WSNs能量异构节点部署与区域覆盖优化

针对无线传感器网络（WSNs）的热点区域问题所导致的节点能量异构、能量空洞等问题,对网络进行重新部署以满足区域覆盖的要求。建立WSNs能量异构节点区域覆盖优化模型,以网络覆盖率为目标函数,节点位置作为决策变量,采用差分进化算法优化该目标,同时获得各节点的最佳位置。仿真实验表明：该模型能充分调度各节点的剩余能量,对热区问题导致的能量空洞进行重新部署,该策略能够延长网络的生命周期,提高网络的可靠性。     

基于CVT模型的无线传感器网络覆盖优化

针对目前无线传感器网络(WSNs)节点随机部署时覆盖率低的不足,提出了一种质心化的Voronoi图(CVT)模型和圆覆盖结合的方法用于网络覆盖的优化方法.将网络覆盖优化问题简化,转化为每个WSNs节点各自覆盖对应Voronoi多边形区域的优化问题,降低了问题的复杂性,不仅使得WSNs的节点部署和区域划分更加合理,同时使得网络覆盖范围更佳.实验结果表明:模型能够有效提高WSNs的覆盖率,提供了更优的网络通信服务.     

基于UKF区域交叉定位的WSNs Sink节点动态跟踪算法

为了提高无线传感器网络（ WSNs）使用寿命,对WSNs的目标跟踪方式进行研究,提出基于无迹Kalman滤波（ UKF）的WSNs Sink节点动态跟踪算法,以实现高效节能的资源管理和利用方式。首先利用UKF算法对目标节点的下一位置进行预测,然后通过四圆区域定位交叉定位算法对Sink节点的位置区域进行局部准确定位。实验结果表明：这种动态的Sink节点预测定位算法能够有效缩短数据发射传感器和Sink点之间的距离,减少跳数,从而实现负载均衡降低能耗的效果。     

无线传感器网络中节点部署算法研究综述

无线传感器网络(WSNs)是新一代的传感器网络,具有非常广泛的应用前景.总结了WSNs部署算法的研究现状,并分别从部署方式、监测目标、网络架构及节点是否移动等多个角度对其进行分析比较.最后给出了WSNs部署算法的应用关键点和未来发展趋势.     

基于贪婪策略的无线传感器网络覆盖优化方法

对目标监视区域实现有效的覆盖是无线传感器网络（ WSNs）最基本也是最重要的问题之一。当WSNs不能满足覆盖要求的时候,需要通过节点调度算法,新激活一批节点来恢复网络的覆盖性能。本算法摒弃了计算感知模型重叠情况,利用网络的几何特征进行覆盖质量评价与优化。仿真结果表明：所提出的算法确实能迅速提高覆盖率的同时降低节点的激活数量。     

输电线路在线监测WSNs优化部署研究

应用于输电线路在线监测的无线传感器网络(WSNs)通常呈长链型,存在跳数多、时延大的问题。引入具备无线公网通信模块的异构节点能够优化WSNs时延性能。考虑网络中传感器节点分布不均匀引起的数据分布不均匀这一普遍现象及其对时延的影响,建立了异构WSNs的最大时延模型;同时考虑网段划分和异构节点部署对时延的影响,提出了一种基于局部搜索思想的网络优化部署方法来优化网络时延。仿真结果表明:上述方法能有效降低网络最大时延,提高网络实时性。     

无线传感器网络定位技术研究进展

在无线传感器网络（WSNs）中,通过对节点的定位以确定事件发生的位置是WSNs需要具备的基本功能。介绍了WSNs定位技术的国内外研究现状,分析了静态传感器网络定位、移动信标节点定位和移动传感器网络定位的原理及方法,讨论了几种主要算法的优缺点,给出了移动传感器网络定位技术进一步研究的方向与面临的挑战。     

单节点的无线传感器网络数据传输优化策略

为了提高无线传感器网络（WSNs）节点能量的利用率,延长WSNs的生存时间,提出了一种单节点的WSNs数据传输优化策略.首先对WSNs结构进行分析,并建立单个传感器节点数据传输优化的数学模型;然后采用惩罚函数法对数据传输过程中的传感器节点能耗进行优化;最后在Matlab 2012平台对其进行仿真分析.结果表明：该方法可以根据环境能量的变化对传感器节点能耗进行自适应优化,提高了节点的累积数据传输总量,可以较好适应环境能量不确定性.     

混合WSNs中基于多目标优化的覆盖控制算法

针对无线传感器网络( WSNs)随机部署产生的区域覆盖率低、节点利用率差和能量不均衡的问题,引入移动传感器节点,将快速非支配排序遗传算法Ⅱ( NSGA-Ⅱ)运用到混合无线传感器网络覆盖控制部署并进行改进,采用分层编码策略,引入删除算子避免早熟,自适应改变交叉、变异概率提高局部搜索能力,获得较优解集后基于决策者信息偏好选择最优目标.仿真实验结果表明:有效解决了WSNs覆盖控制问题,可以在网络覆盖率最大化的同时,节点利用率较大且能耗系数较低,延长网络寿命.     

