面向无线传感器网络大数据传输的关键技术研究

Big data transmission is a huge challenge for wireless sensor networks (WSNs) for limited storage capacity and energy. There is inevitable requirement for network with the ability of compressed data and optimized transmission. This project focus on efficient transmission scheme of big data. The key to solve a joint problem in rate control, scheduling, routing, power control protocol for transmission efficiency and alleviating congestion in WSNs. The initial signal is compressed before sampled, which can greatly reduce data transmission in sensor node. The optimization function is obtained using Lagrangian optimization, dynamic optimization and Markov theory and cross-layer optimization solutions are presented in physical layer, MAC, network layer, transport layer, respectively. On the premise of guarantee accuracy, security of data transmission, the design will effectively improve data transmission rate, and greatly reduce the energy consumption, at the same time to achieve fair reasonable routing and link capacity assignment. The results of this project can supply theoretical basis of WSNs model setup and data transmission scheme design, and can also supply effective tools for applications in military, aerospace and communications areas.

大数据传输对于存储能力和能量有限的无线传感器网络来说是一个巨大的挑战，这必然要求网络具有压缩数据并且优化数据传输的能力。本项目主要研究无线传感器网络中大数据的高效传输策略，重点解决网络中的能量、路由选择、链路容量分配以及速率等问题。引入压缩感知，使得初始数据在被采样前进行有效的压缩，数据传输量在传感节点处将被大大降低。同时利用Lagrangian优化和动态优化原理以及马尔科夫理论建立优化函数，并求解出能量缓冲、路由选择、链路容量分配以及传输速率的优化结果，实现物理层、数据链路层、网络层以及传输层协议的跨层设计。该设计在保证数据传输准确性、安全性的前提下，将有效提高数据传输速率，并且大大降低能量消耗，同时达到公平的路由选择以及合理的链路容量分配的目的。本项目的研究成果可以为无线传感器网络模型的建立和数据传输策略的设计提供理论依据，为军事、航天和通信等领域的应用提供有效工具。

随着云计算、大数据、人工智能等新一代信息技术快速发展，数据呈现爆炸式增长。作为数据分析的前期基础，如何处理、传输这些庞杂的数据，已经成为一项亟待解决的技术。本项目围绕无线传感器网络中大数据处理、分析和传输等问题展开，通过对实际大数据的观察分析，总结了数据传输模式及数据源之间的因果关系。结合数学模型对大数据处理及分析过程进行深入探索：（1）考虑到原始数据的时空相关性，通过对原始数据的采样压缩处理，降低数据维数，从而减少数据分析量；（2）针对无线传感器网络中的数据传输问题，基于优化理论研究数据传输的跨层协议，有效提高数据传输效率，降低能耗；（3）面向大数据处理的具体应用，讨论了数据间的因果关系，并结合实际进行验证。