无线传感器网络拓扑控制机制研究
- 格式:docx
- 大小:19.45 KB
- 文档页数:4
无线传感器网络中的拓扑控制与路由算法研究一、引言无线传感器网络(Wireless Sensor Network,WSN)指的是由大量离散的、自组织的无线传感器节点组成的网络。
这些节点能够自动感知环境中的各种物理信息,并以无线方式将这些信息传送到基础设施或其他节点。
在WSN中,拓扑控制和路由算法是两个非常重要的研究问题。
本文将对无线传感器网络中的拓扑控制和路由算法进行深入研究。
二、无线传感器网络的拓扑控制拓扑控制是指通过无线传感器网络中节点之间的连接方式来控制整个网络的结构。
合理的拓扑控制可以优化网络的性能,包括延迟、吞吐量、能耗等指标。
常用的拓扑控制方法包括:1. 距离约束:通过节点之间的距离约束来控制网络的连接方式,例如最小生成树算法、最小二乘法等。
这些方法可以保证网络的连通性,并降低能耗。
2. 能耗均衡:通过调整节点的活动时间和休眠时间来实现能耗均衡。
一些启发式算法,如LEACH、PEGASIS等,通过建立簇状结构来减小网络的能耗。
3. 鲁棒性增强:通过增加冗余路径和节点多样性来提高网络的鲁棒性。
例如,通过增加备用节点和多路径路由来应对节点失效和链路中断。
三、无线传感器网络的路由算法路由算法是指在无线传感器网络中选择合适的路径来传送数据。
由于无线传感器节点资源有限,传统的路由算法很难直接应用于无线传感器网络,并且需要考虑节点能耗、网络拓扑等特殊问题。
目前,主要的路由算法有:1. 扁平路由算法:将网络中所有节点视为平等的,并将路由决策分散在所有节点上。
例如,洪泛算法、最短路径算法等。
这些算法简单直接,但容易导致网络拥塞和能耗不均衡。
2. 分层路由算法:将节点划分为不同的层级,每个层级有不同的功能和责任。
例如,LEACH、ERP等。
这些算法通过层级管理和数据聚集来降低网络能耗。
3. 聚类路由算法:将网络中的节点划分为不同的簇,每个簇有一个簇头节点,负责簇内通信和簇间通信。
例如,PEGASIS、LEACH-C等。
无线传感网络中的拓扑控制技术无线传感网络(Wireless Sensor Network,简称WSN)是由众多分布在网络中的小型传感器节点组成的一种自组织、自协调的网络系统。
WSN已广泛应用于环境监测、智能交通、农业灌溉等领域。
作为WSN的基本组成部分,拓扑结构的设计与控制对于网络的性能和效果具有重要影响。
本文将就无线传感网络中的拓扑控制技术进行探讨。
一、拓扑结构的定义与作用拓扑结构是指无线传感网络中各节点之间的连接方式和关系。
在WSN中,良好的拓扑结构设计能够提高网络的可靠性、延迟性、能源效率等性能指标。
常见的拓扑结构包括星型结构、网状结构和树状结构等。
不同的拓扑结构适用于不同的应用场景,因此拓扑控制技术的研究对于优化网络性能具有重要意义。
二、无线传感网络中的拓扑控制技术1. 路由选择算法路由选择算法是无线传感网络中常用的拓扑控制技术之一。
通过选择最佳的路径将数据从源节点传输到目的节点,可以有效降低网络能耗、减少传输延迟。
常见的路由选择算法有距离向量算法、链路状态算法和最小生成树算法等。
2. 节点部署策略节点的合理部署对于网络的拓扑结构具有重要影响。
通过合理地选择节点的位置和数量,可以实现全覆盖、均衡分布的拓扑结构。
常用的节点部署策略包括随机部署、密集部署和分区部署等。
3. 能量平衡算法能源是无线传感网络中最宝贵的资源之一,对于实现网络的长期稳定运行至关重要。
能量平衡算法通过合理调度节点的能量消耗,延长网络的生命周期。
常见的能量平衡算法包括基于充电站的能量补给、动态能量调整和能量感知调度等。
4. 拓扑鲁棒性技术拓扑鲁棒性是指无线传感网络中节点随机失效或故障时,网络仍能保持良好的连通性和工作性能。
