面向环境感知的无线传感网络路由方法综述

路由传输与数据聚合是无线传感器网络中 的两个重要方面,有着广泛的应用。网络的多样性 导致没有普适的路由算法与数据聚合方案,因此对二者进行总结很有必要。对无线传感器网络中的路由方法与数据聚合进行了总结。首先,介绍了典型的无线传感器网络路由方法;其次,面向多类传感器描述了不同的数据聚合与路由方法;然后,阐述了一维传感器网络中的数据收集与路由方法;最后,总结了相关的研究方向和发展趋势。     

对无线传感器网络区域数据聚合有效性的研究

通过抽象出无线传感器网络中区域数据回传的网络模型，定量研究了区域数据聚合的节能条件，证明了先聚合再回传比直接进行数据回传所节省的相对路径长度,如果大于等于数据相关性与源节点个数的比值时，区域数据聚合一定可以节省能耗，并进一步给出了当数据聚合点在网络的不同位置，或数据的空间相关性不同时，区域数据聚合的节能条件。对于无线传感器网络的部署、路由协议的选择及评估数据聚合算法的能量有效性等，均具有一定的参考价值。     

基于能量感知的数据汇聚和路由协议

提出了一种分布式的高效节能的传感器网络数据收集和聚合协议,网络中节点根据与基站的远近划分成不同的层次.协议优先选择能量充足并且距离基站最近的节点直接与基站通信,其他节点的数据则通过邻接节点逐层聚合和转发,最后传送到该节点上.因为与基站通信的能量代价太高,直接与基站通信的节点能量消耗很快.当距离基站近的节点能量过低时,协议将选择距离基站较远的节点直接与基站通信.通过顶层节点迁移机制,MTP协议能够很好地将能量损耗均匀分布到所有节点.     

基于数据流和网络编码的无线传感器网络数据聚合算法

为了减少分簇的无线传感器网络(WSN)中数据包传输的数量,并使传感器网络的能量效率最大化,提出了一种节能的自适应数据聚合算法.在该算法中,源节点凭借其存储和计算能力,利用数据流技术减少数据包的传输量;当数据从源节点传输到簇头时,簇头根据控制信息选择一组节点作为编码节点,当数据相关性低于某阈值时,该组节点对数据包进行网络编码,若数据相关性高于某阈值,该组节点则会成为聚合节点进行数据聚合,网络编码和数据聚合可以减少簇头冗余流量,提高能量效率.实验结果显示,使用该算法后,数据包交付率有所提高,能量消耗显著减少.     

基于无线传感器网络的事件触发监测系统设计

针对无线传感器网络在事件触发类监测中的应用,提出了在该类应用中的解决方案.分析归纳了无线传感器网络在事件触发类监测中的应用需求,提出了满足该需求的无线传感器网络布设方法及采取的路由协议与数据聚合算法.分析了两种布设方式的优缺点,确定了事件触发监测系统采用非冗余布设方式;路由协议采用改进的APTEEN算法,改进了阈值和休眠策略;数据聚合在簇头节点进行,将来自簇内节点的多个数据包在网络层聚合为一个数据包后传送给基站.实验结果表明了该解决方案的有效性.     

基于模拟退火的无线传感器网络最大生命期路由*

将节点功率控制与数据聚合有机结合,为进一步降低网络能耗提供了可能,但是也给路由算法的设计带来了新的挑战。为此,针对WSNs中结合数据聚合的节能数据传递方式进行了研究,提出了一种新的最大化网络生命期的路由算法。该算法采用模拟退火算法最优化数据聚合点的选择,均衡节点能耗,最大化网络生命期。仿真结果表明该算法性能明显优于现有算法,达到了提高网络生命期的目的。     

无线传感网数据聚合隐私保护协议分析

针对无线传感器网络(WSN)数据聚合隐私保护协议的特点,对当前一些典型的数据聚合隐私保护协议进行了分类研究。给出了各类协议的运行原理,指出了这些协议的优缺点,并从隐私保护性、数据完整性、准确性及攻击模型等方面对这些协议进行了比较,并指出了未来的研究热点和发展趋势。     

一种高效节能的无线传感器网络数据聚合协议

在无线传感器网络的应用中,常常利用大量传感器监视若干个离散目标。针对这类目标监视网络,本文提出了一种分布式高效节能的数据聚合协议EETO。EETO将覆盖目标相关 的节点组成一个簇,簇成员都是簇头的K跳覆盖邻居,相关数据在簇头能得到及时、完全的聚合,大大减少了数据传送量。详细的模拟实验结果表明,EETO有效地减少了能量消耗,显著增强了网络的覆盖寿命。     

