移动汇聚节点无线传感器网络中的数据分发研究

来源 :中国科学技术大学 | 被引量 : 0次 | 上传用户:birdinfly
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
本文的主要目的是用移动汇聚节点解决无线网络所面临的特殊挑战。本文包含对两个主要协议的四个主要贡献。第一个协议是启发式数据传播HDD(Heuristic Data Dissemination)协议,第二个协议是面向汇聚节点的树状数据传播STDD(Sink-oriented Tree-based Data Dissemination)协议。本文对上述协议中的每个都有两个贡献,因此本文共有四个贡献。
  1.HDD协议
  HDD协议由下面两个主要部分组成,即:双环结构和HDD模型。本文对HDD协议的第一个贡献是双环结构,我们解决了汇聚节点移动性频繁更新位置的问题。此外,双环结构使传感器节点和移动汇聚节点之间的交互更加便利,因此,得以延长网络寿命。HDD协议的第二个组成部分是HDD模型,也就是本文对HDD协议的第二个贡献。HDD协议解决了数据包传输延迟的问题,尤其是从源传感器节点至移动汇聚节点的传输。HDD协议的主要思想是将整个数据路由当做一个随机过程,并在四个主要数值(方向值、传输距离、垂直距离和剩余能量)的控制下进行数据前送。本文对HDD提出了许多算法来实现此目的,与现在最先进的协议相比较,其结果也是相当喜人。我们将在下面介绍关于这些内容的详细信息。
  1.1双环
  双环是一种应用在带有移动汇聚节点的无线传感器网络中的虚拟结构。双环是HDD模型的重要组成部分。关于该模型的更多信息,请参阅本文第4章的HDD协议及其模型。该结构在解决无线网络面临的一些挑战方面起到了重要作用,如移动汇聚节点接的频繁更新位置、高能耗和能量平衡等问题。双环结构是本文的第一个创新点。
  双环结构解决的问题如下。首先是移动汇聚节点的频繁更新位置问题。随着汇聚节点移动性的增加,该更新包可能变得非常庞大。双环结构解决的另外一个问题是网络中传感器节点和汇聚节点之间的交互复杂性问题。
  双环是本文对HDD的第一个贡献。除了其他子贡献之外,我们还将向大家展示此贡献的更多细节。双环的主要贡献是双环结构,而子贡献是环头操作。
  双环结构对于解决从移动汇聚节点至网络源节点的频繁更新位置问题方面发挥了重要作用。在交换通告和查询数据包时,双环充当了汇聚节点与整个网络传感器节点之间的灵活中间结构。关于子贡献:环头操作,又称之为环头算法,是环形节点之间的高级组织交互、环形节点之间的内部交互或者是移动汇聚节点与源节点之间的交互。环头算法的另外一个优势是它有助于延长网络寿命。
  双环结构是在构建阶段创建的,该结构颇为特殊,位于网络领域中心附近。实际上,双环系指环形节点带的两侧,其形状为环形或半环形。双环的构建过程如下。在网络初始化期间,移动汇聚节点(基站)先从网络现场中心开始定义两个半径,即内半径和外半径。这两个半径代表具有不同半径值的两个虚拟(圆)环。rin面积由网络密度决定,密度越大意味着rin越小,且在双环内的节点也越少。
  环头操作首先是选择合适的环头、使用环头管理数据在双环内的传播以及环与传感器节点和移动汇聚节点之间的交互。
  在双环内部也可进行数据操作。我们将这些操作分为三种形式,即:内环数据操作、环与移动汇聚节点之间的数据操作以及环与源节点之间的数据操作。在双环内部,本文第4章提到的主要启发式算法可完成所有数据传播操作。下面向大家介绍关于这三种操作的详细内容。
  1.2HDD模型
  HDD模型适用于带有移动汇聚节点的无线传感器网络。该模型由许多组件组成,如双环。HDD模型主要与概率相关。我们将数据路由问题建模为一个随机过程,根据下面四个数值(因素)通过传播路径随机传播数据包,即方向值、传输距离、垂直距离和剩余能量。下述内容包括:HDD模型所解决的问题描述、HDD模型的贡献、HDD流量模式、HDD功能以及HDD中的数据传播。