拓扑鲁棒性技术通过改进网络的容错能力和应对故障的能力,提高网络的可靠性和稳定性。
常见的拓扑鲁棒性技术包括冗余路径选择、节点动态重配置和分布式故障处理等。
5. 拓扑控制算法的优化拓扑控制算法的优化是提高无线传感网络性能的关键。
车联网中的无线传感器网络技术研究随着信息技术的迅猛发展,车联网作为物联网的一个重要应用领域,已经引起了广泛的关注和研究。
车联网可以通过无线传感器网络技术实现车辆之间的智能交互和信息共享,提升车辆安全性、交通效率和驾驶体验。
本文将对车联网中的无线传感器网络技术进行详细研究。
一、无线传感器网络概述无线传感器网络是一种由大量分布在特定区域内的无线传感器节点组成的网络。
每个节点都具备感知、处理和通信能力,能够感知周围环境的信息,并将感知到的信息通过无线通信传送给其他节点或基站。
无线传感器网络被广泛应用于诸如环境监测、智能交通等领域。
二、车联网中的无线传感器网络应用1. 车辆安全无线传感器网络技术可以实现车辆之间的信息共享和信息传输,如跟车辆之间的距离、速度、刹车状态等,有助于提高驾驶员的安全意识和反应时间,减少交通事故的发生率。
此外,无线传感器网络还可以监测车辆的疲劳驾驶状态,通过实时采集驾驶员的生理参数,预测驾驶员的疲劳程度,提醒驾驶员及时休息,保障行车安全。
2. 交通流量管理与控制车联网中的无线传感器网络可以实时感知交通流量情况,并将数据传输给交通管理中心。
交通管理中心可以根据实时的交通流量数据进行智能调度和交通信号控制,优化交通流量,减少拥堵,提高交通效率。
此外,无线传感器网络还可以用于实时监测道路的状况,如路面温度、湿度等,提供给驾驶员的导航系统,提供最佳的行车路线和行驶速度,以减少耗时和车辆排放。
3. 环境保护与能源管理车联网中的无线传感器节点可以监测和收集车辆排放的有害气体,如CO2、NOx等,或者实时感知周围环境的空气质量,并将数据传回车辆,提醒驾驶员关注健康和环境问题。
此外,无线传感器网络还可以应用于能源管理,根据交通流量情况、车辆速度、车辆燃油消耗等因素,制定相应的能源管理策略,提高车辆的能源利用效率。
三、车联网中的无线传感器网络技术挑战尽管车联网中的无线传感器网络技术有着广阔的应用前景,但也面临着一些挑战。
无线传感器网络中的动态拓扑管理研究无线传感器网络(Wireless Sensor Networks,简称WSN)是由大量的互相连接的传感器节点所组成的网络,通过无线信号进行通信。
这些节点可以感知和采集环境中的信息,并将数据汇聚到中心节点进行处理和分析。
WSN在军事、环保、健康等领域有着广泛的应用前景。
然而,由于其节点数量众多,部署位置多样,网络拓扑随时变化,如何快速、精准地管理网络拓扑,成为了WSN研究的热点问题之一。
一、WSN中的动态拓扑管理问题由于节点部署的不确定性和数据传输的不可靠性,WSN中的网络拓扑拥有高度的动态性。
在传统的有线网络中,网络拓扑基本保持稳定,而WSN中的网络节点数量巨大,单个节点的能源有限,节点间的连接也容易受到干扰和破坏,这使得WSN的网络拓扑必须时刻应对各种变化。
此外,WSN经常被部署在恶劣的环境中,例如极端天气下或者战争环境下,节点的损坏和传输中断更是时有发生。
因此,如何快速地检测和修复出现的问题,保持拓扑的连通性和稳定性,是WSN中动态拓扑管理的核心问题。
二、WSN中的动态拓扑管理方法为了解决WSN中的动态拓扑管理问题,目前已经产生了一系列的研究成果。
这些方法主要可以分为以下几类:1. 基于节点位置的拓扑管理方法节点间的位置关系和地理位置信息对于WSN中的拓扑管理至关重要。
通过在节点中加入GPS、陀螺仪等定位设备,可以获取到节点的坐标信息,运用这些信息可以对节点的位置关系进行预测,并通过相应的算法进行拓扑优化。
2. 基于网络监测的拓扑管理方法在WSN中,可以通过监测网络中的数据流量、链路质量、节点状态等信息,进行实时监控和分析。
