搜索
摘要无线传感器网络是一种随机布撤、分布式、自组织的面向具体应用的新兴网络，具有重大的研究意义和广阔的应用前景。但是，由于传感器节点的存储、计算和通信能力有限，对网络结构和协议提出低能耗、高效率等严格要求。大量传感器节点随机布撒后以自组织的方式构建网络拓扑，且随着外界条件的变化，网络拓扑自适应的调整，因此，无线传感器网络拓扑控制机制至关重要。本文针对无线传感器网络中节点的聚类、调度等拓扑控制问题展开研究，主要工作体现在以下几个方面：结合人工神经网络的自组织学习理论，将竞争学习思想引入到无线传感器网络中，提出一种无线传感器网络竞争学习聚类算法，利用节点间的直接竞争和获胜节点的侧抑制作用实现聚类，阐述了传感器节点在六种状态间的转换和簇的形成过程。仿真结果表明该算法能将网络中的节点划分成个数稳定性优于LEACH算法的簇，且用于拓扑控制的能耗负载除第一轮外与LEACH算法相当。针对煤矿井下巷道狭长、子巷道多、意外事故时常发生等特殊环境，提出一种适用于煤矿井下的拓扑控制算法，通过从奇数跳中选簇头，偶数跳中选簇桥初始化网络，以竞争学习的方式实现节点竞争休眠和角色轮换。仿真结果表明该算法能够将网络划分成个数合理、规模均匀的簇，且簇与簇之间的重叠较少，在半径为110m时节点重叠率为20％。借鉴多个简单的生命个体(如蚂蚁、蜜蜂)能够协作的完成复杂任务的群体智能思想，将蚁群算法应用于事件驱动型无线传感器网络中，设计一种自组织、自适应的启发式节点调度算法，以负载与能耗均衡为目标，以被动的方式收集无线传感器网络中的监测数据。仿真结果表明该算法使第1跳子集内节点的负载与能耗标准差分别低于均值的2％和1．9％，与MESA算法相比，网络寿命延长93％以上，网络拥塞程度降低约50％，具有较好的负载与能耗均衡性。第1章绪论1．1研究背景与意义互联网的出现改变了人与人的交互方式，而人们同样需要一种与客观世界交互的网络形式，以满足人们了解物理世界信息的需求。无线传感器网络在这样的背景下应运而生，它综合了微电子、信息处理、嵌入式计算及无线通信等技术，由大量部署在监测区域内的具有感知、计算和通信能力的微型传感器节点自组织成网络，利用节点间的相互协作，实现对网络监测区域内信息的感知、采集和处理，并将信息以无线方式传输给用户【1|。这大大地提高了人们了解客观物理世界信息的能力，也极大地扩展了现有网络的功能和覆盖范围，为人类认识世界并改变世界提供了新的方法。可以说，无线传感器网络是信息感知和采集的一场革命，被列为21世纪最有影响的、最重要的技术之一，位居对人类未来生活产生深远影响的十大新兴技术之首。当大量传感器节点被布撒到监控区域之后，采用自组织的方式构建网络。在传统的无线自组织网络中，拓扑控制是指通过一定的机制自适应地将一定数目的节点组成一个互联网络，无线传感器网络作为一种新兴的无线自组织网络，具有其自身的特点：部署的环境更为复杂，多采用电池供电，能量供应非常有限，节点数目庞大，节点多采用随机部署的方式，部署的密度较大，网络拓扑随着节点失效、新节点加入等情况的发生而发生变化【21。因此，针对无线传感器网络的特殊性设计更加高效优化的拓扑控制机制非常重要。由于传感器节点的部署密度较大，每个节点的邻居节点数目较多，而多数情况下不需要所有节点都参与工作，这就要将网络中的传感器节点合理的组织和管理。针对规模不大的无线传感器网络，所有节点可以功能相同、角色一致，构成平面型网络拓扑；对于规模较大的无线传感器网络，可以将节点划分成若干分组，每个组内选择组织者，采用分治的方式构成层次型网络拓扑。不论平面型网络还是层次型网络，在保证网络的覆盖度和连通度的前提下，均可以通过控制节点的发射功率或使部分节点休眠来调整网络中工作节点密度，控制节点的邻居节点个数，达到优化网络拓扑结构的目的。