文献综述
无线传感器网络(Wireless Sensor Network,简称WSN)，是由部署在一定区域的传感器节点组成，通过无线通信的方式形成的一个多跳的网络系统，并综合了分布式处理、无线通信、嵌入式等技术，是近年来网络领域的研究热点之一。
在军事、工业控制、野生动物栖息地监测、医疗保健、救灾等领域具有广阔的应用前景。
WSN拓扑自适应扩展不但具有重要的实际意义，而且对网络和其它相关研究领域具有重要的促进作用。
随着无线传感器网络技术的快速发展，传感器网络开始承载越来越多的应用服务，这对网络的服务质量、流量控制和网络管理提出了很高的要求。
无线传感器网络具有开放的环境、动态变化的拓扑结构和资源受限的节点等特点，这些独特的网络特性对传感器网络的有效性产生了双面影响，一方面传感器网络具有开放的环境，应用领域及应用场景灵活多变，容易满足各种不同需求，另一方面传感器节点随意布撒，不便更换，一个节点失效将可能导致整个网络性能急剧下降。
因此，当传感器网络被应用于具有重要使命的场景中时，如何迅速、准确地进行无线传感器网络拓扑自适应扩展显得极为重要，这也是本文研究的重点内容。
无线传感器网络拓扑自适应扩展的实现重点在于预测无线传感器网络流量，目前流量预测模型大致可以分为两类：（1）线性预测模型 基于网络流量的线性特征，出现了线性预测。
针对网络流量所具有的短相关特点，为了更好的刻画这一特点，提出了线性预测模型，此类模型只能对流量进行短期预测，典型模型如自回归模型(AR)、移动平均模型(MA)、自回归移动平均模型(ARMA)、自回归合成移动平均模型(ARIMA)等。
这类模型都是传统的线性流量预测模型。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
