本文關(guān)鍵詞：無線傳感器網(wǎng)絡(luò)中信道分配方法的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：無線傳感器網(wǎng)絡(luò)使用大量的傳感器節(jié)點(diǎn)作為網(wǎng)絡(luò)節(jié)點(diǎn)建立非集中式的架構(gòu),是一個具有大規(guī)模、自組織特點(diǎn)的網(wǎng)絡(luò)系統(tǒng)。傳感器節(jié)點(diǎn)通過協(xié)作的方式將收集到的數(shù)據(jù)傳輸給用戶,集數(shù)據(jù)采集、節(jié)點(diǎn)數(shù)據(jù)處理和節(jié)點(diǎn)間無線通信功能于一身,可以實(shí)現(xiàn)對監(jiān)測區(qū)域的數(shù)據(jù)收集、處理。在無線傳感器網(wǎng)絡(luò)中,傳感器節(jié)點(diǎn)數(shù)據(jù)傳輸時會受到不同程度的干擾,這種干擾包括來自周圍環(huán)境的噪聲干擾,還包括節(jié)點(diǎn)之間的信號相互干擾。因此如何進(jìn)行信道的分配是一個重要的問題。本文分析了無線傳感器網(wǎng)絡(luò)信道分配問題的國內(nèi)外研究現(xiàn)狀,綜合考慮了多種啟發(fā)式算法的優(yōu)劣,提出了一種傳統(tǒng)信道分配算法和兩種基于群智能優(yōu)化的信道分配算法。傳統(tǒng)的信道分配算法為基于收發(fā)分離的多信道MAC協(xié)議,兩種基于群智能優(yōu)化的算法即離散蝙蝠算法和二進(jìn)制布谷鳥算法。收發(fā)分離的多信道MAC協(xié)議改進(jìn)了傳感器物理模型,將節(jié)點(diǎn)的收發(fā)單元進(jìn)行分割,變成獨(dú)立的信號接收單元和信號發(fā)射單元兩部分,并將緩存Cache模塊加入傳感器節(jié)點(diǎn)。這種改進(jìn)可以保證接收節(jié)點(diǎn)在睡眠狀態(tài)也可以接收數(shù)據(jù),從而提高信道的利用率,同時減少節(jié)點(diǎn)的能量消耗。進(jìn)一步將SSCH信道分配算法的思想結(jié)合到協(xié)議中,有效地解決了三種隱終端問題,降低數(shù)據(jù)傳輸延遲。離散蝙蝠算法包含以下內(nèi)容:1.離散化處理。無線傳感器網(wǎng)絡(luò)的信道分配問題的解空間是離散的,需要采用映射的方式將連續(xù)的空間點(diǎn)映射成離散的空間點(diǎn),以此實(shí)現(xiàn)算法的離散化。2.初始解的優(yōu)化。采用logistic混沌模型對初始解進(jìn)行變換,使初始解具有一定的隨機(jī)性,以保證分布的均衡性,改善了由于初始解不均衡導(dǎo)致求解精度不夠的問題。3.增強(qiáng)局部搜索。為了解決啟發(fā)式算法容易陷入局部最優(yōu)解的普遍性問題,算法采用了前期大半徑搜索方式,以最大化的找到所有極值,后期進(jìn)行小半徑搜索,增強(qiáng)了對最優(yōu)解求解能力。二進(jìn)制布谷鳥算法包含以下內(nèi)容:1.二進(jìn)制化。在原始布谷鳥算法的基礎(chǔ)上,優(yōu)化了位置的編碼與位置的更新方法,鳥巢的位置改由二進(jìn)制編碼組成;鳥巢的位置更新采用萊維飛行,并將其通過特定映射方式轉(zhuǎn)換成變換的概率計算,即位變量取0或者取1的概率。2.Lévy飛行的映射。為了使二進(jìn)制布谷鳥搜索算法既有很強(qiáng)的收斂性又有很強(qiáng)的全局多樣性,將Kennedy更新公式和Liu等人提出的更新公式進(jìn)行結(jié)合,產(chǎn)生了新的混合位置更新公式。3.改進(jìn)搜索機(jī)制。傳統(tǒng)的鳥蛋淘汰機(jī)制具有一定局限性,本文棄用原始的產(chǎn)生鳥蛋的方法,將遺傳算法中的交叉思想應(yīng)用到布谷鳥算法,通過交叉獲得新的鳥蛋的位置�；谏鲜鲂薷倪^的算法,本文在Matlab環(huán)境下進(jìn)行了相應(yīng)的仿真實(shí)驗,來分別對比本文算法和傳統(tǒng)遺傳算法、二進(jìn)制粒子群算法等算法在無線傳感器信道分配問題上的性能對比。將提出的CSMAC協(xié)議在網(wǎng)絡(luò)吞吐量、能量消耗和數(shù)據(jù)傳輸延遲三方面與傳統(tǒng)的多信道MAC協(xié)議進(jìn)行對比分析,實(shí)驗結(jié)果證明CSMAC具有更好的網(wǎng)絡(luò)性能。離散蝙蝠算法采用的對比實(shí)驗環(huán)境是Philadelphia benchmark,其為經(jīng)典的測試信道分配問題性能的實(shí)驗環(huán)境。二進(jìn)制布谷鳥算法的實(shí)驗環(huán)境是3*3的網(wǎng)狀結(jié)構(gòu)和salama模型兩種,不同的實(shí)驗環(huán)境可以使得實(shí)驗的結(jié)果更具有一般性。經(jīng)過仿真實(shí)驗的測試,實(shí)驗結(jié)果表明蝙蝠算法在初始種群適應(yīng)度、最優(yōu)收斂率和收斂速度上均優(yōu)于對比的傳統(tǒng)遺傳算法和改進(jìn)的遺傳算法。二進(jìn)制布谷鳥算法的實(shí)驗也發(fā)現(xiàn)其在吞吐量和收斂速度以及網(wǎng)絡(luò)容量方面優(yōu)于BPO和BPSO。
【關(guān)鍵詞】：WSN 信道分配 蝙蝠算法 布谷鳥算法
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP18;TP212.9;TN929.5
【目錄】：

