無(wú)線傳感器網(wǎng)絡(luò)的拓?fù)涮卣魈崛∨c應(yīng)用研究.pdf

1、拓?fù)涮卣魈崛∈莻鞲衅骶W(wǎng)絡(luò)研究中的熱點(diǎn)之一，充分利用網(wǎng)絡(luò)拓?fù)涮卣鳎兄谠O(shè)計(jì)高性能的網(wǎng)絡(luò)協(xié)議，提高網(wǎng)絡(luò)服務(wù)質(zhì)量，延長(zhǎng)網(wǎng)絡(luò)生命周期。骨架是傳感器網(wǎng)絡(luò)拓?fù)涮卣餮芯康年P(guān)鍵技術(shù)之一，已在網(wǎng)絡(luò)路由、定位、分割以及導(dǎo)航等方面發(fā)揮著重要作用。此外，當(dāng)前的許多協(xié)議要求網(wǎng)絡(luò)布置在形狀規(guī)則的區(qū)域中，否則這些協(xié)議的性能就會(huì)大為降低，這使得網(wǎng)絡(luò)分解也成為傳感器網(wǎng)絡(luò)的一大研究重點(diǎn)。
　　本文的主要工作圍繞骨架提取與網(wǎng)絡(luò)分解展開(kāi)。在計(jì)算機(jī)視覺(jué)等領(lǐng)域，骨架提取與

2、分解技術(shù)已廣受關(guān)注，產(chǎn)生了大量研究成果，但這些成果不能直接應(yīng)用于傳感器網(wǎng)絡(luò)，這是因?yàn)樵趥鞲衅骶W(wǎng)絡(luò)中，每個(gè)節(jié)點(diǎn)僅僅知道其鄰居節(jié)點(diǎn)信息，而節(jié)點(diǎn)的位置信息通常是未知的；而且，由于傳感器節(jié)點(diǎn)能量和計(jì)算能力等的有限性，傳感器網(wǎng)絡(luò)中的算法應(yīng)具有分布式特點(diǎn)，而計(jì)算機(jī)視覺(jué)等領(lǐng)域中的算法則是基于位置信息的集中式算法?；谏鲜鲈?，傳感器網(wǎng)絡(luò)中的骨架提取與網(wǎng)絡(luò)分解依然面對(duì)很多挑戰(zhàn)。
　　本文研究在大規(guī)模、靜態(tài)二維傳感器網(wǎng)絡(luò)中，基于連接信息的骨架提取與

3、網(wǎng)絡(luò)分解算法，主要有以下幾個(gè)方面內(nèi)容：
　　1、在傳感器網(wǎng)絡(luò)邊界完全已知的條件下，提出了一種穩(wěn)健的分布式骨架提取算法。提出了節(jié)點(diǎn)曲率和角點(diǎn)的定義，以此為基礎(chǔ)提出了邊界劃分的方法。建立了邊界劃分與骨架節(jié)點(diǎn)識(shí)別的關(guān)系，提出了傳感器網(wǎng)絡(luò)多尺度骨架的建立與優(yōu)化方法，證明了算法的時(shí)間和通信復(fù)雜度為O(N)，其中N為網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)。
　　2、研究了網(wǎng)絡(luò)部分邊界已知的條件下的骨架提取。設(shè)計(jì)了建立距離變換的分布式算法，提出了基于距離變換的骨架定

4、義，構(gòu)建了骨架節(jié)點(diǎn)的連接準(zhǔn)則，分析了算法的復(fù)雜度，并通過(guò)大量仿真實(shí)驗(yàn)驗(yàn)證了算法性能。
　　3、研究了骨架節(jié)點(diǎn)與節(jié)點(diǎn)鄰居數(shù)分布的關(guān)系，提出了基于節(jié)點(diǎn)鄰居數(shù)的骨架節(jié)點(diǎn)識(shí)別方法，分析了參數(shù)對(duì)骨架節(jié)點(diǎn)識(shí)別的影響。建立了新的骨架節(jié)點(diǎn)連接機(jī)制，提出了識(shí)別骨架環(huán)的基本原理，驗(yàn)證了算法對(duì)網(wǎng)絡(luò)密度、網(wǎng)絡(luò)通信模型，以及網(wǎng)絡(luò)節(jié)點(diǎn)分布等具有很強(qiáng)的穩(wěn)健性。
　　4、建立了網(wǎng)絡(luò)凸分解的理論框架。提出了更一般的曲率定義，設(shè)計(jì)了低復(fù)雜度的分布式網(wǎng)絡(luò)凸分解算