大规模无线传感器网络及无线Ad-hoc网络的渐近性能

来源 :中国科学技术大学 | 被引量 : 0次 | 上传用户:chuan9931
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在过去二十年,大规模无线传感器网络(WSNs)及无线Ad-hoc网络越来越受到人们的关注。在大规模无线传感器网络和无线Ad-hoc网络中,渐近性能分析主要专注于网络的极限特性,例如,网络吞吐量,生命周期等。对渐近性能的分析对于网络系统的设计有着极为重要的指导意义。在文献中,无线传感器网络和无线Ad-hoc网络的渐近性能,如单播、多播的吞吐量受到研究人员广泛的关注和研究。资源受限的无线传感器网络(WSNs)面临的一个极其重要的挑战是如何延长网络生命周期的同时保持一定的数据收集率。为了达到这个目的,现有的文献提出了很多基于移动的数据收集模型(MADC)。然而,缺少从网络吞吐量即最大数据收集率,以及与一个特定数据收集率相关的生命周期的角度对于MADC模型特性进行系统性分析。在第二章,我们从理论的角度首次对上述的问题进行了研究。特别的,我们首先提出了一种基于移动汇聚节点的数据收集模型(MSADC)。该模型包含了移动数据收集的主要参数,如移动节点的速度,移动节点的移动路径等。接下来,我们提出了一种综合的理论方法来计算可达的网络吞吐量和生命周期。依据所提的方案,我们研究了具有一个或多个移动汇聚节点的无线传感器网络的特性。我们的分析不仅表明基于移动汇聚节点的无线传感器网络的数据收集率要高于静态传感器网络,同时也对于如何调节移动参数来达到提高网络收集率和最大化生命周期的提供了更深入的了解。最后,我们通过模拟实验来验证了理论分析的正确性。为了提高无线传感器网络中的数据收集率,另一个重要的方法是使用移动中继节点。在第三章,我们研究了一种基于移动中继节点的无线传感器网络,该网络中多个移动中继节点分布在其中,他们从静态传感器节点收集数据并将收集的数据转发给静态汇聚节点。为了便于我们的讨论,我们提出了一种新的基于移动汇聚节点的数据收集模型(MRADC)。基于这个方法,我们构造性的分析了大规模无线传感器网络中的可达数据收集率。在该方案中,我们通过选择适当的移动参数来达到一定的数据收集率。我们的分析显示,如果移动中继节点的数量少于某一个阈值时,数据收集率将随着移动中继节点的增加而增大。另一方面,如果移动中继节点的数量大于某一个阈值时,其网络吞吐量为一个常数。同时我们也发现,基于移动中继节点的传感器网络其数据收集率还受到传输半径和干扰因素的影响。为了证明我们的分析,我们进行了大量的模拟实验,实验也验证了我们在理论分析中所选择的移动参数的有效性,及网络吞吐量。在现有的大多数无线网络中,终端用户通常从有线网络中获得数据,典型的,如Internet。在这种方式下,从根本上说其所有的网络流都需要通过一些接入点连接到Internet。这也意味着,无线网络的数据吞吐量将被这些接入点的传输速率所限制。为了全面的了解无线网络的能力,我们憧憬未来的无线网络其自身将具有某些数据内容的存储。在第四章,我们以理论的观点研究了上述网络的特性。特别的,我们考虑在分布式数据分发中使用多播,然后我们对于基于大规模无线Ad-hoc网络的分布式数据分发(DCD-WANET)的网络吞吐量的渐近上界进行了研究。我们的分析显示了网络吞吐量上界是如何收到网络的地理大小,数据项的数量,数据内容的流行性以及包含有一个数据项的存储节点。特别的,我们的理论结果证明,如果存储节点的数量超过一个特定的阈值,网络吞吐量的上界随着存储节点的数量的增加以幂律(power-law)的形式增加。对于DCD-WANET,为了达到网络吞吐量的上界,我们同时给出了数据项放置的策略。
其他文献
由于量子计算和量子通信在原则上是可行的,并有一天可能会在物理上完全实现(现在已经能够部分实现,尤其是量子保密通信),因此,看看它们能够如何改变我们的生活是一件非常有趣
在阐述乘数概念的基础上,介绍了部门乘数、就业乘数、收入乘数、能源消耗乘数和水资源消耗乘数的计算公式,然后以黑河流域中游的张掖地区为例进行了应用研究.
日常加药时,玻璃安瓶的药品较多,如我科常用的能量合剂(其中包括VitC注射液,胞二磷胆碱注射液,辅酶A,ATP注射液)每次加药都要掰8-9个安瓶,再如临床上常用的碟脉灵等20ml一只的大安瓶,
信息隐藏是把秘密信息嵌入在数字化文本、图片、音频和视频等载体中,使其不被察觉,达到既保障内容隐密,又保障行为隐秘目的的一种技术。H.264/AVC作为视频编解码领域的新标准
回 回 产卜爹仇贱回——回 日E回。”。回祖 一回“。回干 肉果幻中 N_。NH lP7-ewwe--一”$ MN。W;- __._——————》 砧叫]们羽 制作:陈恬’#陈川个美食 Back to yield
图像在获取和传输过程中,不可避免地受到外部和内部的干扰,常常因为各种因素的影响而被加入很多噪声,这十分严重的影响了人们对传输后图像信息的读取。因此通过一定方法将被噪声污染的图像进行去噪处理一直是现代图像研究中重要的问题,受到越来越多研究者的关注与重视。A.Buades等基于各经典去噪算法,如领域滤波、全差分滤波、异性扩散等提出非局部均值滤波(Non-Local means,NLM)算法的模型,同时