【正文】 距離前一次廣播的理論誤差范圍給出的時(shí)間可以收緊并且實(shí)際生活中數(shù)據(jù)的性能還需測試。本文給出了相應(yīng)的理論結(jié)果，該理論結(jié)果是關(guān)于在確定數(shù)量靜默時(shí)間的隱藏結(jié)果。5. 總結(jié)在這篇論文中我們講述了“協(xié)同采樣”，其對網(wǎng)絡(luò)中的信息進(jìn)行積極的采樣，通過利用局部信息把傳播形式統(tǒng)一為分布式。這個(gè)Oracle的性能可以被認(rèn)為是一個(gè)最好的可能的性能。為了測量我們算法的性能，我們將它與稱之為“貪婪Oracle”分離器進(jìn)行對比。如果再一段時(shí)間T內(nèi)沒有傳播給FC中心，那么過程就會(huì)停止這種事件就會(huì)發(fā)生就像沉默預(yù)示著一種共識(shí)：進(jìn)一步的貢獻(xiàn)所獲得的利益是有限的。如果傳感器節(jié)點(diǎn)在延遲時(shí)間內(nèi)的任意時(shí)刻接收到新的信息或者需要傳播，那么該節(jié)點(diǎn)就需要更新它的誤差并且重新計(jì)算它的延遲。因?yàn)槊恳粋€(gè)傳感器能夠計(jì)算它們自己的，它們就可以決定它們自己的傳播的時(shí)刻。表1對比了不同的當(dāng)?shù)刈兞糠弦约斑@些局部變量所對應(yīng)的全局變量。那么那些竊聽到在傳播范圍之內(nèi)報(bào)告的傳感器節(jié)點(diǎn)同樣有局部版本，定義為。這樣，如果FC希望的話它就能執(zhí)行更復(fù)雜的運(yùn)算，但這不需要計(jì)算這些信息反饋給每一個(gè)傳感器，傳感器也不需要計(jì)算它自己的估計(jì)給FC，這樣就節(jié)省了時(shí)間和通信成本了。注意到對任何來說局部估計(jì)并不能預(yù)測，但是僅僅可用于第i個(gè)傳感器節(jié)點(diǎn)。然而，我們建議每一個(gè)傳感器以它們自己的方程來執(zhí)行這個(gè)任務(wù)：。那么這些節(jié)點(diǎn)如何在仍然協(xié)同的工作的同時(shí)以一種分布式的方式來指定它們的傳播延遲呢。大多數(shù)工作涉及到維持和更新的概率模型，針對分布式傳感器節(jié)點(diǎn)讀物和尋找傳感器節(jié)點(diǎn)，使得該模型有最小的信心或者有最高的熵。之前的工作已經(jīng)顯示在一些特定的情況下，在這種結(jié)構(gòu)區(qū)域中選擇報(bào)告給下一個(gè)的節(jié)點(diǎn)實(shí)質(zhì)上獲得過量的消極采樣。由于我們假設(shè)每一個(gè)節(jié)點(diǎn)的傳播能量耗損相同，最優(yōu)化的焦點(diǎn)就會(huì)聚集在報(bào)告的收益上。然而，如果我們采取貪婪的觀點(diǎn)，那么我們在這最優(yōu)化的方式中選擇（k+1）次的報(bào)告。一個(gè)獲得估計(jì)值與實(shí)際值之間測量誤差的方法是測量預(yù)測讀物和實(shí)際讀物的誤差，這只適用于每個(gè)節(jié)點(diǎn)上的差異。在第K次報(bào)告之后： 這里 是一個(gè)速記符號適用于所有傳感器節(jié)點(diǎn)，這些節(jié)點(diǎn)已經(jīng)向上面節(jié)點(diǎn)傳過報(bào)告包括第K次報(bào)告。這篇論文是跟隨尋找實(shí)際函數(shù)f的步伐。這個(gè)讀物是通過一個(gè)未知的函數(shù)來得到。（7）所有傳播都能被FC聽到并正確解碼。（5）FC沒有功率約束。（3）所有傳感器節(jié)點(diǎn)傳播代價(jià)是相同的。在仿真之前我們對傳感器傳播聲明一些假設(shè)：（1）傳播線路是對稱的，這就是說如果傳感器節(jié)點(diǎn)能夠聽到傳感器 的廣播，那么傳感器同樣能夠聽到傳感器的廣播。通過保持靜默，這個(gè)節(jié)點(diǎn)同樣向這個(gè)網(wǎng)絡(luò)的剩余節(jié)點(diǎn)做出表示并且向FC發(fā)送節(jié)點(diǎn)自己的對當(dāng)前估計(jì)的認(rèn)可度。那么這個(gè)節(jié)點(diǎn)就可以利用它竊聽到的信息去建立一個(gè)初步的估計(jì)，該估計(jì)是關(guān)于FC自己讀物可以達(dá)到的最大值。這個(gè)隱含在協(xié)同采樣（CS）的想法是用了一個(gè)傳播政策：不僅僅在當(dāng)?shù)孛恳粋€(gè)節(jié)點(diǎn)上有效率，同樣適用于網(wǎng)絡(luò)，或者至少是廣播范圍中傳感器區(qū)域組成的網(wǎng)絡(luò)中。