论文部分内容阅读
近年来,随着无线传感器网络(Wireless Sensor Networks,WSNs)的广泛应用,其在频谱资源紧张、电磁间干扰严重以及功率效率低等方面的问题日益凸显。而自由空间光(Free Space Optical,FSO)通信具有频谱资源丰富、抗干扰性强以及传输速率快等优点,这使得将FSO通信与WSNs相结合的光学WSNs备受关注。与射频(Radio Frequency,RF)通信不同,FSO通信的可用性和可靠性易受到大气环境变化的影响,因此为了实现光学WSNs中高效节能的协作通信,本文对光学WSNs中的网络模型、节点位置优化、动态距离计算以及资源分配进行了研究与分析,并基于节点位置与能耗提出了一种自适应分层资源分配策略,主要工作内容如下:(1)由于FSO通信是视距通信,应用于地面通信时易受到障碍物遮挡从而影响网络性能。因此,本文构建了一种分层结构的混合光学WSNs模型,其由多个簇组成。上层网络由作为簇头(Cluster Heads,CHs)的光节点组成,使用FSO链路进行簇间通信。下层网络中由作为簇成员(Cluster Members,CMs)的普通节点组成,使用RF链路进行簇内通信。(2)光信号在传输过程中会因为光束发散以及大气状况而产生功率损耗,甚至造成链路中断,这大大降低了网络的连通性。因此,本文以传输功率为考虑对象,分析了上层网络的连通条件。进而在保证上层网络连通的条件下,以最小化网络能耗为适应度函数,基于粒子群优化(Particle Swarm Optimization,PSO)算法对上层网络中的CHs位置进行了优化,以使得上层网络获得低能耗的连通状态。(3)考虑到网络中节点的动态变化,本文针对簇内的活动节点采用了一种动态的欧几里得距离(Euclidean Distance,ED)计算方法。以实时信号为考虑对象,分析了其自相关函数(Auto Correlation Function,ACF),并通过实时更新信号间的ACF误差实现了ED的动态计算。这有助于CHs根据实时的距离变化动态的进行资源分配,从而实现高效节能的协作通信。(4)本文基于多智能体理论对光学WSNs进行建模,并对传统多智能体方法进行了改进,进而提出了一种自适应分层资源分配策略。考虑到CHs在网络中的重要性,本文在上层网络资源分配中增加了自适应簇间任务迁移机制。CHs可根据对自身资源量的实时评估及时的将任务迁移到FSO链路可靠性高且资源量大的邻居节点上,从而降低CHs的失效率。在下层网络的资源分配中,采用了动态联盟与PSO算法相结合的方法,主要对动态联盟的形成以及优化目标进行了改进。本文设计了一种基于节点路径复杂度生成逻辑值的初始联盟形成方法,并在初始联盟内以节点距离,能量负载以及任务运行时间构成了目标函数,基于PSO算法进行了最优的任务分配。仿真结果表明,所提方法与传统方法相比有效地降低了CHs失效率以及网络的能耗,并且提高了任务处理速度,为网络在资源分配的过程中增加了智能性与节能性,从而实现了更优的协作性能。