无线传感器网络中基于时空相关性的数据预测技术研究

《无线传感器网络中基于时空相关性的数据预测技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、？何＊／＊蒋夫旁ＨｅｂｅｉＵｎｉｖｅｒｓｉｔｏｆＥｎｉｎｅｅｒｉｎｇｙｇ硕±学位论文题目：无线传感器网络中基于时空相关性的数据预测技术研巧－作者姓名：指导教师：李志华副教授学科专业：计算机科学与技术所在学院：信息与电气工程学院貧Ｉ議琢．．－…？’－卢灌！，％．？片ｆｆ？：－蜂故：．提交论文日期：２０１６年５月２８日独创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究不含任何其它个人

2、或工作所取得的成果。除文中己经注明引用的内容外，本论文集体己经发表或撰写过的研巧成果，也不包含为获得河北工程大学或其它教育机构的学位或证书而使用过的材料。对本文的研究做出重要贡献的个人和集体，均己在论文中作了明确的说明并表示了谢意。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：目已签字曰期：Ｔ／Ｗ４年＾月曰卡学位论文版权使用授权书本学位论文作者完全了解河北王程大学有关保留、使用学位论文的规定。特授权河北工程大学可将学位论文的全部或部分内容编入有关数

3、据库、进行检索，并采用影印、缩印或扫描等复制手段保存汇编供查阅和借阅。同。意学校向国家有关部口或机构送交论文的复印件和电子文档）论文在解密后适用授明（密的学位本权说保：月日签；目签字日期＾年学位论文作者名再心化夕少－认签：八月曰名：字曰期年导师签＾么＾工学硕士学位论文无线传感器网络中基于时空相关性的数据预测技术研究河北工程大学2016年5月分类号：TP301密级：公开UDC：单位代码：10076工学硕士学位论文无线传感器网络中基于时空相关性的数据预测技术研究作者姓名：

4、卢昭指导教师：李志华副教授申请学位级别：工学硕士学科专业：计算机科学与技术所在单位：信息与电气工程学院授予学位单位：河北工程大学河北工程大学2016年5月ADissertationSubmittedtoHebeiUniversityofEngineeringFortheAcademicDegreeofMasterofEngineeringResearchonDataPredictionTechnologyBasedonSpatial-TemporalCorrelationinWirelessSe

5、nsorNetworksCandidate：LuZhaoSupervisor：LiZhihuaAssociateProfessorAcademicDegreeAppliedfor：MasterofEngineeringSpecialty：ComputerScienceandTechnologyCollege/Department：SchoolofInformationandElectricalEngineeringHebeiUniversityofEngineeringMay，2016摘要无线传

6、感器网络(WirelessSensorNetworks,WSNs)中节点受限于自身体积，所携带的能量有限，因此如何降低节点能耗是WSNs在实际应用中亟需解决的问题，而且数据的传输能耗占节点能耗的主要部分。在大规模密集部署的WSNs中，节点所采集的数据具有较强的时空相关性，这使得利用时空相关性进行精确的数据预测，减少数据传输量，降低数据传输的能耗，延长网络生命周期成为了可能。本文深入地研究了WSNs中数据预测技术的原理、特点和性能指标，结合网络中数据的时空相关性，提出了两种数据预测算法：基于马尔科

7、夫链的空间相关性数据预测算法和自适应时间相关性数据预测算法。本文研究内容主要有以下两部分：(1)基于马尔科夫链的空间相关性数据预测算法研究。针对目前主流的时间相关性数据预测算法在数据波动大时预测精度低的问题，本文引入Delaunay三角形邻近图来度量网络中监测数据的空间相关性，并根据相邻节点间的距离计算网络中监测数据的空间相关性权重系数。最后利用马尔科夫过程准确描述WSNs中相邻节点间监测数据的变化过程，提出基于马尔科夫链的空间相关性数据预测算法。该算法运行在簇头和汇聚节点内，利用簇内成员节点间

8、数据的空间相关性减少簇头和汇聚节点间的数据传输量。(2)自适应时间相关性数据预测算法研究。本文分析了无线传感器网络中数据的时间相关性，将数据分解为线性变化部分和非线性变化部分。对非线性变化部分数据使用灰色预测模型进行预测，提出了自适应时间相关性数据预测算法。该算法运行在簇内成员节点和簇头，利用节点内数据的时间相关性降低成员节点与簇头间的数据传输量。本文最后将以上两种算法相结合，构成自适应时空数据预测算法，并在网络中对其节能效果进行了仿真实验。实验结果表明，相比其他的数据预测算法，可有效提高数据预