无线传感器网络的每个传感器节点分布式的采集本地的感知数据，然后以无线多跳沈阳航空工业学院硕士学位论文的方式传输，最终传递给用户使用。由于传感器节点的无线通信能力有限，传输距离比较短，通常采用多跳的方式实现远距离传输，这就需要大量的数据转发节点，使得网络中的传感器节点既是数据采集节点，又是数据转发节点，而且，越靠近汇聚节点的传感器节点的数据转发任务越繁重。因此，需要合理的调度节点参与数据转发，使网络能耗均衡，避免部分节点的过早“死亡，甚至网络不连通或出现监测盲区。所以，采用高效的节点组织、调度策略对延长网络的生命期至关重要。1．2国内外研究现状无线传感器网络作为一种新兴的“无处不在”的网络形式，使用户可以深入及时了解物理世界的环境信息，关注感兴趣的敏感事件的发生。它的随机布撒、自组织、自适应、低功耗等特点使其在军事、环境、医疗、家居、空间探索等领域都具有广阔的应用前景。自20世纪90年代末起步以来，无线传感器网络引起了学术界、军界、工业界和商业界的极大关注，美欧相继启动了许多关于无线传感器网络的研究计划。美国国防部高级研究计划局(DARPA)于1998年开展了SensorlT(SensorInformationTechnology)研究计划，目标在于针对适应战场高度动态的环境，建立快速进行任务分配和查询的反应式网络系统，利用无线传感器网络的系统信息处理技术发挥战场网络化观测的优势。U．C．Berkeley大学于1998年开始了SmartDust研究计划，目标是研制体积不超过tmm2的采用太阳能电池供电的微小传感器节点，由于节点的体积小、重量轻，可以像微尘一样在空气中浮动。美国海军研究办公室(ONR)于1999年至r]2004年支持开展了SeaWeb项目，研究基于水声通信的无线传感器网络的组网技术，并验证了构造水声传感器网络系统的可行性。美国国家航空与航天局(NASA)雕JJPL实验室自2001年以来开展SensorWebs计划，通过近地低空轨道飞行的星载传感器提供全天候、同步、连续的全球影像，实现对地球突发事件的快速反应，并准备用在将来的火星探测项目上【引。另外，英国、加拿大、德国、日本等国家也纷纷加入了无线传感器网络的研究行列。我国对无线传感器网络的研究及应用几乎与国外同步，中科院于2001年成立微系统研究与发展中心，挂靠在中科院上海微系统所，成员单位包括声学所、微电子所、研究生院等十余家研究所和高校，共同推进传感器网络的研究。上海微系统所还牵头组建了传感器网络产学研上海联盟。另外，我国哈尔滨工业大学、清华大学、’北京邮电大学、2沈阳航空工业学院硕士学位论文西北工业大学等高校也较早开展了传感器网络的研究。我国政府同样十分重视无线传感器网络的研究，在“中国未来20年技术预见研究”提出的157个技术课题中有7项直接涉及无线传感器网络。2006年初发布的《国家中长期科学与技术发展规划纲要》为信息技术确定了3个前沿方向，其中两个与无线传感器网络研究直接相关，在重大专项、优先发展主题、前沿领域均将传感器网络列入其中【41。另外，国家自然科学基金委员会已经在该领域设立了多个重点项目和面上项目，并开展多项973课题、863课题。无线传感器网络是涉及传感器技术、网络通信技术、无线传输技术、嵌入式计算技术、分布式信息处理技术、微电子制造技术、软件编程技术等多学科交叉的研究领域，有非常多的关键技术有待发现和研究，其中，拓扑控制技术是无线传感器网络的核心技术之一。目前，针对非层次型和层次型两种网络拓扑结构，无线传感器网络拓扑控制形成了功率控制、休眠调度、启发式唤醒等主流研究方向【引。(1)功率控制类算法伊利诺斯大学的Narayanaswamy等人提出并实现一种将功率控制与路由协议相结合的Compow算法，在保证网络连通的前提下，使所有节点使用最小的同一发射功率。Kawadia和Kumar对Compow]N以改进，提出-jClusterPow算法，引入隐含簇的概念，在各簇内使用可以与目的节点通信的最小功率。