本文關(guān)鍵詞：物聯(lián)網(wǎng)節(jié)點(diǎn)調(diào)度及目標(biāo)跟蹤策略研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：物聯(lián)網(wǎng)(Internet of Things, IoT)是一個基于感知技術(shù)、以感知層數(shù)據(jù)為運(yùn)行基礎(chǔ)、融合了各類應(yīng)用的服務(wù)型網(wǎng)絡(luò)系統(tǒng)。感知層處于物聯(lián)網(wǎng)體系架構(gòu)的最底層,是物聯(lián)網(wǎng)和物理世界對接的接口,其自身的特殊性從根本上決定其運(yùn)行方式和控制策略必須具很高的能效性。節(jié)點(diǎn)調(diào)度是應(yīng)對物聯(lián)網(wǎng)感知層能量受限問題的有效方法,目標(biāo)跟蹤作為物聯(lián)網(wǎng)的重要應(yīng)用之一,也需要與節(jié)點(diǎn)調(diào)度策略相結(jié)合。因此,本論文研究物聯(lián)網(wǎng)節(jié)點(diǎn)調(diào)度及目標(biāo)跟蹤技術(shù),對促進(jìn)物聯(lián)網(wǎng)的發(fā)展具有重要意義。論文首先研究了物聯(lián)網(wǎng)高效節(jié)點(diǎn)調(diào)度策略及物聯(lián)網(wǎng)目標(biāo)跟蹤策略的研究現(xiàn)狀,針對地理位置信息無關(guān)節(jié)點(diǎn)調(diào)度、基于預(yù)測的物聯(lián)網(wǎng)移動目標(biāo)跟蹤、面向目標(biāo)跟蹤的節(jié)點(diǎn)調(diào)度等問題進(jìn)行分析,在此基礎(chǔ)上展開研究。本文主要研究成果如下：1)針對“邊界效應(yīng)”導(dǎo)致的物聯(lián)網(wǎng)節(jié)點(diǎn)不均等休眠問題,分析能夠應(yīng)對此問題的基于容忍覆蓋區(qū)域的節(jié)點(diǎn)調(diào)度算法,并對算法在能效性和節(jié)點(diǎn)狀態(tài)方面進(jìn)行改進(jìn),首先在進(jìn)行覆蓋冗余判別時增加節(jié)點(diǎn)剩余能量作為判別因素,提高能耗的均勻性,然后對節(jié)點(diǎn)的狀態(tài)分布和轉(zhuǎn)換進(jìn)行有效改進(jìn),最小化覆蓋冗余,進(jìn)而提出一種新的高能效覆蓋優(yōu)化節(jié)點(diǎn)調(diào)度算法TCA-NS。另外,還提出一種物聯(lián)網(wǎng)節(jié)點(diǎn)數(shù)據(jù)可靠收集跨層協(xié)議DRGC,該協(xié)議適用于檢測與報告型應(yīng)用的物聯(lián)網(wǎng),協(xié)議包括一種平衡同步精度和能耗量的時鐘同步算法,及一種融合MAC和路由為一體的跨層數(shù)據(jù)收集算法。TCA-NS算法和DRGC協(xié)議可融合應(yīng)用于物聯(lián)網(wǎng)感知層體系中,形成一套底層協(xié)議棧。2)針對基于網(wǎng)格剖分的物聯(lián)網(wǎng)節(jié)點(diǎn)調(diào)度策略,分析基于Voronoi網(wǎng)格、三角形網(wǎng)格和正方形網(wǎng)格的三種網(wǎng)絡(luò)剖分方式。研究感知節(jié)點(diǎn)的通信半徑rc和感知半徑rs的取值關(guān)系對網(wǎng)絡(luò)性能的影響,在通信半徑小于感知半徑的網(wǎng)絡(luò)模型中,研究基于正方形剖分模型的節(jié)點(diǎn)調(diào)度算法SRPMNSA。將其網(wǎng)絡(luò)模型擴(kuò)展到節(jié)點(diǎn)的感知半徑和通信半徑不限取值,并對剖分正方形的邊長取值進(jìn)行改進(jìn),在此基礎(chǔ)上提出一種改進(jìn)型正方形剖分算法I-SRPMNSA。在擴(kuò)展后的網(wǎng)絡(luò)模型中,當(dāng)rsrc時,I-SRPMNSA算法在網(wǎng)絡(luò)覆蓋質(zhì)量上優(yōu)于SRPMNSA算法；當(dāng)1/2rc≤rs≤rc時,I-SRPMNSA算法相對于SRPMNSA算法可延長網(wǎng)絡(luò)壽命。3)針對物聯(lián)網(wǎng)目標(biāo)跟蹤策略,提出感知差分的概念,將感知差分和壓縮感知相結(jié)合,對物聯(lián)網(wǎng)分布式感知信息進(jìn)行稀疏采樣,利用壓縮感知理論重構(gòu)感知差分矩陣,再采用感知差分法對移動目標(biāo)進(jìn)行定位和跟蹤。據(jù)此提出一種基于壓縮感知和感知差分的目標(biāo)跟蹤策略,該策略不需要具體劃分網(wǎng)格,對監(jiān)測區(qū)域的形狀也沒有特定要求,是一種普遍適用的物聯(lián)網(wǎng)目標(biāo)跟蹤策略。該策略在稀疏采樣感知信號的情況下對感知信號的恢復(fù)情況較好,利用感知差分法對目標(biāo)的位置跟蹤準(zhǔn)確,且其稀疏采樣策略降低了網(wǎng)絡(luò)的通信量,提高了網(wǎng)絡(luò)的能效性。4)針對移動目標(biāo)跟蹤型網(wǎng)絡(luò)應(yīng)用,對物聯(lián)網(wǎng)節(jié)點(diǎn)能耗模型進(jìn)行詳細(xì)分析,研究面向目標(biāo)跟蹤的節(jié)點(diǎn)調(diào)度策略。首先提出一種高能效的物聯(lián)網(wǎng)自適應(yīng)節(jié)點(diǎn)調(diào)度算法ANSTT,算法根據(jù)各節(jié)點(diǎn)對移動目標(biāo)的感知能力以及節(jié)點(diǎn)的相對剩余能量水平,自動調(diào)整節(jié)點(diǎn)工作模式。提出3個性能指標(biāo)對算法進(jìn)行性能評價,采用馬爾可夫過程分析3個性能指標(biāo)在算法中的概率模型。ANSTT算法在維持低感知延時、高目標(biāo)感知率的同時,可有效降低系統(tǒng)能耗,延長網(wǎng)絡(luò)壽命。然后提出一種基于預(yù)測的移動目標(biāo)跟蹤節(jié)點(diǎn)協(xié)同調(diào)度算法,提出目標(biāo)運(yùn)動和節(jié)點(diǎn)感知模型,利用粒子濾波構(gòu)造節(jié)點(diǎn)感知功效函數(shù),利用一種均衡節(jié)點(diǎn)剩余能量的方法構(gòu)造感知能效函數(shù),選舉出參與目標(biāo)跟蹤過程的感知組成員。該算法具有較高的目標(biāo)跟蹤精度,且可有效平衡節(jié)點(diǎn)之間的能耗分布。
【關(guān)鍵詞】：物聯(lián)網(wǎng) 感知層 節(jié)點(diǎn)調(diào)度 目標(biāo)跟蹤
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP391.44;TN929.5
【目錄】：

