基于协作和认知的网络化传感系统中大数据传输技术研究

A huge amount of sensing nodes in a networked sensing system collect various types of real-time environmental data. These big data are transferred to the fusion center through transmission nodes in a mult-hop way, which demands a huge amount of power and spectrum resources. Because cooperative communication and cognitive radio can enhance the power and spectrum utilization efficiency, this project mainly studies big data transmission techniques in networked sensing systems based on cooperative communication and cognitive radio. Firstly, we construct the basic cooperative communication and spectrum sharing models for big data transmission, and construct the complex network model for big data transmission based on cooperation and cognition. Then, we solve the optimization problem of big data transmission over the complex network based on cooperation and cognition, in order to maximize the energy efficiency of the networked sensing system under the spectral efficiency constraint of the networked sensing system, and the transmit power constraints of sensing nodes and transmission nodes. Finally, we design power control algorithms for big data transmission over the complex network based on cooperation and cognition. This project integrates the coooperative communication and cognitive radio techniques as well as the complex network theory to study new approaches and new techniques for optimizing big data transmission in networked sensing systems, which possesses theoretical meaning and application values in improving spectral efficiency and energy efficiency of big data transmission in networked sensing systems, and strongly propels the green development of large-scale networked sensing systems.

在网络化传感系统中，大量感知节点需要实时采集各种类型的环境数据。这些大数据通过传输节点多跳传送到融合中心，要消耗非常多的功率和频谱资源。由于协作通信和认知无线电可以提高功率和频谱利用率，因此本项目主要研究基于协作通信和认知无线电的网络化传感系统中大数据传输技术。首先构建大数据传输的协作通信和频谱共享基本模型以及基于协作和认知的大数据传输复杂网络模型；然后求解基于协作和认知的复杂网络上大数据传输优化问题。在网络化传感系统的频谱效率约束、感知节点和传输节点的发射功率约束下，使得网络化传感系统的能量效率最高；最后设计基于协作和认知的复杂网络上大数据传输功率控制算法。本项目将协作通信、认知无线电和复杂网络等理论和技术结合起来研究网络化传感系统的大数据传输优化新方法和新技术，对于提高网络化传感系统中大数据传输的频谱效率和能量效率具有重要的理论意义和应用价值，将有力推动大规模网络化传感系统的绿色发展。

在网络化传感系统中，大量感知节点需要实时采集各种类型的环境数据。这些大数据通过传输节点多跳传送到融合中心，要消耗非常多的功率和频谱资源。由于协作通信和认知无线电可以提高功率和频谱利用率，因此本项目主要研究基于协作通信和认知无线电的网络化传感系统中大数据传输技术。首先构建大数据传输的协作通信和频谱共享基本模型以及基于协作和认知的大数据传输复杂网络模型；然后求解基于协作和认知的复杂网络上大数据传输优化问题。在网络化传感系统的频谱效率约束、感知节点和传输节点的发射功率约束下，使得网络化传感系统的能量效率最高；最后设计基于协作和认知的复杂网络上大数据传输功率控制算法。重要研究结果包括：（1）提出构建大规模传感器网络的复杂网络模型方法，大规模传感器网络的节点随机部署在观测区域。用经典的LEACH协议对大规模传感器网络分簇。每个簇采用协作通信方式传输大数据，簇间以及簇内通信采用频谱共享机制。仿照现有方法从连接角度分别构建小世界网络和无标度网络模型；（2）考虑节点采集数据的差异，派遣移动节点去修复覆盖空洞。以最大化网络总传输次数为目标，优化移动节点的移动路线。设计贪婪的覆盖空洞修补算法并且仿真验证，结果显示和随机修补算法相比，提出的算法取得更高的传输次数和能效；（3）考虑节点采集数据的差异，派遣移动节点去修复信息覆盖空洞。以最小化所有移动节点的丢失吞吐量或者最大化修复传输次数为目标，优化移动节点的移动路线。设计中心式和分布式的信息覆盖空洞修补算法并且仿真验证，结果显示提出的两种算法都能显著提高服务质量和延长网络生命周期。本项目将协作通信、认知无线电和复杂网络等理论和技术结合起来研究网络化传感系统的大数据传输优化新方法和新技术，对于提高网络化传感系统中大数据传输的频谱效率和能量效率具有重要的理论意义和应用价值，将有力推动大规模网络化传感系统的绿色发展。

内容获取失败，请点击重试