  HDD协议所解决的问题如下。数据包传输延迟问题是影响无线传感器网络工作性能的重要因素,特别是在为了进行决策和分析而需要进行快速数据传输的应用中,这个问题显得尤为重要。
  HDD协议的主要贡献是解决了关于无线传感器网络的复杂热点问题,即数据包的传输延迟问题。将无线传感器网络的HDD用于加速网络中数据包的传输速度,这意味着会提高无线传感器网络的工作效率。为了解决这个问题,HDD提出了一种新颖的算法:主要的启发式数据传播算法从根本上解决了数据包传输难题。该算法将数据传播视为一个随机过程,下述四个主要因素决定了至目的地的路由方向,即:方向值、传输距离、垂直距离和剩余能量。通过实验,该协议证明了其有效性及其更为出色的工作性能。HDD还具有与这四个因素相关的其他算法和公式。
  在HDD中,存在两种流量模式,即:基于查询的流量模式和混合流量模式。基于查询的流量模式与移动汇聚节点操作有关。当移动汇聚节点需要感知数据时,它首先向其访问节点发送查询信息,然后再从访问节点向双环发送查询信息。该查询信息还附有移动汇聚节点位置和时间表,该时间表标有将数据传送至移动汇聚节点的特定时间。移动汇聚节点位置信息非常重要,网络源节点可通过询问双环并从双环的回复内容来获知位置信息。一旦源传感器节点获知查询信息内容,这些节点就会将感知数据直接传播至移动汇聚节点的访问节点。不过基于查询的流量模式与移动汇聚节点相关,而混合流量模式与源传感器节点相关。HDD中的混合流量模式系指事件驱动和时间驱动的流量模式。事件驱动模式系指源节点处理事件的过程,即当源节点遇到一个事件时,它将向双环发送关于移动汇聚节点位置的查询信息,然后将传感器数据转发至移动汇聚节点,这样数据路由原因就是事件本身。时间驱动的流量模式系指以时间驱动的流量模式将数据从源节点传播至移动汇聚节点。
  HDD模型启发式数据传播HDD是一种解决数据路由问题的新协议。HDD将整个数据路由过程视为一个随机过程,并且通过使用概率(随机性),我们获得了比其他协议更好的数据路由性能。通过使用HDD模型,数据包从源节点到目的地节点的路由由下面四个数值(分布)控制:方向值、传输距离、垂直距离和剩余能量。通过HDD,您可以合理选择源节点与目的地节点之间的路由路径。下述内容将包括HDD值和HDD功能。
  HDD模型取决于四个数值。第一个数值是方向值。指向目的地的方向值是一个重要参数,它会极大程度地影响数据传播过程。方向值可增加或减少跳数,或好或坏地影响能耗,甚至会导致数据传播延迟。方向分布旨在为距离目的地(多数为移动汇聚节点)的附近节点分配更高的优先级。发送者节点与其相邻节点之间的夹角由随机变量表示,然后将其归一化。基于归一化变量,我们可以获得方向分布。方向角是发送者节点与朝向目的地节点或者与目的地节点位置相关的下一跳节点之间的夹角。
  第二个数值是传输距离。从发送者节点至相邻节点之间的传输距离也是一个非常重要的参数,因为它与能耗相关。实际上,传输距离越长,能耗就越大。传输距离分布旨在为发送者附近的节点分配更高的优先级。
  第三个数值是垂直距离。通过为中心线(中心线是在欧几里得空间中连接源节点和目的地节点之间的虚拟线)附近的中继节点分配更高的优先级,可令源节点和目的地节点之间的路由距离实现最短距离。这里进行了一个重要的假设,即:发送者节点的位置包含在从源节点发出的数据包头部中。这样,根据垂直距离选择中继节点的过程将更加方便。
  第四个数值是剩余能量。在无线传感器网络中,能量平衡是直接影响网络寿命的一个非常重要的因素。在我们实验条件下,在数据传播过程中,通过选择具有较高能量级别的传感器节点并将其纳入传播路径,则可实现能量平衡。通过该过程,我们将不会选择低能量级别的传感器节点,因此我们认为网络中的所有传感器节点将更易实现能量平衡。
  1.2.1HDD功能