动态无线传感器反应网络事件驱动定位算法

动态无线传感器反应网络（WSANs）是传统无线传感器网络（WSNs）的衍生物,是由大量资源受限的传感器节点和少量资源不受限的反应节点组成的动态网络,采用无线通信的方式进行通信,具有很强的实用性和应用前景。在充分分析动态WSNs特点的基础上,提出了一种基于接收信号强度指示（RSSI）测距的分布式事件驱动定位算法,并利用OPNET网络仿真软件对所设计的算法进行了仿真验证,结果表明：所设计算法具有较高的定位精度和能效性。     

无线传感器网络中多Sink节点位置部署研究

通过对随机分布的无线传感器网络节点密度和能量消耗的关系的分析,提出了无线传感器网络中多异构节点位置部署的区域密度优先(RDF)算法。此算法采用密度优先原则来决定Sink节点的放置位置,通过栅格和异构节点通信范围对网络进行区域划分。该算法比递归算法的异构节点放置位置优越,虽然在网络寿命上相接近,但远大于随机分布策略的寿命,且RDF更适合实际应用。通过仿真验证:该算法能够有效延长网络寿命和快速实现部署。     

基于帝国主义竞争算法的WSNs定位方案

遗传算法(GA)在无线传感器网络(WSNs)定位时存在收敛速度慢、精度低等弊端,针对以上问题,提出了一种利用帝国主义竞争算法(ICA)优化WSNs定位的方案。首先,使用了采样的方法来估计未知节点的初始位置;其次,依靠信标节点和相邻节点的相关信息建立了以最小化全局误差的三维空间的数学定位模型;最后,使用了最新的社会启发算法—ICA来进行定位优化。实验结果表明:与GA定位相比,ICA在WSNs定位上具有定位精度高、收敛迅速的优势。     

一种基于RSSI的AOA估计算法

在无线传感器网络（WSNs）中,使用阵列天线进行到达角（AOA）估计存在成本昂贵和算法复杂度高的缺点,提出了一种基于接收信号强度指示（RSSI）的AOA估计算法。利用2个旋转的方向图部分重叠的定向天线接收RSSI值,通过双方向图求差法估计目标节点的AOA。实验结果表明：室内实验的AOA估计平均误差为6．7°,室外的平均误差为0．6°。该算法复杂度小,硬件成本低,适用于WSNs的节点定位。     

混合遗传算法在WSNs定位中的应用

定位是无线传感器网络(WSNs)的应用支撑,针对用最小二乘法处理DV—Hop算法第三阶段误差过大、定位精度差的问题,提出了遗传算法(GA)+单纯形法的混合GA后期优化处理DV—Hop算法。其中,DV—Hop定位算法第一,二阶段用跳距估计出信标节点与未知节点间的距离,再用GA(建立了代价函数与惩罚函数结合的适应度函数)与单纯形法(作为遗传算子增加了算法的局部搜索能力)结合的混合GA采用保优原则优化未知节点的坐标。通过仿真可知:该算法的定位精度高、网络覆盖率大,适合WSNs的定位。     

一种能量高效的无线传感器网络拓扑控制算法

通过对现有拓扑控制算法的研究,针对无线传感器网络中节点能耗分布不均匀的问题,提出了一种能量高效的拓扑控制算法(EETCA)。该算法以均衡全局能耗为目标,综合考虑了节点的剩余能量、簇的规模、数据最优传输跳数等因素,避免了部分节点能量消耗过快,从而有效地均衡网络负载。仿真结果表明:EETCA在能耗均衡方面均优于原来的算法,延长了无线传感器网络的生命周期。     

基于蚁群优化的无线传感器网络路由算法

如何在资源受限的无线传感器网络中进行高效的数据路由是无线传感器网络研究的热点之一。基于群智能优化技术的蚁群优化算法被广泛应用于网络路由算法。提出一种无线传感器网络蚁群优化路由算法,能够保持网络的生存时间最长,同时能找到从源节点到基站节点的最短路径;采用的多路数据传输也可提供高效可靠的数据传输,同时考虑节点的能量水平。仿真结果表明:提出的算法延长了无线传感器网络的寿命,实现无线传感器网络在通信过程中快速、节能的路由。     

无线传感器网络中基于关联度的多查询优化

无线传感器网络是一种以数据为中心的网络,用户通过基站向网络提出查询请求获取所需数据。如何通过多查询的优化来减少传感器节点的能耗以延长网络生命期是无线传感器网络中需要解决的关键问题之一。提出了基于关联度的多查询优化算法,其基本思想是节点通过节点与候选父亲节点之间的关联度来选择父节点,从而被相同查询覆盖的节点聚集成一个组,多个查询间共享组中节点的数据,在网络中对查询数据进行有效的融合,充分减少了网络的数据传输量,延长了网络的生命期。理论分析和模拟实验表明该算法可以充分减少数据传输量,从而达到节能的目的。     

基于有限反馈机会波束的无线传感器网络

无线传感器网络中的传感器要把被监测的数据有效地传输到远端的收集器,且其节点的能量有限,为了提高衰落无线信道中无线传感器网络通信的有效性,提出基于有限反馈机会波束的无线传感器网络,基站设置多天线,传感器节点设置单天线,构成MISO系统,在每一时隙基站选择处于峰值状态的传感器节点进行通信。设置反馈门限,当传感器节点的接收信干噪比大于反馈门限时,对信干噪比进行量化,再将量化电平反馈给基站;否则,无需进行量化和反馈。以吞吐量最大化为原则设定最佳反馈门限和量化电平,在瑞利块衰落信道中对系统进行仿真,结果表明:随着节点数的增加,该系统的反馈数可降至传统模拟反馈的1%以下,大大降低了反馈量,提高了系统的效率和节点能量利用率。     

无线传感器网络簇头多跳路径路由算法

在LEACH协议特定簇头选取(DCHS)算法的基础上,提出了一种基于蚁群优化(ACO)的簇头间多跳路径(ACO-CHMP)路由算法。该算法先采用DCHS算法分簇,在稳态运行阶段,利用改进的ACO算法找到从距基站最近簇头节点到基站的遍历所有簇头节点的最优路径,然后从该簇头节点开始沿着最优路径进行数据传输到基站。仿真结果表明:与LEACH算法、DCHS算法和ACO算法相比,该算法极大地均衡了网络的能量消耗,延长了无线传感器网络生命周期。