论文部分内容阅读
微电子技术、计算技术和无线通信等技术的进步,推动了低功耗多功能传感技术的快速发展,使其在微小体积内能够集成信息采集、数据处理和无线通信等多种功能。无线传感器网络是由部署在监测区域内大量的廉价微型传感器节点组成。传感器网络节点的资源十分有限,主要体现在电池能量、处理能力、存储容量以及通信带宽等几个方面。在收集信息的过程中采用各个节点单独传送数据会浪费通信带宽和能量,而且还会降低信息收集的效率。为避免上述问题,传感器网络在工作过程中需要使用数据融合技术。数据融合是将多份数据或信息进行处理,组合出更有效、更符合用户要求的数据的过程。在无线传感器网络中数据融合起着十分重要的作用,主要表现在节省整个网络的能量、增强收集数据的准确性以及提高收集数据的效率三方面。无线传感器网络节点体积微小、通常携带能量十分有限的电池。由于无线传感器节点个数多、成本要求低廉、分布区域广,而且部署区域环境复杂,有些区域甚至人员不能到达,所以传感器节点通过更换电池的方式补充能源是不现实的。如何高效使用能量来最大化网络生命周期是无线传感器网络面临的首要挑战。针对上述问题,本文主要从节省无线传感器网络能量角度考虑,对基于蚁群算法的无线传感器网络数据融合方法进行了研究。无线传感器网络数据融合的主要方法有应用层中的数据融合、网络层中的数据融合、独立的数据融合协议层等等。现有的数据融合研究大部分都集中在网络层,而中心点融合算法是一种针对事件触发驱动的数据融合算法,是应用于网络层的数据融合的主要算法。中心点融合算法由建立级别梯度场、寻找事件发生区域的中心点、建立融合树和汇报数据包四个部分组成。级别梯度场是一个以Sink节点为中心利用泛洪(Flooding)方法向外扩散的一个梯度,在建立级别梯度场的过程中源节点周期性的利用泛洪探测和广播数据包,降低了网络性能。本文将蚁群算法应用于建立级别梯度场的过程中,对建立级别梯度场过程的泛洪扩散进行改进,提出了一种基于蚁群算法的中心点融合算法。第五章对改进的算法进行Matlab仿真与分析,仿真结果表明,与采用泛洪方法的中心点融合算法比较,本算法有效地节省了网络的能耗,延长了整个网络的生命周期。