無(wú)線傳感器網(wǎng)絡(luò)由大量具有感知、計(jì)算和無(wú)線通信能力的傳感器節(jié)點(diǎn)構(gòu)成,能夠采集環(huán)境數(shù)據(jù),對(duì)數(shù)據(jù)進(jìn)行處理和傳輸,并將有價(jià)值的環(huán)境信息呈現(xiàn)在人們面前。隨著人們對(duì)信息需求的不斷增長(zhǎng),無(wú)線傳感器網(wǎng)絡(luò)被越來(lái)越廣泛地應(yīng)用于各個(gè)領(lǐng)域。由于傳感器節(jié)點(diǎn)的能量有限,使節(jié)能問(wèn)題成為無(wú)線傳感器網(wǎng)絡(luò)研究的關(guān)鍵問(wèn)題之一。通信能耗是傳感器節(jié)點(diǎn)主要的能耗來(lái)源,因此通過(guò)設(shè)計(jì)路由算法或減少數(shù)據(jù)傳輸量能夠有效地節(jié)省傳感器節(jié)點(diǎn)的能量,延長(zhǎng)網(wǎng)絡(luò)壽命。分簇是一種節(jié)能的路由方法。數(shù)據(jù)感知的分簇路由根據(jù)數(shù)據(jù)相似性進(jìn)行分簇,結(jié)合相應(yīng)的數(shù)據(jù)收集策略能夠有效減少數(shù)據(jù)傳輸量,降低通信能耗,因此本文主要研究數(shù)據(jù)感知的分簇算法和基于這種簇結(jié)構(gòu)的數(shù)據(jù)收集策略。本文首先闡述了無(wú)線傳感網(wǎng)中數(shù)據(jù)感知的分簇和節(jié)能的數(shù)據(jù)收集策略的研究背景和意義,并對(duì)無(wú)線傳感網(wǎng)的網(wǎng)絡(luò)體系結(jié)構(gòu)、特點(diǎn)、關(guān)鍵技術(shù)以及性能指標(biāo)進(jìn)行了介紹。然后介紹了幾種典型的數(shù)據(jù)感知的分簇算法和相對(duì)應(yīng)的數(shù)據(jù)收集框架,并對(duì)他們的優(yōu)勢(shì)與不足進(jìn)行了討論,總結(jié)出本文要解決的核心問(wèn)題。針對(duì)目前數(shù)據(jù)感知的分簇算法中節(jié)點(diǎn)相似條件較苛刻、識(shí)別出的冗余節(jié)點(diǎn)較少的問(wèn)題,本文分析了環(huán)境數(shù)據(jù)的分布特點(diǎn),定義了兩個(gè)互補(bǔ)的相似性測(cè)... 

【文章來(lái)源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：87 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 無(wú)線傳感器網(wǎng)絡(luò)基礎(chǔ)概述
        1.3.1 無(wú)線傳感器網(wǎng)絡(luò)體系結(jié)構(gòu)
        1.3.2 無(wú)線傳感器網(wǎng)絡(luò)的特征
        1.3.3 無(wú)線傳感器網(wǎng)絡(luò)的關(guān)鍵技術(shù)以及性能指標(biāo)
    1.4 本文的主要內(nèi)容及結(jié)構(gòu)安排
第2章 WSN中數(shù)據(jù)感知的分簇算法及數(shù)據(jù)收集策略的研究
    2.1 基于瞬時(shí)數(shù)據(jù)的分簇和數(shù)據(jù)收集
        2.1.1 EAST中的分簇
        2.1.2 EAST中的數(shù)據(jù)收集
    2.2 考慮數(shù)據(jù)趨勢(shì)的分簇和數(shù)據(jù)收集
        2.2.1 EEDC中的分簇
        2.2.2 EEDC中的數(shù)據(jù)收集
    2.3 基于映射空間的分簇和基于預(yù)測(cè)的數(shù)據(jù)收集
        2.3.1 DSCCF中的分簇
        2.3.2 DSCCF中的數(shù)據(jù)收集
    2.4 基于壓縮效果的分簇和數(shù)據(jù)收集
        2.4.1 SDCC中的網(wǎng)內(nèi)數(shù)據(jù)處理
        2.4.2 SDCC中的分簇
    2.5 本章小結(jié)
第3章 數(shù)據(jù)感知的分簇
    3.1 傳感器節(jié)點(diǎn)的數(shù)據(jù)相似性測(cè)量
    3.2 簇結(jié)構(gòu)能耗模型分析
    3.3 WK-means分簇算法
        3.3.1 初始簇頭選擇
        3.3.2 節(jié)點(diǎn)分簇算法
        3.3.3 簇頭選舉算法
    3.4 本章小結(jié)
第4章 節(jié)能的數(shù)據(jù)收集框架
    4.1 SC-EEDC框架概述
    4.2 基于錨節(jié)點(diǎn)的數(shù)據(jù)收集策略
    4.3 動(dòng)態(tài)睡眠調(diào)度
    4.4 長(zhǎng)度編碼壓縮
    4.5 簇結(jié)構(gòu)維護(hù)策略
    4.6 本章小結(jié)
第5章 仿真與性能分析
    5.1 仿真環(huán)境及參數(shù)設(shè)置
    5.2 仿真結(jié)果分析
        5.2.1 數(shù)據(jù)縮減性能分析
        5.2.2 簇結(jié)構(gòu)分析
        5.2.3 節(jié)能性分析
    5.3 本章小結(jié)
第6章 總結(jié)與展望
參考文獻(xiàn)
作者簡(jiǎn)介
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于W-Kmeans算法的DNS流量異常檢測(cè)[J]. 林成虎,李曉東,金鍵,尉遲學(xué)彪,吳軍.  計(jì)算機(jī)工程與設(shè)計(jì). 2013(06)
[2]面向物聯(lián)網(wǎng)的無(wú)線傳感器網(wǎng)絡(luò)綜述[J]. 錢(qián)志鴻,王義君.  電子與信息學(xué)報(bào). 2013(01)
[3]無(wú)線傳感器網(wǎng)絡(luò)中的數(shù)據(jù)壓縮研究——結(jié)合小波提升算法和差分機(jī)制[J]. 夏永成,陳黎黎,陳曦.  計(jì)算機(jī)工程與應(yīng)用. 2010(02)



本文編號(hào)：3149550