  四个HDD数值可同时工作用来控制数据前送过程,不过它们还有其他附加信息。由于每个HDD数值对数据前送过程的影响各不相同,因此这些数值的影响力也各不相同。启发式数据传播(HDD)功能采用独特的方法来抵消在数据前送过程中的这四种作用力(数值),并通过将这些作用力相乘来表示这种方法。如果其中一种作用力比其他几种作用都大,那么这种作用力自身就会影响数据前送过程。发送者节点具有其自身的数据前送分布,可以用随机变量表示该分布。
  1.2.2HDD中的数据路由路径
  第一条路径是环形路径。环形路径旨在在环形节点之间传送数据包,且环形路径需执行许多内部任务。
  第二条路径是广告路径。HDD中的广告路径与移动汇聚节点相关。该路径将广告数据包(控制数据包)从移动汇聚节点传送至双环,然后双环再将其发送至网络中的源节点。
  第三个路径是源查询路径。一旦传感器节点收到感知数据之后,该节点便将查询数据包发送至距其最近的环网门节点,并询问移动汇聚节点的位置。源查询路径旨在将查询数据包从源传感器节点传送至附近的门节点。
  第四个路径是响应路径。响应路径是经过从环网头部至源节点的路线对之前从源节点发出的查询数据包进行响应。数据包包括移动汇聚节点位置信息和之前从移动汇聚节点收到的特定数据前送时间表。
  第五条路径是数据传播路径。该数据传播路径旨在将感知数据包从源传感器节点传送至移动汇聚节点。
  2.STDD协议
  在无线传感器网络中,操作移动汇聚节点比操作静态汇聚节点更为有用,但是该方法操作起来更为复杂,我们在能耗和路由效率方面要面临许多严峻的挑战。移动汇聚节点的移动性会引起大量的频繁更新移动汇聚节点位置和数据传送延迟,尤其是当移动汇聚节点快速移动时,情况会更加糟糕。还有一个严重的问题:在同一网络中备案了许多移动汇聚节点。如果网络中的每个源节点均应将数据传播至每个移动汇聚节点,那么问题将变得更为复杂。假设传感器节点1收到感知数据,而在网络中有五个移动汇聚节点。该传感器应为每个移动汇聚节点创建数据传播路径,比如说通常为汇聚节点B创建专用数据传播路径,且该路径不应与其他数据传播路径有任何交点。每次收到感知数据时,就需要为创建这些路径消耗巨大的能量,也就是说能耗成本非常惊人。如此快速的消耗能量会最终导致耗尽许多传感器节点的电池电量,然后会出现热点问题,这将会导致缩短网络寿命。
  第二种协议是面向汇聚节点的树状数据传播(STDD)协议,该协议的主要部分是本文的一个贡献,而其余部分为本文的第二个贡献。STDD协议的第一个贡献是解决了两个问题。它使用树状方法解决了移动汇聚节点频繁更新位置的问题。该协议还使用树状方法解决了在数据传播期间的数据包传输延迟问题。STDD协议的第二个贡献是提出了合并路径解决方案。合并路径解决方案解决了在从源节点到移动汇聚节点的数据传播期间高能耗的问题,并为该问题提出了独特的解决方案。STDD协议比现在最新协议的工作性能更加优越。本文详细介绍了关于这些贡献的更多细节。下面详细信息包括关于STDD协议的贡献信息、关于STDD协议的详细信息以及STDD的三个主要阶段(树的构建、树的更新、树的维护以及在STDD中的数据传播)等。
  STDD协议的主要贡献如下。STDD协议解决了我们面临的两个挑战。第一个挑战是在网络领域中移动汇聚节点的频繁更新位置问题。第二个挑战是数据包传输延迟问题。STDD协议在其提议的协议中很特殊,尤其是在根据移动汇聚节点创建数据传播树,而不是像其他协议那样是根据源节点。STDD协议在处理频繁更新位置方面显示出良好的性能,并大幅度降低了数据包传输延迟。STDD协议的第三个贡献是合并路径。合并数据传播路径解决了在数据传播过程中的能耗问题。该方法立意新颖,工作性能令人满意,并减少了操作期间的重要能耗。有一种算法解释了合并路径的工作过程。
  2.1关于STDD协议的更多信息