无线传感器网络的一种聚合时机控制算法

论文为无线传感器网络提出一种自适应的数据聚合时机控制算法,根据节点在数据聚合树中位置及孩子数的差异,自适应地使用以节点为根的数据聚合子树的最大加权深度值,为节点选择合适的等待时间,以有效进行数据聚合处理。理论分析和仿真实验表明该算法在提高数据回传率、节省能量的同时,能够避免数据的集中发送,提高对用户的响应速度。     

WSN中一种基于时空相关性的网内数据聚合路由协议

无线传感器网络越来越多地应用于各种精确监测中。由于网络中节点的部署密度较大,节点周期性地产生数据,网络中出现大量具有时空相关性的冗余数据,这些冗余数据的传送需要消耗大量的能量。为了减少网络中的数据传输量,降低网络的通信开销,提出了一种基于时空相关性的网内数据聚合路由协议TS-INDAR,通过网内数据聚合技术以及对网络中具有时空相关性数据的控制,减少网路中的数据传输量。TS-INDAR通过路由树的建立最大化重叠路由,以提高网络中数据聚合的几率,通过相关区域和时间抑制对网络中具有时空相关性的数据进行控制,根据事件区域与sink节点之间的距离调整相关区域的大小。与已有路由算法相比,TS-INDAR减少了网络中的通信负载,降低了网络中的能量消耗。仿真结果显示,TS-INDAR在确保监测数据准确性的情况下,网络中的能耗较DRINA算法降低了25%,较EAST算法降低了11.6%。     

不确定数据的决策树分类算法

经典决策树算法不能处理树构建和分类过程中的不确定数据。针对这一局限,将可用于不确定数据表达的证据理论与决策树分类算法相结合,把决策树分类技术扩展到含有不确定数据的环境中。为避免在决策树构建过程中出现组合爆炸问题,引入新的测量算子和聚集算子,提出了D-S证据理论决策树分类算法。实验结果表明,D-S证据理论决策树分类算法能有效地对不确定数据进行分类,有较好的分类准确度,并能有效避免组合爆炸。     

分布式数据流增量聚集

分布式处理是数据流管理中的主流技术，聚集是分布式数据流系统中一种重要的连续查询类型．在分布式数据流环境中，由于需要连续计算聚集值，并且在分布式网络中连续传送聚集值，导致系统的通信开销非常大．为了有效地减少网络中数据流的传输量，提出了一种近似增量聚集算法（approximately incremental aggregate over distributed data stream，AIADDS）．算法增量地计算网络中各个站点的聚集值，只有当聚集值的改变超出给定的闽值才向其他站点传送聚集改变量，这样，可以显著地降低网络的数据传输量．作为算法核心的VSB—Tree能够有效地合并、存储来自孩子站点的聚集值，同时增量地向它的父站点传送聚集改变量．理论分析和实验结果表明，算法是行之有效的．     

物联网访客数据汇聚平台的设计与实现

访客数据的管理是企业和景区安全管理的重要基础。为加强对南京市重点单位的访客人员身份管理,玄武公安联合苏宁总部、中山陵风景区、南京总统府等多家单位开展访客数据汇聚平台的搭建。该系统基于Java语言开发,采用SpringBoot作为项目的基本框架,利用RESTful接口、JSON Web Token、对称加密算法、Socket通信等技术,完成了对该系统的设计。实现了访客身份信息汇聚、员工身份信息汇聚、停车场数据信息汇聚、数据安全加密等功能。主要介绍了MVC的架构模式设计、系统功能的设计与实现以及关键技术的实现等。通过对信息的有效收集和管理,更有力地保障了市民的出行安全,是“互联网+”发展理念的良好体现。     

基于聚合距离参数的改进K-means算法

针对传统K均值聚类（K-means）算法随机选择初始中心及K值导致的聚类结果不确定且精度不高问题,提出了一种基于聚合距离的改进K-means算法。首先,基于聚合距离参数筛选出优质的初始聚类中心,并将其作用于K-means算法。然后,引入戴维森堡丁指数（DBI）作为算法的准则函数,循环更新聚类直到准则函数收敛,最后完成聚类。改进算法提供了优质的初始聚类中心及K值,避免了聚类结果的随机性。二维数值型仿真数据的聚类结果表明,改进算法在数据样本数达到10000时仍能保持较好的聚类效果。针对Iris和Seg这两个UCI标准数据集的调整兰德系数,改进算法比传统算法性能分别提高了83.7%和71.0%,最终验证了改进算法比传统算法聚类结果的准确性更高。     