柏林工业大学Kubisch等人提出了基于节点度的功率控制算法LMA和LMN，通过调整节点功率来控制节点的度数，使其落在上限与下限之问。微软亚洲研究院的Wattenhofer茅lJ康奈尔大学的“等人提出了保证网络连通度的基于方向的CBTC算法。伊利诺斯大学的Li和Hou提出了两个具有代表性的基于邻近图的功率控制算法一DRNG与D【，MST算法。(2)休H民调度类算法俄亥俄州立大学的Kumar等人提出了各节点在每个时间周期开始时以某一概率独立地决定自己是否进入休眠状态的RIS算法。宾西法尼亚州立大学的Berman等人提出了MSNI．算法，使节点在活动状态、休眠状态和过渡状态问转换。加州大学洛杉矾分校的Ye等人提出了一种适用于恶劣环境中高密度传感器网络的PEAS算法，加州大学戴维斯分校的Gui等人对PEASjJIJ以扩展后提出了PECAS算法。麻省理工学院的Heinzelman等人提出了一直被广泛引用的LEACH算法，而随后出现了很多针对该算法的改进算法。雪3沈阳航空工业学院硕士学位论文城大学I拘Deng等人假设聚类结构已经存在，提出了一种适用于基于簇的高密度传感器网络的LDS算法。南加州大学的xu等人把监测区域划分成正方形虚拟单元格，提出了以节点地理位置为聚类依据的GAF算法。鲁杰斯大学的Deb等人提出了一种基于图论中最小支配集I均TopDisc算法，具体又分为三色算法和四色算法。普渡大学的Younis和Fahmv提出了一种迭代的HEED聚类算法。i．3课题研究的主要内容无线传感器网络的拓扑控制机制至关重要，它为其它关键技术的研究提供拓扑基础和保证，对高效利用能量，延长网络生命期具有重要意义。本文在分析无线传感器网络特点的基础上，以煤矿井下人员设备定位为应用背景，应用人工神经网络自组织学习理论及蚁群算法等，对无线传感器网络中的节点聚类、调度等拓扑控制机制为重点开展了研究。本文的研究内容主要有以下几个方面：(1)在分析无线传感器网络及其特点的基础上，研究了节点随机布撒后自组织成的网络拓扑结构形式，总结了拓扑控制算法的设计目标，深入分析了各主流研究方向及典型算法。(2)结合人工神经网络的竞争学习理论，抽象了网络的输入层和竞争层，利用节点间的直接竞争和获胜节点的侧抑制作业实现聚类，设计了一种基于竞争学习的无线传感器网络聚类算法。(3)针对煤矿井下的特殊环境，研究线性无线传感器网络的拓扑控制问题，按跳将煤矿巷道中的传感器节点自组织成高效自适应的网络拓扑，研究适用的无线传感器网络拓扑控制机制。(4)借鉴多个简单的生命个体(如蚂蚁、蜜蜂)能够协作的完成复杂任务的群体智能思想，将蚁群算法应用于事件驱动型无线传感器网络中，设计实现了一种自组织、自适应的启发式节点调废篱警嘲滞—赣Ih矽_‰I，1．4论文组织结构论文的工作主要围绕无线传感器网络的拓扑控制机制这一课题进行，论文组织如4沈阳航空工业学院硕士学位论文‘F：第1章主要介绍课题的研究背景和研究意义、国内外研究现状、研究的主要内容，以及论文的组织结构。第2章综述了无线传感器网络及其特点，分析了无线传感器网络的拓扑结构与拓扑控制的目标，并就目前典型的拓扑控制算法做了分类分析。第3章在理解自组织学习理论中竞争学习思想的基础上，提出了一种基于竞争学习的无线传感器网络聚类算法，详细阐述了算法思想与实现方法，对该算法进行了仿真实验，并对结果做了分析。第4章研究了煤矿井下巷道中线性无线传感器网络的特点，针对复杂的井下环境设计了一种竞争学习聚类算法，详细阐述了网络的初始化过程、节点的竞争休眠及角色转换，对该算法进行了仿真实验，并对结果做了分析。第5章研究了具有代表性的群集智能算法一蚁群算法，分析了该算法在无线传感器网络中的应用，针对事件驱动型无线传感器网络，提出了一种基于蚁群算法的启发式节点调度策略，并进行了仿真实验和结果分析。5