无线多媒体传感器网络能量均衡的多跳图像传输机制

针对由普通节点和图像节点组成的异构无线多媒体传感器网络,提出了基于图像节点邻域协作压缩的多跳图像传输机制MHIT。该机制在发送图像前,首先根据传输距离和路由跳数判断是否需要压缩图像,若压缩图像后再传输消耗更多能量,则直接发送图像;否则,图像节点将图像压缩任务分发给邻域内的普通节点协作完成,均衡了网络能量消耗,极大地缓解了图像节点的能耗压力。实验结果表明,MHIT有效解决了无线多媒体传感器网络因图像压缩而引发的能量空洞问题,明显延长了网络生存期,特别适合于大规模无线多媒体传感器网络远距离图像传输。     

井下无线多媒体传感器网络图像传输技术研究

本文在分析分布式视频编解码技术具有低复杂度、低存储、低能耗的特点以及无线多媒体传感器网络具有自组织性、放置灵活、移动性强等特点后;根据煤矿巷道狭长的特点,设计一种煤矿井下救灾应急通信系统,并以此系统框架为基础提出了适于井下长距离分布式图像编码传输技术和基于伙伴协助的图像传输方案:多媒体节点将采集到的图像首先进行量化处理,然后将压缩任务分布到伙伴节点,伙伴节点将压缩后的数据传输给簇首,最后由簇首转发该压缩数据至汇集节点,在地面的服务器上进行解压缩和数据融合,合成分辨率较高的图像。最后通过与传统三种基于簇的图像传输方案比较,本文提出的基于伙伴协助的视频流传输方案极大地缓解了多媒体节点的能耗压力,很好地平衡了网络节点能耗,更能有效地延长网络的生命周期。     

一种改进的LEACH模型及其仿真分析

为了最大限度地延长无线传感器网络生命周期,对无线传感器网络传统路由算法低功耗自适应聚类LEACH进行改进,改进后的算法命名为LEACH-EC.在广播阶段选取簇头节点时引入高概率选取机制,根据节点的剩余能量和节点的集中度选取簇头节点,选取的簇头节点兼顾了节点剩余能量和节点分布状况.实验结果表明,LEACH-EC算法选取的簇头节点性能较优,能有效地减少簇内节点传输能量消耗.因此,LEACH-EC算法能够均衡无线传感器网络能耗负载,延长无线传感器网络生命周期     

基于云安全模型的簇状树形无线传感器网络路由协议

由于传统的簇状树形无线传感器网络路由协议簇首能耗方差较大,导致存活节点数量和节点剩余能量较少,降低了无线传感器网络的使用寿命,为此设计一种基于云安全模型的簇状树形无线传感器网络路由协议。通过计算簇状树形无线传感器网络在接收与发送数据时的传输能耗,利用云安全模型获取云安全态势各种要素之间的不确定关系,预测节点的综合信任值,以预测结果为基础,采用蚁群算法获取分区节点的最优路径,完成簇状树形无线传感器网络路由协议。实验结果表明,本文设计的路由协议簇首能耗方差较小,存活节点数和节点剩余能量更多,接收数据包量比其他2种协议分别高出了48.1%和22.6%。由此可见,本文设计的路由协议延长了簇状树形无线传感器网络的使用寿命。     

基于分簇的无线传感器网络Top-K数据查询算法

Top-K数据查询是无线传感器网络的一个重要应用,如何节省能耗是Top-K数据查询的一个重要课题.针对传统的Top-K数据查询是多跳传输,节点过滤窗口更新代价大等缺点,提出一种基于分簇的无线传感器网络Top-K数据查询算法.通过对节点进行分簇进而减少数据的传输跳数,通过设置过滤器值对数据过滤,减少冗余数据的传输,增加探寻过程,保证数据的完整性和可靠性,实现降低网络节点整体通信能耗的目的.仿真结果表明:与传统算法相比,该算法可有效降低网络的整体能耗,提高能量有效性.     

层次拓扑结构的无线传感器网络能量模型

能耗效率是无线传感器网络中非常重要的性能指标。为了提高网络能耗效率,研究无线传感器网络中的能量模型是非常必要的。针对无线传感器网络层次拓扑结构模型,根据传感器节点工作能耗特点和在网络中承担的不同角色,推导出普通传感器节点、簇头节点能耗模型;并对单跳和多跳两种传输方式的网络能耗以及能耗最小时的最优簇头数进行理论分析和计算,对比了不同传输方式的网络能耗。通过理论分析推导出网络能耗和最优簇头数公式,将为设计能量有效的无线传感器网络拓扑结构算法和通信协议提供指导和理论基础。     

