基于引力搜索算法的异构无线传感器网络路由分簇算法

针对异构无线传感器网络簇头节点能耗大、网络寿命较低等问题,提出一种路由分簇算法.以均衡簇头节点的能耗为目标,采用引力搜索算法对网络簇头的通信链路进行规划,从而降低簇头节点间通信的负载能耗.为同时兼顾普通节点和簇头节点的工作时间,根据普通节点与高能节点携带能量的差异和簇头节点的负载情况进行分簇.实验结果表明,所提出的路由分簇算法相对于目前优化性能较好的粒子群算法(PSO)、遗传算法(GA)和最小距离聚类法(LDC),在不同检测环境、不同的节点布撒比例下,能够更好地均衡节点能耗,从而获得更长的网络寿命.     

一种基于节点位置和密度的非均匀分簇路由算法

分析了现有分簇路由算法,提出了基于节点位置和密度的非均匀分簇路由算法。簇头选举阶段,考虑了节点的剩余能量,并引入竞争机制进行簇头选择;成簇阶段,综合考虑节点与基站的距离、节点密度以进行非均匀分簇,达到节点能耗均衡的效果,同时解决路由热区问题;簇间路由阶段,通过设立通信簇头节点,使簇间数据转发任务从簇头中分离,簇头节点只负责簇内的数据收集和融合,而通信簇头节点负责簇间数据传输,减少了簇头的能量消耗。实验结果表明,改进后的路由算法能够有效地均衡网络负载,并显著地延长网络的生命周期。     

基于PSO的无线传感器网络双簇头分簇算法

利用粒子群优化算法对无线传感器网络分簇算法进行优化,考虑簇内节点和簇头节点两者的位置及能量信息优化选择主簇头和副簇头。主簇头用以收集簇内节点的信息并进行数据融合,并将融合后的数据发送给副簇头。副簇头负责与基站进行通信。该算法可以均衡簇内的能耗,达到延长网络生命周期的效果。仿真实验结果表明,与LEACH算法相比,该算法可使网络生命周期延长50%。     

基于细胞膜优化算法的WSN分簇协议研究

针对无线传感器网络能量受约束的问题,为实现节点均衡能耗,平衡网络簇头分布,并最大限度地延长网络寿命,提出一种基于细胞膜优化算法的无线传感器网络能量均衡分簇协议。细胞膜优化算法具有良好的全局寻优和快速收敛能力,通过浓度与能量因素对节点进行划分,并结合距离因素完成全局均衡分簇,能够解决传感器网络中簇头分布不均匀、全局能耗不均衡等问题。实验结果表明,该协议具有对无线传感器网络进行快速全局均衡分簇的能力,且与LEACH算法和LEAH-C算法相比,在均衡节点能耗和延长网络生存周期等方面具有更好的性能。     

一种无线传感器网络动态成簇数据融合算法

针对无线传感器网络应用于突发事件的场合,提出一种基于事件驱动的动态成簇数据融合算法。在综合考虑事件严重程度及节点剩余能量等因素的基础上,算法选择刺激强度大且剩余能量多的节点担当簇头。簇头节点通过广播成簇消息实现动态成簇,并动态调整每一轮数据融合延迟时间,提高了数据融合效率。仿真实验结果表明,与TEEN协议相比,该算法具有较低的节点平均能耗和较佳的网络数据融合延迟时间。     

基于加权的无人机集群组网分簇算法

在无人机集群组网中,节点的高速移动会造成网络拓扑结构更新频繁,使网络管理变得更加复杂。分簇能够增大网络容量,实现空间资源的复用,是优化网络管理的有效手段之一。针对大规模、高速移动的环境进行了研究,提出了一种多参数加权分簇算法。该算法将最大速度相似度分簇算法中的分簇指标引入到加权分簇算法中,并且对链路保持率、节点度差、节点剩余能量进行改进,综合考虑这四种参数,通过加权组合的方式选举具有最大权重的网络节点作为簇头。仿真结果表明,该分簇算法不仅能够减少簇的数量和簇间切换率,提高分簇的稳定性,而且能够延长最小节点生存时间,改善网络的整体续航能力。     

基于事件驱动的动态免疫分簇路由算法*

为了降低应用于突发事件监测的无线传感器网络的能量消耗,设计实现了一种基于事件驱动的动态免疫分簇路由算法。将生物免疫系统的工作机制应用到无线传感器网络事件驱动的动态分簇算法中,事件作为抗原,传感器节点作为抗体,抗体对抗原有记忆保存的功能,使得相似的抗原再次出现时对事件及时响应。相似事件再次发生且传感器节点符合能量要求时,可以直接调用抗体中的记忆,对事件进行快速建簇,节省了簇的建立过程所消耗的大量能量,增加了网络的数据传输量,延长了网络的生命周期。仿真结果表明,生物免疫机制的学习记忆特性可以有效提高事件驱动的动态分簇算法的网络性能。     

