无线传感网中延迟受限的生命周期最大的数据收集算法

无融合数据收集是无线传感网络中最重要的技术之一.在持续实时的监测应用中,网络生命周期和网络传输延迟是衡量数据收集性能的两个重要指标,已有的研究大多侧重于某单一性能指标,而较少关注多性能的折衷优化.因此,本文研究了如何构造一棵延迟受限的生命周期最大的数据收集树,并将该构造问题形式化为一个整数规划问题,提出了有效的数据收集算法-EDG.该算法首先利用MITT方法构造生命周期近似最优的数据收集树,然后对“瓶颈节点”进行路径调整以使其满足延迟约束.仿真结果表明,与无延迟约束的MITT算法相比,EDG算法能在保证网络传输延迟的前提下,使其网络生命周期在大多数情况下达到MITT的90％以上.     

传感网中延迟限定的非汇聚数据移动式收集

在大规模的无线传感器网络中收集数据,不仅需要考虑节点的能量消耗,而且还需要考虑数据收集延迟.如何有效地均衡节点的能量消耗,同时最小化数据收集延迟,是一个具有挑战性的问题.为了均衡节点的能量消耗,利用移动数据收集器收集数据.以此为基础,提出一种DC-Collection算法来解决数据收集延迟和能耗的问题.首先,在网络中构造最短路径树,网络非连通时,不同的网络子图可以构造多棵最短路径树,它们构成一个最短路径树集合;其次,在每一棵最短路径树上选取部分节点作为采集节点和逗留节点,使得以采集节点为根的限高树的高度不超过h,且在每个采集节点的通信区域内至少有一个逗留节点;再次,在每棵限高树内调整树的结构,让能量高的节点承担更多的子孙节点,最大化限高树的生命周期;最后,移动数据收集器从Sink出发,遍历逗留节点所在位置收集数据,最终回到起点,并将数据发送给Sink.通过理论分析和大量仿真实验,其结果表明:与现有的数据收集协议相比,DC-Collection不仅能够均衡各节点的能量消耗从而延长网络生命周期,而且能够缩短移动数据收集器收集数据行走的路径长度,从而缩短数据收集延迟.     

无线传感网中最大化生命的延迟优化算法

针对一些实时性要求比较高的应用场景,如地震监测、火警探测等,提出一种限定延迟的最大化网络生命周期算法DCLB(Delay-Constrained and Load-Balance data aggregation algorithm)。DCLB以一棵具有最小跳生成树为基础,在满足限制树高的前提下,迭代的转移树上负载最大节点的子孙到负载小的节点上去。实验表明,与目前已有算法相比,DCLB算法具有更低的时间复杂度,能有效地减少延迟并延长树的生命周期。     

可充电传感网中移动式能量补给及数据收集策略研究

可充电无线传感器网络是一种新型的无线传感网,它利用移动充电车在收集数据的同时给能量低的节点充电,可广泛应用于需要长期监测环境的应用中。但是,移动充电车如何在给定的延迟内完成数据收集,降低网络能耗并尽可能多地给低能量节点补充能量是一个具有挑战性的问题。因此提出一个新的算法RSEP(Root Selection with Energy Prediction)。首先,限定充电车的路径长度以保证延迟。然后,将路径上的低能量节点作为根节点,构造多棵数据收集树。若根节点能量可以保证其短期内不会死亡,则从树中寻找一条等于树的直径的路径。在该路径上选取网络中邻居最多的节点作为新的根节点,以改变树的结构来降低树高。树上的节点将它们的数据及能量信息沿着树传送到根节点。最后,移动充电车沿着充电路径为各个根节点充电时,就可以收集各个树上节点的数据及能量信息。此外,充电车收集到的能量信息会随着时间推移而“过时”,而能量信息是根节点选择时的重要参考因素。因此,充电车利用马尔科夫模型预测节点在下一轮数据收集开始时的能量,从而优化根节点的选择。仿真实验结果表明,与目前已有的算法相比,RSEP算法可以以较少的网络总能耗完成充电,并且每轮充电时间均较短。     

WSN中面向数据收集的网络拓扑构造算法

针对现有无线传感器网络中数据收集延迟较大的问题,提出一种优化的网络拓扑构造算法用于实现数据收集。从给定网络全连通图中找到符合条件的k个顶点的子图,使得k个顶点间的距离平方和最小化,采用Hungarian方法进行边的约简,直到得到一棵生成树,构造分布式的网络拓扑以提高适应性,从而降低控制开销。理论分析和仿真结果表明,该算法在数据收集延迟以及网络生命周期等方面均优于传统的单链、单簇2跳,以及最小生成树等数据收集算法。     