这种方法能够及时发现问题,可以在拓扑发生异常变化时及时采取措施,保证网络拓扑的稳定性。
3. 基于拓扑控制的拓扑管理方法通过对WSN中节点的连接关系进行控制,可以实现对网络拓扑的调整。
例如,可以通过改变节点之间的连接距离、调整节点的信号传输时间等方式,来改善网络拓扑的结构。
无线传感器网络中的网络拓扑结构无线传感器网络是由大量的无线传感器节点组成的,这些节点可以相互通信并协同工作,以收集、处理和传输环境中的信息。
在无线传感器网络中,网络拓扑结构的设计和选择对于网络的性能和可靠性起着至关重要的作用。
一、星型拓扑结构星型拓扑结构是最简单和最常见的网络拓扑结构之一。
在星型拓扑结构中,所有的传感器节点都直接连接到一个中心节点。
中心节点负责收集和处理来自其他节点的数据,并将结果传输到其他节点。
星型拓扑结构具有简单、易于实现和维护的优点,但也存在单点故障的风险,如果中心节点发生故障,整个网络将无法正常运行。
二、树型拓扑结构树型拓扑结构是一种层次结构,其中一个节点作为根节点,其他节点按照层次结构连接到根节点。
树型拓扑结构具有良好的可扩展性和灵活性,可以根据实际需求进行扩展和调整。
此外,树型拓扑结构还具有较好的容错性,即使某些节点发生故障,网络的其他部分仍然可以正常工作。
然而,树型拓扑结构也存在一些缺点,如较长的传输延迟和较高的能耗。
三、网状拓扑结构网状拓扑结构是一种多对多的连接方式,其中每个节点都与其他节点直接相连。
网状拓扑结构具有高度的灵活性和可靠性,即使某些节点发生故障,网络仍然可以通过其他路径进行通信。
此外,网状拓扑结构还具有较低的传输延迟和较好的能耗控制。
然而,网状拓扑结构也存在一些问题,如较高的成本和复杂性。
由于每个节点都需要与其他节点直接通信,所以节点之间的通信距离较短,这限制了网络的覆盖范围。
四、混合拓扑结构混合拓扑结构是将多种拓扑结构组合在一起形成的。
通过灵活地组合不同的拓扑结构,可以充分发挥每种拓扑结构的优点,并弥补其缺点。
例如,可以将星型结构用于数据收集和处理,而将树型或网状结构用于数据传输。
混合拓扑结构可以根据实际需求进行灵活调整,以实现更好的性能和可靠性。
总结:无线传感器网络中的网络拓扑结构选择应根据具体应用需求和网络性能要求来确定。
不同的拓扑结构具有不同的特点和适用场景,需要综合考虑各种因素进行选择。
无线传感器网络中的拓扑控制方法一、引言无线传感器网络(Wireless Sensor Network, WSN)作为一种新型的网络通信技术,已被广泛应用于多个领域,如环境监测、农业、智能交通等。
在无线传感器网络中,节点之间的拓扑结构对于网络性能有着重要的影响。
为了保持传感器网络的稳定和可靠性,拓扑控制方法应运而生。
本文将介绍无线传感器网络中的拓扑控制方法,包括集中式和分布式拓扑控制方法。
二、集中式拓扑控制方法集中式拓扑控制方法是指在无线传感器网络中,通过一个中心节点或者一个集中式控制器来管理和控制整个网络的拓扑结构。
集中式拓扑控制方法主要包括以下几种。
1. 基于全局信息基于全局信息的拓扑控制方法需要所有节点共享网络的全局信息,例如邻居节点的位置、连接关系等。
在这种方法中,中心节点会根据全局信息来调整节点的位置和连接关系,以优化网络性能和能源消耗。
然而,由于需要大量的通信和计算资源来传输和处理全局信息,这种方法在大规模网络中的应用受到了限制。
2. 基于局部信息基于局部信息的拓扑控制方法只需要节点通过邻居节点之间的通信来获取局部信息,例如邻居节点的距离、信号强度等。
节点根据局部信息来判断是否需要调整自身的位置或者连接关系。
这种方法减少了全局信息的传输和处理量,具有较好的可扩展性和适应性。
三、分布式拓扑控制方法分布式拓扑控制方法是指在无线传感器网络中,每个节点根据自身的信息和邻居节点之间的通信来进行拓扑控制,不需要集中式的控制器。
