机会网络小波多分辨数据收集方法研究

机会网络的出现是移动Ad-hoc和无线传感器网络研究中最引人注目的进展，具有重要的理论意义和应用价值，数据收集是机会网络研究中的核心问题之一。在机会网络中，节点之间的通信链路以一定的概率存在，网络依赖节点移动带来的通信机会实现数据的转发；若没有合适的转发机会，节点就会存储该信息。通信机会的断续性和有限的存储空间给机会网络数据收集带来了具大的挑战。本项目研究机会网络中的小波多分辨数据收集方法。针对节点生成的时间序列数据流，研究一种基于"新鲜性"的小波多分辨压缩存储算法，克服节点存储限制；研究空间小波多分辨分层机制，基于分辨率管理不同空间范围的网络数据，节省网络存储空间；在此基础上，研究移动节点多分辨数据管理机制，通过建立虚拟网格环系列模型，将时-空数据集按新鲜性和空间位置映射至不同分辨率的环系列，从而能够充分利用短暂的通信机会，最终形成高效率的小波多分辨数据收集框架。

机会网络是传感器网络研究的深入与拓展，具有重要的理论意义和应用价值，基于小波多分辨的数据收据方法是本项目研究的核心内容。首先研究机会网络路由问题，提出基于历史间隔的路由协议和多属性拥塞避免的路由协议；然后研究面向数据传输的MAC协议，设计了一种缓存-唤醒-转发的异步通信模式，降低无线通信时串音带来的能量消耗；接着研究小波多分辨数据收集问题，提出了一种存储有效的小波渐进数据收集算法、误差有界的小波数据收集方法、自适应小波多模压缩算法、鲁棒小波压缩算法、不规则小波变换、分布式最优小波变换和压缩率自适应的小波压缩算法等，在节省节点存储容量等资源的同时提高了数据收集的效率。针对大数据量的图像传输问题，我们提出了小波块压缩感知图像传输方法，通过多节点协作传输来减少网络传输耗能。考虑到机会网络和传感器网络中可能存在监测盲区的问题，我们提出了一种基于滑动领域的数据插值算法，利用空间相关性来估算数据收集时缺失的数据。在本项目的研究过程中，项目组成员发表了一批较高质量的学术论文、培养了博士研究生和硕士研究生，基本达到了预期的研究目标。