学位论文 > 优秀研究生学位论文题录展示

基于端到端的传感器网络测量技术研究

作　者: 李勇军
导　师: 蔡皖东
学　校: 西北工业大学
专　业: 计算机科学与技术
关键词: 传感器网络断层扫描技术逻辑拓扑推测报文丢失剩余能量测量端到端测量数据汇聚 MCMC(Markov chain Monte Carlo)
分类号: TN929.5
类　型: 博士论文
年　份: 2007年
下　载: 403次
引　用: 3次
阅　读: 论文下载

内容摘要

无线传感器网络是由低成本、低功耗的，具备感知、数据处理、存储和通信功能的微型传感器节点通过自组织方式形成的网络。近几年逐渐成为学术界和工业界研究的热点。一些实际可用的传感器节点硬件和面向传感器网络的操作系统也应运而生。随着传感器网络逐步被应用到实际环境中，传感器网络的性能参数测量也就成为业界关注的问题。由于传感器网络节点数较多以及自身电源容量和带宽的限制，从网络内部每个节点上收集性能信息进行分析和处理的传统内部测量方法并不适用于传感器网络，这使得传感器网络的性能测量面临着诸多的挑战。1999年，N. Duffield等人开始研究网络断层扫描技术(Network Tomography)，根据端到端的测量结果，推测网络内部性能指标，不需要内部结点之间协作，也不需要部署测量设备，减少了数据传输数量。2004年G. Hartl等人将这项技术引入到传感器网络测量中，推测链路的报文丢失率。目前基于端到端的传感器网络测量技术的研究还处于起步阶段。论文围绕基于端到端的传感器网络测量方法进行了深入研究，主要工作和创新点包括：(1)总结了面向固定网络和传感器网络的断层扫描技术，从断层扫描技术研究内容、采用的系统模型、测量方法以及推测方法等方面讨论了该项技术最新研究进展。(2)利用断层扫描技术可以推测网络逻辑拓扑以及链路报文丢失性能等网络特性。现在已有固定网络的逻辑拓扑推测算法，但尚未见应用于传感器网络。本文提出了一种利用数据汇聚过程中祖先节点与子孙节点之间的偏序关系推测传感器网络逻辑拓扑的算法。仿真结果表明，算法只需要较少轮次的数据收集，就能较准确地推测出网络的逻辑拓扑。(3)提出了一种逻辑链路报文丢失的累计生成函数(Cumulant Generating Function，CGF)的推测方法。根据端到端报文丢失的CGF值，利用最小二乘法推测每条逻辑链路报文丢失CGF值，然后利用Chernoff边界理论识别传感器网络报文丢失严重的链路。仿真结果表明，推测的CGF值与理论计算值很接近。(4)本文在用Bernoulli模型描述传感器网络中报文丢失过程的基础上，提出了一种基于Gibbs抽样的逻辑链路报文丢失率推测算法，利用网络内部逻辑链路上报文丢失之间的内在关系来推测各个链路上的报文丢失率，并分析了不同参数选取对算法性能的影响。算法克服了常用的最大似然估计(MLE)方法存在的过低估计等缺陷。仿真结果与理论计算结果相比表明，算法能够较准确地推测出逻辑链路上的报文丢失率。(5)在用Gilbert模型描述传感器网络中报文丢失过程的基础上，本文提出了一种基于Metropolis-Hastings抽样的逻辑链路报文丢失时态依赖性(temporal dependency)的推测算法。解决了传感器网络中报文丢失时态依赖性的推测问题。仿真结果与理论计算结果相比表明，算法推测结果可以较准确地表述报文丢失在时间域上的关联关系。(6)提出了一种基于Bloom Filter的节点剩余能量测量算法。分析了算法中不同参数选取对于算法性能的影响。仿真结果表明该算法可以较准确地测量每个节点上的剩余能量，节点上剩余能量分布相关性越强则测量结果越准确。相关的剩余能量测量算法有USC(University of Southern California)的eScan算法，其测量单位为含有多个节点的多边形区域，故本算法具有较细的测量粒度。

