论文部分内容阅读
无线传感器网络(WSNs)由各种异构的传感器节点组成,因其具有易大规模部署、自组网等优点被广泛应用于生活、工业、军事等方面。由于资源有限且能力不同,传感器节点可以执行不同的数据感知任务,如何高效地收集传感器节点采集的数据是值得研究的热点问题。在WSNs的实际应用中,难以保证相邻节点百分之百连通,影响节点间连通性的原因是多方面的,总体可以描述如下:(1)WSNs经常被部署在恶劣的环境中,受此影响,节点间存在链路不可靠问题;(2)节点的移动通常会导致间歇性连接的链路,并产生某种形式的机会性连接;(3)传感器节点通常使用电池供电,为了节省有限的能量,节点采用睡眠机制,而只有当相邻节点都处于工作状态时才能相互通信;(4)随着WSNs的智能化,传感器节点将会拥有一些新的特征,比如社会属性,这会在相邻节点间带来机会性连接。这些因素都将导致节点间的机会性连接,从而给数据收集带来挑战。为了应对该挑战,本课题首先引入随机图理论建模WSNs,实现对网络连通性的分析。其中,针对节点采用异步工作-睡眠周期循环策略构建了机会性连接随机图(OCRG),针对节点能够按照自己的偏好接收或转发数据的社会属性以及节点间的链路质量构建了智能节点随机图(SNRG)。然后,本课题以构建的SNRG为基础进一步研究了连通性优化,其中假设任意一对相邻节点的连通性是可以测试的,且测试代价相同,实现了以最小的测试代价确定任意源节点和目的节点间的连通性。接着,课题提出了两种数据收集机制,第一,考虑链路不可靠造成节点间机会性连接,提出了一种基于链路不可靠的数据收集机制,该机制采用轨迹随机的移动sink进行数据收集,在数据传输时通过计算节点的数据转发能力选择转发器,能够实现有效的数据收集。第二,考虑传感器节点采用异步工作-睡眠周期循环策略造成节点间机会性连接,提出一种基于节点睡眠的数据收集机制,该机制也采用轨迹随机的移动sink进行数据收集,而为了应对节点状态转换带来的挑战,构建了OCRG随机图为数据收集范围内的节点提前计算数据转发路径,从而提高数据传输成功率并降低能耗。实验结果表明,提出的连通性确定方法是有效的,而两种数据收集机制在数据包投递率、能耗等参数上都有好的表现。