全文总字数：5755字

1. 研究目的与意义及国内外研究现状

1．无线传感器网络中基于热感知技术的研究还不够深入，其形成的温度预测模型还停留在线性预测阶段，仍存在很大研究空间。热感知技术是指通过计算获取节点周围人体组织温度变化的一种技术，通过热感知技术预测温度以更好地构建节点轮休机制和消息撤回机制，进而规避热点、缓解温升。

2．无线传感器网络中节点主要附着在人体表面或植入体内，节点无线通信和节点频繁使用造成的温度升高可能对人体组织造成伤害、危及用户生命健康，进而降低了网络的可靠性，并严重阻碍了传感器网络的进一步推广和应用。因此，基于热感知技术设计合理的路由算法以解决无线传感器网络的温升问题一直都是研究中的关键。

国内外研究现状

对无线传感器网络温升缓解问题的研究在国内外科研中正在逐步展开，并逐渐成为广受关注的问题。自2005年tang等人[1]提出tara以来，热感知技术开始被广泛应用于无线传感器网络热点规避、缓解温升的路由协议中。tara中的每个节点可以对邻居节点的温度变化进行预估以防止节点温度过热对人体造成的伤害。此后，国内外[2-5]等文献在tara的基础上对路由算法进行了改进。其中，tabandeh等人[2]提出了一种高效的温度感知路由算法。bag等人[3]提出了一种同质无id的生物医学传感节点路由算法，其实验表明该算法能够降低平均温升和控制节点平均能耗。而movassaghi等人[4]则提出了一种高效节能的温度和能源感知路由，该路由协议可根据节点的温度、节点的能量等级和从邻居节点获取的信号能量计算开销函数，从而寻找最有效的路径，以降低节点的温升。在前几个协议的基础上，javaid等人[5]提出了基于自适应阈值的温度感知能量高效多跳协议，该协议可以感知数据以避开热点（hot spots）链路来寻找路径。

2. 研究的基本内容

研究内容1：基于热感知技术的温度预测模型研究

热感知技术可通过构建温度预测模型，获取节点温升信息，为后续路由选择提供重要参考，从而保障可靠通信。我们拟采用具有学习能力的热感知技术来预测节点温升。通过人工神经网络(artificial neural network)形成具有学习能力的温度预测模型，对热感知技术的温度预测模型进行改进，使其具有一定的学习能力，从而能够更好地预测温度，进而帮助网络找到更为合适的传输路径以避免网络热点的形成。

3. 实施方案、进度安排及预期效果

实行方案：本项目主要采用编程、统计、对比、理论研讨等方法对研究内容展开研究。

第一阶段：数据准备阶段

在c 的基础上熟悉和掌握python语言。掌握python语言的语法和规则，能够利用python语言编写相应的程序，为后面的路由协议设计做准备。熟悉相关的经典路由协议，能够掌握并灵活应用相关的路由算法，并能应用到分析tara/tshr/rain等经典无线传感器网络路由协议上，最后通过分析与模仿整理出一些经典路由协议的算法，并能够灵活变换。

4. 参考文献

[1] q. tang, n. tummala, s. k. gupta, l. schwiebert, tara: thermal-aware routing algorithm for implanted sensor networks, distributed computing in sensor systems, springer berlin heidelberg, pp. 206-217, 2005.

[2] m. tabandeh, m. jahed, f. ahourai, s. moradi, a thermal-aware shortest hop routing algorithm for in vivo biomedical sensor networks, in proceedings of 2009 6th international conference on information: new generations (itng), pp.1612-1613, 2009.

[3] a. bag, m. a. bassiouni, routing algorithm for network of homogeneous and id-less biomedical sensor nodes (rain), in proceedings of ieee sensors applications symposium, 2008, sas 2008, pp. 68-73, 2008.