无线传感器网络中节点故障诊断方法的研究

无线传感器网络中故障节点会产生并传输错误数据,这将消耗节点的能量和带宽,同时会形成错误的决策。利用节点感知数据的空间相似性,提出了节点故障诊断的算法,通过对邻节点所感知的传感数据进行比较,从而确定检测节点的状态,并将测试状态向网络中其他相邻节点进行扩散。该算法对实现故障节点的检测具有较好的性能,实验结果验证了算法的可行性和有效性。     

基于时空特性的无线传感器网络节点故障诊断方法

无线传感器网络中故障节点会产生并传输错误数据,这将消耗节点的能量和带宽,同时会形成错误的决策。利用节点感知数据的空间相似性,提出了节点故障诊断的算法,通过对邻节点所感知的传感数据进行比较,从而确定检测节点的状态,并将测试状态向网络中其他相邻节点进行扩散。对于网络中存在的节点瞬时故障,通过时间冗余的检测方法,降低故障诊断的虚警率。该算法对实现故障节点的检测具有较好的性能,实验结果验证了算法的可行性和有效性。     

WSN中故障诊断性能与平均节点度研究

在基于无线传感器网络的结构健康监测中,故障节点产生并传输的错误数据将消耗节点的能量和带宽,同时会形成结构健康监测的错误决策。针对该问题,提出一种节点故障诊断算法,利用节点感知传感数据的空间相似性,通过对邻节点所感知的传感数据进行比较,确定检测节点的状态,将测试状态向网络中其他相邻节点进行扩散,实现网络中全部节点的故障检测。同时介绍在不同平均节点度下改善故障诊断率的方法。实验结果表明,该算法能够获得较好的性能。     

能量效率和碰撞概率联合优化的协作频谱感知算法

协作频谱感知能提高认知无线电网络的感知性能。随着认知网络频谱感知性能的提高,一方面感知网络将会消耗更多的能量;另一方面次用户拥有更多的机会接入授权频谱,次用户的吞吐量不断增加,同时在通信过程中主用户与次用户发生碰撞的概率也不断增大。本文提出了一种联合优化能量效率和碰撞概率的协作频谱感知算法,通过最优感知检测点判断节点所处信道状态,融合中心舍弃信道状态不好的节点使其不参与数据融合,既消除了信道状态不好的节点对全局判决的不良影响,又提高了能量利用率。仿真结果表明,该算法提高了网络的频谱检测性能,并延长了感知网络的生命周期。     

基于改进型能量检测的加权协作频谱感知算法

针对单节点能量检测法存在的“隐藏终端”和检测准确性低以及协作频谱感知算法大多采用等权重进行数据融合,未考虑不同节点所处的通信环境对检测性能的影响等问题,提出一种基于改进型能量检测的自适应加权协作频谱感知算法。该算法通过对单节点能量检测方法的改进,在单节点检测错误概率最小的条件下,导出了信噪比与判决门限的关系式,利用二分法求得不同信噪比下的动态门限值,得到相应的虚警概率和检测概率,以虚警概率和检测概率的函数作为加权因子进行数据融合。仿真结果表明,所提算法使协作感知系统在低信噪比条件下也能获得可靠的检测性能。     

基于时空冗余数据清除的数据备份算法

传感器节点易受环境影响,会出现节点失效的现象,导致感知数据丢失。然而无线传感器网络是以数据为中心,因此对感知数据进行备份问题的研究显得尤为重要。针对无线传感器网络中数据备份问题,提出基于时空冗余数据清除的数据备份算法(TS_DB),该算法首先用k-means算法对网络分簇,然后挖掘出节点间的关联模式消除空间冗余数据,同时在传感节点建立一元线性回归模型消除时间冗余数据,最后根据簇头的能量进行数据备份。仿真实验表明,TS_DB算法能有效节省节点的能量,对延长网络的寿命具有重要的意义。     

基于节点识别的协作频谱检测算法

在认知无线网络协作频谱感知过程中,感知节点所处的恶劣信道环境会导致本地频谱检测结果发生偏差,有时一些故障节点或恶意节点发送的误导信息来干扰认证网络融合中心的全局判决.根据认知网络感知节点的历史感知信息,将感知节点分为可信节点、不可信节点和故障或恶意节点,提出了一种基于节点识别的协作频谱检测算法.在该算法中,融合中心舍弃故障或恶意节点,使其不得参与数据融合,同时也不考虑不可信节点当前发送的本地检测结果.这样,一方面消除了故障或恶意节点对全局频谱判决的影响,另一方面降低了融合中心计算复杂度.仿真结果表明,该算法能有效克服故障或恶意节点的干扰,提高认证网络协作频谱检测性能.     

