无线传感器网络目标跟踪动态簇成员调度策略

通过分析目标跟踪无线传感器网络监测精度、节点能量消耗与簇成员唤醒/休眠之间的内在联系,针对网络节点能量有限、密集部署节点监测数据存在冗余、传感器节点的自身位置估计误差和目标监测估计误差等问题,引入部分可观察Markov决策过程(POMDP)理论,提出一种基于目标跟踪准确度和节点能量消耗加权回报率的动态簇成员调度模型;针对动态簇成员调度算法复杂度偏高的问题,采用基于信念点的值迭代在线策略求解算法,实现传感器簇成员节点协作策略的动态生成和在线调整。仿真结果表明:该算法能够提高目标跟踪准确性,降低节点能量消耗,延长网络生存时间。     

无线传感器网络分簇拓扑的覆盖区域节点调度优化算法研究

利用区域分割的方法建立了一种覆盖区域冗余节点的优化调度机制,实现对完全覆盖区域内冗余节点的休眠调度,并将该机制引入无线传感器网络的分簇结构中,提出一种基于分簇拓扑的节点调度优化算法。算法通过控制簇内冗余节点进行休眠,减少簇首的数据通信量和簇成员中工作的冗余节点个数,降低了网络能耗。仿真结果表明,与未考虑冗余节点休眠调度的分簇算法相比,该算法有效提高了网络能量利用率,延长了网络生命期。     

面向异构网络的基于 k-覆盖的休眠调度算法

异构无线传感网络WSNs(Wireless Sensor Networks)的多数监测应用要求兴趣区域FoI(Field of Interest)是k覆盖(k-cover),且k≥1.而冗余节点被安排为休眠,进而最小化能量消耗.为此,提出面向异构网络的基于k-覆盖的冗余节点休眠算法k-CRSS(k-cover based sleep Scheduling algorithm for redundant node).k-CRSS算法引用概率方法判断节点是否为冗余节点,并推导判断一个节点是否为冗余节点的概率表述式.然后,引用调度算法识别所有冗余节点,并让它们进行休眠,且在FoI内不出现覆盖空洞.k-CRSS算法属分布式算法,并无需任何地理信息,仅通过少量控制消息收集邻居节点信息.实验数据表明,k-CRSS算法通过调度算法减少了活动节点数,进而延长了网络寿命.     

无线传感器网络中的数据融合及其能效评估*

首先介绍当前无线传感器网络中具有代表性的数据融合算法;然后基于树型网络拓扑结构,结合节点休眠调度机制,建立传感器节点的能量模型;最后提出从能量的角度评价不同数据融合算法性能的方法,并通过模拟对典型数据融合算法进行分析.     

一种基于灰色模型的预测调度算法

为了保证监控的质量,无线传感器网络通常以高密度的方式部署节点。当这些节点全部处于工作状态时,不仅会引起信道严重的冲突,而且会产生较多的数据,大量消耗节点的能量。因此,让节点轮流工作和休眠,是一种较好的节能方法。论文对此进行了研究,提出了一种基于预测的调度算法。在这个算法中,簇首节点对簇内成员进行管理,并调度低能量的节点进入休眠状态。休眠节点的数据则由簇首节点采用一定的预测算法来预测。仿真结果表明,该调度算法不仅能够有效地延长网络的生命周期,而且数据的精度也能够得到较好的保证。     

基于动态概率休眠调度机制的WSNs拓扑控制算法

为了兼顾无线传感器网络(WSNs)的低能耗和连通性,提出了一种动态概率休眠调度机制的拓扑控制(DPSS-TC)算法.DPSS-TC算法根据分簇后的簇内成员节点数量动态设置节点休眠概率,采用强制性唤醒休眠节点与提高相应活跃节点的发射功率相结合的方法来恢复连通受损的局部拓扑结构.仿真实验表明:DPSS-TC算法既保证网络的连通性能,又有效地延长了网络的生命周期.     

