【摘要】：獲取物理世界的信息是物聯(lián)網(wǎng)所提供的各種應(yīng)用和服務(wù)的基礎(chǔ)。當(dāng)前對于傳感器感知問題的研究大部分是假設(shè)理想的部署環(huán)境或充足的傳感器數(shù)量,而事實上物聯(lián)網(wǎng)的很多應(yīng)用中,傳感器的感知能力、部署成本以及物理環(huán)境等因素造成物聯(lián)網(wǎng)難以全面感知監(jiān)測區(qū)域,傳感器的部署和數(shù)據(jù)采集常常受到限制。針對傳感器部署和數(shù)據(jù)采集受限條件下物聯(lián)網(wǎng)感知能力提高進行研究,可以擴展物聯(lián)網(wǎng)的應(yīng)用范圍,并成為近年來物聯(lián)網(wǎng)領(lǐng)域研究的熱點。本文以提高物聯(lián)網(wǎng)在傳感器部署和采集受限條件下優(yōu)化物聯(lián)網(wǎng)感知能力為目標(biāo),全面而系統(tǒng)地研究了物聯(lián)網(wǎng)的傳感器受限的部署優(yōu)化和數(shù)據(jù)采集的一些關(guān)鍵問題。主體內(nèi)容分為兩個部分:傳感器優(yōu)化部署策略和數(shù)據(jù)采集關(guān)鍵技術(shù)。前者主要研究事件感知類監(jiān)控網(wǎng)絡(luò)的傳感器優(yōu)化部署和數(shù)據(jù)空間分析類傳感網(wǎng)絡(luò)的傳感器稀疏部署;后者主要研究不完全采集的數(shù)據(jù)空間重構(gòu)技術(shù)和廣域監(jiān)測區(qū)域中移動機器人數(shù)據(jù)采集技術(shù)。本文主要研究內(nèi)容和貢獻如下:第一,研究了面向事件感知傳感器(如監(jiān)控攝像頭)不完全覆蓋時的部署位置優(yōu)化問題。針對監(jiān)測區(qū)域環(huán)境復(fù)雜,監(jiān)控對象的信息隨空間位置變化頻繁的場景。部署在監(jiān)測區(qū)域的監(jiān)控傳感器數(shù)目是有限的或者是給定的條件下,為了提高事件的感知能力,本文提出權(quán)重感知的傳感器不完全覆蓋策略,將有限的感知設(shè)備集中部署在關(guān)鍵的位置。在這類物聯(lián)網(wǎng)應(yīng)用場景中,監(jiān)測區(qū)域各個部分的權(quán)重計算是關(guān)鍵,本文將整個監(jiān)測區(qū)域網(wǎng)格化,從感知網(wǎng)格的異常事件發(fā)生概率、異常事件影響度、異常事件容忍時間三方面融合計算感知網(wǎng)格的權(quán)重。為了方便計算與分析,本文提出拉鋸映射方法對網(wǎng)格的權(quán)重進行計算。綜合傳感精度和覆蓋率,結(jié)合感知網(wǎng)格的權(quán)重,提出了監(jiān)測傳感網(wǎng)絡(luò)的感知可信度的模型,從而保證可靠且有效的感知到監(jiān)測區(qū)域異常事件。第二,研究了有利于數(shù)據(jù)重構(gòu)的傳感器稀疏部署問題。針對廣域監(jiān)測區(qū)域中傳感器感知范圍不能完全覆蓋監(jiān)測區(qū)域,即監(jiān)測區(qū)域的面積遠(yuǎn)遠(yuǎn)大于傳感器感知面積,需要考慮傳感器稀疏部署的傳感器放置問題。本文充分利用監(jiān)測區(qū)域物理量之間的空間相關(guān)性,提出了迭代四分格傳感器稀疏部署算法。該方法有利于插值重構(gòu)過程中重構(gòu)精度的提高。實驗表明當(dāng)利用反距離插值重構(gòu)數(shù)據(jù)空間時,本文所提的迭代四分格稀疏部署方法使得部署更加均勻化,具有較高的重構(gòu)精度。第三,研究無線傳感器網(wǎng)絡(luò)不完全采集下的魯棒性數(shù)據(jù)空間重構(gòu)策略。針對監(jiān)測區(qū)域中存在部分傳感器數(shù)據(jù)丟失或失真情況下的重構(gòu)未部署傳感器區(qū)域的數(shù)據(jù)空間問題。由于監(jiān)測的物理量存在空間關(guān)聯(lián)性,本文利用距離非采集點最近的采集點的信息來重構(gòu)非采集點的信息。傳感網(wǎng)絡(luò)通常部署在條件惡劣的環(huán)境中,信息丟失或者失真是不可避免的。本文利用神經(jīng)網(wǎng)絡(luò)的魯棒性,提出學(xué)習(xí)算子的概念,將反距離插值算法融入BP人工神經(jīng)網(wǎng)絡(luò),并利用反正切函數(shù)調(diào)和多個預(yù)測值,得到具有魯棒性的數(shù)據(jù)重構(gòu)方法。仿真實驗表明本文所提算法比反距離插值算法具有較高的重構(gòu)精度和較強的魯棒性。第四,研究了能量和時間受限的移動采集問題。移動機器人采集數(shù)據(jù)時,機器人能量和執(zhí)行任務(wù)的時間會受限。如何在機器人能量和時間受限條件下最大化采集信息量面臨著技術(shù)挑戰(zhàn),本文提出能量和時間感知的移動采集策略,將能量和時間感知的移動采集轉(zhuǎn)化成為一個多目標(biāo)優(yōu)化問題。采用極大極小法將多目標(biāo)中的各個目標(biāo)量進行標(biāo)準(zhǔn)化,從而把多目標(biāo)融合成單目標(biāo)問題進行優(yōu)化求解。本文采用主流的粒子群優(yōu)化算法進行采集路徑的在線規(guī)劃優(yōu)化,改進粒子群優(yōu)化算法,提出了融合認(rèn)知的粒子群優(yōu)化算法。為了獲得較好的解空間,本文進一步研究了粒子的層層競爭機制,使得粒子群優(yōu)化算法的搜索空間擴大,收斂較快。通過仿真實驗,可以看出本文所提算法比現(xiàn)在主流的粒子群優(yōu)化算法能獲得較早的收斂和較寬的優(yōu)化解空間,使得機器人在能量和時間受限條件下收集信息量大、遇障平均概率較小、行駛總路程較短。
【圖文】：

