物聯(lián)網(wǎng)中多層-跨層接入管理關(guān)鍵技術(shù).pdf

1、物聯(lián)網(wǎng)是近幾年國內(nèi)外工業(yè)界、學(xué)術(shù)界都普遍關(guān)注的重要領(lǐng)域。物聯(lián)網(wǎng)是整合了無線傳感網(wǎng)絡(luò)、無線電信網(wǎng)絡(luò)、傳統(tǒng)Internet等的異構(gòu)網(wǎng)絡(luò)，且面向移動和固定的不同終端，同時也涵蓋了監(jiān)控、傳輸、計算等多種業(yè)務(wù)，這使得整個物聯(lián)網(wǎng)非常復(fù)雜而且難以管理。
　　本文從物聯(lián)網(wǎng)架構(gòu)、數(shù)據(jù)、頻譜資源、異構(gòu)網(wǎng)絡(luò)以及安全的角度，分析了物聯(lián)網(wǎng)各層（感知層、網(wǎng)絡(luò)層、數(shù)據(jù)層和應(yīng)用層）存在的若干關(guān)鍵問題的形成原因，從多層/跨層的視角提出相應(yīng)的解決方案。并針對現(xiàn)有研究

2、文獻(xiàn)存在的不足，提出了一些改進(jìn)算法及模型?？紤]到物聯(lián)網(wǎng)生態(tài)系統(tǒng)的多樣性和異構(gòu)性，本文所提出和引入的方法不針對某一特殊網(wǎng)絡(luò)協(xié)議。
　　本文主要工作如下:
　　1.借鑒了多個在研的物聯(lián)網(wǎng)體系架構(gòu)，針對現(xiàn)有架構(gòu)存在的問題，提出了一個節(jié)點、云中心和局域的三級物聯(lián)網(wǎng)交互與配置架構(gòu)。該架構(gòu)保證網(wǎng)絡(luò)中各個層次都可以進(jìn)行相應(yīng)的智能處理，同時可以靈活的部署智能處理程序或軟件。在此基礎(chǔ)上，利用即插即用傳感器模塊、TI-CC2530通信模塊、AR

3、M11開發(fā)板和服務(wù)器建立了一個支持三級交互與配置的物聯(lián)網(wǎng)實驗測試平臺。
　　2.結(jié)合感知層和數(shù)據(jù)層的信息，提出了基于粒計算的感知節(jié)點接入選擇方法，通過粒度的調(diào)節(jié)，選擇更具有代表性的數(shù)據(jù)以控制數(shù)據(jù)上傳量，在一定程度上解決物聯(lián)網(wǎng)面對數(shù)據(jù)洪峰時易形成的網(wǎng)絡(luò)鏈路擁塞問題。該方法可以從1～N或2～N個數(shù)據(jù)屬性個數(shù)中任意選取，具有較強的靈活性且不針對單一數(shù)據(jù)類型。其中，針對基于冪圖的粒計算模型不支持不完全數(shù)據(jù)的缺點，提出一種不完全數(shù)據(jù)填充的方

4、法，確保粒計算的快速有效運行。通過與KNN填充方法比較，說明了該填充方法的合理性。且該方法幾乎不增加額外計算復(fù)雜度，有利于大規(guī)模在線實施。
　　3.在網(wǎng)絡(luò)層中，提出了基于Stackelberg博弈的動態(tài)頻譜共享接入模型。研究了主、次用戶追求利益最大化的決策過程，建立了一個合理、簡捷的兩步動態(tài)博弈模型。并利用滿意度函數(shù)，進(jìn)行跨層參數(shù)設(shè)計，進(jìn)一步將模型系統(tǒng)化。與其它基于Stackelberg博弈的動態(tài)頻譜共享接入模型比較，在合作模式方

5、面更具合理性，且不需要主用戶與所有次用戶依次定價，因此模型也更簡捷。
　　4.結(jié)合網(wǎng)絡(luò)層和應(yīng)用層的信息，提出了基于用戶偏好的異構(gòu)網(wǎng)絡(luò)選擇接入方法。其中針對特定偏好提出了基于投票機制的TOPSIS算法(V-TOPSIS)，該算法可以有效降低原算法的主觀性和亂序問題;而針對非特定偏好，提出了建立基于方向距離函數(shù)的DEA算法(D-DEA)，該算法最終轉(zhuǎn)化為線性規(guī)劃問題，與全局最優(yōu)的搜索方法和強制學(xué)習(xí)方法相比，雖然準(zhǔn)確性略降低，但復(fù)雜度大

6、大降低。
　　5.首先結(jié)合應(yīng)用層和數(shù)據(jù)層提供的信息，提出融合虛擬身份(VID)、時間、地點、業(yè)務(wù)類型以及接入歷史的多模式終端信任接入模型。該模型可以有效解決終端被劫持情況下的信任盜用問題。其次，在感知層引入基于智能天線的定位算法和波束成形技術(shù)，減少節(jié)點暴露區(qū)域，增強了節(jié)點接入的安全性。針對智能天線在節(jié)點高速移動情況下定位不準(zhǔn)的問題，引入了散射信號MUSIC(MDSD)算法，仿真實驗表明:MDSD算法與傳統(tǒng)MUSIC算法相比，定位精