结合网络编码与存储转发的双向车道内容分发

在双向车道网络中,不同车道上分发的数据内容通常是不相同的,为了减轻丢包率的影响并利用移动车辆的存储转发能力,提出了一种可以结合定向天线的网络编码与存储转发机制来提高数据内容的分发速率。在该机制下,车辆节点驶经反向车道的分发节点时会存储接收到的来自不同车道的数据包,当其成为分发节点后,在分发同向车辆节点所需要的数据内容的同时也会转发反向车辆节点需要的数据包,以此来提高双向车道网络的传输速率。仿真结果显示,对于不同内容的分发,该机制下的分发速率增益接近相同内容分发但无转发机制的速率增益;而对于相同内容的分发,该机制下的分发速率增益可以超过无转发机制的两倍。     

可验证医疗密态数据聚合与统计分析方案

随着移动通信网络的飞速发展,越来越多的可穿戴设备通过移动终端接入网络并上传大量医疗数据,这些医疗数据聚合后具有重要的医学统计分析与决策价值.然而,在医疗数据传输和聚合过程中会出现传输中断、信息泄露、数据篡改等问题.为了解决这些安全与隐私问题,同时支持高效而正确的医疗密态数据聚合与统计分析功能,提出了基于移动边缘服务计算的具有容错机制的可验证医疗密态数据聚合方案.该方案改进了BGN同态加密算法,并结合Shamir秘密共享机制,确保医疗数据机密性、密态数据的可容错聚合.该方案提出了移动边缘服务计算辅助无线体域网的概念,结合移动边缘计算和云计算,实现海量医疗大数据实时处理与统计分析.该方案通过边缘计算服务器和云服务器两层聚合,提高聚合效率,降低通信开销.同时,使用聚合签名技术实现医疗密态数据的批量验证功能,进而保障其在传输与存储过程中的完整性.性能比较与分析表明,该方案在计算与通信开销方面都具备突出优势.     

Approximation algorithm for constructing data aggregation trees for wireless sensor networks

This paper considers the problem of constructing data aggregation trees in wireless sensor networks (WSNs) for a group of sensor nodes to send collected information to a single sink node. The data aggregation tree contains the sink node, all the source nodes, and some other non-source nodes. Our goal of constructing such a data aggregation tree is to minimize the number of non-source nodes to be included in the tree so as to save energies. We prove that the data aggregation tree problem is NP-hard and then propose an approximation algorithm with a performance ratio of four and a greedy algorithm. We also give a distributed version of the approximation algorithm. Extensive simulations are performed to study the performance of the proposed algorithms. The results show that the proposed algorithms can find a tree of a good approximation to the optimal tree and has a high degree of scalability.     

无线传感器网络中的改进数据聚集调度算法

针对现有聚集数据调度近似算法具有较高延时上界的问题,提出一种改进的聚集数据调度近似算法。建立一棵根在中心结点的广度优先搜索树,分层构造一个最大独立集(MIS),使MIS中相邻的2个结点相距两跳。将MIS中的结点连接起来,形成一棵根在中心结点的数据聚集调度树,使结点按数据聚集调度树进行分层数据调度。在数据聚集调度树的构造过程中,对于任意支配点,以最小的结点连接其相距两跳的支配点。对于2个相邻支配点的公共邻居支配点,通过在距中心点最近的支配点加入数据聚集树,使其在数据调度过程中将数据发送给距中心点最近的支配点,从而降低数据的聚集延时。实验结果表明,与SAS算法、Guo’s算法和IAS算法相比,该算法的数据聚集延时更低,其延时上界为14R+△?10。     

基于估计机制的分簇传感器网络数据融合算法

提出了一种基于估计机制的分簇传感器网络数据融合算法.在满足数据精确度要求的前提下,只有当数据的当前值与上一次采集值之差超过某一变化阈值时,才将当前采集数据发送到簇头节点,否则不发送.采用节点剩余能量自适应的簇头选择算法来平衡传感器节点的能耗,使得剩余能量越大的节点当选为簇头的概率越大.推导了使网络能耗最小的最优分簇规模...     

基于相似度的无线传感器网络数据复原汇聚方法

针对现有数据复原汇聚算法的复原汇聚精度低和对网络噪声干扰的稳健性差等不足,提出了一种基于相似度的无线传感器网络数据复原汇聚算法。该算法在分布式数据汇聚模型的基础上,利用重心距离和相关系数来衡量各簇节点感知数据的受攻击程度,并把两者统一在加权系数中,通过加权运算提高了算法的数据复原汇聚精度。此外,利用相关系数对噪声干扰敏感的特点提高了算法对网络噪声干扰的稳健性。理论分析和仿真结果表明,新算法的性能优于现有数据复原汇聚算法。