基于B-CNN算法的无线通信网络通信抗毁节点优化仿真

由于当前方法未能采用B-CNN算法对通信节点进行分类，导致优化时间增加，网络通信效率以及抗自毁性能下降，对此，提出一种基于B-CNN算法的无线通信网络通信抗毁节点优化方法，利用B-CNN模型定位初始节点中的显著区域，裁剪出显著区域，融合全局和局部特征；通过分类结果对网络连通拓扑结构进行修复，在考虑各个网络分区位置以及距离的基础上，建立网络骨干多边形，部署合适的中继节点完成各个分区的连通，进而实现无线通信网络通信抗毁节点优化。仿真实验结果表明，所提方法能够有效减少优化时间，提升网络通信效率以及抗自毁性能。     

无线传感网络低空干扰下的通信优化模型仿真

准确分析无线传感网络低空干扰程度与通信能力的关系,可以进一步保证网络的安全与稳定,并对通信过程进行优化.无线传感网络在低空干扰下,干扰程度呈现关联无序变化,导致网络通信能力的变化也呈现极强的非线性.传统的关联建模方法对无线传感网络低空干扰下的通信优化建模时,模型受到这种随机变化的冲击,很难正确反映无线传感网络的通信优化效果.提出一种基于数据融合算法的无线传感网络低空干扰下的通信优化模型.模型考虑无线传感网络低空干扰因素的非自由空间描述无线传感网络,获取相应环境下无线传感网络低空干扰程度参数值,通过节点数据适应度运算方法,针对不同的低空干扰程度参数,塑造网络通信所需的适应度函数,修正低空干扰产生的误差,实现优化建模.仿真结果说明,通信优化模型在网络能量消耗、网络延时率和误码率等三个方面的通信优化建模性能都优于传统模型.     

有向传感网络中通信节点分类方法研究与仿真

研究有向传感网络通信节点的分类优化问题.网络通信节点众多,在很多属性上有着较强的相似性.传统的通信节点分类方法多是运用属性上的相似性进行分类,没有考虑通信节点的传播方向,有向传感网络中的通信节点分类忽略了传递方向,造成分类过程较为粗糙,结果不准.为了避免上述传统算法的弊端,提出了一种基于密度自适应粒子群算法的有向传感网络通信节点分类方法.利用信息熵方法能够建立自适应粒子群,并且对粒子群中的粒子进行更新,保证粒子群的多样性,提高通信节点分类算法的局部寻优能力,从而完成有向传感网络的通信节点分类.实验结果表明,利用改进算法进行有向传感网络的通信节点分类,能够提高分类的准确性,从而满足实际有向传感网络的需求.     

一种模拟退火遗传算法的传感器网络数据融合技术研究

研究无线传感器网络(WSN)数据融合技术。传感器节点计算能力、通信能力有限,WSN采用交叉重叠方式部署,导致冗余数据量大,需采用数据融合技术消除冗余和无效数据,节约网络通信能耗。结合遗传算法全局搜索和模拟退火算法局部搜索的优点,提出一种模拟退火遗传算法的WSN数据融合方法(SA-GA)。采用模拟退火遗传算法快速找到移动代理路由最优传感器节点序列,并实现数据融合。仿真实验结果表明,与遗传算法、模拟退火算法相比,SA-GA更能快速找到全局最优数据融合节点序列,并对数据进行有效融合,具有更小的网络能耗和网络延时。     

Research on wireless sensor networks data aggregation on simulated annealing genctic algorithm

研究无线传感器网络( WSN)数据融合技术.传感器节点计算能力、通信能力有限,WSN采用交叉重叠方式部署,导致冗余数据量大,需采用数据融合技术消除冗余和无效数据,节约网络通信能耗.结合遗传算法全局搜索和模拟退火算法局部搜索的优点,提出一种模拟退火遗传算法的WSN数据融合方法(SA-GA).采用模拟退火遗传算法快速找到移动代理路由最优传感器节点序列,并实现数据融合.仿真实验结果表明,与遗传算法、模拟退火算法相比,SA-GA更能快速找到全局最优数据融合节点序列,并对数据进行有效融合,具有更小的网络能耗和网络延时.     

