论文部分内容阅读
无线传感器网络(Wireless Sensor Network,WSN)以其多功能、低成本、低功耗和自组织等技术优点,已广泛应用于实际生活、国民经济和军事领域中。WSN正将信息世界逐步接入到物理世界中,逐渐改变着人与世界的交互方式,从而进一步影响人类的活动、处理事务的方式和理解世界的角度。WSN在应用领域尚有很多亟待解决的关键技术瓶颈,这些关键技术的研究和开发一直是国内外学者关注的热点。移动Agent技术能从多方面提高无线传感器网络的性能。例如,移动Agent可以携带数据进行自主迁移,减少网络流量开销;在网络故障修复后再回传数据,提高网络鲁棒性;通过模拟群智能优化算法,无线传感器的规模对分布式移动Agent的性能不再构成明显影响。与常用的client/server模式相比,移动Agent更适合无线传感器网络的应用。为了将移动Agent和群智能技术有机地融合到无线传感器网络中,本学位论文提出了适用于无线传感器网络的一种基于随机的移动Agent模型。该模型通过移动Agent提供的迁移能力,支持基于群智能算法进行事件监测,优化网络覆盖性能。本文的主要工作包括以下几个方面:第一,提出了基于随机移动Agent的无线传感器网络(Random Mobile Agent-based Wireless Sensor Network,RMAWSN)模型。在现有文献中,基于移动Agent的WSN采用了sink节点为移动Agent规划行程,再派发到目的地区域的模式,此过程能量消耗很大。针对这个问题,本文提出了移动Agent不再由sink节点派发,而是在本地随机激活,并能够以有限随机迁移的方式覆盖监测区域。通过两个方面进行了模型的验证:首先,分析了该模型与另外两种移动Agent模型在无线传感器网络中的节点能耗,证明该模型在网络规模较大时,能量消耗更少;其次,推导了在局部进行随机移动的传感器节点对事件的检测概率。推导结果表明,在保证相同步骤下,随机部署和能局部随机移动的节点与随机部署的固定节点相比,前者以更少的传感器节点覆盖监测区域。换言之,这样能够减少网络的能量消耗,提高网络生存周期。本文定义的RMAWSN没有移动节点,因此本文通过移动Agent的迁移模拟节点进行随机移动。定义了基于RMAWSN模型的随机移动Agent的三种迁移模式,随机寻找、自治行程和既定行程等,并给出了相应的移动算法。第二,基于RMAWSN模型,本文设计了一种新的基于人工鱼群的算法-短周期人工鱼群算法(Short-life Artificial Fish Swarm Algorithm,SLAFSA),并通过该算法的覆盖性能验证了RMAWSN模型的可行性。为了减少激活节点和覆盖更大的区域,本文根据RMAWSN的随机行为机制为SLAFSA设计了随机行为和短周期属性。实验证明,仅用较少的激活节点就能达到较高的覆盖概率。为了进一步减少网络中的激活节点数量,本文还尝试在SLAFSA算法中将人工鱼群算法的追尾行为和聚群行为改为追逐行为。通过人工鱼的追逐行为,监测区域中允许两条临近的人工鱼进行两点联合检测,以扩大检测面积。为了人工鱼能够自主观测事件,SLAFSA根据RMAWSN的自治行程机制定义了觅食行为使人工鱼能够尽量接近事件源。从仿真实验数据来看,SLAFSA算法比人工鱼群算法,更能够体现RMAWSN模型的优势。第三,在SLAFSA算法中,相邻节点通过两点联合检测来扩大检测面积时,需要两点之间的距离作为关键参数参与检测计算。本学位论文提出了两种测距方法:第一种是在节点采用IEEE802.11g通信时适用的基于时间序列的测距方法,在最靠近硬件层的位置-驱动层直接测量802.11g的往返时间(Round-Trip Time,RTT)。由于RTT的时间测量精度要求高,本文通过对驱动层进行最小限度的修改以获取RTT时间。通过实验获取大量数据后,得到样本数据利用欧氏距离,进行距离判断。该方法不需要额外的硬件或变更拓扑结构,就可用于获取所需数据。第二种是在节点采用在ZigBee通信时适用的基于分段的链路质量指示(Link Quality Indication,LQI)的测距算法,通过测量LQI值进行测距研究。针对LQI的固有误差,引入了预处理、误差补偿和回归分析等手段提高测距精度。