無線傳感器網絡性能評估與預測.pdf

1、無線傳感器網絡(Wireless Sensor Networks,WSNs)的性能受到許多因素的影響,導致傳感器節(jié)點間數據傳輸的延時、誤碼率等性能指標惡化,從而對整個WSNs的性能產生影響。為了科學地對WSNs的性能進行管理和決策,本文結合節(jié)點規(guī)模、負載、拓撲結構及移動性等WSNs中較為常見的性能影響因素,以IEEE802.15.4/Zigbee通信技術為切入點,選取吞吐量、延時、丟包等WSNs性能關鍵指標,對其性能評估和預測方法進行研

2、究。
　　針對WSNs性能評估問題,采用基于客觀賦權的網絡性能指標權重分析方法,結合網絡性能評價中多元指標權重確定容易存在的人為性,以及各評價指標間不可能完全獨立的特點,將熵權法與變異系數法應用于客觀權重決策中進行對比,并引入指標間相關性對算法進行改進,建立基于指標間相關性的多評價指標權重決策模型;然后在綜合性能計算中,采用熵權和線性加權組合方法得到不同仿真場景下網絡性能綜合評價值。在仿真實驗中,通過改變節(jié)點規(guī)模和拓撲結構獲取網絡

3、性能指標數據樣本,對比分析表明,該方法具有較強的客觀性,能夠對網絡中的各個性能指標做出精確的定量分析,同時可以準確的對整個網絡的綜合性能進行評估。
　　針對WSNs性能預測問題,分析了WSNs性能會受到許多易變因素影響,導致其性能變化具有非線性和隨機波動的特點,并根據該特點采用灰色馬爾科夫鏈(GM-Markov)方法對網絡性能進行預測。設計了基于節(jié)點移動性的實驗驗證方案,結合網絡性能綜合值計算方法得出移動終端節(jié)點的綜合性能值。首先

4、采用灰色 GM(1,1)模型對移動終端節(jié)點的綜合性能值進行預測,然后將灰色 GM(1,1)模型與Markov狀態(tài)轉移矩陣相結合,采用GM-Markov方法再次進行預測。對比分析表明,GM-Markov方法能夠在小樣本、貧信息的條件下對網絡性能做出合理預測,將預測精度級別為好的概率提高三倍,且平均相對誤差率較GM(1,1)模型降低了38％。
　　本文結合WSNs中的節(jié)點規(guī)模、負載、拓撲結構及移動性等易變因素,綜合研究了其性能評估和預