1、Civil Aviation University of China毕 业 设 计(论文)专 业： 计算机科学与技术 学 号： 070341418 学生姓名： 所属学院： 计算机学院 指导教师： 二一一年 六 月中国民航大学本科生毕业设计( 论文)WSN 中约束移动轨迹的数据汇聚路由协议设计与仿真Designing and Simulating of Efficient Data Gathering Routing Protocols with Constraint Path of WSN专 业：计算机科学与技术学生姓名： 学 号：070341418学 院：计算机学院指导教师： 2011 年
2、6 月中国民航大学本科毕业设计（论文）创见性声明本人声明：所呈交的毕业论文是本人在指导教师的指导下进行的工作和取得的成果，论文中所引用的他人已经发表或撰写过的研究成果，均加以特别标注并在此表示致谢。与我一同工作的同志对本论文所做的任何贡献也已在论文中作了明确的说明并表示谢意。毕业论文作者签名： 签字日期： 年 月 日本科毕业设计（论文）版权使用授权书本毕业设计（论文）作者完全了解中国民航大学有关保留、使用毕业设计（论文）的规定。特授权中国民航大学可以将毕业设计（论文）的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送
3、交毕业设计（论文）的复印件和磁盘。（保密的毕业论文在解密后适用本授权说明）毕业论文作者签名： 指导教师签名：签字日期： 年 月 日 签字日期： 年 月中国民航大学本科毕业设计（论文）摘 要无线传感器网络(wireless sensor networks，简称 WSNs)是由能量及资源有限的大量节点构成具有数据采集、检测、控制的强有力的自组织网络形式，在有限的能量约束下，降低无线传感器能量消耗，提高数据采集效率是研究和应用无线传感器网络的热点。 在 sink 移动轨迹固定的传感器网络中，由于 sink 有限的通信时间和节点的随机分布， 使得很难兼顾数据采集量的提高和整体能耗的降低。为了解决该问题
4、，提出了一种最大数据量最短路径(maximum amount shortest path，简称 MASP)数据采集方法。MASP 对网络中成员节点与 sub-sink 节点之间的匹配关系进行集中式优化。采用 0-1 线性规划方法对 MASP 问题进行形式化描述，提出了一种基于二维染色体编码的遗传算法进行求解，并给出了相应的数据通信协议设计。另外，MASP 可以扩展支持低密度网络和多 sink 点网络。基于 MATLAB 分析的数据结果表明， MASP 在能耗利用率方面要远远优于最短路径树方法(shortest path tree，简称 SPT)。关键词：WSN；传感器网络；移动 sink 轨迹
5、固定；数据采集；能耗利用率中国民航大学本科毕业设计（论文）AbstractWireless sensor networks (wireless sensor networks, referred to as WSNs) is a self-organizing network with data collection, detection and control，The network is constituted by a large number of nodes of limited energy and resources. It is a hot spot of researchin
6、g and applying wireless sensor network that reduce the energy consumption of wireless sensor and prolong survival time and network transmission network reliability，stability. In sensor networks with a path-fixed mobile sink, due to the limited communication time of the mobile sink and random deploym
7、ent of the sensor nodes, it is quite difficult to increase the amount of data collected and reduce energy comsumption simultaneously. To address the problem, this paper proposes a data collection scheme called maximum amount shortest path(MASP), which is also applicable in sensor networks with low d
8、ensity and multiple sinks. Data analysis under MATLAB shows that MASP outperforms shortest path tree(SPT) and static sink methods in terms of energy utilization efficiently.Key Words: WSN;sensor network; path-constraint mobile sink;data collection;energy utilization efficienty中国民航大学本科毕业设计（论文）目 录引言 .
9、11. 应用场景模型 .22. 最大数据量最短路径问题 .42.1 数据采集总量最大化 .42.2 系统能耗最小化 .42.3 最大数据量最短路径优化问题 .53. 基于遗传算法和局部搜索的启发式算法 .73.1 染色体编码与初始群体生成 .73.2 适应函数与不适应函数 .83.3 种群选择与交配规则 .83.4 局部搜索增强算法 .93.5 群体更新与算法终止条件 .103.6 算法复杂度分析 .104. 基于 MASP 的数据采集通信协议 .114.1 初始化阶段 .114.2 数据采集阶段 .125. 基于低密度网络和多个 SINK 点扩展 .145.1 支持低密度网络 .145.2
