论文部分内容阅读
无线传感网络作为一种分布式网络,具有监测范围广、无线通信、能量消耗少等优点,被广泛应用于各领域。但它以多对一的方式进行数据传输,容易发生拥塞。网络拥塞会引起通信延迟、数据包丢失、吞吐量下降等问题,从而影响数据传输质量与网络服务质量。本文对无线传感网络的拥塞问题进行了研究。将L1/2正则化方法应用于无线传感网络中,并与控制方法相结合,提出两种新的拥塞控制算法,分别控制网络的链路级拥塞与节点级拥塞。并通过仿真实验验证了算法的可行性。本文主要研究工作如下:（1）针对现有无线传感网络中压缩信号大多采用基于0L正则化与1L正则化方法进行重构,本文采用了L-范数最小化方法中的L1/2正则化半阈值迭代算法重构信号。L1/2正则化是一类非凸的优化问题,通过构造定义函数,利用迭代算法进行求解,使压缩数据损失小、还原精度高。通过仿真实验表明,采用L1/2正则化半阈值迭代算法重构无线传感网络中的压缩信号能够达到基本精确重构的效果。（2）针对无线传感网络的链路级拥塞问题,提出了基于L1/2正则化的模糊神经网络拥塞控制算法。由于网络的拥塞程度很难用精确地数学模型描述,该算法采用模糊神经网络对压缩观测矩阵维数进行自动调整,增强算法的自适应性。在接收端采用L1/2正则化半阈值迭代错误!未找到引用源。算法对压缩后的数据进行高精度重构,达到缓解无线传感网络链路级拥塞的效果。通过仿真实验表明,该算法能够缓解无线传感网络链路级拥塞且效果明显。（3）针对无线传感网络的节点级拥塞问题,提出了基于L1/2正则化的模糊PID队列管理拥塞控制算法。该算法对传输层数据进行压缩观测,减小节点间的传输数据量。采用模糊控制对PID队列管理算法中的参数进行实时优化调整,使节点的缓存队列长度能够稳定的保持在期望值附近。再利用L1/2正则化半阈值迭代算法对压缩数据进行重构,以减小网络的冗余信息。通过仿真实验表明,在不同拥塞状况下,该算法能够改善网络传输质量,实现对网络节点级拥塞的控制。