无线传感器网络任务协同技术研究

来源 :西北工业大学 | 被引量 : 0次 | 上传用户:eastwood
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
无线传感器网络作为一种全新的信息获取和处理技术日益受到国内外的高度重视。由成千上万个智能的传感器节点组成无线传感器网络是传感器应用的巨大飞跃。从个体角度来看,传感器节点虽然有独立解决问题的能力,但是不论感知、处理还是通信能力都非常有限,因此需要多个传感器节点之间相互协作来完成任务。 无线传感器网络协同的基本内容有:资源协同、任务协同以及信号与信息的协同。任务协同主要指的是任务的描述、分解、分配、调度与执行,包括冲突监测与消除等,是无线传感器网络协同的主要内容,其中,任务描述与任务分配是任务协同最主要的部分也是本文讨论的重点,主要目的是通过优化任务的分配尽量减少节点间的通信量,降低能耗,从而延长网络生命期。本文的协同算法首先将网络分成一个个的簇,然后在簇内构造任务协同策略。 本文的主要工作如下: 1.综述了无线传感器网络协同技术的研究现状,主要研究了当前最主要的基于多智能体理论的无线传感器网络协同方法,并分析了其中几种主要方法的利弊。 2.借鉴组织结构设计方法对大规模网络进行分区管理的观念,设计了一种能源有效的分布式动态分簇算法用来对网络进行划分,并在分簇的基础上设计了一种基于内容的节点调度算法来进行初步的工作节点选择。 3.通过对常用的任务描述方法的研究,采用一种有向无环图和角色图相结合的分层映射的任务描述方法,经过服务级、簇头级和节点级的层层解析,最终将用户需求解释为单个传感器节点可识别并执行的原子任务。 4.提出一种基于通信最优化的任务分配机制,该机制设计了一个代价函数用来表示任务执行的能量消耗,首先通过簇内协商来确定任务节点的集合,然后由簇头节点进行集中式的任务分配,并采用遗传算法来优化任务分配方案。 最后,对上述的几种算法分别进行了仿真试验。
其他文献
语音信号处理的研究有着较长的历史,随着计算机技术的飞速发展,又有了越来越广泛和新颖的应用前景,声音的转换就是其中一个重要的应用。  声音转换(VoiceConversion)是一种通过
在信息安全越来越受到重视的今天,生物特征识别技术作为新一代的身份认证技术得到了大家的重视,并取得了很大的发展,有些方法已经应用于实践(比如指纹、虹膜)。  但是这些成熟的
元搜索引擎是基于搜索引擎基础之上的搜索引擎,它可以同时检索多个成员搜索引擎,对成员引擎返回的结果信息进行融合、再加工后二次陈列给用户。元搜索引擎是当今学术界研究的热
如今,社会的发展不仅创造了各种物质财富,同时也产生了海量的数据财富。如何利用这些数据提高人们的生活品质,便要求我们能够利用这些海量数据进行有效地分类,精确地分析,再
在生物学、考古研究、事故分析、医学手术、自动装配等工作中经常需要把大量的物体碎片拼接成一个或多个完整物体。在很多情况下,拼接之前对物体的形状和个数都无法预测,甚至有
建筑物虚拟漫游技术在建筑设计、室内建筑装潢、房地产开发、游戏设计等方面具有非常广阔的应用前景。它的沉浸感、交互性与实时性的综合效果是传统的平面效果图与动画播放所
现代社会每日每时都有很多的文章出现在报刊书籍、广播电视等等各种信息载体上。而目前的各种文档处理系统主要的也是最适合的服务对象仅仅是文章基本定稿之后的文本处理工作
遗传算法是模拟生物界的进化过程而产生的一种现代优化算法,作为一种有效的随机搜索方法,在优化方法中具有独特的优越性,有着非常重要的理论意义和广泛的应用领域。传统优化方法
虽然HDFS的默认副本策略能为数据存储及MapReduce的计算功能提供支撑,并且具有安全性和节点选择简单等优点,但 Hadoop框架并没有重视现实集群中几个重要特征:集群节点的异构性、
种类繁多的植物虽然形态千差万别,却大都具有自我相似、自我繁殖的分形特征。近年来,随着分形理论的发展,分形植物模拟成为计算机仿真领域的重要课题。本文旨在从理论研究和植物