无线传感网络信道破坏程度与通信效果建模

在无线传感网络信道破坏程度与通信效果建模的研究中,为保证传感网络通信性能,传感网络通信节点选择具备一定的随机性,虽然部分节点被破坏,但是,可通过其它节点完成信道通信。这就造成传统建模方法无法通过节点数量的损坏衡量信道的通信破坏程度,分析模型可靠性降低。为此提出一种采用粒子群神经网络混合算法的二者关系建模方法。利用通信效果与被破坏节点的关系得到被破坏传感节点的约束条件,利用粒子群算法原理实现对被破坏节点的准确定位,利用被破坏节点的数目约束模糊聚类结果能够建立二者关系模型。实验结果表明,利用改进算法进行二者关系建模,能够有效提高模型的可靠性。     

无线传感网络中覆盖能效动态控制优化策略

能量约束是无线传感网络测量控制的关键问题之一.本文针对移动节点位置优化问题,提出了无线传感网络通信能耗评价指标,采用微粒群优化策略更新节点位置,使无线传感网络具有更强的灵活性和能效性.利用Dijkstra算法获得网络最优通信路径计算能耗评价指标.采用动态能量控制策略使空闲节点进入睡眠状态减少网络运行能耗.通过优化能量指标降低了通信能耗,实现了无线传感网络覆盖与通信能量消耗的合理均衡.对移动目标跟踪仿真表明,覆盖能效优化算法与动态能量控制策略相结合提高了无线传感网络覆盖的能效性.     

基于边界点拟合的无线传感网络干扰约束资源分配算法

无线传感网络干扰约束会影响资源传输过程的网络运行稳定性与通信效率,为此提出一种基于边界点拟合的无线传感网络干扰约束资源分配算法。利用信号传输特征获得传感器节点信号功率,分析节点实际方位和检测值的差异。利用差异值创建损失函数,通过加权最小二乘法计算边界点补偿距离,定位干扰源位置。明确无线传感网络用户信道容量,计算用户接收机中各单位干扰能量传输的比特值,构建干扰约束模型。利用二维离散Henon映射系统初始化原始个体矩阵,使用并行遗传算法完成节点自适应迁移,实现资源分配全局优化。仿真结果表明,所提方法对干扰约束资源分配的平均节点度为2.15,资源分配误码率平均值为0.2%,在实验次数为500时资源分配耗时为1.4 s。     

动力线载波传感控制网络的权值分簇组网

为提高动力线载波传感控制网络拓扑结构的可靠性和稳定性,讨论并提出一种改进的基于加权的交叠分簇算法。该算法集合节点的节点度、信号衰减强度两种因素计算各个节点的权值。通过比较入簇节点的权值大小,选择退出或者加入簇来对网络进行动态分簇。实验结果表明,该算法减小了网络的路由开销,缩短了组网总时间,提高了负载均衡度,在动力线载波传感控制网络组网上具有一定的有效性。     

移动自组通信网络的去噪通信优化过程分析

高空移动自组网络通信与地面不同,高空存在着较为严重的高空电离层引起的乘性噪声干扰.当前的去噪通信方法以频率为阀值,对噪声进行过滤,形式过于单一,没有充分利用高空节点布局的节点关系,仅仅通过频率进行信噪区分,导致通信效果不佳.提出节点度值评估的高空移动自组网络通信优化方法.通过Grover搜索方法计算操作与概率扩散矩阵,得到高空移动自组网络中各节点选择概率,将采集通信信号进行粒子滤波处理,得到信号在传递过程中的退化程度,并进行有效的补偿,根据马尔科夫理论,建立高空移动自组网络通信模型,实现了高空移动自组网络的通信优化.实验结果表明,提出的高空移动自组网络的通信优化方法精准度高,抗干扰性强,通信效果好.     

