无线传感器网络簇状网研究

《无线传感器网络簇状网研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、中文摘要无线传感器网络是集成了传感器技术、微电子技术、网络通信技术而形成的全新的信息获取和处理技术，是多学科交叉的前沿研究课题，在军事、工业、医疗、交通和民用等诸多方面潜在着巨大应用价值。虽然近年来国内外取得了一些研究成果，但仍然有很多的问题需要解决。本文对层次型拓扑控制方法所形成的簇状网进行了深入研究，包括对簇状网能耗、逻辑拓扑结构的优化，以及簇树骨干网的构建。传感器节点的能量是不可再生的，如何提高效能以最大化生存期是无线传感器网络技术的首要问题，目前广泛采用基于簇的网络结构来提高运行效率。本文对单跳簇状网进行分析，根掘其特点建立网络、数学模型，并在此基础上讨论几个主要网络参数与网络能

2、耗之问的关系，并均衡、优化这些参数，以最小化网络能耗。以最小化网络能耗为目标，对簇状网逻辑拓扑的优化是一个NP-难问题。本文以遗传算法的基本思想为基础，改进了选择、交叉、变异算子，并采用二次选择的策略加快了收敛进程，从而提高算法的运算效率。仿真结果表明，可得到该优化问题的全局近似最优解。针对已有分簇算法中簇头选择不合理及传输距离过长的缺陷，本文提出了用于构建分布式簇树骨干网的EACT算法。EACT算法通过引入极大权极大独立集的概念，选择权值高、分布均匀的节点作为簇头，使得到的簇头更具合理性，从而均衡了全网的节点耗能。同时利用簇树的结构缩短了簇头发送数据的距离，达到延长网络生存期的目的。仿

3、真结果表明，EACT能有效地提高网络生存期，具有效能高、时间复杂度和消息复杂度低的特性。关键词：无线传感器网络拓扑控制分簇簇树ABSTRACT111ewirelessself-organizedsensornetwork．whichisintegrationofsensortechniques，MEMStechniquesandnetworkcommunicationtechniques，isaninnovativetechniqueofinformationacquisitionandprocessing．Itisanadvancingresearchfieldofmulti-subj

4、ectintersection．Itbringswideapplicationfutureinagoodmanyfields，suchasmilitary,industry,medicaltreatment，transportationandcommercial．Afewachievementshavebeenacquiredintheworldofrecentyears，butonsomekeytechniques，therearealsoalotofproblemsinneedofresolution．Thispaperdidadeepstudyinclustered—network

5、createdthroughhierarchicaltoplogymanagement，includingoptimizationofenergyconsumingand109icaltoplogyinculustered—network，andconstructionofcluster-treebackbonenetwork．Inviewoftheenergy-irreproducibilityofthesensornetwork，howtoimprovetheefficiencyofenergyconsuminginsensornetworkandmaximizeitslifetim

6、eisoneofkeyissuesinwirelesssensornetworktechnology．Onthebasisofanalyzingsingle—hopclustered-networkandestablishingnetworkmodelandmathematicsmodel，thispaperdiscussedtherelationshipbetweenseveralkeynetworkparametersandenergyconsuming，thenfoundtheoptimizedparametersthatwouldachieveminimumenergyconsu

7、mption．nleoptimizationoflogicaltoplogyofclustered—networkisaNP-hardproblem．Basedonthefundamentalframeworkofgeneticalgorithm(GA)，allimprovedalgorithmisproposedinthispaper,inwhichanewcrossover，mutationandselectionmethoda