10、支持多移动 SINK 点 .146. 性能仿真 .166.1 应用场景的抽象与初始化 .16中国民航大学本科毕业设计（论文）6.2 单 SINK 点 SPT 性能评估 .176.3 单 SINK 点 MASP 性能评估 .196.4 多 SINK 点 MASP 性能评估 .23结 论 .27参考文献 .28致 谢 .30附录 .31附录 A：程序清单（见光盘） .31附录 B：外文资料翻译 .31中国民航大学本科毕业设计（论文）-0-引言无线传感器网络(Wireless Sensor Network,简称 WSNs)融合了传感器技术、嵌入式计算技术、分布式信息处理和通信技术，能够实时检测、感知
11、和采集网络分布区域内的各种环境或检测对象的数据，并对这些数据进行处理，从而获得相近而准确的信息。感知和采集各种环境或检测对象的信息，通过无线方式发送，并以自组多跳的网络方式传送到用户终端。能量受限和网络拓扑动态变化是无线网络传感器主要的特点。能耗问题是困扰无 WSNs 实际应用的主要障碍之一。在 WSNs 中，sink 周围的节点由于需要转发更多的数据导致能量过早耗尽，容易形成 WSNs 能耗瓶颈。近年来，人们提出各种sink 移动方案使得全网能量消耗在更多的节点之间均衡，从而缓解能耗问题。本文应用场景主要针对 sink 移动轨迹固定的无线传感器网络，其中，sink 点沿着固定轨迹周期移动，大
12、量传感节点分布在轨道周围并采用多跳通信方式将数据传送到移动 sink 点。在此类网络中，sink 点的移动性会带来其通信时间的限制，从而极大地约束了系统数据采集能力。因此，如何提高能耗利用率，利用有限的能量采集尽可能多的数据成为该系统一个重要评价指标。在已有文献中，最短路径树算法(shortest path tree，简称 SPT)经常被用于寻找传感节点到移动 sink 的路径。SPT 能够有效降低系统能耗，却经常无法采集到预期的数据量，能耗利用率较低。针对sink移动轨迹固定的大规模密集型传感器网络，本文根据国际顶级期刊IEEE Transactions on Mobile Computin
13、g中的论文Efficient Data Collection in Wireless Sensor Networks With Path-constrained Mobile Sinks提出的一种高效的数据采集机制(maximum amount shortest path，简称MASP)进行了仿真计算.，根据sink点的有效通信时间去优化各传感节点到sink的传输路径，从而使系统数据采集量最大化，同时降低网络总能耗，提高系统能耗利用率 1。中国民航大学本科毕业设计（论文）-1-1. 应用场景模型本文考虑一种 sink 点移动轨迹固定的大规模密集型无线传感器网络，实际应用场景包括野外生态环境检测
14、、智能农业监测、大型建筑物健康结构监测等。图 1-1 给出一个应用场景模型示例。移动 sink 点 M 安装在机器或者汽车等运动载体上，这些运动载体通常沿着已有的道路设施进行反复移动，因而 sink 点移动轨迹固定。每当 sink 点 M 移动到终点并返回起点时，称其完成一“轮”移动。传感器节点随机、均匀散布在移动轨道 L 两侧。当 sink点 M 移动到节点附近时，节点开始向 M 发送数据。根据移动 sink 点 M 的通信范围 R，可以将全部监测区域划分为两部分：直接通信区域(direct communication area，简称 DCA)和多跳通信区域(multi-hop commun
15、ication area，简称 MCA)。图 1-1 中，L1 和 L2 两条曲线之间的区域即为 DCA，该区域内的节点(简称 sub-sink)距离轨道较近，因而能够向 sink 点 M 直接传送数据。而对于 MCA 中的节点（简称成员） ，需要采用多跳中继方式将数据传送给sub-sink，后者缓存来自各成员的数据并最终发送给移动 sink 点。图 1-1 sink 轨迹固定无线传感器网络应用场景本文对该应用场景的特点进行如下假设：（1） 移动 sink 点具有固定的能量资源，存储资源和计算能力；（2） 各节点具有相同的属性，连续采集并发送数据，sub-sink 点有足够的存储空间缓中国民航
16、大学本科毕业设计（论文）-2-存数据；（3） 各成员仅选择一个 sub-sink 作为目的；（4） 考虑密集型网络，所有节点之间可以通过单跳或多跳方式互相连通；（5） 所有成员节点沿着最短路径向其所属的 sub-sink 点发送数据。在图 1-1 场景中，固定的移动轨迹和速度限定了移动 sink 点和各 sub-sink 点之间的通信时间长度。因此，在每个 sink 运行周期内，各 sub-sink 点能发送的最大数据量是固定的。另一方面，sub-sink 所发送的数据主要来自于成员节点，因此各 sub-sink 包含成员节点的数量决定了其所缓存的 数据量的大小。实际缓存数据量和所能发送最大数
17、据量的比较将直接影响到移动 sink 点单个周期内的数据采集量。即图 1-1 中系统数据采集量与各 sub-sink 所包含的成员节点数量共有关，可以通过调整成员数量来提高数据采集量。另一方面，成员节点数量将影响网络中的数据流向，从而直接影响到网络整体能耗。本文所做的工作是如何控制成员数量，即如何优化成员节点在各 sub-sink 点之间的分配使得在最大化系统数据采集量的同时能够尽可能地降低能耗。根据已有文献，最短路径树(shortest path tree，简称 SPT)方法选择 sub-sink 点，各成员选择距离其跳数最短的 sub-sink 作为目的，成员采集的数据沿着多条源于各 sub-sink选择标准仅仅根据跳数信息而不考虑各 sub-sink 点的数据发送能力，因而可能会造成sub-sink 的成员数量与其数据发送能力不匹配。例如，某些 sub-sink 点与移动 sink 的通信时间较长，但其成员数量较少，导致没有足够的数据可以发送；而另一方面，某些sub-sink 点与移动 sink 的通信时间很短，但成员数量很大，导致无法完全发送缓存的大量数据信息。此外，大量数据流向“饱和”的节点还会导致网络能耗的不均匀，缩短网络生存时间 2,3。
