无线传感器网络基于分簇的高效数据收集方法研究

《无线传感器网络基于分簇的高效数据收集方法研究》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、学校代码：10255学号：1119104东华大学无线传感器网络基于分簇的高效数据收集方法研究StudyonEfficientDataGatheringBasedonClusteringforWirelessSensorNetworks学院：信息科学与技术学院专业：控制理论与控制工程姓名：苏圣超导师：赵曙光教授2018年8月附件一：东华大学学位论文原创性声明本人郑重声明：我恪守学术道德，崇尚严谨学风。所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已明确注明和引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品及成果的内容。论文为本

2、人亲自撰写，我对所写的内容负责，并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：日期：年月日附件二：东华大学学位论文版权使用授权书学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅或借阅。本人授权东华大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□，在年解密后适用本版权书。本学位论文属于不保密□。学位论文作者签名：指导教师签名：日期：年月日日期：年月日无线传感器网络基于分簇的高效数据收集方法研究摘要物联网是自计算

3、机、互联网之后的又一次信息革命，受到了世界各国各界的高度重视。作为物联网底层数据感知的重要载体，无线传感器网络(WSNs)是物联网应用的基础，目前在社会各个领域显示出巨大的应用价值。无线传感器网络的主要任务是收集感知数据，涉及信息感知、无线通信、数据处理等多种技术。由于节点的计算、存储、通信以及能量资源有限，利用受限的资源实现高能效、高质量的数据收集至关重要。本文结合簇与移动Sink技术，围绕静态数据收集与移动Sink的数据收集两个方面，探索基于分簇的高效数据收集方法。主要研究工作如下：（1）针对能量受限的WSNs，为了平衡节点能耗并延长网络寿命，将WSNs的分簇问题转化

4、为样本空间的模糊聚类问题，提出了一种基于模糊C均值(FuzzyC-Means,FCM)的最优分簇路由算法。首先，对传统的FCM算法从多方面进行了改进，由节点的密度参数得到高密度区域，从中选取初始聚类中心，最佳簇类数采用后验的模糊伪F统计量方法来获得，并对隶属度值的约束条件进行了放松。在此基础上，将改进的FCM算法用于WSNs最优分簇。新一轮时，簇结构不变，基于能耗均衡的目标函数重新选择簇头。在数据传输阶段，簇内成员节点将感知数据直接发送给簇头，簇头对接收到的数据进行融合，并按照选择的传输方式向基站传输融合数据。仿真实验的结果表明，该算法在降低节点能耗的同时，能够有效地平衡

5、网络能耗，改善能量空洞问题，延长网络寿命。（2）针对较大规模WSNs，提出了一种基于非均匀分簇的高能效数据收集算法。首先，为了处理大规模优化问题，引入了一种遗传算法（GA）和粒子群2优化（PSO）分层协作的混合算法（HGA-PSO）。然后，将该算法应用于WSNs的分簇，以能耗均衡为目标构造适应度函数，提出了一种基于非均匀分簇的数据2收集算法。在分簇阶段，HGA-PSO用于簇头的最优选择，基层采用GA进行全局搜索，保证了全局收敛能力；上层采用初始速度优化的PSO算法进行精确搜索，加快了算法的收敛速度。在数据收集的路由阶段，簇内节点以单跳方式向簇I头发送感知数据，簇头对接收到

6、的数据进行融合，并根据传输代价函数选择下一跳对象，然后将融合数据向基站传输。仿真实验的结果表明，对于不同规模的WSNs，在减小和平衡网络能耗方面，提出的方法均优于其它方法。（3）在虚拟网格簇的基础上，提出了一种基于虚拟力的移动Sink数据收集机制（VFDA）。首先，将整个区域划分为若干个网格，并基于网格进行分簇，根据评判函数选择簇头，簇头负责数据聚合、转发及簇的管理。然后，采用虚拟力理论分析来自边界、障碍物和空区域的虚拟斥力、各节点以及簇头的虚拟力，并计算移动Sink所受的虚拟合力。根据虚拟合力的大小、方向计算出Sink在当前网格的停留时间以及下一个会合点的坐标，由此得到

7、移动Sink的最优移动路径。在移动路径的每个数据会合点，以Sink为根节点建立数据聚合树，收集通信范围内的感知数据。仿真实验的结果表明，提出的方法即使在网络存在空区域或障碍物的情况下依然有效，而且在数据聚合量、节能和移动Sink路径长度等方面比现有算法具有更好的性能。（4）为了进一步平衡网络能耗并提高数据收集的效率，基于虚拟网格和移动Sink提出了一种高效的分簇数据收集方法（EBCDG）。首先，考虑了虚拟网格边界对节点的能耗影响，建立了一种新的簇头评价模型，将簇头选举问题转化为基于相对熵的多属性决策问题，实现了簇头的优化选择。