分布式拓扑控制方法主要包括以下几种。
1. 基于地理位置基于地理位置的拓扑控制方法依赖于节点的地理位置信息。
节点根据地理位置信息来选择邻居节点,并调整自身的位置,以构建有效的拓扑结构。
这种方法适用于需要知道节点位置的应用场景,如环境监测。
2. 基于距离测量基于距离测量的拓扑控制方法通过节点之间的距离测量来确定节点之间的连接关系。
节点可以通过无线信号强度、到达时间差等方式来进行距离测量。
无线传感器网络的拓扑控制在当今科技飞速发展的时代,无线传感器网络已经成为了一个备受关注的领域。
它广泛应用于环境监测、工业控制、医疗健康、智能家居等众多领域,为我们的生活和工作带来了极大的便利。
而在无线传感器网络中,拓扑控制是一个至关重要的环节,它直接影响着网络的性能、可靠性和能耗等关键指标。
那么,什么是无线传感器网络的拓扑控制呢?简单来说,拓扑控制就是通过对网络中节点之间的连接关系进行调整和优化,以达到提高网络性能、降低能耗、延长网络生命周期等目的。
在一个无线传感器网络中,节点通常是随机分布的,它们之间的通信链路也具有不确定性和不稳定性。
如果不对网络的拓扑结构进行有效的控制,就可能导致网络出现拥塞、能耗不均、覆盖漏洞等问题,从而影响网络的正常运行。
为了更好地理解拓扑控制的重要性,让我们先来看看无线传感器网络的特点。
首先,无线传感器网络中的节点通常是由电池供电的,能量有限。
因此,如何降低节点的能耗,延长网络的生命周期,是一个亟待解决的问题。
其次,由于节点的分布是随机的,网络的覆盖范围和连通性往往难以保证。
此外,无线传感器网络中的数据传输通常具有多跳性,这就要求网络具有良好的拓扑结构,以确保数据能够高效、可靠地传输。
那么,如何实现无线传感器网络的拓扑控制呢?目前,主要有以下几种方法:功率控制是一种常见的拓扑控制方法。
通过调整节点的发射功率,可以改变节点之间的通信范围,从而影响网络的拓扑结构。
当节点的发射功率降低时,通信范围减小,网络中的连接数量减少,从而降低了能耗和干扰。
反之,当发射功率增大时,通信范围扩大,网络的连通性增强,但同时能耗和干扰也会增加。
因此,需要根据具体的应用场景和需求,合理地调整节点的发射功率,以达到最优的拓扑结构。
睡眠调度是另一种有效的拓扑控制方法。
在无线传感器网络中,并不是所有的节点都需要一直处于工作状态。
通过合理地安排节点的睡眠和唤醒时间,可以在不影响网络性能的前提下,降低节点的能耗。
无线传感器网络的应用与发展研究无线传感器网络(Wireless Sensor Network,WSN)是由大量分布在空间中的无线传感器节点组成的网络。
每个传感器节点由传感器、处理器、通信模块和能量供应组成,能够感知周围环境并将数据通过网络进行传输和处理。
WSN具有广泛的应用领域和巨大的发展潜力,下面将重点介绍其应用与发展研究。
一、应用领域:1.环境监测:WSN可以用于监测大气、水质和土壤等环境参数,用于环境保护和资源管理。
例如,可以利用WSN在自然灾害风险区域进行实时的地震、洪水和林火等监测,从而提前预警和采取相应措施。
2.农业领域:WSN可以用于农作物的生长监测、自动灌溉、病虫害预防和精细调控等。
通过采集和分析土壤水分、温度、光照等数据,提供农业生产的科学决策依据,提高农作物产量和品质。
3.工业自动化:WSN可以用于工业生产过程中的实时监控和控制。
例如,可以利用WSN监测机器设备的运行状态、温度和振动等参数,提前预警设备故障,减少生产停机时间,降低生产成本。
4.健康医疗:WSN可以用于健康监测、疾病预防和老年人护理等。
通过监测人体心率、体温、血压等生理参数,并与医疗机构的数据库相连接,实现远程医疗、智能健康管理和个性化疾病预防。
5.智能交通:WSN可以实现交通流量监测、信号控制和事故预警等。
