论文部分内容阅读
无线传感器网络具有易部署、自组织、高容错、可靠性等优点，它在众多领域中都占有一席之地。与传统无线网络对比，无线传感器网络并不着重强调高服务质量的保障和高效带宽利用。由于无线传感器网络中传感器节点存在通信信道共享、电池能量小等特点，其传输数据过程中干扰现象普遍存在——干扰会引起传感器节点的能量损耗导致节点失效，这会严重损害网络性能。对于上述存在的干扰引起的若干问题，拓扑控制技术为无线传感器网络提供了一种良好性能的解决方案。 论文主要研究设计拓扑控制算法并利用算法构建干扰优化的无线传感器网络拓扑结构，以延长无线传感器网络的生命周期和提升无线传感器网络的性能。其主要工作如下: 介绍了无线传感器网络的研究背景与意义，分析了无线传感器网络的特征，阐明了拓扑控制对无线传感器网络的重要意义。引入基于UDG图论的无线传感器网络模型，并具有针对性地进行分析并选用合理的以干扰接收者为中心的干扰模型。以干扰优化和网络连通性为目标，指出最近邻居算法在指数链模型上的不足。 提出了基于指数链无线传感器网络模型的一种启发式的最大干扰最小化拓扑控制算法——基于干扰阈值调节的拓扑控制算法(Threshold AdaptiveTopology Control, TATC)。网络中每个节点收集邻居节点相关信息，同时以干扰阈值为目标函数，选取符合当前干扰阈值以及不使得当前拓扑图产生回路的链路进行拓扑构建，直至拓扑连通，使整个网络中节点最大干扰最小化。理论证明了该算法在一维指数链模型上的的干扰优化达到o（√n）。 在TATC算法基础上结合最近邻算法的优点将TATC算法进行改进，提出了S-TATC(Serialization Threshold Adaptive Topology Control，STATC)算法。该算法的改进体现在利用链路权重进行序列化处理，极大地改善了TATC算法在二维平面模型上的不稳定性。 采用MATLAB仿真工具进行实验，仿真结果对比验证了在一维、二维指数链模型上的TATC算法的干扰优化性能是优于最近邻居算法的，验证了S-TATC算法比TATC算法的优化性能更加稳定，在一维、二维指数链模型和二维平面模型上的干扰性能都是优于最近邻居算法的。