• 摘要4-6
• Abstract6-14
• 第1章 緒論14-24
• 1.1 無線傳感器網(wǎng)絡(luò)（WSN）簡介14-16
• 1.1.1 無線傳感器網(wǎng)絡(luò)結(jié)構(gòu)14-15
• 1.1.2 無線傳感器網(wǎng)絡(luò)的特點(diǎn)15-16
• 1.1.3 無線傳感器網(wǎng)絡(luò)的應(yīng)用領(lǐng)域16
• 1.2 無線傳感器網(wǎng)絡(luò)信道干擾問題16-17
• 1.2.1 同信道間的干擾17
• 1.2.2 重疊信道間的干擾17
• 1.3 無線傳感器網(wǎng)絡(luò)多信道通信概述17-19
• 1.3.1 多信道通信的優(yōu)勢17-18
• 1.3.2 多信道通信的問題18-19
• 1.4 典型的WSN信道分配算法19-21
• 1.5 現(xiàn)代智能算法優(yōu)化的信道分配方法21-22
• 1.6 本文的主要貢獻(xiàn)與結(jié)構(gòu)安排22-24
• 1.6.1 本文的主要貢獻(xiàn)22
• 1.6.2 結(jié)構(gòu)安排22-24
• 第2章 基于收發(fā)分離的多信道MAC協(xié)議24-34
• 2.1 多信道MAC協(xié)議24
• 2.2 MAC協(xié)議分析24-26
• 2.3 基于收發(fā)分離的CSMAC協(xié)議26-30
• 2.3.1 三重隱終端問題的產(chǎn)生原因26-27
• 2.3.2 CSMAC協(xié)議傳感器結(jié)構(gòu)27-28
• 2.3.3 信道選擇策略28-29
• 2.3.4 多信道MAC協(xié)議關(guān)鍵問題解決策略29
• 2.3.5 基于CSMAC的數(shù)據(jù)傳輸過程29-30
• 2.4 仿真實(shí)驗30-33
• 2.4.1 參數(shù)設(shè)置30-31
• 2.4.2 網(wǎng)絡(luò)吞吐量31-32
• 2.4.3 能量消耗32
• 2.4.4 數(shù)據(jù)傳輸延遲32-33
• 2.5 本章小結(jié)33-34
• 第3章 基于離散蝙蝠算法的WSN信道分配算法34-50
• 3.1 離散蝙蝠算法34-37
• 3.1.1 傳統(tǒng)蝙蝠算法介紹34-36
• 3.1.2 蝙蝠算法的離散化36
• 3.1.3 蝙蝠算法優(yōu)點(diǎn)36-37
• 3.2 基于混沌理論的初始解優(yōu)化37-38
• 3.3 局部搜索38
• 3.3.1 傳統(tǒng)蝙蝠算法搜索方案的局限性38
• 3.3.2 本文環(huán)境中對搜索方案的優(yōu)化38
• 3.4 基于改進(jìn)蝙蝠算法的信道分配方案38-43
• 3.4.1 信道分配問題模型38-40
• 3.4.2 benchmark問題40-41
• 3.4.3 最小間隔編碼方案41-42
• 3.4.4 適應(yīng)度評價函數(shù)42
• 3.4.5 改進(jìn)的離散化蝙蝠算法42-43
• 3.5 蝙蝠算法參數(shù)優(yōu)化43-46
• 3.5.1 蝙蝠算法中種群的蝙蝠數(shù)量d的確定43-45
• 3.5.2 蝙蝠算法中搜索半徑調(diào)節(jié)因子a的確定45
• 3.5.3 蝙蝠算法中響度因子a的確定45-46
• 3.6 實(shí)驗與分析46-49
• 3.6.1 benchmark參數(shù)設(shè)置46-47
• 3.6.2 初始種群適應(yīng)度比較47-48
• 3.6.3 最優(yōu)解收斂率比較48
• 3.6.4 收斂速度比較48-49
• 3.7 本章小結(jié)49-50
• 第4章 基于二進(jìn)制布谷鳥算法的WSN信道分配算法50-75
• 4.1 布谷鳥算法基本原理50-53
• 4.1.1 布谷鳥搜索算法背景50
• 4.1.2 Lévy飛行50-51
• 4.1.3 布谷鳥尋找鳥巢的路徑和位置的更新51-53
• 4.2 布谷鳥算法的離散與映射方法53-57
• 4.2.1 二進(jìn)制布谷鳥算法簡介及位置編碼方式53
• 4.2.2 基于Lévy飛行的映射方法53-56
• 4.2.3 改進(jìn)的鳥蛋淘汰機(jī)制56-57
• 4.3 基于改進(jìn)布谷鳥算法的信道分配方案57-63
• 4.3.1 系統(tǒng)模型57-59
• 4.3.2 基于布谷鳥算法的信道分配59-63
• 4.4 布谷鳥算法的參數(shù)優(yōu)化63-68
• 4.4.1 測試函數(shù)64
• 4.4.2 基于種群數(shù)量變化的影響64-65
• 4.4.3 三種參數(shù)共同變化的影響65-68
• 4.5 基于改進(jìn)布谷鳥算法的信道分配方案場景一68-71
• 4.5.1 參數(shù)設(shè)置68-69
• 4.5.2 吞吐量分析對比69-70
• 4.5.3 收斂速度對比70
• 4.5.4 信道數(shù)目與網(wǎng)絡(luò)容量關(guān)系70-71
• 4.6 基于改進(jìn)布谷鳥算法的信道分配方案場景二71-74
• 4.6.1 參數(shù)設(shè)置71
• 4.6.2 吞吐量分析對比71-72
• 4.6.3 收斂速度對比72-73
• 4.6.4 信道數(shù)目與網(wǎng)絡(luò)容量關(guān)系73-74
• 4.7 本章小結(jié)74-75
• 第5章 總結(jié)與展望75-77
• 5.1 工作與總結(jié)75-76
• 5.2 問題與展望76-77
• 參考文獻(xiàn)77-79
• 作者簡介及在學(xué)期間所取得的科研成果79-80
• 致謝80