通过在道路上部署WSN节点,实时采集和分析车辆的位置、速度、行驶方向等信息,优化交通流量,改善交通状况和提高交通安全性。
二、发展研究:1.节点通信协议:WSN的能量有限,传输成本高。
因此,如何设计高效的节点通信协议以降低能量消耗和延长网络寿命是一个重要研究方向。
例如,低功耗的通信机制、节能的路由算法和自适应的信道访问机制等。
2.节点定位和部署策略:节点定位对于WSN的网络拓扑结构和性能具有重要影响。
如何设计高精度、低开销的节点定位算法,以及如何在不规则环境中合理部署节点,是研究的热点问题。
3.安全和隐私保护:WSN中的节点往往是分布式和易受攻击的,如何确保数据的安全传输和存储,以及用户隐私的保护,是WSN安全研究的重要内容。
摘要无线传感器网络是一种随机布撤、分布式、自组织的面向具体应用的新兴网络,具有重大的研究意义和广阔的应用前景。
但是,由于传感器节点的存储、计算和通信能力有限,对网络结构和协议提出低能耗、高效率等严格要求。
大量传感器节点随机布撒后以自组织的方式构建网络拓扑,且随着外界条件的变化,网络拓扑自适应的调整,因此,无线传感器网络拓扑控制机制至关重要。
本文针对无线传感器网络中节点的聚类、调度等拓扑控制问题展开研究,主要工作体现在以下几个方面:结合人工神经网络的自组织学习理论,将竞争学习思想引入到无线传感器网络中,提出一种无线传感器网络竞争学习聚类算法,利用节点间的直接竞争和获胜节点的侧抑制作用实现聚类,阐述了传感器节点在六种状态间的转换和簇的形成过程。
仿真结果表明该算法能将网络中的节点划分成个数稳定性优于LEACH算法的簇,且用于拓扑控制的能耗负载除第一轮外与LEACH算法相当。
针对煤矿井下巷道狭长、子巷道多、意外事故时常发生等特殊环境,提出一种适用于煤矿井下的拓扑控制算法,通过从奇数跳中选簇头,偶数跳中选簇桥初始化网络,以竞争学习的方式实现节点竞争休眠和角色轮换。
仿真结果表明该算法能够将网络划分成个数合理、规模均匀的簇,且簇与簇之间的重叠较少,在半径为110m时节点重叠率为20%。
借鉴多个简单的生命个体(如蚂蚁、蜜蜂)能够协作的完成复杂任务的群体智能思想,将蚁群算法应用于事件驱动型无线传感器网络中,设计一种自组织、自适应的启发式节点调度算法,以负载与能耗均衡为目标,以被动的方式收集无线传感器网络中的监测数据。
仿真结果表明该算法使第1跳子集内节点的负载与能耗标准差分别低于均值的2%和1.9%,与MESA算法相比,网络寿命延长93%以上,网络拥塞程度降低约50%,具有较好的负载与能耗均衡性。
第1章绪论1.1研究背景与意义互联网的出现改变了人与人的交互方式,而人们同样需要一种与客观世界交互的网络形式,以满足人们了解物理世界信息的需求。
无线传感器网络在这样的背景下应运而生,它综合了微电子、信息处理、嵌入式计算及无线通信等技术,由大量部署在监测区域内的具有感知、计算和通信能力的微型传感器节点自组织成网络,利用节点间的相互协作,实现对网络监测区域内信息的感知、采集和处理,并将信息以无线方式传输给用户【1|。
这大大地提高了人们了解客观物理世界信息的能力,也极大地扩展了现有网络的功能和覆盖范围,为人类认识世界并改变世界提供了新的方法。
可以说,无线传感器网络是信息感知和采集的一场革命,被列为21世纪最有影响的、最重要的技术之一,位居对人类未来生活产生深远影响的十大新兴技术之首。
当大量传感器节点被布撒到监控区域之后,采用自组织的方式构建网络。
在传统的无线自组织网络中,拓扑控制是指通过一定的机制自适应地将一定数目的节点组成一个互联网络,无线传感器网络作为一种新兴的无线自组织网络,具有其自身的特点:部署的环境更为复杂,多采用电池供电,能量供应非常有限,节点数目庞大,节点多采用随机部署的方式,部署的密度较大,网络拓扑随着节点失效、新节点加入等情况的发生而发生变化【21。
因此,针对无线传感器网络的特殊性设计更加高效优化的拓扑控制机制非常重要。