基于分簇多节点协作规划的无线传感器网络定位算法

为了提升无线传感器网络的定位精度,减少网络在进行定位运算时节点能量消耗过大等问题,提出一种基于分簇的多节点协作规划的无线传感器网络定位算法,该算法先通过将网络形成多个分簇,计算簇内节点间的相对距离,再通过协作规划的方法来提升节点坐标定位的准确度。得到簇内节点相对簇头的位置坐标后,再求出簇头相对于汇聚节点的位置坐标,从而实现在网络中对任意节点的精确定位。实验仿真结果表明,与基于加权质心和参考节点序列的定位算法相比,基于分簇的多节点协作规划的定位算法可以得到更好的定位精度。     

基于能耗负载平衡的自组网分簇算法

针对Ad Hoc网络的节点能量受限问题,改进分布式高效分簇算法(DECA),提出一种适用于自组网的分簇算法。该算法建立簇头能耗模型,利用簇头能耗和簇头平均能耗方差描述能耗负载平衡度。仿真实验表明,相比DECA算法,改进算法能有效平衡簇头节点的能耗负载,延长网络生命周期。     

基于分簇的能量有效多路径路由协议的研究*

提出了一种基于分簇和蚁群算法的能量有效的多路径路由协议CAEMP,适用于事件驱动和查询的混合数据采集方法。该协议通过把事件区域附近的节点成簇的方法来减少发送的数据量,簇头选举的时候综合考虑能量、邻居节点数量和事件信号强度等参数,控制事件区域簇的规模,制定了备份簇头的机制。事件区域形成的簇头通过蚁群算法形成到汇聚节点的多路径,对于汇聚节点,如果需要查询数据,可以采用发送搜索蚂蚁的方法,搜索信息素可以加快前向蚂蚁到达汇聚节点的速度。最后,事件区域的数据在簇头融合后就可以在蚁群算法形成的多路径上进行数据包的发送。在NS-2仿真环境下协议进行仿真实验,仿真结果表明,该协议延长了网络寿命,提高了能量有效性。     

基于偏微分方程与维纳滤波的混合去噪方法

提出一种小波变换与偏微分方程(PDE)结合的混合图像去噪方法,通过窗口改进的维纳滤波处理,运用偏微分综合模型进行二次滤波,其中的偏微分综合模型由2个权重函数将PM方程、方向扩散方程和LLT高阶PDE相结合构建形成。实验结果表明,该混合图像去噪方法能够克服以上3种PDE模型和维纳滤波的不足,增强图像去噪和边缘保护能力,去噪后可得到较好的图像视觉效果,提高算法的效率。     

基于偏微分方程的舌图像去噪研究

在对舌图像的去噪过程中,平滑噪声的同时容易丢失边缘和纹理等细节信息。为此,研究基于偏微分方程的舌图像去噪方法,分别采用中值滤波、高斯滤波、P-M方程、正则化P-M方程以及耦合冲击-复扩散滤波模型,对加噪舌图像进行滤波。比较结果表明,正则化P-M方程更适合舌图像的去噪处理,该方法处理速度快、去噪效果好,且能有效保护图像边缘。     

一种图像自适应Wiener组合滤波方法

利用小波域Wiener滤波和空间域自适应Wiener滤波的特点,提出一种基于小波域自适应Wiener滤波和空间域自适应Wiener滤波的组合滤波方法。该方法首先在小波域进行自适应Wiener滤波,对恢复图像中的残留噪声方差进行重新估计,再在空间域进行自适应Wiener滤波,这种方法提高了恢复图像的精度。仿真实验表明,与单独的小波域和空间域Wiener滤波相比,该方法的均方误差最小,去噪效果更优。     

Towards a partial differential equation remote sensing image method based on adaptive degradation diffusion parameter

For the anisotropy diffusion feature, Partial Differential Equation (PDE) methods keep edge detail characters well in case of denoising, thus being widely applied in remote sense image denoising, smoothing, filtering and reconstruction. A PDE remote sensing image denoising method based on Adaptive Degradation Diffusion Parameter (ADDP) was proposed in the paper to deal with fuzzy detail problem caused by increasing iteration number. The PDE denoising method with ADDP enlarged diffusion size in the plat region of remote sensing image without affecting the remote sensing image edge, thus avoiding loss of remote sensing image detail and intersections caused by Gaussian convolution smoothing in the PDE filtering model based on curvature-based movement (CM) and image denoising model based on total variation (TV). In the region where gradation value changes little, the method executed isotropic diffusion to remove isolated noise. The upwind scheme was applied for model numerical realization. Experimental in remote sensing image denoising results proved its feasibility and effectiveness.     

