無(wú)線傳感器網(wǎng)絡(luò)中的信息處理研究.pdf

1、無(wú)線傳感器網(wǎng)絡(luò)(WSN)是由大量無(wú)處不在的、具有無(wú)線通信與計(jì)算能力的微小傳感器節(jié)點(diǎn)構(gòu)成的自組織分布式網(wǎng)絡(luò)系統(tǒng)，是能根據(jù)環(huán)境自主完成指定任務(wù)的智能系統(tǒng)：是繼Internet網(wǎng)之后隨著傳感器技術(shù)、微機(jī)電技術(shù)、無(wú)線通信技術(shù)和分布式信息處理技術(shù)發(fā)展而發(fā)展起來(lái)的一種新興信息獲取技術(shù)，將改變?nèi)祟愓J(rèn)識(shí)自然及與自然界交互的方式。傳感器網(wǎng)絡(luò)是計(jì)算機(jī)科學(xué)技術(shù)的一個(gè)新的研究領(lǐng)域，具有十分廣闊的應(yīng)用前景，引起了學(xué)術(shù)界和工業(yè)界的高度重視。 無(wú)線傳感器網(wǎng)絡(luò)

2、是以信息處理為中心的系統(tǒng)。無(wú)線傳感器網(wǎng)絡(luò)主要用于從環(huán)境中收集監(jiān)測(cè)對(duì)象信息，對(duì)其進(jìn)行處理，并傳送到服務(wù)中心或用戶。任何基于傳感器網(wǎng)絡(luò)的應(yīng)用系統(tǒng)都離不開信息的管理和處理技術(shù)。信息處理技術(shù)主要包括數(shù)據(jù)的壓縮、融合、存儲(chǔ)、查詢、分析、挖掘、理解以及基于感知數(shù)據(jù)決策、行為的理論和技術(shù)。無(wú)線傳感器網(wǎng)絡(luò)信息處理的目的是在資源受限和能量最優(yōu)的條件下管理傳感器網(wǎng)絡(luò)監(jiān)測(cè)區(qū)域的感知信息，使用戶如同使用通常的數(shù)據(jù)庫(kù)管理系統(tǒng)和數(shù)據(jù)處理系統(tǒng)一樣自如地在傳感器網(wǎng)絡(luò)上

3、進(jìn)行感知數(shù)據(jù)的管理和處理，而無(wú)需關(guān)心傳感器網(wǎng)絡(luò)實(shí)現(xiàn)的細(xì)節(jié)。 但由于無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)量眾多，分布密集，拓?fù)浣Y(jié)構(gòu)復(fù)雜多變，每個(gè)節(jié)點(diǎn)的資源極其有限(包括計(jì)算、存儲(chǔ)、通信能力)，給無(wú)線傳感器網(wǎng)絡(luò)的信息處理帶來(lái)了嚴(yán)峻挑戰(zhàn)，為此，必須采取簡(jiǎn)單、高效、可擴(kuò)展性好的處理策略。到目前為止，感知數(shù)據(jù)管理和處理技術(shù)的研究還不多，還有大量的問(wèn)題需要解決。本文對(duì)無(wú)線傳感器網(wǎng)絡(luò)中的感知數(shù)據(jù)(信息)管理和處理等相關(guān)熱點(diǎn)問(wèn)題進(jìn)行了研究，為進(jìn)一步的應(yīng)用和研究

4、打下基礎(chǔ)。本文所作的主要工作如下： 1)提出了一種新型的基于簡(jiǎn)化提升格式的分布式小波數(shù)據(jù)壓縮算法。這種算法計(jì)算量很小，能有效消除無(wú)線傳感器網(wǎng)絡(luò)中各個(gè)節(jié)點(diǎn)間的信息冗余，大大節(jié)省了無(wú)線通信所消耗的能量，延長(zhǎng)了網(wǎng)絡(luò)壽命。 2)針對(duì)無(wú)線傳感器網(wǎng)絡(luò)中環(huán)境監(jiān)測(cè)時(shí)的圖像采集，本文提出了一種分布式小波圖像壓縮算法。利用監(jiān)測(cè)節(jié)點(diǎn)所采集的圖像通常具有的變化少、相關(guān)性強(qiáng)等特點(diǎn)，引入了簡(jiǎn)單的變化檢測(cè)算法和位置估計(jì)/補(bǔ)償算法檢測(cè)并壓縮圖像的活躍區(qū)

5、域，消除各節(jié)點(diǎn)所采集的圖像之間的信息冗余，從而節(jié)省通信能耗。 3)利用小波分解系數(shù)的多分辨分析和由粗及精等特點(diǎn)，提出了一種基于小波框架的新型分布式存儲(chǔ)和查詢方法。它使所有節(jié)點(diǎn)所采集的數(shù)據(jù)經(jīng)小波壓縮后平均分布于各個(gè)節(jié)點(diǎn)之中，構(gòu)成小波系數(shù)空間存儲(chǔ)結(jié)構(gòu)樹。提高了存儲(chǔ)效率，并支持時(shí)空兩個(gè)方向的快速查詢。 4)針對(duì)無(wú)線鏈路通信質(zhì)量不可靠的情況，研究了無(wú)線傳感器網(wǎng)絡(luò)中基于無(wú)線鏈路的信息決策融合的問(wèn)題，提出了一種新的最優(yōu)似然比(LR

6、)規(guī)則?？紤]到傳感器網(wǎng)絡(luò)的資源受限，對(duì)信噪比較高或較低的情況下又提出了兩種簡(jiǎn)化的次優(yōu)融合規(guī)則，最后討論了同類傳感器模型下的融合情況。 5)通過(guò)對(duì)傳統(tǒng)Apriori算法的改進(jìn)，提出了一種節(jié)點(diǎn)關(guān)聯(lián)規(guī)則挖掘方法來(lái)發(fā)現(xiàn)大量節(jié)點(diǎn)之間的有趣關(guān)聯(lián)或相關(guān)聯(lián)系，以此消除節(jié)點(diǎn)之間的信息冗余。這種方法可以幫助用戶對(duì)數(shù)據(jù)進(jìn)行有效的融合、分類、查詢、分析、理解和決策；減少信息處理中通信和計(jì)算所消耗的能量。 最后總結(jié)全文，指出有待于進(jìn)一步研究的課題