无线传感器网络能量高效的分簇路由协议研究

来源 :东华大学 | 被引量 : 8次 | 上传用户:luomlkm
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
无线传感器网络(Wireless Sensor Network,简称WSN)是一个多跳的具有自组织功能的网络。该网络由大量的传感器节点组成,大量的节点通常布置在用户需要监测的环境恶劣的区域,节点布置完后,节点通过无线通信的方式形成多跳的自组织网络。该网络的目的是通过节点和基站之间的协调控制,采集监测区域的信息,当用户需要查看监测的数据时,及时地把采集的信息发送到基站,基站通过处理收集到的信息,以最友好的方式显示给用户。用户根据观察到的信息,做出相应的决定或者制定相应的决策。在无线传感器网络中,节点的能量受限是无线传感器网络的约束之一,数据融合是将多份数据或信息进行处理,组合出更有效、更符合用户需求的数据的过程。数据融合技术可以有效的减少传输的数据量,达到延长网络生命周期的目的。本论文首先介绍了无线传感器网络及数据融合的一些基本理论知识,接着分析并改进了LEACH静止节点无线传感器网络数据融合算法,最后提出了一种适用于移动的无线传感器网络的改进的HEED-M算法。本文的主要内容如下:(1)本文介绍了无线传感器网络,数据融合的基本知识和一些典型的数据融合算法,包括平面路由算法与分层路由算法。(2)探讨了LEACH路由算法,分析算法的优缺点,根据该算法在选择簇首时没有考虑节点当前的剩余能量、簇首采用单跳的方式与基站通信,对该算法进行改进。在选择簇首时,根据节点当前的剩余能量和与基站的距离设定产生随机数的定时时间,采用单跳和多跳混合的方式与基站通信,在多跳的方式中,依据距离能量函数来确定下一跳的路由,最后对提出的算法进行仿真实验,并将仿真实验结果与已有的算法进行比较。(3)针对移动的无线传感器网络,深入研究了HEED-M算法,分析该算法的优缺点,提出了一种改进的HEED-M算法,在簇的生成阶段,不仅考虑最小平均可达功率,还计算加入不同的簇各自需要的通信代价,考虑节点的后续移动。对改进的HEED-M算法进行仿真实验,并与LEACH、HEED-M算法比较,仿真实验结果表明改进的算法解决了网络的移动性带来的高能耗问题,在网络生命周期、能量消耗和负载均衡性方面均有较好的性能。
其他文献
随着工业化以及城市化不断发展,不可避免地会带来很多火灾隐患。当火灾发生时,尤其是高层起火,由于高度很高,灭火及救援的难度都十分大,对救援人员来说工作的危险性也十分大
图像处理作为一门热门的技术广泛应用于现实生活中。传统的图像处理系统大多工作在PC计算机或者服务器上,这些设备在运行和维护时需要耗费较大的人力物力,且应用场地比较固定
作为一个新兴机器学习研究领域,深度学习的概念主要来源于人工神经网络的研究,目的是在建立可以模拟生物大脑进行分析、学习的人工神经网络。近年来,深度学习无论是在理论上
神经元是大脑结构中最基本的单位,想要了解大脑的结构和功能,就要先对神经元进行研究。由于神经元结构复杂,种类繁多,想要了解神经元,首先就要解决神经元的分类问题。从现代
视频监控作为当今日常生活中广泛运用的技术,在智能交通调度、水文监测、银行监管、工业控制等领域发挥着巨大的作用。随着新技术的引入、实际需求的升级,对监控系统有了新的要
随着科技的不断发展,现在和将来的太空任务将要求更为严格的控制稳定度和指向精度。因此就需要航天器在高精度的敏感器件的基础上,对航天器上的干扰噪声进行隔离。本文主要研究
随着科学技术的不断进步,各式各样适合人类需要的机器人已经出现在了人们的工作和生活中,有些机器人的能力甚至超出了人们的想象。机器人在自由空间的控制已经取得了良好的效果
传感器资源管理技术是应对当今复杂战场环境的一个热点研究方向,对提高传感器系统的综合性能有着重要的意义。本文根据传感器管理的宏/微两级模型,在基于反馈的资源管理控制框
运动想象脑电信号处理技术是脑机接口技术的重要组成部分,对运动想象脑电信号处理技术的研究加快了人们对大脑的深入认识,更好的满足了人们对医疗康复技术的需求。脑机接口是利
锅炉是炼油、化工、电力等多数工业部门常用的热能动力设备,因为其被控参数较多,所以锅炉是一个比较复杂的被控对象。为确保稳定安全生产,在众多的被控参数中,锅炉汽包水位是