一种太阳能传感器网络的自适应休眠调度算法

通过从外界获取太阳能,传感器网络节点的能量限制得到缓解。提出一种太阳能传感器网络的自适应休眠调度算法。当观测场景从区域观测到目标跟踪转变时,节点自适应地转换活跃和休眠状态,同时剩余能量低于能量阈值的休眠节点从外界获取太阳能。与不考虑太阳能获取的休眠调度算法相比,提出的算法延长了网络生命周期。     

休眠时间动态调整的能量节约算法

在目前节点调度方案中,节点的休眠时间在整个节点调度过程中都采用固定的休眠设置,这样会导致网络中部分节点的能量消耗过快,引起节点过早失效,无法实现应用监测。针对该问题,提出了动态调整休眠时间的方法,根据节点以及网络剩余能量延长或者缩短节点休眠时间,在此基础上设计出节点休眠时间动态调整的能量节约算法STDA (sleep time dynamically adjustment the energy saving algorithm)。仿真结果表明,该算法不仅能缓解节点过早死亡的问题,并且有效的延长了网络的生存时间。     

基于闭合包围方法的传感器网络节点调度

在没有地理位置信息的情况下,针对存在大量冗余传感器节点的传感器网络的节点调度问题,设计了一种基于闭合包围的冗余节点调度算法(RNSCE算法).该算法首先定义了闭合包围的概念,并给出了其相关性质;然后,提出了基于闭合包围方法的冗余节点以及覆盖空洞边界节点的判定规则;最后,提出了冗余节点调度方法,包括节点的休眠调度和覆盖空洞的修复两个方面.仿真结果表明,本文算法可以很好地维持网络初始覆盖性能,并有效降低活跃节点的数量.     

无线传感器网络中的调度算法研究

无线传感器网络调度算法通过合理分配节点数据采集和传输的时间,使其在不需要工作时转入低功耗的休眠模式,在满足应用要求服务质量的前提下,高效利用节点能量,达到延长网络生存期的目的.本文介绍了无线传感器网络调度算法的性能评价标准和分类方法,着重讨论了一些典型的调度算法,最后进行了各种算法的比较性总结,并指出了一些亟待解决的问题.     

云环境下异构无线传感器网络节点调度改进算法

针对大规模传感器网络节点异构性突出、调度困难,传统节点调度算法在大规模传感器网络环境下效率低等问题,提出了基于云计算的节点调度模型,并设计了该模型下的节点调度改进算法。通过将节点算法的执行迁移至云端,由云端调度节点。通过OMnet＋＋对改进算法与云端融合数据处理进行仿真实验表明：改进算法可以有效地延长网络生存周期,并且随着数据量的增加,云端处理融合数据耗时相对平稳。相比较传统节点调度算法,改进算法在能量与耗时指标上表现更优。     

WSNs中基于期望网络覆盖和分簇压缩感知的数据收集方案

为提高无线传感器网络数据收集精确度、降低网络能耗和改善数据包丢失情况下数据收集算法的鲁棒性,提出一种基于期望网络覆盖和分簇压缩感知的数据收集方案.首先设计期望网络覆盖优化算法,给出节点调度策略,实现对“特殊”区域重点观测和降低节点能耗的目的;然后通过分析网络分簇与节点部署之间的关系,设计弱相关性观测矩阵,降低数据包丢失对数据收集的影响;最后引入群居蜘蛛优化算法以提高汇聚节点处CS数据重构精度.仿真结果表明,与其他数据收集算法相比,所提出方案数据重构误差降低了约23.5{%     

基于数据关联性的无线传感器网络簇内数据管理算法

无线传感器网络(Wireless sensor networks, WSNs)节点能量有限, 能量高效的数据管理和延长网络寿命是该领域的技术难题. 在以簇构建的传感器网络中, 利用节点的计算和分析功能, 提出了基于数据关联性的簇内数据管理算法. 簇头利用误差函数和模糊函数分析成员感知数据的关联性, 获取节点感知数据综合支持度, 由此将成员节点划分为冲突节点、补充节点和可靠节点, 对不同类别节点采用不同的调度规则以便降低簇内能耗和尽可能实现簇间节点能耗均衡, 并给出了簇头数据融合的处理方法. 仿真结果表明算法能够实现簇内数据分类管理, 并能有效降低簇内数据收发量和延长网络寿命.     

