论文部分内容阅读
随着无线通信技术以及电子技术的飞速发展,低成本、低功耗以及多功能的传感器节点应运而生,每个传感器节点具有感知、存储、数据处理以及无线通信的能力.多个传感器节点的集合构成了无线传感器网络(wireless sensor networks),传感器节点之间以ad hoe的方式相互连接.无线传感器网络的应用前景十分广阔,能够广泛应用于军事、环境监测、医疗健康、交通管理以及商业应用等领域.
数据融合(data aggregation)是无线传感器网络中重要的研究领域之一.在无线传感器网络中,数据融合的作用主要体现在节省能量、提高数据收集效率、增强数据准确性以及获取综合性信息等几个方面.数据融合的出现使无线传感器网络的研究焦点从以地址为中心的方法扩展到以数据为中心的方法.
本文首先介绍当前无线传感器网络中具有代表性的三类数据融合算法,包括基于分布式数据库的聚集操作,数据包合并以及模型驱动的数据融合.在每一类算法中,列举一些典型的数据融合的方法,并对这些方法进行分析与比较.
能量是无线传感器网络中重要的资源,而数据融合的主要作用是节省能量.因此,建立传感器节点的能量模型,量化分析数据融合对于传感器节点能量的影响以及对于无线传感器网络寿命的影响是十分必要的.本文基于树形网络拓扑结构,结合节点休眠调度机制,建立传感器节点的能量模型,通过仿真从能量的角度对典型数据融合算法进行性能评价.
在上述工作的基础上,本文基于监测数据的时间序列模型以及时间序列预测,提出适用于无线传感器网络的基于预测的时域数据融合技术,从而对无线传感器网络进行能量优化.本文以部署于故宫博物院的环境监测网络采集的温度数据为样本,通过仿真以及实验对该方法进行验证与分析.仿真结果表明,自回归预测算法与其它预测算法相比,具有更好的适用性,当误差阈值为0.05℃时,节能收益为68﹪.实验结果表明,使用自回归预测算法,当误差阈值为0.10℃时,网络寿命延长58﹪.
无线传感器网络是面向应用的,环境监测是无线传感器网络中一类典型的应用场景.本文最后介绍故宫博物院古书画研究中心环境监测网络的研发以及部署情况,通过实际应用揭示数据融合在无线传感器网络中的重要意义.