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前6條

1 劉耀中;余旭濤;;基于遺傳算法的多信道無線網(wǎng)絡(luò)信道分配方案[J];計算機(jī)工程;2013年06期

2 楊卓靜;孫宏志;任晨虹;;無線傳感器網(wǎng)絡(luò)應(yīng)用技術(shù)綜述[J];中國科技信息;2010年13期

3 李建中;高宏;;無線傳感器網(wǎng)絡(luò)的研究進(jìn)展[J];計算機(jī)研究與發(fā)展;2008年01期

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

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

6 李滿林,王玉娜,杜雷,王光興;蜂窩網(wǎng)絡(luò)中基于遺傳算法的信道分配[J];東北大學(xué)學(xué)報;2003年03期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 張偉;面向精細(xì)農(nóng)業(yè)的無線傳感器網(wǎng)絡(luò)關(guān)鍵技術(shù)研究[D];浙江大學(xué);2013年

2 劉建華;粒子群算法的基本理論及其改進(jìn)研究[D];中南大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 李艷莉;無線傳感器網(wǎng)絡(luò)中信道管理的研究[D];吉林大學(xué);2014年

2 王玉婧;基于粒子群優(yōu)化的無線Mesh網(wǎng)絡(luò)信道分配算法研究[D];云南大學(xué);2014年

  本文關(guān)鍵詞：無線傳感器網(wǎng)絡(luò)中信道分配方法的研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：268177