张美燕 蔡文郁 周丽萍

1 引言

近年来，随着微机电一体化、短距离无线通信、互联网络等技术的迅速发展，一种全新的信息获取和处理技术 无线传感网（WSNs）应运而生。无线传感网是由大量无处不在的、具有无线通信与计算能力的微小传感器节点构成的自组织分布式多跳通信网络系统，是能根据环境自主完成指定任务的“智能”协同系统[1,2]。无线传感网实现了大量分布式时空数据的高保真采样，但在一般应用中传感器节点的采样频率通常是固定的，而自适应采样技术的采样频率可根据被测对象的变化而变化，当观测对象变化趋势慢时降低采样频率，当观测对象变化趋势较快时提高采样频率。本文研究了一种基于聚类预测模型的无线传感网自适应采样技术，所有的传感器节点根据数据梯度关系划分成多个聚类，算法选举了各个聚类中的簇头节点。簇头节点根据感知数据的历史模型和当前采样数据进行判决，根据是否满足采样精度需求，进而利用“乘增半减”的采样频率更新策略调整所有簇成员节点的采样频率。如果聚类内传感采样数据的动态性比较低，则降低采样频率以减少冗余数据的产生与传输，如果传感采样数据的动态性比较高，则提高数据采样频率从而保证数据采样质量，由此实现网络能率高效与数据采集质量两者之间的均衡性。

目前相关研究工作大概都基于如下假设：（1）在无线传感网的实际应用场景中，传感器节点采集到的采样数据通常是连续的，从总体上表现出一定的连续性和稳定性；……