论文部分内容阅读
无线传感器网络(Wireless Sensor Network, WSN)的能量严重受限。对WSN进行剩余能量实时监测(Residual Energy Real-time Monitoring, RERM),是了解WSN生命周期情况的根本途径。RERM对设计和检验节能算法/协议具有重要意义。本文针对现有RERM研究中常见的脱离实际问题,对面向应用的RERM进行了系统、深入的研究。研究发现:节点的能耗与实际吞吐量直接相关。因此,本文主要从节点实际吞吐量变化角度讨论WSN的能耗与剩余能量问题。论文工作包括:(1)提出了面向应用的通用网络模型(AGNM)和电磁环境模型(AEEM)。实验和相关分析表明:AGNM模型能有效描述个域网(Personal Area Network, PAN)的拓扑结构、运行时机制及运行状态;AEEM模型则能有效描述电磁环境的动态变化情况。因此,这两个模型可作为RERM的研究基础。(2)提出了面向应用的剩余能量实时监测框架(SFRERM)。实验和相关分析表明:该框架可实际应用于WSN剩余能量实时监测;此外,与现有框架/算法相比,该框架在可扩展性、鲁棒性、精确性、信息时延、能量有效性和简单性等方面具有显著的优势。因此,它可为面向应用的RERM研究提供基础架构性支撑。(3)提出了基于通信和处理特征分析的能耗自感知模型和方法。在SFRERM框架的支持下,该模型能有效描述WSN的能耗情况;而且,该方法的各种开销均小于现有其他方法。但是,该模型要求原始信息必须精确、完整且无时延。(4)提出了基于模糊贝叶斯网络(FBN)的能耗自推理模型。在SFRERM框架的支持下,该模型能利用不精确的数据对WSN能耗情况进行有效的自推理计算;而且,该模型充分考虑了重传机制对能耗的影响,因此其推理结果的准确性比现有模型和方法更高。但是,该模型要求原始信息必须完整、无时延。(5)提出了基于模糊动态贝叶斯网络(FDBN)的能耗自预测模型。在SFRERM框架的支持下,该模型能利用不精确且不完整的数据,对连续时间片上的WSN能耗情况进行有效的自预测计算;而且,该模型中引入的历史信息(有时延的信息)应用机制能显著提高预测精度。总之,该模型能有效处理WSN中不精确、不完整和有时延的原始信息,并能达到相对满意的预测精度。