• 摘要4-6
• ABSTRACT6-9
• 目錄9-12
• CONTENTS12-15
• 第一章 緒論15-33
• 1.1 研究背景及意義15-18
• 1.1.1 研究背景15
• 1.1.2 研究意義15-18
• 1.2 國內(nèi)外研究現(xiàn)狀18-29
• 1.2.1 物聯(lián)網(wǎng)節(jié)點(diǎn)調(diào)度策略18-25
• 1.2.2 物聯(lián)網(wǎng)目標(biāo)跟蹤策略25-29
• 1.3 課題來源和主要研究內(nèi)容29-33
• 1.3.1 課題來源29
• 1.3.2 主要研究內(nèi)容29-31
• 1.3.3 論文結(jié)構(gòu)31-33
• 第二章 物聯(lián)網(wǎng)節(jié)點(diǎn)調(diào)度及數(shù)據(jù)收集機(jī)制33-50
• 2.1 引言33-34
• 2.2 節(jié)點(diǎn)調(diào)度機(jī)制34-43
• 2.2.1 基于容忍覆蓋區(qū)域的節(jié)點(diǎn)調(diào)度算法34-35
• 2.2.2 高能效覆蓋優(yōu)化節(jié)點(diǎn)調(diào)度算法35-37
• 2.2.3 算法性能分析37-43
• 2.3 數(shù)據(jù)收集機(jī)制43-49
• 2.3.1 網(wǎng)絡(luò)模型43-44
• 2.3.2 問題描述44-45
• 2.3.3 DRGC協(xié)議描述45-47
• 2.3.4 仿真實(shí)驗(yàn)與分析47-49
• 2.4 本章小結(jié)49-50
• 第三章 基于網(wǎng)格剖分的物聯(lián)網(wǎng)節(jié)點(diǎn)調(diào)度策略50-62
• 3.1 引言50
• 3.2 網(wǎng)格剖分方式50-55
• 3.2.1 基于Voronoi網(wǎng)格的剖分方式50-52
• 3.2.2 基于三角形網(wǎng)格的剖分方式52-54
• 3.2.3 基于正方形網(wǎng)格的剖分方式54-55
• 3.3 SRPMNSA算法55-56
• 3.4 I-SRPMNSA算法56-58
• 3.5 仿真結(jié)果及分析58-61
• 3.6 本章小結(jié)61-62
• 第四章 基于壓縮感知和感知差分的物聯(lián)網(wǎng)目標(biāo)跟蹤策略62-72
• 4.1 引言62-63
• 4.2 系統(tǒng)模型63
• 4.3 壓縮感知63-64
• 4.4 感知差分64-66
• 4.5 分布式目標(biāo)跟蹤算法66-68
• 4.5.1 稀疏表示66-67
• 4.5.2 觀測采樣67-68
• 4.5.3 位置重構(gòu)68
• 4.6 仿真實(shí)驗(yàn)及結(jié)果分析68-71
• 4.6.1 感知信號重構(gòu)情況68-69
• 4.6.2 目標(biāo)跟蹤精度69-70
• 4.6.3 目標(biāo)數(shù)量的影響70-71
• 4.7 本章小結(jié)71-72
• 第五章 面向目標(biāo)跟蹤的物聯(lián)網(wǎng)節(jié)點(diǎn)調(diào)度策略72-98
• 5.1 引言72
• 5.2 自適應(yīng)目標(biāo)跟蹤節(jié)點(diǎn)調(diào)度策略72-90
• 5.2.1 問題描述72-76
• 5.2.2 ANSTT算法描述76-82
• 5.2.3 仿真和評價82-90
• 5.3 基于預(yù)測的分布式目標(biāo)跟蹤節(jié)點(diǎn)調(diào)度策略90-97
• 5.3.1 系統(tǒng)模型90-91
• 5.3.2 提出的算法91-93
• 5.3.3 仿真結(jié)果與分析93-97
• 5.4 本章小結(jié)97-98
• 總結(jié)98-100
• 參考文獻(xiàn)100-112
• 攻讀博士學(xué)位期間發(fā)表或完成的論文112-114
• 致謝11