PDE模型在声纳图像去噪中的应用研究

偏微分方程方法在光学图像去噪中已有很多成功的应用,但用于声纳图像去噪的情况还不多见。针对声纳图像受噪声污染严重的问题,将偏微分方程原理引入到声纳图像去噪中,重点讨论了两种偏微分方程模型:ROF模型和四阶扩散模型。基于这两种模型对声纳图像进行去噪处理,仿真实验证明了偏微分方程去噪算法的有效性,并对比分析了两种模型的去噪性能。ROF模型适用于低信噪比条件下的声纳图像处理,而四阶扩散模型在高信噪比条件下,能够很好地保持图像边缘,但当噪声污染严重时,其去噪后的SNR比ROF模型去噪低了近10 dB,不利于声纳图像处理。     

融合偏微分方程和中值滤波的图像去噪模型

针对基于偏微分方程(PDE)的图像去噪模型不能有效地去除脉冲噪声,并且低阶偏微分方程在去噪的同时会出现“块效应”现象的问题,提出一种融合偏微分方程和自适应中值滤波的图像去噪模型。该模型通过对图像梯度的分析,在梯度变化剧烈区域和梯度变化微小区域利用二阶模型去噪以提高去噪效率;而在梯度渐变区域利用四阶模型平滑图像以避免出现“块效应”现象。同时,利用脉冲噪声梯度值远大于边缘梯度值的特点,定位脉冲噪声所在区域,在该区域利用自适应中值滤波消除脉冲噪声。该方法能有效去除脉冲噪声,保护图像边缘并消除“块效应”现象,同时提高了去噪效率。实验表明了该模型的有效性。     

基于Contourlet变换和Wiener滤波的图像降噪

提出一种新的基于Contourlet变换和Wiener滤波的图像降噪方法。该方法充分利用Contourlet变换域系数服从广义高斯分布的特点,在Contourlet域采用Bayes收缩阈值法进行预降噪,采用Wiener滤波法对预降噪图像中的残留噪声进行进一步处理,以提高图像的恢复精度。仿真结果表明,该方法较传统的Contourlet域降噪方法具有更好的降噪效果,进一步提高了PSNR值,降低了MSE值,获得了更好的图像恢复质量。     

图像混合噪声的一种组合滤波消除方法

提出了一种基于高斯拉普拉斯边缘检测的含高斯噪声和脉冲噪声的图像组合滤波去噪方法,即首先对含有混合噪声的图像进行中值滤波,再用高斯拉普拉斯边缘检测方法检测出图像的边缘,得到边缘图像;然后利用自适应Wiener滤波对中值滤波后得到的图像进一步滤波去噪,最后将边缘图像嵌入经Wiener滤波得到的平滑图像中。此种方法不但能够有效去除含高斯噪声和脉冲噪声的图像中的噪声,而且可以保持图像的边缘信息,提高了图像的去噪效果和清晰度。     

基于修正维纳滤波的小波包变换图像去噪

图像去噪是图像处理中一个非常重要的环节。为了改善降质图像质量,根据Donoho提出的小波阈值去噪算法,分析了维纳滤波原理,提出了一种基于修正维纳滤波的小波包变换图像去噪方法。利用修正维纳滤波对噪声图像进行处理,用处理后的图像计算噪声的标准方差,以此作为小波包的阈值。利用小波包对维纳滤波后的图像进行分解,实现对图像的低频和高频部分分别进行分解,用计算出的阈值对小波包树系数进行软阈值处理。利用小波包逆变换来获取去噪后的图像。结果表明：在噪声方差为0.01时,经该算法去噪后图像的PSNR比小波包自适应阈值去噪后的PSNR高出8.8 dB。该算法不仅能有效地去除加性高斯白噪声,而且能很好地保留边缘信息,极大地改善了图像的视觉质量。     

基于多小波基维纳滤波图像去噪

提出一种多小波基维纳图像去噪方法。它把多个小波基用于小波维纳滤波图像去噪，利用多个小波各自独有的特性和维纳滤波估计最小误差估计的优点，达到对图像更有效去噪的目的。实验结果表明，该方法可以有效降低图像噪声，同时，较好地保持图像视觉效果。