论文部分内容阅读
移动群智感知(MCS)是在移动无线传感器技术和移动感知设备普遍存在的背景下提出的一种物联网新的感知方式。随着移动智能终端的普及,大量的传感节点进行远距离传输消耗了移动节点和云端服务器过多的能量,同时增加了网络传输路径。在感知服务中,大量失联节点不仅会增大网络开销,还会使网络的传输成功率降低。作为以人为单元的感知技术,如何从人群中招募合适的参与者作为感知节点,来高效高质量地完成感知和数据收集的任务就成为了一个值得重视的问题。在此研究背景下,由于节点自身开销受限,传输距离参差不齐,使得数据传输前进行聚合变得非常重要。基于此本文对分簇机制展开研究,分簇机制主要包括群智感知低功耗分簇算法、针对失联节点的群智感知网络研究以及基于交互信任的任务簇首招募算法。其中不仅涉及到对簇首的选择以及簇成员划分的问题,还将招募簇首的服务质量评估作为判定群智感知网络好坏的关键条件。针对分簇机制中出现的问题,本文在研究现有的感知节点分布的基础上,结合传统网络节点分簇算法对群智感知网络进行簇群划分。根据簇首选举标准选举出最优簇首。针对分簇网络中失联节点的处理,本文在分簇的基础上根据特定的网络环境,对失联节点进行按需建立路由,降低了网络的丢包率。当分簇完成后,有些簇会提供低质量的数据,或者恶意传播虚假信息,从而降低群智感知服务的质量。本文采用招募机制来选择更适合任务和更值得信赖的簇来提供高质量的服务。论文主要取得以下研究成果:(1)群智感知低功耗分簇算法。本节为了稳定用户参与量和减少能源消耗,采用一种基于剩余能量、移动速度、移动方向等多种适应度和节点密度的MCLEC(Mobile Crowd-sensing Low Energy Clustering Algorithm)算法,改进了数据传输模式,目的在于降低用户能耗和传输成本,增加感知用户在网络全覆盖情况下的参与意愿。该算法将节点密度和移动节点之间的距离作为群智感知网络中簇群划分的参考条件。其中簇首选举会影响算法的整体质量,选举标准由感知节点的剩余能量、速度和运动方向等多个适应度共同决定。该方案有效的减少了网络中的能源消耗,延长了网络的生命周期,通过实验与多种分簇算法进行对比,经过数值分析,验证了采用该算法能够有效的减少网络能源开销。(2)基于失联节点群智感知网络分簇算法。在面向低功耗的分簇算法的基础上,结合移动群智感知网络机会特性。针对大量节点出簇情况,本节提出一种基于失联节点的群智感知网络分簇算法。算法中失联节点利用hello消息来获知邻居节点状态,选择合适邻居节点作为中间节点转发信息到目的节点。当需要建立一条路由传递(发送)数据包时,出簇节点向有效邻居节点进行广播。同时为了降低邻居节点的变化率保持临时路由,路径度量的选取应该考虑到邻居节点能量和节点间的欧氏距离上。最后通过分析和计算,选择出综合值最大的路径就是该临时路由的数据传输路径。为了验证上述算法的真实性和有效性,进行了仿真实验。仿真结果验证了该算法能够减少数据包的丢失,提高网络的传输成功率。(3)基于交互信任的任务簇首招募算法。在基于分簇的群智感知网路模型中,不需要云平台与每个智能设备进行通信,为了保证高质量的数据被传输,本节针对分簇模型提出了一种基于交互信任的簇首招募机制,它可以有效地招募更值得信任的簇首来执行感知任务,并提供高质量的传输数据。用于评估簇首节点和云服务器之间的关系。算法考虑对簇首提供数据质量的评估来操纵簇与服务器之间的虚拟交互,基于这些交互结合节点间信誉和网络中心性得出相应的计算结果作为评估指标,以此来招募更值得信赖的和能提供高质量数据的簇来执行感知任务。同时在MCS平台上测试了算法的有效性,并和多种招募方式进行了对比,Qo S评估值反馈该招募机制效果更好。