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 盧旭;程良倫;;物聯(lián)網(wǎng)感知層高能效覆蓋優(yōu)化節(jié)點(diǎn)調(diào)度算法[J];計算機(jī)應(yīng)用研究;2013年05期

2 賀抗生;鄺繼順;姚焯善;;基于能量和鄰居信息的傳感器睡眠調(diào)度協(xié)議[J];計算機(jī)應(yīng)用;2008年06期

3 陳娟;;無線傳感網(wǎng)中基于正方形剖分的節(jié)點(diǎn)調(diào)度算法[J];計算機(jī)工程與應(yīng)用;2012年35期

4 任秀麗;王偉勇;;基于空間分辨率的無線傳感網(wǎng)節(jié)點(diǎn)調(diào)度策略[J];計算機(jī)應(yīng)用;2013年08期

5 肖艷文;王金寶;李亞平;高宏;;云計算系統(tǒng)中能量有效的數(shù)據(jù)擺放算法和節(jié)點(diǎn)調(diào)度策略[J];計算機(jī)研究與發(fā)展;2013年S1期

6 陳娟;;異構(gòu)傳感網(wǎng)中基于組合指派編碼模型的節(jié)點(diǎn)調(diào)度算法[J];計算機(jī)應(yīng)用;2013年01期

7 景偉娜;;K覆蓋保證的異構(gòu)傳感器網(wǎng)絡(luò)節(jié)點(diǎn)調(diào)度設(shè)計[J];計算機(jī)測量與控制;2013年04期

8 程榮;;一種新的面向目標(biāo)跟蹤的傳感器節(jié)點(diǎn)調(diào)度策略[J];微處理機(jī);2008年06期

9 鄔春學(xué);畢春霞;孟其琛;;無線傳感器網(wǎng)絡(luò)基于節(jié)點(diǎn)調(diào)度的雙簇頭路由協(xié)議[J];上海理工大學(xué)學(xué)報;2013年05期

10 張茜;孫力娟;郭劍;肖甫;王汝傳;;基于網(wǎng)格劃分的節(jié)點(diǎn)調(diào)度覆蓋算法[J];計算機(jī)研究與發(fā)展;2011年S2期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 史軍暉;程良倫;;EASNS:一種能量敏感、負(fù)載均衡的感知節(jié)點(diǎn)調(diào)度算法[A];中國自動化學(xué)會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

2 袁久銀;石為人;;基于概率模型的無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)調(diào)度算法[A];2007'儀表，自動化及先進(jìn)集成技術(shù)大會論文集（一）[C];2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 盧旭;物聯(lián)網(wǎng)節(jié)點(diǎn)調(diào)度及目標(biāo)跟蹤策略研究[D];廣東工業(yè)大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 肖艷文;云計算系統(tǒng)中能量有效的數(shù)據(jù)擺放算法和節(jié)點(diǎn)調(diào)度策略的研究[D];哈爾濱工業(yè)大學(xué);2013年

2 湯s

本文編號：366501