大规模WSNs中多Sink节点优化部署遗传算法

大规模WSNs网络布局设计中,多Sink节点的选址是网络拓扑设计的关键步骤,它对于网络通信能耗的控制至关重要。提出了一种基于遗传进化算法的Sink节点优化选址算法,它利用遗传算法的全局寻优能力在有限的时间内获得问题的次优解,进而生成监测网络工作拓扑。仿真实验结果表明:与现有的启发式算法相比较,该算法所生成的网络布局结果对于全局能耗控制有明显改进。     

基于Q-learning反馈机制的无线传感网络通信节点自愈算法

针对目前无线网络通信节点自愈能力差,以及自愈后网络流量出口带宽低的问题,提出基于Q-learning反馈机制的无线传感网络通信节点自愈算法。通过计算网路节点的RSSI值建立节点衰减模型,通过质心算法计算模型完成节点定位;应用Q-learning学习算法获取链路选取策略,完成节点传输过程路径时延、吞吐量以及丢包率计算,建立网络节点模型提取链路反馈机制,利用Q-learning学习算法获进行迭代计算,实现无线传感网络的通信节点自愈。仿真分析表明,运用该算法自愈网络通信节点时,当检测次数为100时检测出的节点自愈数量为280个,节点拓扑移动距离平均值为175m,网络流量出口带宽平均值为550Mbps·s-1,证明该算法的节点自愈能力高。     

基于改进能量分区控制传感网络通信优化仿真

当前无线传感网络中的节点分布可能存在极不均匀现象,造成节点能量消耗不集中,远离Sink节点的簇头能耗较大,破坏传感网络覆盖拓扑结构,导致网络的能量不均衡现象,通信受阻.为解决上述问题,提出了一种基于模糊c均值节点能量分区控制算法.利用混沌序列的均匀遍历特性和差分进化算法的高效全局搜索能力,对传感网络内的节点能量属性进行分类搜索,利用Logistics混沌映射对头节点进行优化分区操作,把混沌扰动量引入到节点能量分区当中,完成最优能量节点的选择,优化通信过程.仿真结果证明,算法对无线传感网络最优节点的聚类性能效果提高明显,通信效率提高25％以上.具有很好的实际应用性能和效果.     

无线Mesh网络模型研究与仿真

研究网络通信能耗优化问题,由于网络流量大,节点能量不均衡.为了能够有效地降低能量消耗,提出了一种混合智能算法的无线Mesh网络模型.模型首先给出了通信流自相似的基本概念和相应的数学模型;其次结合蚁群算法可以获得最短路径的优点以及遗传算法可以使簇内节点能量均衡的优点进行无线Mesh网络的性能优化仿真,并且给出了算法流程;最后对无线Mesh网络模型的通信流特性进行了仿真分析.仿真结果表明,利用混合智能算法能够更好地描网络通信流特性,有效的降低网络的能量消耗,延长网络的寿命.     

时钟同步积累误差补偿的传感通信优化仿真

时钟同步是传感器网络通信中的关键技术,但是在有限节点传感网络信息传递过程中,多采用先同步局部范围的节点,在扩展到所有节点,在局部与整体的切换过程中,信息在不同层传递,存在层间不定的时间同步随机时间延迟,传统的传感网络时间延迟消除方法是假定不同网络层时延一致的情况,对应层同量补偿误差较大,误差消除效果不佳.提出采用自回归积分滑动控制算法的时钟同步累计误差补偿方法.在传感通信中,将传感网络分割为若干个子单元,获取对应局部区域的时间域窗口结构,在指定时域窗口中将所有的节点展开,计算传感网络累计延迟率.根据时钟同步累计误差补偿目标函数,建立自回归积分滑动控制模型,实现时钟同步累计误差补偿.实验结果表明,利用改进算法进行传感通信网络的时钟同步累计误差补偿,能够降低传感网络的延迟性,满足传感网络通信需求.     

