基于有界增长图的无线传感器网络虚拟骨干形成算法

提出了基于有界增长图的虚拟骨干近似形成算法(VBF).算法采用网络划分机制构建极大独立集,使用染色过程形成簇图;以2分离集合子集递归计算(1 ε)近似局部最小支配集,合并局部最优解构造全局最优解:然后调整簇头传输范围直接以全局最优解形成最小近似连通支配集,无须加入网关节点,降低计算开销.构造的连通支配集具有常量扩展因子和常量度,并且算法运行时节点仅需直接邻域信息.理论分析和仿真比较证明了算法的正确性和有效性.     

空间相关信道下一种合作感知节点集合选择算法

在空间相关信道条件下随着合作感知节点数目的增加,新增合作感知节点所带来的性能增益将会越来越小并趋近于零,同时系统资源使用效率也将会随着合作感知节点数目的增加而降低,因此在选择合作感知节点数目时需要在感知性能与资源使用效率之间进行折衷。本文提出了一种合作感知节点集合的贪婪选择算法。该算法首先在对感知性能和资源使用效率进行折衷的基础上得到判决门限,并依此判决门限选择满足条件的合作感知节点集合。仿真结果证明了所提出算法的有效性与可靠性。      

认知无线电中一种感知节点集自适应选择算法

本文主要考虑认知网络中感知节点集的选择问题。联合谱感知技术虽然可以极大地提高认知系统的感知性能,但是随着参与感知的认知节点数目的增加,对系统资源的占用也会越来越多,使系统的传输效率下降。本文首先给出了认知网络中最优感知节点集的概念,接着分析了最优感知节点集的节点数目和平均接收信噪比所必须满足的条件,最后通过推导得到了在固定虚警概率条件下最优感知节点集的检测概率与它的节点数目和平均接收信噪比之间的关系表达式,并在此基础上提出了一种最优感知节点集的自适应选择算法。该算法不但能在认知网络中寻找最优感知节点集,同时还可以适应认知网络的动态拓扑变化。仿真结果证明了该算法的有效性。      

面向认知无线电网络能量高效协作感知的在线节点选择算法

面向认知无线电网络中能量高效协作感知任务需求,提出了面向单次协作感知过程的能量最小化节点选择问题EMNS和面向在线协作感知的能量高效节点选择问题OENS。证明了两问题均为NP-hard难题。针对EMNS问题,提出采用分枝定界算法BAB求最优解和贪婪节点选择算法GS求近似解。针对OENS问题,提出为每个节点引入考虑能量消耗负载均衡的动态权重系数,基于BAB和GS算法设计了启发式的在线节点选择算法OBAB、OGS1。仿真实验结果表明,提出的算法可显著增加网络完成的协作感知过程次数,可有效延长网络"生存期"。     

面向数量最少化的双层WSN中继节点部署算法

提出2种算法,目标是在监测区域部署中继节点,以便所有的传感节点都能和至少一个中继节点进行通信,同时保证中继节点数目最小化。整数线性规划最优解算法是对已选择出的CRegions通过数学上的整数线性规划的方法找到部署中继节点的最佳区域;传感网络规模较大时,提出启发式算法,将每一次排序后含传感节点个数最多的集合作为部署区域,经过多次循环排序后近似的找到部署中继节点的最佳位置。最后通过与2个同类算法在相同参数环境下进行仿真实验,比较仿真结果证明整数线性规划最优解算法及启发式算法在覆盖所有传感节点的前提下,部署中继节点最小化的性能较好,并且其部署时间也在可以接受的范围之内。     

多信道合作感知中基于信道可用概率的感知信道集合选择算法

首先分析了在给定感知信道集合和相应的可用概率集合条件下认知无线网络最大吞吐量的求解算法,接着给出了授权信道可用概率的估计方法,并在此基础上提出了一种基于授权信道可用概率估计的感知信道集合的次优选择算法。从分析结果与仿真结果可知,该次优选择算法与最优选择算法的性能差别不大,但是复杂度却大大降低了,另外该算法与已有算法相比可以得到更高的系统吞吐量。     

访问控制策略中信息流的最优化去环方法

最优化去除访问控制中信息流的环路是许多重要信息系统向多级安全系统迁移时保证系统可用性的重要前提.证明了该问题是NP难题,提出了基于动态规划的最优解算法,利用遗传算法搜索近似最优解.复杂度分析和实验结果表明,对于小规模环境,最优解方法能较快地找出最优解;对于大规模环境,近似最优解算法能有效找出近似解.     

基于TDOAs与GROAs的多信号源被动定位

为提高感知节点位置模糊条件下多目标被动定位结果精度,提出基于TDOAs与GROAs的混合定位代数闭式解算法,该算法联合估计未知信号源位置与带误差感知节点位置,利用TDOAs与GROAs所包含的相同感知节点位置误差信息提升定位精度,并推导得到基于TDOAs与GROAs多目标混合定位的克拉美罗下界(CRLB),仿真结果表明,所提算法能较好的达到CRLB,并且GROAs信息的引入给多目标定位精度带来明显性能提升.     

基于融合的无线传感器网络k-集覆盖的分布式算法

当节点采用概率感知模型且融合多个节点的数据进行联合感知的情况下,提出了一个新的无线传感器网络的覆盖优化问题:基于融合的k-集覆盖优化问题.首先,将优化问题建模为融合覆盖博弈,证明该博弈是势博弈,且势函数与优化目标函数一致,因此,最优解是一个纯策略Nash均衡解.其次,给出了节点间融合覆盖效用独立的判定条件,进而分别提出同步、异步控制的、基于局部信息的、分布式的覆盖优化算法,证明了算法收敛到纯策略Nash均衡.最后,仿真实验结果表明,当算法收敛时,网络能达到高的覆盖率且具有好的覆盖稳定性.     

能耗与时延权衡的分布式信息扩散方法

能量消耗与传输时延是无线传感器网络协议设计的两个重要指标。针对一维线型传感器网络，探究能耗与时延权衡的信息扩散问题。通过理论推导与分析，计算得出给定时延约束下高能效信息扩散的最优传输次数与单跳传输距离。基于理论分析结果，提出能耗与时延权衡的分布式信息扩散算法。该算法包含确定候选转发节点集合以及最优中继节点选择两部分。仿真表明所提算法能够实现信息扩散的能耗与时延权衡。