獲監(jiān)測區(qū)域的異常事件，一般會在監(jiān)測區(qū)域部署多個事件感知傳感器。當(dāng)傳感器部署在逡逑監(jiān)測區(qū)域的時候，傳感器的數(shù)據(jù)信號傳輸給無線接收設(shè)備，表示第（／，乃個感知逡逑網(wǎng)絡(luò)到第0，＜？）個感知網(wǎng)格的傳感器的距離，從圖２．１可以看出一個感知網(wǎng)格的數(shù)據(jù)會同逡逑時被多個傳感器采集到，整個監(jiān)測區(qū)域的監(jiān)測物理量的數(shù)據(jù)矩陣設(shè)為。逡逑本文采用掩蔽算子ｒ0來表示傳感器的部署過程：逡逑ｒ（Ｘ＜Ｓ＞Ｗ＇）邋＝邋Ｘ？Ｗ＇？Ｑ邐（２－１）逡逑其中Ｖ是整個監(jiān)測區(qū)域的所有感知網(wǎng)格的權(quán)重矩陣，？代表將兩個矩陣的元素對應(yīng)相逡逑乘。２是一個似行＃列的感知矩陣，它的定義如下：逡逑當(dāng)傳感器部署在第（ｉ，ｊ）個感知網(wǎng)格中逡逑２（／，ｙ）邋＝邋ｉ0邋其他邐（２－２）逡逑將滿足２（Ｕ）邋＝邋１的所有感知網(wǎng)絡(luò)的坐標(biāo)組合成為傳感器部署向量：逡逑Ｐ邋＝邋｛（ｉ，Ｊ）＼Ｑ（ｉ，ｊ）邋＝邋ｌ｝邐（２－３）逡逑設(shè)＊表示Ｐ向量的元素個數(shù)，即能部署的傳感器的總數(shù)。將所有的感知網(wǎng)格以行優(yōu)逡逑先順序進行編號

逡逑義２．８：拉鋸坐標(biāo)：量化兩個變量或者主體的拉鋸程度的坐標(biāo)軸，以平衡狀態(tài)定這兩個分量所在的坐標(biāo)組合成為直角坐標(biāo)系，特別是在描繪平衡點隨各個分趨勢的時候需要將兩個分量的變化坐標(biāo)組合成為直角坐標(biāo)以利于觀察。平衡因時，以正向量所在坐標(biāo)沿著逆時針方向呈ｔａｎ—１邋７（／ｔ）夾角畫一射線，以射線上任垂線，垂足為坐標(biāo)原點，垂線趨近于正分量的一端為正方向，趨近于負(fù)分量的方向，這條垂線為兩個分量的拉鋸坐標(biāo)，負(fù)方向到原點的數(shù)為負(fù)數(shù)，原點到正為正數(shù)。逡逑理２．１：兩個分量ｊ和５，設(shè)＾＿為歸一化后的正向量，５＂°？為歸一化后的負(fù)某個平衡狀態(tài)下的ｄ和６的共同作用狀態(tài)在拉鋸坐標(biāo)中的值為：逡逑ｒ＼ｎｏｒｍ逡逑＝Ｖ？ｒ）２＋＾ｒ）２ｘｓｉｎ（ｔａｎ＿，７（＾）－ｔａｎ－邐ｅ邋Ａｊ，ｈ逡逑（２－１Ｂ＇逡逑
【學(xué)位授予單位】：海南大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2019
【分類號】：TN929.5;TP391.44;TP212.9

【參考文獻】

相關(guān)期刊論文 前10條

1 劉軍;程良倫;王濤;王建華;;面向可靠感知的傳感網(wǎng)節(jié)點部署優(yōu)化算法[J];吉林大學(xué)學(xué)報(工學(xué)版);2015年06期

2 吳建寧;徐海東;;用塊稀疏貝葉斯學(xué)習(xí)算法重構(gòu)識別體域網(wǎng)步態(tài)模式[J];計算機應(yīng)用;2015年05期

3 于哲;農(nóng)永光;郭煒;趙文峰;胡剛;;水質(zhì)在線移動監(jiān)測站研究[J];價值工程;2013年29期

4 李s，

本文編號：2687740