论文部分内容阅读
无线传感器网络(Wireless Sensor Networks,WSNs)的性能受到许多因素的影响,导致传感器节点间数据传输的延时、误码率等性能指标恶化,从而对整个WSNs的性能产生影响。为了科学地对WSNs的性能进行管理和决策,本文结合节点规模、负载、拓扑结构及移动性等WSNs中较为常见的性能影响因素,以IEEE802.15.4/Zigbee通信技术为切入点,选取吞吐量、延时、丢包等WSNs性能关键指标,对其性能评估和预测方法进行研究。 针对WSNs性能评估问题,采用基于客观赋权的网络性能指标权重分析方法,结合网络性能评价中多元指标权重确定容易存在的人为性,以及各评价指标间不可能完全独立的特点,将熵权法与变异系数法应用于客观权重决策中进行对比,并引入指标间相关性对算法进行改进,建立基于指标间相关性的多评价指标权重决策模型;然后在综合性能计算中,采用熵权和线性加权组合方法得到不同仿真场景下网络性能综合评价值。在仿真实验中,通过改变节点规模和拓扑结构获取网络性能指标数据样本,对比分析表明,该方法具有较强的客观性,能够对网络中的各个性能指标做出精确的定量分析,同时可以准确的对整个网络的综合性能进行评估。 针对WSNs性能预测问题,分析了WSNs性能会受到许多易变因素影响,导致其性能变化具有非线性和随机波动的特点,并根据该特点采用灰色马尔科夫链(GM-Markov)方法对网络性能进行预测。设计了基于节点移动性的实验验证方案,结合网络性能综合值计算方法得出移动终端节点的综合性能值。首先采用灰色 GM(1,1)模型对移动终端节点的综合性能值进行预测,然后将灰色 GM(1,1)模型与Markov状态转移矩阵相结合,采用GM-Markov方法再次进行预测。对比分析表明,GM-Markov方法能够在小样本、贫信息的条件下对网络性能做出合理预测,将预测精度级别为好的概率提高三倍,且平均相对误差率较GM(1,1)模型降低了38%。 本文结合WSNs中的节点规模、负载、拓扑结构及移动性等易变因素,综合研究了其性能评估和预测方法。一方面有助于人们在实际应用中做出合理科学的决策,另一方面对待建或已建网络的规划和管理具有重要意义。