基于异构连通需求的M2M网络拓扑控制机制研究

Machine-to-machine (M2M) network is the main application form of Internet of things. Device nodes connected to a M2M network may have different criticality. It leads to device nodes being assigned different connectivity requirements to the sink in the network. How to perform topology control to meet the heterogeneous connectivity requirements becomes a fundamental problem required to solve prior to the wide applications of M2M networks. 1）Motivated by the disadvantages of existing topology control mechanisms, the project will introduce the graph theory and flow theory, transforming the proposed topology control problem into a 0-1 maximum flow problem. The project will further study on the preprocessing approach of network graph, to propose a lightweight centralized approach. 2）Targetted at a M2M network where its corresponding physical topology frequently changes, we will adopt an idea that all first-level subtrees traverse its deployment zone, to establish a like-tree network topology. Based on this, we will study the strategies of node addition and removal. Consequently, we will establish an effective and practical distributed topology control algorithm. We will utilize probability theory to prove the rationality of the proposed algorithm. The expected outcomes of the project will fill the vacancies in topology control technologies for M2M networks, which have the high importance in the theoretical research aspect and high research value for improving the development of large-scale M2M networks.

Machine-to-machine(M2M)网络是物联网最主要的网络应用形式。接入到M2M网络的设备节点可能具有不同的数据关键性，存在着多种连通度需求，如何实施拓扑控制、以满足异构连通需求成为M2M网络大规模应用前需解决的一个基础性问题。1）针对当前拓扑控制机制存在的缺陷，本课题拟引入图论和流理论，将拓扑控制问题转换为0-1最大流问题，研究预处理方法，以实现轻量级的集中式解决方案。2）针对物理拓扑频繁改变的M2M网络，拟采用一级子树贯穿部署区域的思想，构建似树的网络拓扑结构，研究设计节点加入离开机制，建立具有适用性和实用性的分布式拓扑控制算法，并利用概率论证明该算法的合理性。本项目的开展和预期成果将填补目前国内外在M2M网络拓扑控制理论上的一些空白，对促进大规模M2M网络的开发应用具有十分重要的理论意义和研究价值。

针对本项目“基于异构连通需求的M2M网络拓扑控制机制研究”，开展了如下四个方面的研究工作： 1）M2M网络中的集中式拓扑控制算法；2）分布式拓扑控制算法；3）拓扑控制仿真系统；4）无线网络中的其他关键技术。.（1）针对具有异构连通需求的M2M网络拓扑控制问题，首先归纳成一个优化问题，并证明了该问题是NP难问题。在此基础上，提出了一个有效的可行的中心化解决方案——拓扑自适应算法算法。本算法采用了图理论和最大流理论，给出了具有较低时间复杂度、较低网络功耗的满足连通需求的节点不连通路径。为了进一步降低网络的整体功耗，在不影响网络连通性的前提下，提出了判断理论，以提前删除不影响网络连通性的长边。实验结果表明本算法具有良好的优越性和有效性。.（2）针对网络节点具有异构连通需求的分布式拓扑控制问题，提出了M2M网络分布式拓扑控制算法。算法由树构造和树增强两部分组成。树构造是构造k个贯穿部署区域的一级子树，树增强是采用右手原则，以搜索路由路径，使其相交于一级子树。通过合并相交路径和路由路径，为节点得到k条节点不相交的路径。实验结果证实了本算法的有效性。.（3）为了解决节点移动造成长时间的组网失效问题，提出了一种基于OPNET仿真平台的兼容Zigbee协议的仿真模型。提出了网络层模型和一种改进的AODV路由算法，以支持节点的移动性。给出了网络层处理模型的实现结构以及对应核心函数的实现过程。与原有仿真模型相比，本仿真模型在节点移动性的支持上，发生路由失效的时长，以及路由修复的时长等方面，具有更好的优越性。.（4）在第四个方面，研究了无线网络的总体能耗优化问题和室内定位问题。1）为了提升蜂窝网络的能量效率，引入MAP/PH/1/K排队模型，提出了一种优化服务率和休假长度的自适应调整机制ASV。针对无线传感器网络中存在的能量空洞问题，提出一种基于分层结构的WSN能量均衡算法。2）针对低成本的、无信号感知能力的无线通信芯片，基于Markov模型，提出了节点的最小发送功率值的稳态模型。在此基础上，利用SVM和BP方法，给出了节点的位置估计。