由于传感器节点的部署密度较大,每个节点的邻居节点数目较多,而多数情况下不需要所有节点都参与工作,这就要将网络中的传感器节点合理的组织和管理。
针对规模不大的无线传感器网络,所有节点可以功能相同、角色一致,构成平面型网络拓扑;对于规模较大的无线传感器网络,可以将节点划分成若干分组,每个组内选择组织者,采用分治的方式构成层次型网络拓扑。
不论平面型网络还是层次型网络,在保证网络的覆盖度和连通度的前提下,均可以通过控制节点的发射功率或使部分节点休眠来调整网络中工作节点密度,控制节点的邻居节点个数,达到优化网络拓扑结构的目的。
无线传感器网络的每个传感器节点分布式的采集本地的感知数据,然后以无线多跳沈阳航空工业学院硕士学位论文的方式传输,最终传递给用户使用。
由于传感器节点的无线通信能力有限,传输距离比较短,通常采用多跳的方式实现远距离传输,这就需要大量的数据转发节点,使得网络中的传感器节点既是数据采集节点,又是数据转发节点,而且,越靠近汇聚节点的传感器节点的数据转发任务越繁重。
因此,需要合理的调度节点参与数据转发,使网络能耗均衡,避免部分节点的过早“死亡",甚至网络不连通或出现监测盲区。
所以,采用高效的节点组织、调度策略对延长网络的生命期至关重要。
1.2国内外研究现状无线传感器网络作为一种新兴的“无处不在”的网络形式,使用户可以深入及时了解物理世界的环境信息,关注感兴趣的敏感事件的发生。
它的随机布撒、自组织、自适应、低功耗等特点使其在军事、环境、医疗、家居、空间探索等领域都具有广阔的应用前景。
自20世纪90年代末起步以来,无线传感器网络引起了学术界、军界、工业界和商业界的极大关注,美欧相继启动了许多关于无线传感器网络的研究计划。
美国国防部高级研究计划局(DARPA)于1998年开展了SensorlT(Sensor Information Technology)研究计划,目标在于针对适应战场高度动态的环境,建立快速进行任务分配和查询的反应式网络系统,利用无线传感器网络的系统信息处理技术发挥战场网络化观测的优势。
U.C.Berkeley 大学于1998年开始了Smart Dust研究计划,目标是研制体积不超过tmm2的采用太阳能电池供电的微小传感器节点,由于节点的体积小、重量轻,可以像微尘一样在空气中浮动。
美国海军研究办公室(ONR)于1999年至r]2004年支持开展了SeaWeb项目,研究基于水声通信的无线传感器网络的组网技术,并验证了构造水声传感器网络系统的可行性。
美国国家航空与航天局(NASA)雕JJPL实验室自2001年以来开展SensorWebs计划,通过近地低空轨道飞行的星载传感器提供全天候、同步、连续的全球影像,实现对地球突发事件的快速反应,并准备用在将来的火星探测项目上【引。
另外,英国、加拿大、德国、日本等国家也纷纷加入了无线传感器网络的研究行列。
我国对无线传感器网络的研究及应用几乎与国外同步,中科院于2001年成立微系统研究与发展中心,挂靠在中科院上海微系统所,成员单位包括声学所、微电子所、研究生院等十余家研究所和高校,共同推进传感器网络的研究。
上海微系统所还牵头组建了传感器网络产学研上海联盟。
另外,我国哈尔滨工业大学、清华大学、’北京邮电大学、2沈阳航空工业学院硕士学位论文西北工业大学等高校也较早开展了传感器网络的研究。
我国政府同样十分重视无线传感器网络的研究,在“中国未来20年技术预见研究”提出的157个技术课题中有7项直接涉及无线传感器网络。
2006年初发布的《国家中长期科学与技术发展规划纲要》为信息技术确定了3个前沿方向,其中两个与无线传感器网络研究直接相关,在重大专项、优先发展主题、前沿领域均将传感器网络列入其中【41。
另外,国家自然科学基金委员会已经在该领域设立了多个重点项目和面上项目,并开展多项973课题、863课题。
