论文部分内容阅读
无线传感器网络(Wireless Sensor Networks,WSNs)具有资源有限、以数据为中心、节点数量众多且分布密集等特点,因此为了最大化网络的生命周期,在实现无线传感器网络的关键技术时,必须将均衡网络中的能耗放在首要位置。目前,节点调度算法是延长网络寿命的一种有效方法,但是并不适用于精度要求较高的无线传感器网络应用,因为节点的休眠会造成数据的缺失,降低精确性。因此,本文结合数据预测技术,首先提出了一种能量均衡的睡眠调度机制,在节省能量的同时使能耗均匀分布于整个网络,从而推迟了节点的死亡时间,并通过公式推导进行了理论分析。其次,提出了一种基于数据时间相关性的预测算法,该算法使用无偏灰色预测模型,用休眠节点的历史数据对未来时刻的数据进行预测;紧接着提出了一种基于数据空间相关性的预测算法,其主要思想是对节点数据之间采用灰色关联度分析方法,结合同簇内非休眠节点数据来间接预测休眠节点的数据;最后给出了一种自适应的基于数据时-空相关性的预测算法,基于信息最大化的原则,以误差绝对值之和最小为最优准则,建立组合预测模型,克服了单一模型的缺陷,减少了预测的随机性。理论分析及基于真实数据的仿真测试表明本文提出的算法能够很好的均衡节点能耗、延长网络寿命,并能够保证较高的数据精度,具有可靠、稳定的估计性能。