一种基于能量和时延的动态分簇算法

在无线传感器网络中,传感器节点的能量由电池提供,有时难以更换。因此,降低能耗是目前无线传感器网络设计中一个很重要的技术问题。通过对层次型路由协议的研究,提出了一种基于能量和时延的动态分簇算法,该算法通过动态地确定每一轮数据收集时无线传感器网络中的簇头数目,从而在满足不超过网络最大延迟时间的基础上,使网络能耗达到最小,最大延迟时间由Sink节点确定。通过仿真实验与传统的LEACH和PEGASIS协议进行比较,结果表明,该算法有效地减少了网络能耗,同时显著降低了传输时延。     

基于博弈理论的农田能量异构网络节点协同资源利用

针对无线传感器网络中耗能不均问题,以及可再生能源节点在农田无线传感器网络中应用的具体情况,将博弈理论引入无线传感器网络能耗问题研究中,建立了基于博弈理论的节点成簇方法,实现提高可再生能源利用率、均衡非可再生能源节点能耗的目标。方法首先建立簇收益与簇内节点收益评估模型,进行簇收益计算、簇内的两类能量异构节点个体收益的计算。在计算簇收益和节点收益的基础上进行节点成簇博弈,使得成簇方案向收益更高的策略空间进行跳转,最终达到博弈中的均衡状态。仿真实验表明,通过博弈进行无线传感器网络成簇,能够充分利用可再生能源节点能量,降低和均衡非可再生能源节点能耗,最终达到延长网络寿命的目标。     

认知无线传感网络中基于簇的地理位置路由方案

针对面向传感网络设计的簇和数据路由算法无法直接应用于认知无线传感网络的问题,给出一种认知无线传感器网络中基于簇的地理位置路由方案。所给方案先利用频谱感知信息与剩余能量构建簇,然后把剩余能量大于阈值且距离信宿更近的节点作为下一跳转发节点,从而使得具有最低通信成本的路径传输数据。仿真结果表明,相比于基于频谱感知的簇多媒体路由方案和移动增强的可靠机会路由方案,所给方案在能耗和端到端传输时延方面均能得到有效控制,所给方案的能耗降低了6.0%~ 9.2%,平均时延降低了8.6%~ 16.2%。     

基于分簇算法能量优化的研究

分簇算法是有效解决无线传感器网络节点能耗受限与不同节点能量开销不平衡问题的主要方法之一.分簇算法中簇群成员节点和簇首的通信方式与簇群的拓扑结构决定整个簇群的能量消耗速度.通过建立簇半径与能量消耗关系模型,基于不同的约束条件和优化目标,优化簇半径取值使网络能耗达到最小化.方法仿真结果表明选取适当的分簇半径能够减少网络的能量消耗,均衡网络负载,延长网络的生存期,对无线传感器网络的能量优化设计有一定的参考价值.     

A two-hop clustered image transmission scheme for maximizing network lifetime in wireless multimedia sensor networks

In traditional wireless sensor networks, normal sensor nodes which measure scalar physical phenomena like temperature, pressure and humidity usually compress the data before sending them out to minimize the communication energy consumption. However, this strategy may not be suitable for image transmission in wireless multimedia sensor networks. In the traditional clustering structure, when the camera-equipped node or the cluster head compresses the images, an energy hole will appear. This is a key factor that affects the lifetime of the network. To avoid the energy hole problem, a two-hop clustered image transmission scheme is proposed in this paper. In the proposed scheme, many redirectors are used to compress and forward the images for the purpose of reducing energy consumption of the camera-equipped node and the cluster head. With adaptive adjustment of the transmission radius in the camera cluster and tasks allocation based on the residual energy of the normal sensor nodes by the camera-equipped node, the energy consumption of the nodes in the network is balanced. The experimental results show that the proposed scheme can prolong the network lifetime dramatically in the case of the sensor nodes deployed densely.     

面向无线多媒体传感器网络的JPEG 2000图像编码算法

在资源受限的无线多媒体传感器网络(WMSNs)中进行图像编码和传输需要综合考虑能量消耗、压缩率和图像质量三者之间平衡的图像编码方案。对基于离散小波变换的图像编码算法的能耗进行建模分析,提出了一种适用于WMSNs的能量有效的JPEG 2000图像编码算法,根据网络条件和图像质量的限制,使用查找表来选择适当的量子化层级和小波变换层级以减少能量消耗。并采用半可靠的方案进行图像传输,节点根据剩余能量和数据优先级来决定转发或丢弃。仿真实验结果表明:所提出的方法能够在保证所要求图像质量的情况下,有效地降低无线传感器节点的计算和通信能耗。     

基于LBT的无线传感器网络多节点协同图像压缩算法

针对WMSNs能量、存储、处理能力严重受限的特点,一些学者提出了"在网计算"的思想,对实现WMSNs中大尺寸、高分辨率图像的压缩和传输极具指导意义.基于簇结构,本文提出一种基于LBT的多节点协同图像压缩算法(MCIC,Multi-node Cooperative Image Compression),即采用低复杂度、高压缩效能的LBT图像压缩算法,通过多个中继节点协作,共同完成图像的压缩编码和转发任务.实验及仿真结果表明,该多节点协同图像压缩算法在高压缩比情况下的重建图像质量远远优于JPEG2000;采用该方案能极大地缓解相机节点的能耗压力,进而延长网络生命周期.     

