基于精细化梯度的无线传感器网络汇聚机制及分析
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

Supported by the National Natural Science Foundation of China under Grant No.60633060 (国家自然科学基金); the National Grand Fundamental Research 973 Program of China under Grant Nos.2006CB303007, 2005CB321604 (国家重点基础研究发展规划(973)); the National High-Tech Research and Development Plant of China uder Grant Nos.2006AA01Z225(国家高技术研究发展计划(863))


Mechanism and Analysis on Fine-Grain Gradient Sinking Model in Wireless Sensor Networks
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    信息汇聚是无线传感器网络的典型传输形态之一.在信息汇聚过程中,网络存在数据流分布内密外疏的不均衡特性.研究发现,在传统跳数模型下,网络数据流分布不仅存在全局不均衡性,而且同层节点内还存在着内疏外密的反向不均衡现象,从而使网络流量分析复杂化.提出一种精细化梯度模型,通过引入加权平均机制,将跳数信息转化为精细梯度信息,并以梯度作为数据汇聚的参考依据.通过理论和仿真分析,精细化梯度模型下网络具有更平稳的网络数据流分布特征,并在通常情况下具有更高的通信效率.

    Abstract:

    Data sinking is one of the typical transmission patterns in WSN (wireless sensor network). There is inherent unbalanced traffic load distribution in such funnel like transmission. A case in hop-based sinking (HBS) model is found more intricate than simple thought that inner nodes burden more forwarding tasks, showing the inverse direction within the same hop level comparing with global trend. With global trend. With a simple weighted average mechanism, a continuous gradient parameter is introduced, which will be dedicated to instructing how to forward data to sink in place of hop count, namely fine-grain gradient sinking (FGS). Through traffic analysis and detailed simulation, in FGS model network turns out to be smoother on traffic load distribution and more efficient on data forwarding than that HBS model.

    参考文献
    相似文献
    引证文献
引用本文

朱红松,孙利民,徐勇军,李晓维.基于精细化梯度的无线传感器网络汇聚机制及分析.软件学报,2007,18(5):1138-1151

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2006-12-31
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期:
  • 出版日期:
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京市海淀区中关村南四街4号,邮政编码:100190
电话:010-62562563 传真:010-62562533 Email:jos@iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号