本文關(guān)鍵詞：無線傳感器網(wǎng)絡(luò)中基于時空相關(guān)性的數(shù)據(jù)預(yù)測技術(shù)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)(Wireless Sensor Networks,WSNs)中節(jié)點受限于自身體積,所攜帶的能量有限,因此如何降低節(jié)點能耗是WSNs在實際應(yīng)用中亟需解決的問題,而且數(shù)據(jù)的傳輸能耗占節(jié)點能耗的主要部分。在大規(guī)模密集部署的WSNs中,節(jié)點所采集的數(shù)據(jù)具有較強(qiáng)的時空相關(guān)性,這使得利用時空相關(guān)性進(jìn)行精確的數(shù)據(jù)預(yù)測,減少數(shù)據(jù)傳輸量,降低數(shù)據(jù)傳輸?shù)哪芎?延長網(wǎng)絡(luò)生命周期成為了可能。本文深入地研究了WSNs中數(shù)據(jù)預(yù)測技術(shù)的原理、特點和性能指標(biāo),結(jié)合網(wǎng)絡(luò)中數(shù)據(jù)的時空相關(guān)性,提出了兩種數(shù)據(jù)預(yù)測算法:基于馬爾科夫鏈的空間相關(guān)性數(shù)據(jù)預(yù)測算法和自適應(yīng)時間相關(guān)性數(shù)據(jù)預(yù)測算法。本文研究內(nèi)容主要有以下兩部分:(1)基于馬爾科夫鏈的空間相關(guān)性數(shù)據(jù)預(yù)測算法研究。針對目前主流的時間相關(guān)性數(shù)據(jù)預(yù)測算法在數(shù)據(jù)波動大時預(yù)測精度低的問題,本文引入Delaunay三角形鄰近圖來度量網(wǎng)絡(luò)中監(jiān)測數(shù)據(jù)的空間相關(guān)性,并根據(jù)相鄰節(jié)點間的距離計算網(wǎng)絡(luò)中監(jiān)測數(shù)據(jù)的空間相關(guān)性權(quán)重系數(shù)。最后利用馬爾科夫過程準(zhǔn)確描述WSNs中相鄰節(jié)點間監(jiān)測數(shù)據(jù)的變化過程,提出基于馬爾科夫鏈的空間相關(guān)性數(shù)據(jù)預(yù)測算法。該算法運行在簇頭和匯聚節(jié)點內(nèi),利用簇內(nèi)成員節(jié)點間數(shù)據(jù)的空間相關(guān)性減少簇頭和匯聚節(jié)點間的數(shù)據(jù)傳輸量。(2)自適應(yīng)時間相關(guān)性數(shù)據(jù)預(yù)測算法研究。本文分析了無線傳感器網(wǎng)絡(luò)中數(shù)據(jù)的時間相關(guān)性,將數(shù)據(jù)分解為線性變化部分和非線性變化部分。對非線性變化部分?jǐn)?shù)據(jù)使用灰色預(yù)測模型進(jìn)行預(yù)測,提出了自適應(yīng)時間相關(guān)性數(shù)據(jù)預(yù)測算法。該算法運行在簇內(nèi)成員節(jié)點和簇頭,利用節(jié)點內(nèi)數(shù)據(jù)的時間相關(guān)性降低成員節(jié)點與簇頭間的數(shù)據(jù)傳輸量。本文最后將以上兩種算法相結(jié)合,構(gòu)成自適應(yīng)時空數(shù)據(jù)預(yù)測算法,并在網(wǎng)絡(luò)中對其節(jié)能效果進(jìn)行了仿真實驗。實驗結(jié)果表明,相比其他的數(shù)據(jù)預(yù)測算法,可有效提高數(shù)據(jù)預(yù)測精確度,降低網(wǎng)絡(luò)內(nèi)的數(shù)據(jù)傳輸量,延長網(wǎng)絡(luò)的生命周期。
【關(guān)鍵詞】：無線傳感器網(wǎng)絡(luò) 數(shù)據(jù)預(yù)測 時空相關(guān)性 灰色預(yù)測 馬爾科夫鏈
【學(xué)位授予單位】：河北工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP212.9;TN929.5
【目錄】：

