近年來,物聯(lián)網(wǎng)應(yīng)用的普及給無線傳感器網(wǎng)絡(luò)領(lǐng)域的研究帶來了前所未有的關(guān)注。無線傳感器網(wǎng)絡(luò)由部署在關(guān)鍵監(jiān)測(cè)區(qū)域內(nèi)的大規(guī)模傳感器節(jié)點(diǎn)通過無線連接的方式構(gòu)建而成,通過傳感器節(jié)點(diǎn)周期性感知場(chǎng)景狀態(tài)并將感知數(shù)據(jù)通過無線傳輸?shù)姆绞骄酆系街醒胩幚韱卧?實(shí)現(xiàn)了無人值守情況下的實(shí)時(shí)目標(biāo)監(jiān)測(cè)。顯然,聚合網(wǎng)絡(luò)數(shù)據(jù)是無線傳感器網(wǎng)絡(luò)最重要的功能之一,同時(shí),由于傳感器節(jié)點(diǎn)可攜帶能量受限,針對(duì)提高數(shù)據(jù)聚合過程中網(wǎng)絡(luò)能量效率的研究具有重要的理論價(jià)值和實(shí)際意義。現(xiàn)有基于壓縮編碼的數(shù)據(jù)聚合方案大多采用壓縮感知算法對(duì)原始數(shù)據(jù)在傳輸過程中進(jìn)行降維映射,以降低網(wǎng)絡(luò)內(nèi)數(shù)據(jù)傳輸量,節(jié)省傳輸能耗。然而,通過結(jié)合無線傳感器網(wǎng)絡(luò)的特征可以發(fā)現(xiàn),現(xiàn)有方案設(shè)計(jì)存在諸多不足:首先,未能充分結(jié)合網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)特征進(jìn)行更為精細(xì)的數(shù)據(jù)聚合過程設(shè)計(jì),數(shù)據(jù)傳輸效率可以進(jìn)一步提升;其次,現(xiàn)有方案多為基于靜態(tài)場(chǎng)景進(jìn)行的設(shè)計(jì),忽略了無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)規(guī)模動(dòng)態(tài)變化的特點(diǎn),在實(shí)際應(yīng)用中存在諸多問題。針對(duì)以上不足之處,本文展開的研究?jī)?nèi)容如下:1)針對(duì)樹狀網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)下傳統(tǒng)基于壓縮感知算法設(shè)計(jì)的數(shù)據(jù)聚合方案所需數(shù)據(jù)傳輸量較高的問題,提出與樹狀拓?fù)浣Y(jié)構(gòu)特征相結(jié)合的數(shù)據(jù)聚合... 