  我们提出的工作是面向汇聚节点的树状数据传播协议(STDD),该协议解决了移动汇聚节点的频繁更新位置问题。STDD主要是构建数据传播树,但不是为源节点构建该树。为网络中的每个移动汇聚节点分配数据传播树。STDD模型分为三个阶段:构建数据传播树阶段、数据传播树更新阶段以及数据传播树维护阶段。
  STDD中的三个阶段:
  第一阶段是构建数据传播树阶段。构建数据传播树是此阶段的结果,只需完成一次即可。构建数据传播树需分步进行。有两个与构建数据传播树相关的数据包。第一个数据包:发送者节点要求接收者将其视为父节点。第二个数据包:发送者节点同意将接受者节点视为子节点。每个传感器节点只有一个父节点和一个特定的移动汇聚节点,这表明该传感器节点在网络中还有其他父节点和其他移动汇聚节点。传感器节点应为每个移动汇聚节点设立一个特定的表格,以便保存这个特定的移动汇聚节点的父节点和子节点。
  第二个阶段是数据传播树更新阶段。更新阶段是用构建的新数据传播树替换旧数据传播树的阶段,更新数据传播树版本的结果是新版本。
  第三个阶段是数据传播树的维护阶段。在执行更新阶段之后,之前选定的访问节点的数量越来越大,成本也越来越高。这种高过载是由于这些旧的访问节点充当了其他节点的路由器。维护阶段旨在解决两个挑战。第一个挑战是保持跳数最小值。第二个挑战是提高能量平衡,以防止出现热点问题。实际上,数据传播树的维护阶段是STDD中避免热点问题的重要步骤。
  2.2STDD中的数据传播
  我们提出的数据传播树是面向汇聚节点的。人们只需构建一次数据传播树。然后每当汇聚节点位置变化时,需对其进行更新和维护。当源节点需要发送数据时,它只需将数据转发给它的父节点,而无需选择最短的路径,因为维护阶段已确保其最短路径。我们假设不需要查询(即从汇聚节点至源),即只要在网络内部检测到汇聚节点,并且源节点上有数据,那么源应将数据传输至汇聚节点。另外,我们假设有多个汇聚节点和源。源应将其数据包发送至所有汇聚节点。每个汇聚节点应构建自己的数据传播树。如果汇聚节点彼此靠近,那么则有可能在它们之间建立超级路径(或路径)。因此,源节点有两种选择,一是独立地向汇聚节点传播数据,二是使用我们的新方法通过合并路径来传播数据。在下面部分,我们考虑使用两种数据前送方式,即:独立路径和合并路径。
  2.2.1独立路径
  许多无线传感器网络使用独立数据传播路径。节点将数据前送到至父节点(一个父节点一个汇聚节点),而无需考虑汇聚节点的公共路径。此前送类型适用于请求流量模型(即汇聚节点向源发送数据请求)。由于我们将重点放在合并传播路径上,因此无需对独立路径进行详细说明。
  2.2.2合并路径
  在无线传感器网络中,数据传播面临着严峻的挑战,尤其是能耗的挑战。人们已经提出了许多方法,而且他们用某种方式成功地减少并降低了能耗。比如我们有移动汇聚节点B1和B2以及源节点s7。典型的数据传播使用从s7至B1和B2的两条不同路径。但是在某些情况下,即使两个移动汇聚节点彼此靠近,但是源节点仍为它们构建独立的数据传播路径。即使传输同样的感知数据,这种路径也会极大地消耗能量。为此,我们提出了一种降低数据传播中能耗的新方法。这种方法使用了公共路径,尤其是两条路径之间的公共跳点。其创意是让传播数据包通过同样的跳点、经过不同的移动汇聚节点到达特定位置,然后将同一路径分成不同的路径,将数据传送至移动汇聚节点。
  最后,我扼要总结本文内容,即我解释了HDD和STDD这两个主要协议。我首先解释了与双环和HDD相关的许多内容,然后解释了STDD协议。
其他文献
生态民生是人类高度重视的永恒议题,也是习近平同志关之切、忧之深的重大民生实事。他围绕生态民生议题做了多次重要批示、发表了诸篇重要讲话。随着习近平关于生态民生重要论述逐渐壮大、丰盈,学术界对于习近平关于生态民生重要论述这一研究也日渐兴盛。基于此,本文以“习近平关于生态民生重要论述”为研究对象,以期能对这一论述的深入探索有些许裨益。  系统梳理这一重要论述的生成逻辑、主要内容、鲜明特征、价值意蕴及实践
