移動傳感器網(wǎng)絡(luò)拓?fù)渲貥?gòu)和任務(wù)協(xié)同機制

第1 章 緒論 1
1．1 研究背景和意義 2
1．2 研究內(nèi)容 4
1．3 本書組織結(jié)構(gòu) 6
1．4 本章小結(jié) 8
第2 章 移動傳感器網(wǎng)絡(luò)拓?fù)渲貥?gòu)和任務(wù)協(xié)同綜述 9
2．1 移動傳感器網(wǎng)絡(luò)拓?fù)渲貥?gòu) 10
2．1．1 無線傳感器網(wǎng)絡(luò)拓?fù)渲貥?gòu)定義與要求 10
2．1．2 無線傳感器網(wǎng)絡(luò)拓?fù)渲貥?gòu)目標(biāo) 11
2．1．3 無線傳感器網(wǎng)絡(luò)拓?fù)渲貥?gòu)經(jīng)典方法 13
2．1．4 移動傳感器網(wǎng)絡(luò)拓?fù)渲貥?gòu)研究現(xiàn)狀 15
2．1．5 存在的問題 21
2．2 移動傳感器網(wǎng)絡(luò)任務(wù)協(xié)同 22
2．2．1 移動多媒體傳感器網(wǎng)絡(luò)任務(wù)協(xié)同研究現(xiàn)狀 22
2．2．2 移動可充電傳感器網(wǎng)絡(luò)任務(wù)協(xié)同研究現(xiàn)狀 25
2．2．3 存在的問題 28
2．3 本章小結(jié) 28
第3 章 面向氣體泄漏監(jiān)測的MWSNs 虛擬力3D 拓?fù)渲貥?gòu)機制 29
3．1 引言 30
3．2 系統(tǒng)模型 31
3．2．1 假設(shè)與定義 31
3．2．2 氣體擴(kuò)散模型 32
3．2．3 虛擬力模型 34
3．2．4 本章主要符號表 37
3．3 基于虛擬力的無線傳感器網(wǎng)絡(luò)3D 自組織拓?fù)渲貥?gòu)算法 40
3．3．1 距離閾值設(shè)置 40
3．3．2 固定Sink 節(jié)點的處理 41
3．3．3 GRSS 算法 42
3．4 基于虛擬力的無線傳感器網(wǎng)絡(luò)分層優(yōu)先級3D 拓?fù)渲貥?gòu)算法 42
3．4．1 分層優(yōu)先級 43
3．4．2 傳感器節(jié)點的分配 44
3．4．3 各層傳感器的虛擬力模型 45
3．4．4 各層的距離閾值設(shè)置 47
3．4．5 移動Sink 節(jié)點的處理 47
3．4．6 PRSS 算法 49
3．5 實驗分析 50
3．5．1 氣體擴(kuò)散仿真分析 51
3．5．2 覆蓋率仿真分析 52
3．5．3 移動距離仿真分析 55
3．5．4 網(wǎng)絡(luò)能耗和網(wǎng)絡(luò)生存時間仿真分析 56
3．6 本章小結(jié) 58
第4 章 高速公路場景下基于預(yù)測的VSNs 拓?fù)渲貥?gòu)機制 59
4．1 引言 60
4．2 網(wǎng)絡(luò)拓?fù)淠Ｐ? 62
4．2．1 假設(shè)與定義 62
4．2．2 網(wǎng)絡(luò)拓?fù)浞治? 62
4．2．3 本章主要符號表 65
4．3 基于停留時間的VSNs 拓?fù)渲貥?gòu)算法 67
4．3．1 VSNs 拓?fù)渲貥?gòu)流程 67
4．3．2 VSNs 拓?fù)渲貥?gòu)的負(fù)載均衡機制 68
4．3．3 CRSR 算法描述 70
4．4 基于預(yù)測的VSNs 拓?fù)渲貥?gòu)算法 71
4．4．1 拓?fù)淠Ｐ? 71
4．4．2 基于延遲容忍的預(yù)存儲機制 72
4．4．3 傳感器網(wǎng)絡(luò)能耗模型 72
4．4．4 鄰居傳感器節(jié)點路徑能耗評估模型 73
4．4．5 基于預(yù)測的VSNs 拓?fù)渲貥?gòu)算法 74
4．4．6 CRSP 算法描述 75
4．5 實驗分析 76
4．6 本章小結(jié) 82
第5 章 移動多媒體傳感器網(wǎng)絡(luò)的圖像壓縮任務(wù)協(xié)同機制 84
5．1 引言 85
5．2 任務(wù)協(xié)同網(wǎng)絡(luò)模型 86
5．2．1 假設(shè)與定義 86
5．2．2 任務(wù)協(xié)同聯(lián)盟 87
5．2．3 任務(wù)協(xié)同網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu) 88
5．2．4 本章主要符號表 90
5．3 基于TSPT 的多輪圖像壓縮任務(wù)協(xié)同分解機制 92
5．3．1 任務(wù)分解原則 92
5．3．2 任務(wù)分解約束 93
5．3．3 奇異值分解的圖像壓縮方法 94
5．3．4 基于TSPT 的多輪圖像壓縮任務(wù)協(xié)同分解算法 94
5．3．5 算法描述 96
5．4 基于動態(tài)聯(lián)盟的圖像壓縮任務(wù)協(xié)同分配機制 98
5．4．1 圖像壓縮任務(wù)分配指標(biāo) 98
5．4．2 問題模型 99
5．4．3 問題求解過程 101
5．4．4 基于動態(tài)聯(lián)盟的圖像壓縮任務(wù)協(xié)同分配算法 102
5．5 實驗分析 103
5．5．1 ATDA 算法的收斂性分析 105
5．5．2 ATDA 算法的性能分析 106
5．6 本章小結(jié) 109
第6 章 基于哈密爾頓路徑的MWRSNs 充電任務(wù)協(xié)同機制 110
6．1 引言 111
6．2 系統(tǒng)模型 112
6．2．1 無線可充電傳感器網(wǎng)絡(luò)模型 112
6．2．2 無線可充電傳感器網(wǎng)絡(luò)能耗模型 114
6．2．3 評價指標(biāo) 115
6．2．4 本章主要符號表 115
6．3 基于哈密爾頓路徑的MWRSNs 充電任務(wù)協(xié)同算法 117
6．3．1 算法流程 117
6．3．2 充電任務(wù)調(diào)度請求 118
6．3．3 確定MC 的停留位置 119
6．3．4 確定充電傳感器集合及其充電電量 121
6．3．5 確定停等充電傳感器集合及停等位置 122
6．3．6 建立哈密爾頓路徑 125
6．3．7 MC 和停等充電傳感器節(jié)點的協(xié)作充電 127
6．4 實驗分析 130
6．4．1 仿真參數(shù)設(shè)置 130
6．4．2 算法性能分析 131
6．5 本章小結(jié) 136
后 記 137
附 錄 主要符號說明 139
參考文獻(xiàn) 141