无线传感器网络中一种近似Skyline 查询处理算法

由于无线传感器网络的能源有限,且在许多应用中Skyline查询的部分结果即可满足用户需求,提出了一种近似Skyline查询处理算法,在满足用户查询需求的前提下最大化地节省能量.该算法仅需无线传感器网络中的部分传感器节点回传其感知数据即可计算出Skyline查询的一个近似结果集.由于该算法在处理查询时,每个传感器节点只需考察自身数据信息即可决定是否回传其感知数据,而无须与其他传感器节点的感知数据进行比较,因此可以避免大量的网内通信开销,从而节省网络能源.模拟环境下的大量实验结果表明,该算法可以根据用户的应用需求,节能地处理传感器网络中的近似skyline查询.     

一种适用于复杂环境的冗余检测算法

在无线传感器网络中,由于节点能耗的不均衡导致节点感知半径的不同.针对这种复杂环境的应用,提出了一种分布式冗余检测算法,给出了相应的冗余检测准则,并对该准则的合理性进行了理论分析.在保持网络原始覆盖质量的前提下,能够更充分地检测冗余节点.仿真实验表明,复杂环境中节点感知半径相同时,算法激活的工作节点数目少,冗余检测完整;感知半径不同时,算法仍能充分、有效地检测冗余节点,从而节省能量、延长网络生存时间.     

基于Agent的协作频谱感知算法

为了提高认知无线电频谱感知技术的性能, 提出一种新的基于Agent的协作频谱感知算法。该算法在本地检测中使用多门限能量检测,同时将认知节点估计的信噪比的值发送到Agent控制中心,在控制中心根据每一个认知节点发送的信噪比的值和该节点与发射机的距离进行权衡,选取可靠性和有效性较高的认知节点参与判决融合。仿真结果表明,该算法能够很好地提高认知无线电网络的协作频谱感知能力,同时在一定程度上减少了原有协作感知算法中参与感知节点的数目。     

分簇式无线传感器网络节点故障诊断算法研究

无线传感器网络(WSNs)分布式节点故障诊断算法是一种可用于WSNs节点的故障诊断算法,通过整个网络内邻居节点之间的数据融合诊断出故障节点.但分布式算法的计算量十分巨大,浪费了大量的节点能源,而且分布式算法中使用自定义的全局阈值会降低诊断精度,分簇式的节点故障诊断算法应用LEACH-DFD算法,通过簇头节点完成故障检测...     

一种基于簇的移动自组网络被动式故障比较诊断算法

针对移动自组网络中的应用层故障,讨论并分析了已有基于比较的故障诊断算法和基于簇的比较诊断算法存在的问题,提出基于簇的被动比较诊断算法。该算法基于分簇算法将移动自组网络划分为若干簇,由簇首负责本簇节点的故障诊断。在完成全网节点初始诊断后,簇内对节点的诊断无需专门诊断报文,而是在正常通信数据报文中增加诊断结果字段,基于比较模型,实现对节点状态的诊断。该算法由于无专门诊断消息,因此不会出现基于比较算法中诊断消息在整个网络中洪泛的情况,大大降低了其它算法中诊断消息所造成的系统开销。该算法还克服了网络拓扑变化频繁时已有算法存在的节点无法诊断和频繁触发诊断的问题。     

基于节点相似性的WSNs故障检测方法研究

针对目前多数无线传感器网络分布式故障检测的算法都以假设故障节点数据为离群值为基础,存在局限性的问题。提出一种基于节点相似度比较的无线传感器网络故障检测方法,簇头节点根据簇内节点数据的时空相关性,进行节点相似性度量,实时调整节点可信水平,并采用最优函数计算出当前实验的最优阈值(0.8)进行故障节点的判断。通过仿真实验证明:针对不同的故障模型,算法保持了良好的故障检测能力,一定程度上解决通用性问题。     