全文目录

摘要  4-6
Abstract  6-9
目录  9-12
第一章绪论  12-22
  1.1 无线传感器网络简介  12-18
    1.1.1 体系结构  12-14
    1.1.2 特点  14-15
    1.1.3 应用背景  15-16
    1.1.4 研究内容  16-17
    1.1.5 研究现状  17-18
  1.2 论文研究内容  18-19
  1.3 论文组织结构  19-20
  1.4 论文主要贡献  20-22
第二章相关工作  22-37
  2.1 引言  22-23
  2.2 基本概念  23-25
  2.3 Network Tomography研究进展  25-35
    2.3.1 研究内容  25-27
    2.3.2 系统模型  27-30
    2.3.3 测量方法  30-32
    2.3.4 链路级性能参数推测方法  32-34
    2.3.5 网络拓扑推测方法  34-35
  2.4 Sensor Network Tomography研究进展  35-36
  2.5 小结  36-37
第三章基于数据聚集的传感器网络拓扑推测算法  37-49
  3.1 引言  37-38
  3.2 数据汇聚  38-39
  3.3 系统模型  39-41
    3.3.1 网络拓扑模型  39-40
    3.3.2 报文丢失模型  40-41
  3.4 传感器网络拓扑推测算法  41-44
    3.4.1 拓扑推测  41-43
    3.4.2 算法描述  43-44
  3.5 仿真验证  44-48
  3.6 小结  48-49
第四章逻辑链路报文丢失累计生成函数的推测方法  49-64
  4.1 引言  49
  4.2 系统模型  49-51
    4.2.1 网络拓扑模型  50
    4.2.2 报文丢失模型  50-51
  4.3 推测报文丢失CGF  51-54
    4.3.1 累计生成函数  51-52
    4.3.2 累计生成函数推测算法  52-54
  4.4 系统仿真  54-63
    4.4.1 仿真环境  54-55
    4.4.2 CGF精确度与不同报文丢失场景关系  55-60
    4.4.3 CGF精确度与网络规模大小的关系  60
    4.4.4 CGF精确度与数据收集轮次的关系  60-62
    4.4.5 算法计算量  62-63
  4.5 应用  63
  4.6 小结  63-64
第五章基于Gibbs抽样的逻辑链路报文丢失率的推测算法  64-79
  5.1 引言  64
  5.2 系统模型  64-65
  5.3 推测算法  65-73
    5.3.1 问题形式化  65-67
    5.3.2 利用Gibbs抽样推测报文丢失率  67-72
    5.3.3 算法描述  72-73
  5.4 仿真验证  73-78
  5.5 小结  78-79
第六章基于Gilbert模型的报文丢失时态依赖性推测算法  79-93
  6.1 引言  79-80
  6.2 系统模型  80
  6.3 推测算法  80-87
    6.3.1 问题形式化  81
    6.3.2 基于Gilbert模型的报文丢失时态依赖性推测算法  81-86
    6.3.4 讨论  86-87
  6.4 仿真验证  87-92
  6.5 小结  92-93
第七章基于Bloom Filter的剩余能量测量  93-109
  7.1 引言  93-94
  7.2 Bloom Filter  94-96
  7.3 假设与系统模型  96-97
  7.4 剩余能量测量算法  97-103
    7.4.1 测量算法  97-101
    7.4.2 参数选择  101-102
    7.4.3 扩展  102-103
  7.5 仿真验证  103-108
    7.5.1 仿真设置  103-106
    7.5.2 结果与分析  106-108
  7.6 小结  108-109
第八章结束语  109-111
  8.1 论文总结  109-110
  8.2 论文展望  110-111
参考文献  111-123
攻读博士学位期间发表论文和参加科研情况说明  123-125
  攻读博士学位期间发表论文情况  123-124
  攻读博士学位期间参加科研情况  124-125
致谢  125-126

基于端到端的传感器网络测量技术研究

内容摘要

全文目录

相似论文