【文章來源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：127 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
致謝
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 無線傳感器網(wǎng)絡(luò)概述
        1.2.1 無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)分類
        1.2.2 無線傳感器網(wǎng)絡(luò)體系結(jié)構(gòu)
    1.3 無線傳感器網(wǎng)絡(luò)數(shù)據(jù)聚合方案
        1.3.1 應(yīng)用層數(shù)據(jù)聚合方案
        1.3.2 網(wǎng)絡(luò)層數(shù)據(jù)聚合方案
        1.3.3 感知層數(shù)據(jù)聚合方案
    1.4 論文思路及組織架構(gòu)
第二章 基于壓縮編碼的數(shù)據(jù)聚合方案分析
    2.1 壓縮編碼數(shù)據(jù)聚合框架
    2.2 壓縮感知理論簡(jiǎn)介
        2.2.1 稀疏表示
        2.2.2 測(cè)量矩陣
        2.2.3 數(shù)據(jù)重構(gòu)算法
    2.3 壓縮感知算法在數(shù)據(jù)聚合場(chǎng)景中的應(yīng)用
    2.4 本章小結(jié)
第三章 基于拓?fù)涓兄臄?shù)據(jù)聚合方案設(shè)計(jì)
    3.1 場(chǎng)景模型及數(shù)據(jù)聚合過程
        3.1.1 網(wǎng)絡(luò)初始化
        3.1.2 數(shù)據(jù)聚合過程
    3.2 測(cè)量矩陣構(gòu)造及權(quán)重向量分配
        3.2.1 測(cè)量矩陣構(gòu)造方案
        3.2.2 權(quán)重向量分配
        3.2.3 場(chǎng)景拓展方案
    3.3 均衡最小生成樹算法
        3.3.1 BMST算法設(shè)計(jì)思路
        3.3.2 BMST關(guān)鍵參數(shù)設(shè)計(jì)
    3.4 數(shù)據(jù)聚合方案性能仿真
        3.4.1 能量效率
        3.4.2 數(shù)據(jù)恢復(fù)率
        3.4.3 存儲(chǔ)空間
    3.5 本章小結(jié)
第四章 基于范德蒙矩陣的數(shù)據(jù)聚合方案設(shè)計(jì)
    4.1 問題建模
    4.2 編碼集設(shè)計(jì)方案
    4.3 拓展場(chǎng)景下傳感器節(jié)點(diǎn)權(quán)重向量更新方案設(shè)計(jì)
    4.4 VSDA方案的實(shí)現(xiàn)框架及關(guān)鍵參數(shù)設(shè)計(jì)
        4.4.1 VSDA方案實(shí)現(xiàn)框架
        4.4.2 基本元素s取值分析
        4.4.3 安全機(jī)制設(shè)計(jì)
        4.4.4 關(guān)鍵參數(shù)M取值分析
    4.5 VSDA方案性能估計(jì)
        4.5.1 數(shù)據(jù)聚合性能分析
        4.5.2 拓展場(chǎng)景性能分析
    4.6 本章小結(jié)
第五章 基于壓縮感知的動(dòng)態(tài)場(chǎng)景數(shù)據(jù)聚合方案設(shè)計(jì)
    5.1 場(chǎng)景模型
    5.2 問題建模
    5.3 方案設(shè)計(jì)
    5.4 最優(yōu)向量求解方案
        5.4.1 初始點(diǎn)選擇法（ISM）
        5.4.2 松弛法（CCM）
    5.5 性能仿真
    5.6 拓展實(shí)驗(yàn)
    5.7 本章小結(jié)
第六章 動(dòng)態(tài)場(chǎng)景下sink節(jié)點(diǎn)位置更新方案設(shè)計(jì)
    6.1 場(chǎng)景模型及問題建模
    6.2 sink節(jié)點(diǎn)位置更新方案
        6.2.1 網(wǎng)絡(luò)場(chǎng)景劃分
        6.2.2 sink節(jié)點(diǎn)位置更新方向搜索
        6.2.3 sink節(jié)點(diǎn)移動(dòng)范圍搜索
        6.2.4 sink節(jié)點(diǎn)最優(yōu)位置選擇
    6.3 基于強(qiáng)化學(xué)習(xí)的路徑搜索算法
        6.3.1 WDS算法設(shè)計(jì)
    6.4 場(chǎng)景仿真測(cè)試
        6.4.1 Sink節(jié)點(diǎn)位置更新算法實(shí)現(xiàn)
        6.4.2 WDS尋路算法實(shí)現(xiàn)及性能測(cè)試
    6.5 本章小結(jié)
第七章 總結(jié)與展望
    7.1 研究總結(jié)
    7.2 研究展望
參考文獻(xiàn)
攻讀博士學(xué)位期間的學(xué)術(shù)活動(dòng)及成果情況


【參考文獻(xiàn)】：
期刊論文
[1]An Energy Efficient Design for UAV Communication With Mobile Edge Computing[J]. Lingyan Fan,Wu Yan,Xihan Chen,Zhiyong Chen,Qingjiang Shi.  中國(guó)通信. 2019(01)
[2]A Novel Design Framework for Smart Operating Robot in Power System[J]. Qiang Wang,Xiaojing Yang,Zhigang Huang,Shiqian Ma,Qiao Li,David Wenzhong Gao,Fei-Yue Wang.  IEEE/CAA Journal of Automatica Sinica. 2018(02)



本文編號(hào)：3153168