基于最低开销模型的传感网络通信优化仿真

当传感网络中某条链路发生变化时,需要重新计算最短路径树,一旦传感网络规模较大,传统的算法采用抑制链路改变的方法提高传感网络通信容量,但这大幅抑制通信节点周期内路径选择灵活性,通信延迟明显.提出一种改进的A-OSPF算法并应用到传感网络通信优化中,该算法在原始的OSPF基础上融人了最低开销节点机制,增强了传感网络中节点构建的概率,考虑了节点移动性,将更加平稳的链路当成节点,按照链路代价原理得到源节点到目标节点的最佳路径,确保数据包可在链路质量最高的路径上进行传递,降低传感网络数据传送的平均端到端延时.仿真结果表明改进算法在传感网络生存周期以及平均端到端延时方法优于原始的OSPF算法,实现了延长传感网络生存周期以及能量均衡的目标.     

传感网络与执行器网络混网联合通信优化仿真

在无线传感网络与执行器网络联合通信问题的研究中,执行器网络根据传感网络采集数据与之进行联合通信.在执行器网络执行操作时,需要保证传感器的通信对象处于静态状态,以保证通信稳定性.但很多环境下传感器网络节点多处于活动状态.传统的传双网联合通信方法没有充分考虑到传感器网络节点的移动性,仅仅以多点采集求平均的方式完成动态下的信息交换,会产生较大的通信误差,影响了双网联合通信的性能.为解决上述问题,提出功率均匀分配协同通信的传感网络与执行器网络联合通信的方法.在通信对象静止的情况下,引入通信节点的动态变化函数,获取联合通信状态方程,并对上述方程求解,完成传感网络与执行器网络联合通信的去噪处理,建立联合通信模型,获取联合通信网络通信动态信号图谱,实现传感网络与执行器网络联合通信.实验结果表明,利用改进算法进行联合通信,能够提高通信效率.     

基于重叠分片法的网络顽健性动态增强仿真

针对网络顽健性动态增强过程网络区域划分不均,导致增强效率低和能耗高的问题,提出基于重叠分片法的网络顽健性动态增强方法。计算最优簇首数量,确定非测距定位技术和测距定位技术对节点的位置,利用节点位置划分网络区域。将事件信息传送到汇聚节点过程中存在的偏差,与自适应最小均方误差滤波算法和时空相关理论相结合,建立节点数据优化模型和通信频率优化模型,确定传递事件信息的最佳通信频率和最少激活节点总数,实现网络顽健性的动态增强。仿真结果表明,所提方法的增强效率高、能耗低且能有效反应网络不稳定节点输出的动态信号。     

移动无线传感网络通信异常行为识别方法研究

传统方法在识别网络通信行为时,由于未分析通信行为的相异度,导致其存在识别时间长、网络节点质量低、识别效果差的问题.针对这一问题,设计了一种新的移动无线传感网络通信异常行为识别方法.该方法首先对网络中的重叠时间进行分组处理,并基于重叠时间分配机制对分组后的时间进行优化分配,从而有效控制网络节点的数据采集量;然后利用相异度...     

改进灰狼优化算法在WSN节点部署中的应用

根据无线传感网络节点在随机部署时存在聚集程度高导致覆盖率低的问题,提出了一种改进的灰狼优化算法,并将其应用于无线传感网络节点的优化覆盖.首先,利用混沌算法进行算法种群的初始化,以提高种群多样性;其次,在灰狼算法的基础上改进其收敛因子,平衡全局和局部搜索能力,提高算法中后期的优化能力;最后,对δ狼进行融合变异以改善局部极值问题.仿真实验表明,将改进后的灰狼优化算法应用于WSN节点部署优化中,与标准灰狼优化算法相比加快了优化速度,网络覆盖率提高了3％.