基于数据融合的大规模无线传感器网络的时空覆盖研究

Wireless Sensor Networks (WSNs) is a very active field with numerous important applications. Sensing coverage is a fundamental problem in WSN which ensures sensing quality of a network under the limited resources. The conflict between high performance requirements and the limited resources requires the efficient collaboration among sensors in WSN. However, most of the existing work based on simplistic sensing models cannot facilitate efficient sensor collaboration. Data fusion is a well-established signal processing technique to process data from multiple sensors. However, most of existing data fusion studies focus on the optimization of fusion algorithms for a small number of sensors,and cannot be applied to large-scale WSNs. This project plans to study novel coverage schemes for large-scale WSNs based on data fusion. Compared with the existing work, this project aims to significantly improve the coverage performance through realistic sensing models, design novel fusion schemes and movement scheduling algorithms for mobile sensors, and design power management schemes to improve both sensing and communication performance. From a scientific aspect, this project will develop advanced performance models that allow network designer to analyze and predict the sensing performance of large-scale WSNs. From a practical aspect, this project will bridge the gap between advanced data fusion theories and the design of coverage protocols for large-scale WSNs.?Thus, better coverage schemes can be designed.

无线传感器网络（WSN）是目前非常活跃的一个领域，具有广阔的应用前景。覆盖问题是WSN中的一个基本问题，是在资源有限的情况下，对WSN各种资源进行有效分配的研究。高性能要求与资源有限的矛盾要求WSN中的节点必须进行合作，然而现有工作大都基于简单的感知模型而无法实现节点的有效合作。数据融合可实现多传感器的合作感知，然而大部分现有的数据融合方案都集中在为小规模网络设计最优的融合算法上，无法在大规模WSN中应用。本项目将研究大规模WSN中基于数据融合的覆盖方案，通过完善感知模型、设计适合移动节点的融合方案且优化移动规则、设计同时优化感知和通信的能量管理方案，使大规模WSN的覆盖性能较现有结果有较大提升。在理论方面，本项目将分析WSN中各种参量之间的相互关系，使得设计者可在系统配置前对各个参量进行准确的预算；在应用方面，本项目将建立数据融合与大规模WSN设计间的桥梁，由此设计出性能更好的覆盖方案。

对无线传感器网络（WSN）的研究最初都集中于对能量的优化上，往往牺牲掉WSN一定的网络性能而保障能量消耗的有效性，然而，WSN正越来越多的应用于性能敏感型的应用中，在节省能量的前提下，对网络性能的要求越来越高，因此需要寻找和设计更好的网络模型及协议来提高WSN的网络性能。本项目主要基于节点合作的思想来提高WSN的各项性能，主要工作包括：(1) 分析和完善了基于数据融合的感知模型，在保障误警率不超过一定界限的情况下，分析并得出决策融合的局部最优临界值和全局最优临界值，提高了合作感知的性能。(2) 针对以无人机作为移动节点的UAV辅助网络，设计了融合压缩感知和分簇技术的节点能量优化方案，还设计了WSN中基于多目标优化的协同任务分配算法，且研究了利用机会路由降低WSN中消息投递延迟及传输开销的方案。(3) 对链路的通信性能进行了深入分析，设计了SINR-PRR干扰模型的轻量级测量方法，并由此得出由SINR对链路性能预测的方法，针对WSN中能量空洞问题，基于数据转发和路由选择策略设计了降低能量空洞的算法。(4) 针对水面漂浮碎片的检测问题，利用安卓手机和机器鱼搭建了SOAR系统，设计了基于覆盖的旋转调度算法和检测碎片的图像处理算法，并利用将计算任务上传到云端运算降低系统的能量消耗，做了大量真实实验验证了系统的性能。在理论方面，本项目的成果完善了决策型数据融合模型、优化了SINR-PRR干扰模型、设计了预测链路通信质量的算法、新的协同任务分配算法、新的机会路由协议和能量空洞减轻算法，有助于提高WSN感知和通信性能；在应用方面，搭建了SOAR系统，成功完成对水面漂浮碎片的检测，对生态环境、海洋生物、人类健康和水上交通都有帮助。