大数据环境下无线传感器网络关键技术研究

【摘要】：无线传感器网络的大数据分析与应用有其生存沃土。当前的人们生活在一个信息爆炸的社会时代中。来自世界任何区域林林总总的无数数据信息汇聚融合,成为了人类生活、娱乐、工作中的重要成分。这些海量信息需要借助于计算机技术进行收集、分析、处理、存储、传输、使用。鉴于今后一段时期内无线传感器的快速广泛应用,其网络数据必然会出现爆发式增长,表现为一种特殊的大数据,因此需要对大数据环境下无线传感器网络的基础性关键技术进行深入研究,内容如下:1.对大数据环境下无线传感器网络数据源目标探测算法进行了研究。无线传感器网络广泛应用于各种各样的复杂“源数据”环境,无线传感器网络对监测区域中的监控目标实时感知,获得各种感知数据,并通过无线通信方式等传输途径传输给终端用户,从而为终端用户能够方便地获取监测范围内具体监测目标的各种数据或信息提供支撑。本文通过对无线传感器网络目标探测的逻辑回归融合规则(Logical Regression Fusion Rule,简称LRFR)的研究分析,提出逻辑回归融合算法(Logical Regression Fusion Algorithm,简称LRFA),确保无线传感器网络数据源的准确、正确、即时、按需获取,通过实验表明LRFA计算更加简单,能够在较低的计算复杂度上,提升整个系统的性能。2.对无线传感器网络时间同步算法进行了研究,提出了GTS全局时间同步算法。无线传感器网络大数据需要其底层数据的有效支撑。在无线传感器网络的各个应用场景中,如目标的定位、追踪,数据的采集、汇聚,任务分发、协同等,都需要整个网络环境中各节点时间保持一致,需要有时间的同步。在当前的大部分应用环境中,无线传感器通常都是采用无源电池提供能源的方式供给,为了节约无线传感器能量,延长单个无线传感器节点的有效工作时间,一般通过在某些时间段内休眠某些无线传感器节点来减少节点能耗,在需要工作前,根据一定的规则及时唤醒无线传感器,这也要求各无线传感器节点要有准确、一致的时间信息。本文提出了一个新的基于数据分析的时间同步协议,即全局时间同步(GTS)算法。该算法是基于一个级联的两个不同算法来处理全局时间调整;一个算法解决的是处理效率问题,另一个算法解决的是时间精确性问题,共同实现无线传感器网络环境中的时钟信息同步工作。通过实验验证了GTS算法计算复杂度低,具有弱的空间累积效应和高精度等良好的性能。3.对复杂网络环境下引力场路由策略进行了研究。通过引入置信度的概念来评价道路畅通的可靠程度,从整体的路径上考虑所有节点的通信状况。在此基础上,考虑路径上所有节点以及该路径在置信度下的引力条件,提出了一种改进的引力场路由策略。为了评估路由策略的传输性能,引入一个命令参数来测量网络吞吐量,通过由自由流相到拥堵相的相变临界值,对比传统的最短路径路由策略和未改进过的引力场路由策略,大大提高了单位时间内网络的吞吐量,能够有效地平衡网络内的流量负载,并且网络中的所有节点都能够被高效使用。4.提出了在对等网络的大数据通信过程中基于均衡遗传算法的带宽减压方法,对无线传感器网络的传输信道进行优化。在传统的对等网通信过程中,一般采用的是点对点信道传输技术,在这样的传输过程中,点对点中的服务器只起到链路链接作用,不具有流量调控功能,在传输海量数据时极容易被海量数据瞬间占用,造成带宽占用率过宽,效率较低。本文提出了在对等网络的大数据通信过程中基于均衡遗传算法的带宽减压方法,这个带宽减压方法同时也适用于无线传感器网络环境下的应用。采用均衡遗传技术,在整个网络环境下建立所有个体(如在无线传感器网络环境中的各个无线传感器节点)构成的初始种群,对种群个体进行选择、交叉和变异等运算,获取通信中带宽数据传输的合理调度方式,实现对等网络大数据通信中带宽减压效果。通过实验表明该算法能够在短时间内快速传递海量数据,提高带宽效率,满足大数据通信的实际需求。5.对大数据环境下无线传感器网络数据分析处理技术进行了研究,提出了基于ETL技术的解决方案和框架,无线传感器网络大数据分析处理、存储、发布与输出、价值提炼等,才能够充分展现大数据在各个领域的作用与价值。结合实际应用需求,着重解决信息资源的采集、汇聚、存储、管理和共享等实际应用中的现实问题,为大数据各种数据资源的抽取、转换、交换和加载等重要环节提供技术支持。通过实际系统应用验证了ETL技术的实用性,能为大数据的价值提炼、大数据的输出和发布提供有效的解决方案。