无线传感器网络是涉及传感器技术、网络通信技术、无线传输技术、嵌入式计算技术、分布式信息处理技术、微电子制造技术、软件编程技术等多学科交叉的研究领域,有非常多的关键技术有待发现和研究,其中,拓扑控制技术是无线传感器网络的核心技术之一。
目前,针对非层次型和层次型两种网络拓扑结构,无线传感器网络拓扑控制形成了功率控制、休眠调度、启发式唤醒等主流研究方向【引。
(1)功率控制类算法伊利诺斯大学的Narayanaswamy等人提出并实现一种将功率控制与路由协议相结合的Compow算法,在保证网络连通的前提下,使所有节点使用最小的同一发射功率。
Kawadia和Kumar对Compow]N以改进,提出-j"ClusterPow算法,引入隐含簇的概念,在各簇内使用可以与目的节点通信的最小功率。
柏林工业大学Kubisch等人提出了基于节点度的功率控制算法LMA和LMN,通过调整节点功率来控制节点的度数,使其落在上限与下限之问。
微软亚洲研究院的Wattenhofer茅lJ康奈尔大学的“等人提出了保证网络连通度的基于方向的CBTC算法。
伊利诺斯大学的Li和Hou提出了两个具有代表性的基于邻近图的功率控制算法一DRNG与D【,MST算法。
(2)休H民调度类算法俄亥俄州立大学的Kumar等人提出了各节点在每个时间周期开始时以某一概率独立地决定自己是否进入休眠状态的RIS算法。
宾西法尼亚州立大学的Berman等人提出了MSNI.算法,使节点在活动状态、休眠状态和过渡状态问转换。
加州大学洛杉矾分校的Ye等人提出了一种适用于恶劣环境中高密度传感器网络的PEAS算法,加州大学戴维斯分校的Gui等人对PEASjJIJ以扩展后提出了PECAS算法。
麻省理工学院的Heinzelman等人提出了一直被广泛引用的LEACH算法,而随后出现了很多针对该算法的改进算法。
雪3沈阳航空工业学院硕士学位论文城大学I拘Deng等人假设聚类结构已经存在,提出了一种适用于基于簇的高密度传感器网络的LDS算法。
南加州大学的xu等人把监测区域划分成正方形虚拟单元格,提出了以节点地理位置为聚类依据的GAF算法。
鲁杰斯大学的Deb等人提出了一种基于图论中最小支配集I均TopDisc算法,具体又分为三色算法和四色算法。
普渡大学的Younis和Fahmv 提出了一种迭代的HEED聚类算法。
i.3课题研究的主要内容无线传感器网络的拓扑控制机制至关重要,它为其它关键技术的研究提供拓扑基础和保证,对高效利用能量,延长网络生命期具有重要意义。
本文在分析无线传感器网络特点的基础上,以煤矿井下人员设备定位为应用背景,应用人工神经网络自组织学习理论及蚁群算法等,对无线传感器网络中的节点聚类、调度等拓扑控制机制为重点开展了研究。
本文的研究内容主要有以下几个方面:(1)在分析无线传感器网络及其特点的基础上,研究了节点随机布撒后自组织成的网络拓扑结构形式,总结了拓扑控制算法的设计目标,深入分析了各主流研究方向及典型算法。
(2)结合人工神经网络的竞争学习理论,抽象了网络的输入层和竞争层,利用节点间的直接竞争和获胜节点的侧抑制作业实现聚类,设计了一种基于竞争学习的无线传感器网络聚类算法。
(3)针对煤矿井下的特殊环境,研究线性无线传感器网络的拓扑控制问题,按跳将煤矿巷道中的传感器节点自组织成高效自适应的网络拓扑,研究适用的无线传感器网络拓扑控制机制。
(4)借鉴多个简单的生命个体(如蚂蚁、蜜蜂)能够协作的完成复杂任务的群体智能思想,将蚁群算法应用于事件驱动型无线传感器网络中,设计实现了一种自组织、自适应的启发式节点调废篱警嘲滞—赣Ih矽_‰I,1.4论文组织结构论文的工作主要围绕无线传感器网络的拓扑控制机制这一课题进行,论文组织如4沈阳航空工业学院硕士学位论文‘F:第1章主要介绍课题的研究背景和研究意义、国内外研究现状、研究的主要内容,以及论文的组织结构。