学位
国际核不扩散机制自成立以来已经历经半个世纪,在这段时期内核不扩散机制为遏制核武器的扩散和世界核裁军做出了巨大贡献,为世界的和平和稳定做出了巨大贡献。国际核不扩散机制成立于冷战时期,冷战结束后,国际格局发生重大转变,核扩散形势也变得更加严峻,在后冷战时代,如何让国际核不扩散机制更好的发挥作用,是世界各国学者关注的重点。  本文主要研究国际核不扩散机制的约束力对核扩散行为的约束限制作用。通过定性分析和
学位
期刊
打开《论语》,第一句就是“学而时习之,不亦说乎”。由于中国特殊的主持人培养模式,一些主持人往往不善于学习,重视声台形表的外在播音技巧也大于对文化的学习。但主持工作又是一项需要始终将学习伴随的工作。对于,主持人国学文化的修养也要提升到一个相对的高度。  根据中共十八大以来的文化发展方向以及2014年十月召开的全国文艺工作者座谈会,笔者将文本中的“国学文化”定义为中华优秀传统文化。那么,为什么主持人要
目的:挖掘中医辨证治疗急性白血病(Acute leukemia,AL)有效的治则治法。方法:收集2013年5月到2017年5月于天津中医药大学第一附属医院血液科住院收治急性白血病患者,包括急性髓细胞白血病(Acute myelocytic leukemia,AML)、急性淋巴细胞白血病(Acute lymphoblastic leukemia,ALL)、骨髓增生异常综合征(Myelodysplas
由于具有效率高、体积小、重量轻和成本低等优点,非隔离光伏并网逆变器一直是国内外学者研究的重点。但除去了变压器的隔离作用后,光伏发电系统会有相应的漏电流产生,过大的漏电流会对发电设备和人自身的安全造成威胁。因此,如何抑制和消除漏电流成为了非隔离光伏并网逆变器的核心问题之一。本文以单相非隔离光伏并网逆变器为研究对象,着重对各种漏电流抑制电路拓扑进行分析,设计了一种零漏电流非隔离光伏并网逆变器,并对其工
混沌因其天然具有类随机性、初值敏感性等复杂动力学特性被广泛应用于信息安全及其保密通信领域中。整数阶低维混沌系统存在着安全隐患,而分数阶时滞系统难以被常规攻击手段攻破且拥有更大的密钥空间,在保密通信领域中有着更广阔的应用空间和实用价值,因此构造分数阶时滞混沌系统是提高保密通信系统安全性的有效途径。Hopfield神经网络在一定条件下能够直接生成具有良好扩散效应的混沌矩阵,本文以一类分数阶时滞 Hop
学位
时间序列是由时序数据构成的特殊数列,被广泛用于预测分析、模式匹配、信息查找等应用中,是学术研究以及工业生产重要的研究对象。由于对数据的操作不可避免地会引入噪声,企业越来越关注噪声所带来的不确定性对结果的影响。本文基于连续型时间序列模型对索引构建进行研究,改进传统索引结构,构建适用于不确定性时间序列的索引结构。首先,本文针对传统时间序列的预处理方法,比较了MA、ARMA、UMA等预处理技术对数据的影
随着万物互联的不断发展,无人驾驶和智能视频等众多新型应用如雨后春笋般产生,其对时延的要求愈发严苛,由此移动边缘计算应运而生。移动边缘计算可有效解决用户时延需求和电池容量受限等难题。移动边缘计算的研究包含系统架构、资源管理、绿色节能和安全隐私等方面,其中资源管理与计算机科学研究最为相关,也广受学术界重视。针对传统云计算利用广域网传输的高延迟问题,移动边缘计算在网络边缘节点大量部署服务器,为用户提供低
互联网、物联网、云计算等信息技术的快速发展,政治、经济、军事、工业等各个领域的传统应用开始与之相结合,产生了比以往任何时候都要多的数据。同时,智能移动设备、传感器、电子商务网站、社交网站等等数据来源每时每刻都在创造多种多样的数据。面对如此大量的数据,如何及时、有效地分析它们并从中提取出有价值的信息,是政府和企业亟待解决的问题。例如,中国证券监督管理委员会(CSRC)通过股票买家和卖家的交易价格和数