【摘要】：無(wú)線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks, WSNs)的覆蓋與數(shù)據(jù)處理問(wèn)題是無(wú)線傳感器網(wǎng)絡(luò)中的關(guān)鍵性問(wèn)題。覆蓋問(wèn)題是指采用一定的節(jié)點(diǎn)配置策略使得網(wǎng)絡(luò)的覆蓋面積達(dá)到最大的同時(shí)并且網(wǎng)絡(luò)的生存周期達(dá)到最長(zhǎng)。數(shù)據(jù)處理問(wèn)題是指通過(guò)研究網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)、路由協(xié)議及相應(yīng)的數(shù)據(jù)融合方法，使得網(wǎng)絡(luò)以最小的能量消耗完成全網(wǎng)的數(shù)據(jù)采集及重構(gòu)任務(wù)。本文以無(wú)線傳感器網(wǎng)絡(luò)的K覆蓋和數(shù)據(jù)采集及其重構(gòu)問(wèn)題為核心展開(kāi)了深入細(xì)致的研究。通過(guò)充分利用網(wǎng)絡(luò)布撒節(jié)點(diǎn)的冗余性，將網(wǎng)絡(luò)的節(jié)點(diǎn)分成K個(gè)不同的組合，，提出了基于博弈理論的K覆蓋問(wèn)題的求解算法；基于壓縮感知(Compressed Sensing, CS)的數(shù)據(jù)壓縮采集理論，提出了量測(cè)矩陣的優(yōu)化算法，并且進(jìn)一步研究了網(wǎng)內(nèi)數(shù)據(jù)壓縮融合方法。本文的主要內(nèi)容包括： 提出了求解同構(gòu)WSNs的K覆蓋問(wèn)題的解決方案，即N人撲克牌博弈算法(N Person Card Game Algorithm, NPCGA)。NPCGA是一種純分布式算法，在無(wú)中央控制器和無(wú)需全局通信的情況下，各個(gè)傳感器節(jié)點(diǎn)僅通過(guò)純粹的局部通信就可以完成整個(gè)博弈過(guò)程。NPCGA使得所有節(jié)點(diǎn)策略最終收斂于純粹納什均衡，并且網(wǎng)絡(luò)的平均覆蓋面積也達(dá)到了相對(duì)最優(yōu)值。通過(guò)采用NPCGA，同構(gòu)WSNs的生存周期在延長(zhǎng)至原來(lái)K倍的前提下，網(wǎng)絡(luò)對(duì)感知區(qū)域的監(jiān)測(cè)性能也達(dá)到了相對(duì)最優(yōu)。NPCGA的覆蓋性能好、收斂速度快、算法的魯棒性強(qiáng)并且非常適合用于WSNs的網(wǎng)絡(luò)設(shè)計(jì)中。 提出了求解異構(gòu)WSNs的K覆蓋問(wèn)題的解決方案，即貪婪博弈算法(Greedy Game Algorithms, GGAs)。在該方案中，本文首先提出了典型異構(gòu)WSNs的網(wǎng)絡(luò)模型。本模型將異構(gòu)WSNs中的節(jié)點(diǎn)關(guān)系歸為對(duì)等鄰居節(jié)點(diǎn)關(guān)系、盲鄰居節(jié)點(diǎn)關(guān)系、潛在鄰居節(jié)點(diǎn)關(guān)系和明確鄰居節(jié)點(diǎn)關(guān)系等4種類(lèi)型。GGAs同樣是一類(lèi)純分布式算法。通過(guò)采用GGAs，能夠很好的解決異構(gòu)網(wǎng)絡(luò)的K覆蓋問(wèn)題。當(dāng)GGAs使得異構(gòu)網(wǎng)絡(luò)節(jié)點(diǎn)策略收斂至純納什均衡時(shí)，整個(gè)異構(gòu)WSNs的生命周期被延長(zhǎng)至原來(lái)的K倍，并且異構(gòu)網(wǎng)絡(luò)的平均覆蓋面積也獲得了相對(duì)最優(yōu)值。GGAs在網(wǎng)絡(luò)的異構(gòu)率不斷增加的情況下，仍然能夠在最大程度上削弱信息的不對(duì)等對(duì)網(wǎng)絡(luò)覆蓋率產(chǎn)生的影響。在異構(gòu)網(wǎng)絡(luò)中，GGAs仍然能夠保持在覆蓋性能、算法的收斂速度、魯棒性能及網(wǎng)絡(luò)設(shè)計(jì)方面的優(yōu)勢(shì)。 