基于RSOPNN的无线传感器网络节点故障诊断算法

针对无线传感器网络节点故障诊断中存在的冗余故障属性、噪声数据以及数据可靠性等问题,提出基于粗糙集-优化概率神经网络的无线传感器网络节点故障诊断算法（简称RSOPNN）。通过粗糙集从故障样本属性集合中求解故障诊断属性约简,从而去除冗余故障属性,降低冗余属性、噪声数据对故障诊断的影响,节省能耗。对于多个属性约简选择,以属性间的相关程度作为度量标准,代替常规的主观选择,从多个约简中确定最优故障诊断属性约简,解决主观选择的不合理性。以最优的故障诊断属性重构故障样本,作为优化概率神经网络的输入,建立故障分类模型,从而对故障进行诊断。实验结果表明,在不同的数据可靠性下,RSOPNN方法能够有效删减样本中的冗余属性和噪声数据,保持高效的故障诊断水平,符合无线传感器网络的需求。     

基于邻居节点预状态的无线传感器网络故障诊断算法

针对无线传感器网络（WSN）故障节点率高于50%时故障检测率降低的问题,提出一种基于邻居节点预状态及邻居节点数据的无线传感器节点故障诊断算法。首先利用节点自身历史数据对节点状态进行初步预判断;然后结合节点间相似性和邻居节点的预状态对节点状态进行最终的判断;最后利用移动传感器节点将故障节点信息通过最优路径发送给基站,有效地减少了通信次数。仿真实验在100 m×100 m的方形区域内模拟WSN。实验结果表明,与传统的分布式故障诊断（DFD）算法相比,诊断精度提升了9.84个百分点,并且当节点故障率高达50%时,该算法仍能达到95%的诊断精度。在实际应用中,所提算法在提高故障诊断精度的同时,能有效地减少能量消耗、延长网络寿命。     

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。     

基于最小覆盖集的WSN数据聚集算法

针对无线传感器网络(WSN)能量有限且网内聚集错误检测率较低的问题,提出一种基于最小覆盖集的WSN数据聚集算法。构造一颗以汇聚节点为根并包含最少中间转发节点的树,其中间转发节点为树的最小覆盖集。在中间转发节点中引入读向量的相似性判断,以去除网内冗余及错误数据。实验结果表明,该算法能减少网内通信能耗,提高收集数据的准确性。     

基于最优连通功率控制的WSNs跨层路由优化算法

针对非连通区域节点空洞效应和热点区域节点间通信干扰导致的路由服务质量（QoS）下降问题,提出了一种基于最优连通功率控制的无线传感器网络（WSNs）跨层路由优化算法。算法采用自适应最优连通功率控制策略,在避免路由空洞产生和保证网络连通性条件下,降低热点区域节点数据转发竞争干扰;通过位置信息、剩余能量和干扰等级的跨层信息交互,动态选取最优转发节点,提高网络整体性能。仿真实验表明：算法能够提高路由（QoS）、优化网络生命周期和降低热点区域通信干扰。     

一种无线传感器网络节点的故障检测算法

在无线传感器网络(WSN)中,容易因为故障节点存在冗余的故障属性、噪声数据以及数据可靠性等问题,从而产生传输错误数据,这将极大地消耗WSN节点中能量和带宽,向用户形成错误的决策。为此,提出了基于蚁群算法和BP神经网络模型的WSN节点故障检测方法。通过使用蚁群算法,使用户通过寻找优化路径来定位WSN节点的位置,通过这种随机搜索算法以及蚁群算法的搜索策略使用户对WSN故障节点的位置进行总体把握。然后又基于BP神经网络模型对获取的WSN故障节点信息进一步学习,在数据训练过程中,依据WSN故障节点预测误差,并进一步调整网络的权值和阈值,增加了故障诊断的精度。采用的算法对检测WSN故障节点具有较好的性能,使无线传感器网络的服务质量大大提高,增强了系统的稳定性,实验结果验证了算法的可行性和有效性。     

一种满足数据时新性的WSN运载路由算法

为满足无线传感器网络应用的数据时新性,综合节点传送数据和移动设备辅助传送数据2种方式的优点,提出一种能量高效的运载路由算法。通过计算移动设备的最优接收数据位置,规划移动设备的路径,降低传感器节点的能量消耗,由此提高网络性能。模拟结果表明,该算法能在保证数据时新性的前提下,较大地减少网络能耗。