传感器网络中基于树的最大生命精确数据收集

在节点密集部署的多跳传感器网络中,精确数据收集使得越靠近Sink节点的传感器节点需要承担越多的数据转发量,能量消耗很快,容易造成“热区”,缩短了网络生命周期.为了最大化网络生命周期,需要构造生命周期最大的生成树,但这属于NP完全问题.无须知道节点的位置信息,提出一种算法MAXLAT来解决这个问题.算法以一棵Sink拥有最多孩子的生成树为基础,并根据节点负载的大小将树上节点分别定义为瓶颈节点、次瓶颈节点和富裕节点.然后,通过对所有节点进行着色,不断转移瓶颈节点的子孙,到富裕节点的子树上去.算法结束时,得到一     

一种新型无线传感器网络数据收集生成树

针对无线传感器网络精确数据收集,提出一种分布式生成树算法MLT.算法以一颗最小功率生成树为基础,在收集数据过程中不断统计节点剩余能量大小,找出瓶颈节点并与sink中存储的阈值比较,若低于阈值则转移瓶颈节点负担,优化树结构.研究表明随着阈值的增加网络生命周期先不断增大然后不断减小,阈值取值的合理性有效避免了因过于频繁变更树结构导致的额外能量消耗,使得所有节点能量较为均衡并延长了网络的生命周期,仿真实验验证了算法的有效性.     

面向带状无线传感网低延迟可靠数据收集算法

带状无线传感网为长距离带状分布，现有的数据收集算法无法很好解决其数据收集延迟较大的问题。提出了一种主动定位移动Sink的数据收集算法DCFAN（Data Collection based on Forwarding of Agent Nodes），DCFAN构建移动Sink的同步代理节点以及存储同步代理节点的线节点序列，通过获取同步代理节点转发感知数据到Sink汇聚点。仿真结果表明，DCFAN算法能有效降低网络节点能耗以及数据收集延迟，同时提升数据收集率，适用于对数据收集延迟具有一定要求的带状无线传感网应用场景。     

WSN中一种基于拓扑优化的数据收集方案

针对现有数据收集方法的不足,提出一种优化的网络拓扑构造算法来实现数据收集。该算法首先从给定的网络全连通图中找到符合条件的k个顶点的子图,使得k个顶点间的距离平方和最小化,然后采用Hungarian算法来实现边的约简,直到得到一颗生成树。另外,为了降低控制开销,还提出一种分布式的网络拓扑构造算法,提高算法的适应性。理论分析和仿真实验结果表明,该方法是有效的,在数据收集延迟以及网络生命周期等方面要优于传统的方法。     

传感器网络中基于树的分布式数据收集算法

数据收集是传感器网络的根本任务,由于传感器网络节点能量有限、易失效等因素,如何设计一个低能耗的、可扩展性强的数据收集机制是传感器网络的一个关键问题。为此,提出一种基于树的分布式数据收集算法,其基本思想是：基站发送广播信息,根据节点到基站的最小跳数构造出网络的层次结构,由层次结构生成以基站为树根的树型传输网络,并基于该网络模型收集数据。理论分析和仿真实验表明该算法具有较低的复杂度,能有效地延长网络的生命周期,并具有良好的扩展性和容错性。     

WSN中一种基于多sink的快速数据收集算法

数据收集问题是无线传感器网络中的研究热点之一。数据收集方式会影响数据到达sink的准确度、延迟以及网络的能量消耗。针对时间响应和数据准确度要求高的应用,提出了一种基于多sink的快速数据收集算法（QDGA）。sink利用已知的全局信息和计算能力构建出基于最小度的数据收集森林进行任务分发,得到网格粒度最优的数据收集策略,网格内的普通节点通过时隙分配来进行数据收集,并可以根据自身的局部信息动态调整数据收集路径。仿真实验表明,相对于已有的方法,QDGA在保证网络生命周期的前提下,能够有效降低延迟以及提高数据收集的准确率。     

WSN中基于树的负载均衡的数据收集算法

部署无线传感网络WSNs(Wireless Sensor Networks)的根本目的在于数据收集.然而,节点能量有限特性给具有低能耗的数据收集算法的设计提出了挑战.为此,提出基于树的负载均衡的数据收集TLBDG(Tree-based Load Balanced Data Gath-ering)算法.TLBDG算法构建了一棵以基站为根的负载均衡的数据收集树,并以最小跳数路径转发数据包.TLBDG算法具体思想为:先依据节点离基站的跳数形成层次结构,然后再生成以基站为根的树型数据传输路道.实验结果表明,提出的TLBDG算法能够均衡负载,并延长生命周期.     