• 摘要6-7
• Abstract7-11
• 第1章 緒論11-22
• 1.1 研究背景11-18
• 1.1.1 無線傳感器網(wǎng)絡(luò)概述11-12
• 1.1.2 無線傳感器網(wǎng)絡(luò)的發(fā)展12-13
• 1.1.3 無線傳感器網(wǎng)絡(luò)的應(yīng)用13-14
• 1.1.4 無線傳感器網(wǎng)絡(luò)系統(tǒng)架構(gòu)14-16
• 1.1.5 無線傳感器網(wǎng)絡(luò)的特點與關(guān)鍵技術(shù)16-18
• 1.2 研究意義18-19
• 1.3 本文內(nèi)容安排及主要貢獻(xiàn)19-21
• 1.4 本章小結(jié)21-22
• 第2章 無線傳感器網(wǎng)絡(luò)數(shù)據(jù)預(yù)測技術(shù)22-34
• 2.1 研究現(xiàn)狀22-24
• 2.2 數(shù)據(jù)預(yù)測技術(shù)24-31
• 2.2.1 數(shù)據(jù)預(yù)測技術(shù)概述24-25
• 2.2.2 基于時間序列預(yù)測模型25-28
• 2.2.3 神經(jīng)網(wǎng)絡(luò)預(yù)測模型28-29
• 2.2.4 馬爾科夫預(yù)測模型29-31
• 2.3 無線傳感器網(wǎng)絡(luò)數(shù)據(jù)時空相關(guān)性31-33
• 2.3.1 數(shù)據(jù)的空間相關(guān)性31-32
• 2.3.2 數(shù)據(jù)的時間相關(guān)性32-33
• 2.4 本章小結(jié)33-34
• 第3章 基于馬爾科夫鏈的空間相關(guān)性數(shù)據(jù)預(yù)測算法34-48
• 3.1 分簇網(wǎng)絡(luò)34-39
• 3.2 基于馬爾科夫鏈的空間相關(guān)性數(shù)據(jù)預(yù)測算法39-47
• 3.2.1 網(wǎng)絡(luò)模型39-40
• 3.2.2 算法模型與定義40-43
• 3.2.3 算法描述43-45
• 3.2.4 算法驗證及分析45-47
• 3.3 本章小結(jié)47-48
• 第4章 自適應(yīng)時間相關(guān)性數(shù)據(jù)預(yù)測算法48-59
• 4.1 灰色預(yù)測算法48-51
• 4.2 自適應(yīng)時間相關(guān)性數(shù)據(jù)預(yù)測算法51-58
• 4.2.1 算法模型與定義51-56
• 4.2.2 算法描述56-57
• 4.2.3 算法驗證及分析57-58
• 4.3 本章小結(jié)58-59
• 第5章 仿真實驗59-66
• 5.1 仿真內(nèi)容59-60
• 5.2 網(wǎng)絡(luò)模型60-61
• 5.3 無線通信能耗模型61
• 5.4 仿真參數(shù)61-63
• 5.5 仿真結(jié)果及分析63-65
• 5.6 本章小結(jié)65-66
• 總結(jié)與展望66-67
• 致謝67-69
• 參考文獻(xiàn)69-74
• 作者簡介74
• 攻讀碩士學(xué)位期間發(fā)表的論文和參加科研情況74-75

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前4條

1 趙繼軍;魏忠誠;李志華;劉昊;連彬;;無線傳感器網(wǎng)絡(luò)中多類型數(shù)據(jù)融合研究綜述[J];計算機(jī)應(yīng)用研究;2012年08期

2 趙繼軍;劉云飛;趙欣;;無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合體系結(jié)構(gòu)綜述[J];傳感器與微系統(tǒng);2009年10期

3 路綱;周明天;牛新征;佘X;唐勇;秦科;;無線網(wǎng)絡(luò)鄰近圖綜述[J];軟件學(xué)報;2008年04期

4 李莉;溫向明;;無線傳感器網(wǎng)絡(luò)中分簇算法能量有效性分析[J];電子與信息學(xué)報;2008年04期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 王玲;無線傳感器網(wǎng)絡(luò)時空相關(guān)性數(shù)據(jù)融合算法研究[D];重慶大學(xué);2014年

  本文關(guān)鍵詞：無線傳感器網(wǎng)絡(luò)中基于時空相關(guān)性的數(shù)據(jù)預(yù)測技術(shù)研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：335133