身待发送数据中的数据冗余;最后将预聚集处理后的结果发送出去用于进行数据聚集。由于消除冗余之后的数据包长度要小于正常的数据包长度,因此可以减少数据聚集过程中的传输长度,从而降低了数据聚集的时间延迟。仿真结果表明,算法的时间延迟比WAN算法[7]中所提算法下降了65%,能量消耗下降了60%,在节约延迟和能量方面取得了很好的效果。3)之后,在路由层上,我们提出了一种基于任意播(anycast)操作的机会式数据聚集(opportunistic data aggregation)算法。该算法针对了无线传感器网络传输过程中数据包丢失严重的问题,用任意播操作来进行数据传输,可以有效地减少因为数据包丢失导致的额外时间延迟。同时,也可以获得很好的节能效果。仿真结果表明,算法的数据聚集的时间延迟比采用SPT (Shortese Path Tree)算法的时间延迟少15%,能量消耗降低了10%。4)最后,在路由层上,我们还提出了一种带能量采集(Energy Harvesting)机制的机会式数据聚集算法。该算法能够克服因过度参与机会式路由(Opportunistic Routing)导致的节点快速死亡问题。算法针对带能量采集功能的无线传感器网络,制定了节点参与机会式路由的规则,避免了节点过度参与机会式路由导致的快速死亡,在降低数据聚集延迟和节点能量使用之间取得了很好的平衡效果。仿真结构表明,算法的时间延迟比Sketch[8]算法的时间延迟降低了45.8%,比Tributary-Delta[9]算法的时间延迟下降了28.9%,且具有很好的网络扩放性,适合高密度、大范围的无线传感器网络使用。