面向目标跟踪的传感器网络睡眠调度协议

移动目标跟踪是无线传感器网络中的一项重要应用,将睡眠调度机制引入到目标跟踪算法中可以大大降低能耗。针对目标跟踪的实际需求,提出一种面向目标跟踪的传感器网络睡眠调度协议。根据目标跟踪不同阶段,分别设计了目标跟踪前和跟踪过程中传感器节点的睡眠调度机制;另外给出了目标丢失时,如何唤醒节点继续跟踪目标的调度策略。结果表明:该算法能够在保证跟踪质量的同时,降低跟踪能耗。     

概率模型下线性规划优化覆盖方案

覆盖率不仅是评价无线传感器网络体系性能重要标准之一,也是无线传感器网络所研究的一项重点课题.为此,提出了一种复杂动态参数模型下优化覆盖算法,该算法通过对动态参数覆盖模型的计算,给出了传感器节点覆盖的期望值和公差的求解过程以及对所关注目标节点进行首次覆盖后的期望值证明过程.在网络能量方面,则通过节点状态调度策略对通信路径进行优化,证明节点能量衰减过程中,似然拟合函数极限存在的意义,实现了传感器节点能量的有效匹配,抑制了传感器节点能量的消耗,证明了优化后整个监测区域传感器节点覆盖函数之间关系.仿真实验表明,本算法不仅提高了覆盖和网络服务质量,而且有效地抑制了网络能量开销,延长网络生存周期.     

WSN中一种目标追踪在线节点调度算法

针对目标追踪无线传感器网络节点能量有限、感知信息存在不确定性等问题,提出一种基于部分可观察马尔可夫决策过程的在线节点调度算法。通过状态转移函数和观察函数描述移动目标的不确定性,根据奖赏函数平衡追踪性能和节点能量消耗,并构造有限深度的可达信念与或树降低运算复杂度,实现调度策略在线求解。实验结果表明,该算法能平衡目标追踪质量与节点能量消耗,且满足实时性 要求。     

无线传感网中基于正方形剖分的节点调度算法

节点调度机制是解决无线传感器网络节点能量受限问题的重要方法,提出了一种基于节点位置信息和正方形剖分模型的传感区域分布式快速分区方法;在此基础上,提出了一种基于分组的分布式节点调度算法。理论分析与仿真实验表明,新算法具有比传统方法更好的节点调度性能,可同时保持100%的网络覆盖率与分组全局连通性。     

Novel sensor scheduling and energy-efficient quantization for tracking target in wireless sensor networks

This paper focuses on sensor scheduling and information quantization issues for target tracking in wireless sensor networks (WSNs). To reduce the energy consumption of WSNs, it is essential and effective to select the next tasking sensor and quantize the WSNs data. In existing works, sensor scheduling’ goals include maximizing tracking accuracy and minimizing energy cost. In this paper, the integration of sensor scheduling and quantization technology is used to balance the tradeoff between tracking accuracy and energy consumption. The main characteristic of the proposed schemes includes a novel filtering process of scheduling scheme, and a compressed quantized algorithm for extended Kalman filter (EKF). To make the algorithms more efficient, the proposed platform employs a method of decreasing the threshold of sampling intervals to reduce the execution time of all operations. A real tracking system platform for testing the novel sensor scheduling and the quantization scheme is developed. Energy consumption and tracking accuracy of the platform under different schemes are compared finally.     

基于Memetic算法的WSN分簇协议的研究 *

针对无线传感器网络的寿命和覆盖优化,提出了一种基于Memetic算法和节点休眠-唤醒调度策略的复合文化基因聚类协议(Composite Memetic Algorithm Clustering Protocol,CMACP)。算法首先运行文化基因算法初始化需要激活的节点并规划相邻冗余节点,其中遗传算法和局部搜索算法能保障得到最优的初始节点分布。随着网络的运行,当某个节点因能量耗尽而丢失覆盖目标时,休眠调度策略选择激活最优相邻节点弥补覆盖漏洞。仿真实验表明,与其他WSN分簇协议相比,CMACP能较好的延长WSN稳定周期生存时间,并且提高WSN对感知区域的覆盖能力。