无线传感器网络中一种基于移动Sink的数据收集算法

针对移动无线传感器网络设计一种不依赖于节点地理位置的基于移动汇聚节点(Sink)的数据收集算法(Mobile Sink-based Data Gathering,MSDG)。该算法解决了无线传感器网络中多跳路由通信时出现能量空洞的"热点"问题。Sink沿途以最近的固定节点作为根节点动态构建路由树。簇内移动节点感知的数据经簇头进行数据融合计算,然后将融合后的数据沿路由树反向逐跳转发给Sink。仿真结果表明,MSDG在节点的平均能耗和网络生存时间等方面的性能远超过LEACH、ACE-L等数据收集协议。     

一种传感器网络最大化生命周期数据收集算法

从理论上分析了最大化网络生命周期的数据收集问题.主要做了以下4项工作:(1)分析了简化的静态路由模式,其中只有一棵路由树用于收集数据.(2)分析了真实的动态路由模式,其中有一系列的路由树用于收集数据.(3)提出了一种近似最优的最大化网络生命周期的数据收集和聚集算法MLDGA,MLDGA一方面试图最小化每轮数据收集中所消耗的总能量,另一方面试图最大化每轮数据收集中所使用的路由树的生命周期.(4)用Java语言实验模拟了MLDGA算法,并与现有的算法进行比较.实验结果表明,无论基站的位置还是传感器的初始能量发生变化,MLDGA都取得良好的性能,而现有的数据收集算法只适应于特定的变化.     

Optimal wake-up scheduling of data gathering trees for wireless sensor networks

In order to gather sensor data, a data gathering tree is commonly created as a subnetwork of a wireless sensor network. Power conservation is of paramount importance in such networks, and using periodic sleep–wake cycles for sensor nodes is one of the most effective methods for power conservation. This paper addresses the problem of scheduling the sleep–wake cycles of nodes in a data gathering tree under deadline constraints. After formally modeling the problem being addressed, an optimal wake-up frequency assignment (OWFA) algorithm, which takes into account the data rate at each node and the total permitted delay, is proposed. The results of simulations under various conditions showed that OWFA consumed about 8.6%∼24.3% less average power, and thus resulted in a 7.4%∼26.0% longer network lifetime, than a previously proposed method that did not consider individual data rates.     

Network lifetime maximization for time-sensitive data gathering in wireless sensor networks

Energy-constrained sensor networks have been widely deployed for environmental monitoring and security surveillance purposes. Since sensors are usually powered by energy-limited batteries, in order to prolong the network lifetime, most existing research focuses on constructing a load-balanced routing tree rooted at the base station for data gathering. However, this may result in a long routing path from some sensors to the base station. Motivated by the need of some mission-critical applications that require all sensed data to be received by the base station with minimal delay, this paper aims to construct a routing tree such that the network lifetime is maximized while keeping the routing path from each sensor to the base station minimized. This paper shows that finding such a tree is NP-hard. Thus a novel heuristic called top-down algorithm is presented, which constructs the routing tree layer by layer such that each layer is optimally extended, using a network flow model. A distributed refinement algorithm is then devised that dramatically improves on the load balance for the routing tree produced by the top-down algorithm. Finally, extensive simulations are conducted. The experimental results show that the top-down algorithm with balance-refinement delivers a shortest routing tree whose network lifetime achieves around 85% of the optimum.     

面向可靠性和能耗优化的可压缩数据收集方案

现有的无线传感器网络（ WSNs）数据收集方法无法在耗费较低开销的同时保证数据收集的可靠性。基于压缩感知（ CS）理论,设计了基于指数核函数的稀疏矩阵和基于准循环低密度奇偶校验（ LDPC）码的测量矩阵来用于节点的数据采集,以最大化网络生命周期为目标,将测量值传输问题建模为汉密尔顿回路问题,并提出了一种基于树分解的数据收集路径优化算法。仿真实验结果表明：所提方案在数据重构误差和能耗方面的性能要优于目前典型的数据收集方法。     

Swarm Intelligent Compressive Routing in Wireless Sensor Networks

This article proposes a novel algorithm to improve the lifetime of a wireless sensor network. This algorithm employs swarm intelligence algorithms in conjunction with compressive sensing theory to build up the routing trees and to decrease the communication rate. The main contribution of this article is to extend swarm intelligence algorithms to build a routing tree in such a way that it can be utilized to maximize efficiency, thereby rectifying the delay problem of compressive sensing theory and improving the network lifetime. In addition, our approach offers accurate data recovery from small amounts of compressed data. Simulation results show that our approach can effectively extend the network lifetime of a large‐scale wireless sensor network.