提出了應(yīng)用于網(wǎng)內(nèi)數(shù)據(jù)壓縮采集的量測(cè)矩陣構(gòu)造算法(Measurement MatrixConstruction Algorithm, MMCA)。以固定的稀疏矩陣Ψ為前提，通過(guò)緊縮和交互投影理論對(duì)量測(cè)矩陣Φ進(jìn)行逐次優(yōu)化。最終，本文得到了與Ψ的相關(guān)性相對(duì)最小的量測(cè)矩陣Φ。 MMCA能夠?qū)Σ煌?lèi)型的隨機(jī)量測(cè)矩陣Φ進(jìn)行優(yōu)化，并且其優(yōu)化結(jié)果相對(duì)較好。MMCA易于實(shí)現(xiàn)并且收斂速度快。通過(guò)對(duì)互相關(guān)系數(shù)、z閾值平均相關(guān)系數(shù)和積累相關(guān)系數(shù)的綜合性分析，從本質(zhì)上得出了MMCA的優(yōu)勢(shì)所在。仿真及實(shí)物實(shí)驗(yàn)表明在保證網(wǎng)絡(luò)終端節(jié)點(diǎn)對(duì)源數(shù)據(jù)重構(gòu)率的前提下，MMCA優(yōu)化的量測(cè)矩陣Φ能夠有效的降低網(wǎng)內(nèi)數(shù)據(jù)的傳輸量。 提出了基于K覆蓋的網(wǎng)內(nèi)數(shù)據(jù)處理的整體性方案。通過(guò)采用該方案，本文從本質(zhì)上實(shí)現(xiàn)了WSNs在延長(zhǎng)網(wǎng)絡(luò)生存周期的前提下，對(duì)網(wǎng)內(nèi)數(shù)據(jù)進(jìn)行高效處理的目的。本文提出了基于最小能量消耗的最優(yōu)數(shù)據(jù)融合樹(shù)(Optimal DataAggregation Tree, ODAT)的構(gòu)建算法。ODAT從本質(zhì)上是一個(gè)以網(wǎng)絡(luò)終端(sink)節(jié)點(diǎn)為樹(shù)根的最小生成樹(shù)(Minimum Spanning Tree, MST)和最短路徑樹(shù)(ShortestPath Forest, SPF)組成的有機(jī)整體�；趯�(duì)K覆蓋網(wǎng)絡(luò)節(jié)點(diǎn)的輪詢(xún)調(diào)度并且采用ODAT算法，本文從本質(zhì)上將網(wǎng)絡(luò)節(jié)點(diǎn)的數(shù)據(jù)傳輸量降到了最低，并且同時(shí)使網(wǎng)絡(luò)的生存周期延長(zhǎng)至原來(lái)的K倍�；诹繙y(cè)矩陣的構(gòu)建算法和擴(kuò)散小波稀疏矩陣構(gòu)建方法，終端節(jié)點(diǎn)采用相應(yīng)的數(shù)據(jù)重構(gòu)算法對(duì)源數(shù)據(jù)進(jìn)行了高效重構(gòu)。
【圖文】：

b)實(shí)物實(shí)驗(yàn)場(chǎng)景b) Practical experimental scenario圖2-17大網(wǎng)絡(luò)實(shí)驗(yàn)場(chǎng)景Fig.2-17 Experimental scenario of large-scale sensor networks- 38 -

a) Simulation resultb)實(shí)物實(shí)驗(yàn)結(jié)果b) Practical experimental result圖2-18 NPCGA的大網(wǎng)絡(luò)實(shí)驗(yàn)結(jié)果Fig.2-18 Experimental r
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：TP212.9;TN929.5

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 賈杰;陳劍;常桂然;聞?dòng)⒂?;無(wú)線傳感器網(wǎng)絡(luò)中覆蓋集的高效選取(英文)[J];自動(dòng)化學(xué)報(bào);2008年09期

2 任豐原,黃海寧,林闖;無(wú)線傳感器網(wǎng)絡(luò)[J];軟件學(xué)報(bào);2003年07期

3 馬祖長(zhǎng),孫怡寧,梅濤;無(wú)線傳感器網(wǎng)絡(luò)綜述[J];通信學(xué)報(bào);2004年04期

本文編號(hào)：2573459