论文部分内容阅读
网络技术的飞速发展的今天,无线传感器网络(WSN)在生活中的应用日益广泛,在军事、交通、医疗、环境、农业等诸多领域产生重要影响。无线传感器网络中采用的通信协议主要为ZigBee协议,工作于2.4GHz的ISM频段。而近几年,无线局域网(WiFi)同样发展迅速,室内外已经基本全覆盖了 WiFi信号,WiFi也同样工作于2.4GHz频段。因此,当WSN网络和WIFI网络部署在同一环境中时会产生同频干扰。又因为两种网络采用不同的物理层技术,使得WSN的功率比WiFi的功率要小1～2个数量级,且研究表明WSN网络和WIFI网络信道重叠的现象普遍存在于环境中。所以当两种网络信道重叠时,WiFi通信对WSN通信会产生较大的干扰。故基于ZigBee协议的无线传感器网络抗WiFi信号干扰是急需解决的问题。本文在一些学者的研究基础上,提出了一种基于ZigBee的无线传感器网络中WiFi干扰检测机制以及一种新的节点分布式自主学习的多信道分配算法。(1)提出了基于ZigBee的无线传感器网络中WiFi干扰检测机制。该机制通过实验观察分析数据得出基于ZigBee的无线传感器网络在无线WiFi干扰下重要的性能参数,通过logistics分类识别机制对选取的重要参数进行建模。并根据实验实测结果获取到参数。实验结果分析表明,该检测机制在判别基于ZigBee的无线传感器网络与无线WiFi网络之间是否存在干扰表现出极高的成功率。(2)提出了一种基于机器学习的抗干扰信道分配技术。目前的研究抗干扰技术主要是集中在跳频方式,基于WiFi干扰源对ZigBee的干扰在重叠区域影响比较严重,故在进行信道分配的时候可以不需要扫描整个频带,在原有信道附近搜寻即可。本文采用了深度学习算法对节点进行信道分配,利用NS2进行无线传感器网络的仿真,仿真结果表明此方法能有效地提高信道分配的效率,实现无线传感器网络性能的提升。