有人建議：一些特定的增益能夠通過計(jì)算當(dāng)?shù)氐乃@得數(shù)據(jù)的時(shí)間線和更新來獲得，一個(gè)節(jié)點(diǎn)通過延遲這些對稱的平衡達(dá)到一個(gè)政策，走向一個(gè)更加分布的形式。另一個(gè)觀點(diǎn)是去估計(jì)優(yōu)先函數(shù)而不是無線傳感網(wǎng)絡(luò)的節(jié)點(diǎn)值。一個(gè)好的數(shù)據(jù)子集應(yīng)該提供一定覆蓋范圍概念的觀點(diǎn)被提了出來，并且關(guān)于這種觀點(diǎn)已經(jīng)有了許多不同的形式。在Slepian和Wolf的開創(chuàng)性工作中顯示：如果知道兩個(gè)傳感器節(jié)點(diǎn)關(guān)聯(lián)的先驗(yàn)知識(shí)，那么相互之間所需的通信量將會(huì)大大減少；然而這種先驗(yàn)知識(shí)很少知道。傳感器協(xié)同通過向其相鄰節(jié)點(diǎn)聲明它的當(dāng)?shù)販y量以幫助建立覆蓋全部傳感器域的全局函數(shù)逼近。該制度的目標(biāo)是在確保收集數(shù)據(jù)的質(zhì)量的前提下將發(fā)送冗余信息通過無線信道的能量浪費(fèi)降到最低。 基于無線傳感器網(wǎng)絡(luò)協(xié)同采樣算法的描述及其MATLAB仿真分析協(xié)同采樣是一種分布式主動(dòng)采樣制度，該制度要求每一個(gè)傳感器合作完成任務(wù)——數(shù)據(jù)采樣并且利用簡潔的合作方式通過相鄰傳感器節(jié)點(diǎn)實(shí)現(xiàn)數(shù)據(jù)的傳播。 根據(jù)簇內(nèi)MN到CH的跳數(shù)，可分為簇內(nèi)單跳與簇內(nèi)多跳算法，也可采用單跳算法的MN直接與CH進(jìn)行通信，而多跳算法中的MN可通過其他MH中繼與CH進(jìn)行通信。文獻(xiàn)提出了一種多層算法(層數(shù)從1到5)，該算法以最小化系統(tǒng)整體能量消耗為目標(biāo)，推導(dǎo)出系統(tǒng)整體能量消耗的解析式，然后通過數(shù)值計(jì)算求出不同節(jié)點(diǎn)密度條件下的最優(yōu)解。單層算法只進(jìn)行一次分簇，目前提出的大部分分簇算法，如LEACH、HEAD、GAF等都屬于此類，而多層算法在前一次分簇選舉出的簇頭基礎(chǔ)上繼續(xù)進(jìn)行分簇，選舉出第二層簇頭和簇成員節(jié)點(diǎn)，隨后可以進(jìn)行第三層、第四層等簇頭選舉。 (4) 單層/多層算法LEACH算法中節(jié)點(diǎn)成為簇頭的概率僅與過去若干輪次中節(jié)點(diǎn)自身的狀態(tài)有關(guān)，HEED算法中的概率與剩余能量有關(guān)，還有一些算法同時(shí)考慮了節(jié)點(diǎn)度等多種參數(shù)。為消除這種現(xiàn)象，一些算法，例如ACE算法限制節(jié)點(diǎn)在一定次數(shù)(如5次后)結(jié)束循環(huán)等待。確定性算法的一個(gè)不足之處就是收斂時(shí)間依賴于網(wǎng)絡(luò)規(guī)模，DCA算法的時(shí)間復(fù)雜度為O(d)，d為網(wǎng)絡(luò)直徑(通常用跳數(shù)來定義)，在最差情況下(節(jié)點(diǎn)線性分布)，d可達(dá)到n 1(n為節(jié)點(diǎn)個(gè)數(shù))。在確定性算法中，節(jié)點(diǎn)必須等待某個(gè)特定事件發(fā)生或某些特定節(jié)點(diǎn)已宣布自己的角色(CH還是MN)后，才能做出決定。 (3)確定性/隨機(jī)性算法不過在室內(nèi)、水下或森林等有障礙環(huán)境中無法使用GPS系統(tǒng)，使其應(yīng)用受到一定限制。通常的做法是在網(wǎng)絡(luò)中設(shè)置少量信標(biāo)節(jié)點(diǎn)，一般是通過攜帶GPS定位設(shè)備獲得自身的精確位置，然后其他傳感器節(jié)點(diǎn)通過信標(biāo)節(jié)點(diǎn)的位置信息根據(jù)一定的定位算法獲得自身的位置?；诘乩砦恢玫乃惴ㄓ械男枰@得全局信息，有的只需要通過廣播包獲得相鄰節(jié)點(diǎn)的位置信息。 (2) 基于地理位置/地理位置無關(guān)算法根據(jù)是否需要借助GPS獲得節(jié)點(diǎn)的地理位置，可以將分簇算法分為基