论文部分内容阅读
无线传感器网络是由大量具有感知与计算能力的传感器节点通过无线通信方式构成的自组织网络系统。数据采集是无线传感器网络的核心任务之一，是环境感知与信息获取的重要基础。节能是无线传感器网络数据采集重要的设计目标。论文研究基于模型化的数据采集机制，以数据模型替代感知数据，获得紧凑的结构化数据表示，以去除数据相关性产生的冗余信息，由此降低数据采集过程所需的存储与传输的数据规模，从而有效减少网内通信开销，实现节能，延长网络的生存。
数据回归是一种能够保持基本数据结构和形态的数据建模手段，在传感器网络资源受限的条件下，如何实现数据回归建模仍然面临许多新的挑战。本论文重点关注以下两方面的问题。其一，大空间尺度区域内的异构数据回归建模问题。异构数据因结构和形态的复杂性限制了单一区域表示模型的应用，这就需要寻找符合分治原则的多区域混合表示模型。为此，有必要探讨适合网内实现的分布式计算模式和与之匹配的数据路由体系结构和策略。其二、小样本数据回归建模问题。感知数据的稀疏表示可以限制参与数据建模的节点规模，是间接实现节能的节点调度和管理的有效方式。为此，需要探究分布式小样本数据回归建模的计算模式以及适合网内实现的数据路由体系结构和策略。上述问题都是无线传感器网络数据采集必须面对和解决的热点研究问题，其理论上的创新和应用中的现实意义是十分明显的。
围绕上述问题，本文分别采用混合最小二乘回归与支持向量回归作为数据建模手段，建立适合大尺度区域内异构数据回归建模和小样本数据回归的分布式计算模式和网内实现方法。论文所作的主要工作如下：
（1）提出基于Jacobi迭代的混合最小二乘数据回归建模的网内实现算法。针对混合回归模型的求解结构进行局部数据分析，给出Jacobi迭代的分布式计算表示式，提出了基于树状拓扑结构的交叉消息的传输机制。节点通过邻居节点之间的消息交换，不需全局数据传递，可以获得局部计算所需的耦合数据，从而协同完成数据回归的建模目标。进一步的，根据混合回归模型的局部数据的稀疏性，发展了基于联合树连接结构的网内实现策略，通过降低节点的数据通信流量与计算复杂度。
（2）提出以分簇路由拓扑结构组织Jacobi迭代的网内分布式实现，可以有效配合数据回归的建模目标。根据节点相关性引入分簇路由结构，通过分析簇模型之间的计算交叉关系，设计了基于分簇路由结构的网内实现策略，分别组织簇内的消息调度以及簇间的消息交换过程。通过引入分簇路由结构，可以克服在平面路由结构下组织节点协作过程中出现的网络可扩展性与稳健性问题，此外，分簇算法具有较小网内通信开销，可以提高Jacobi算法实现数据采集的模型精度。
（3）提出基于梯度速降的混合最小二乘数据回归建模的网内实现算法。通过类比Jacobi分布式实现的设计思路，发现梯度速降的分布式计算表示式中的局部和形式，从而提出了N—SD、JT—SD以及C—SD三种分布式实现算法，设计分别基于树状路由结构、联合树连接结构以及分簇路由结构的网内实现策略。相对于的Jacobi算法，梯度速降方法具有更小的网内通信开销与计算复杂度，可为传感器网络的模型化数据采集提供了平衡网内通信开销与数据采集质量的多种选择方案。
（4）提出支持向量数据回归建模的网内实现算法。将全局优化问题描述成可局部化计算形式，由于分布式计算表示式不具有局部数据和性质，同时执行局部计算将会出现计算更新冲突。本文提出以环状网络拓扑结构串行组织节点间的协作计算过程，使节点在满足全局等式约束的条件下执行局部SMO计算，从而协作无冲突完成全局支持向量回归的建模过程。
（5）提出支持向量数据回归建模中可并发计算的网内实现算法。本文分析了局部优化子问题可并发执行计算的条件，提出基于并发有向图的连接结构组织节点的协作计算过程，通过逆转有向边的消息传输机制确保节点无冲突执行局部优化计算，可以提高网内计算效率，加快模型计算收敛。