無(wú)線傳感器網(wǎng)絡(luò)中基于時(shí)空相關(guān)性的數(shù)據(jù)預(yù)測(cè)技術(shù)研究.pdf

1、無(wú)線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks，WSNs)中節(jié)點(diǎn)受限于自身體積，所攜帶的能量有限，因此如何降低節(jié)點(diǎn)能耗是WSNs在實(shí)際應(yīng)用中亟需解決的問(wèn)題，而且數(shù)據(jù)的傳輸能耗占節(jié)點(diǎn)能耗的主要部分。在大規(guī)模密集部署的WSNs中，節(jié)點(diǎn)所采集的數(shù)據(jù)具有較強(qiáng)的時(shí)空相關(guān)性，這使得利用時(shí)空相關(guān)性進(jìn)行精確的數(shù)據(jù)預(yù)測(cè)，減少數(shù)據(jù)傳輸量，降低數(shù)據(jù)傳輸?shù)哪芎?，延長(zhǎng)網(wǎng)絡(luò)生命周期成為了可能。
　　本文深入地研究了 WSNs中數(shù)據(jù)預(yù)測(cè)技術(shù)的

2、原理、特點(diǎn)和性能指標(biāo)，結(jié)合網(wǎng)絡(luò)中數(shù)據(jù)的時(shí)空相關(guān)性，提出了兩種數(shù)據(jù)預(yù)測(cè)算法：基于馬爾科夫鏈的空間相關(guān)性數(shù)據(jù)預(yù)測(cè)算法和自適應(yīng)時(shí)間相關(guān)性數(shù)據(jù)預(yù)測(cè)算法。本文研究?jī)?nèi)容主要有以下兩部分：
　　(1)基于馬爾科夫鏈的空間相關(guān)性數(shù)據(jù)預(yù)測(cè)算法研究。針對(duì)目前主流的時(shí)間相關(guān)性數(shù)據(jù)預(yù)測(cè)算法在數(shù)據(jù)波動(dòng)大時(shí)預(yù)測(cè)精度低的問(wèn)題，本文引入Delaunay三角形鄰近圖來(lái)度量網(wǎng)絡(luò)中監(jiān)測(cè)數(shù)據(jù)的空間相關(guān)性，并根據(jù)相鄰節(jié)點(diǎn)間的距離計(jì)算網(wǎng)絡(luò)中監(jiān)測(cè)數(shù)據(jù)的空間相關(guān)性權(quán)重系數(shù)。最后

3、利用馬爾科夫過(guò)程準(zhǔn)確描述 WSNs中相鄰節(jié)點(diǎn)間監(jiān)測(cè)數(shù)據(jù)的變化過(guò)程，提出基于馬爾科夫鏈的空間相關(guān)性數(shù)據(jù)預(yù)測(cè)算法。該算法運(yùn)行在簇頭和匯聚節(jié)點(diǎn)內(nèi)，利用簇內(nèi)成員節(jié)點(diǎn)間數(shù)據(jù)的空間相關(guān)性減少簇頭和匯聚節(jié)點(diǎn)間的數(shù)據(jù)傳輸量。
　　(2)自適應(yīng)時(shí)間相關(guān)性數(shù)據(jù)預(yù)測(cè)算法研究。本文分析了無(wú)線傳感器網(wǎng)絡(luò)中數(shù)據(jù)的時(shí)間相關(guān)性，將數(shù)據(jù)分解為線性變化部分和非線性變化部分。對(duì)非線性變化部分?jǐn)?shù)據(jù)使用灰色預(yù)測(cè)模型進(jìn)行預(yù)測(cè)，提出了自適應(yīng)時(shí)間相關(guān)性數(shù)據(jù)預(yù)測(cè)算法。該算法運(yùn)行在