无线传感器网络时间同步和网络优化的研究

来源 :燕山大学 | 被引量 : 0次 | 上传用户:jackiesage
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
融合了传感器、嵌入式计算、网络和无线通信四大技术的无线传感器网络(WSN)是一种全新的信息获取和处理技术,时间同步技术是WSN的一项关键支撑技术,WSN的很多应用如TDMA调度、协同休眠、定位、数据融合等都需要网络中的节点时钟保持同步。由于传感器节点是能量受限的,降低能耗是设计WSN协议要考虑的最重要的目标之一。传输质量和网络寿命是衡量能量受限的多跳无线传感器网络性能的重要指标,合适的MAC协议可以降低能耗,延长网络寿命。首先,本文深入的研究了传感器网络时间同步基本概念和现有经典时间同步机制,并分析和总结了经典同步机制的优缺点。经典时间同步机制可分为三类:基于接收者—接收者的同步机制如RBS;基于发送者—接收者的同步机制如TPSN、LTS;基于发送者的同步机制如DMTS、FTSP。其次,在现有同步机制的基础上提出一种新的基于分簇的低功耗多跳传感器网络同步机制。该机制结合了单向广播同步机制和双向成对同步机制,在不引起同步滞后的前提下显著的减小了同步报文的开销。在分级网络结构基础上,提出一种分簇算法将LCTS扩展到多跳网络中,并对时钟漂移进行补偿,保证了一定的精度。对本机制进行了误差和能耗分析,在Simsync平台上进行了仿真实验,并与已有的典型算法进行了比较。最后,基于跨层设计的思想,联合考虑拥塞控制、冲突控制和能耗控制,用以求解传输层源端速率、MAC层链路访问概率和网络层节点寿命的最优值,来达到最大化网络效用和网络寿命的折中。通过变量代换将非凸和不可分离的原问题转化为基于对偶分解的凸优化问题。通过垂直和水平对偶分解,提出基于子梯度算法的完全分布式策略。通过仿真验证了算法的收敛性和有效性。
其他文献
作为数据挖掘中的一项重要技术,聚类分析具有广泛的应用领域。数据对象的聚类过程是一种无监督自学习的数据分类过程,聚类分析算法的研究是一个极具挑战性的研究课题。传统的
近代科学技术发展的显著特点之一是生命科学与工程技术的相互交叉、相互渗透和相互促进。众所周知,生物免疫系统包含了许多信息处理机制,通过深入研究可以构造出适合于多种复