Low-complexity and energy efficient image compression scheme for wireless sensor networks

Currently most energy-constrained wireless sensor networks are designed with the object of minimizing the communication power at the cost of more computation. To achieve high compression efficiency, the main image compression algorithms used in wireless sensor networks are the high-complexity, state-of-the-art image compression standards, such as JPEG2000. These algorithms require complex hardware and make the energy consumption for computation comparable to communication energy dissipation. To reduce the hardware cost and the energy consumption of the sensor network, a low-complexity and energy efficient image compression scheme is proposed. The compression algorithm in the proposed scheme greatly lowers the computational complexity and reduces the required memory, while it still achieves required PSNR. The proposed implementation scheme of the image compression algorithm overcomes the computation and energy limitation of individual nodes by sharing the processing of tasks. And, it applies transmission range adjustment to save communication energy dissipation. Performance of the proposed scheme is investigated with respect to image quality and energy consumption. Simulation results show that it greatly prolongs the lifetime of the network under a specific image quality requirement.     

基于CC2420与ZigBee的无线多媒体传感器网络通信机制*

设计了一种ATmega128L为控制器、CC2420为RF收发器的无线多媒体传感器节点的体系结构。结合ZigBee通信协议栈与多媒体传感器网络自身特点,对IEEE 802.15.4帧格式的部分域进行了全新定义,以适应无线多媒体传感器网络传输数据量大的要求。相对于普通传感器网络的单帧确认模式,给出了一种无线多媒体传感器网络的分组确认的通信机制实现方案,并通过实验验证了该方法的正确性与可行性。结果表明,本方法减少了传输时间和能耗,有效延长了节点生存期。     

基于WMSNs的图像数据传输系统设计与实现

无线多媒体传感器网络（ WMSNs）节点存在功耗大、体积大和抗损毁性差等问题,且不适合大规模使用。该研究围绕WMSNs节点的关键技术展开研究,设计并实现了一个图像数据无线传输的低功耗、高效率的系统,该系统采用三层网络结构进行图像数据无线传输,构造了性能优化、结构优良的WMSNs,以此解决了WMSNs的图像传输关键问题。在搭建的开发与测试环境中,完成了节点通信距离的测试和节点功耗测试。测试结果表明：该测试平台性能良好,能够实现图像数据的可靠传输。该研究为WMSNs图像数据传输系统设计提供研究基础和思路。     

一种改进的无线多媒体传感器网络分布式图像压缩算法

针对无线多媒体传感器网络(WMSNs)中单个节点资源严重受限而难以直接处理和传输图像的问题,在分布式渐进图像压缩算法(DICA)的基础上,提出了一种改进的基于簇内分布式处理的图像压缩算法(ICDP),即在每个簇内通过能量优先选择原则选取辅助节点来协同完成JPEG2000图像压缩标准中的多级小波变换,从而实现图像的分布式处理和压缩。仿真结果表明,与DICA算法相比,ICDP算法能够在保证图像重建质量和压缩比相同的前提下,更好地平衡网络中各节点能耗,延长了网络的生命周期,更适合应用于资源受限、节点部署密集的WMSNs中。     

WMSNs图像传感器节点节能研究

提出了一种基于压缩感知理论的低能耗WMSNs图像传感器节点。采用压缩感知(CS)理论,通过对半原始数据稀疏采样来降低后续量化编码的数据量,并能降低节点图像处理复杂度,平衡图像处理和数据传输之间的能量消耗。通过建立能耗模型和Matlab仿真表明,与JPEG相比,采用基于压缩感知理论的压缩编码算法可以有效降低整个节点的能耗。     

A dynamic programming approach: Improving the performance of wireless networks

Traditional wireless networks focus on transparent data transmission where the data are processed at either the source or destination nodes. In contrast, the proposed approach aims at distributing data processing among the nodes in the network thus providing a higher processing capability than a single device. Moreover, energy consumption is balanced in the proposed scheme since the energy intensive processing will be distributed among the nodes. The performance of a wireless network is dependent on a number of factors including the available energy, energy–efficiency, data processing delay, transmission delay, routing decisions, security architecture etc. Typical existing distributed processing schemes have a fixed node or node type assigned to the processing at the design phase, for example a cluster head in wireless sensor networks aggregating the data. In contrast, the proposed approach aims to virtualize the processing, energy, and communication resources of the entire heterogeneous network and dynamically distribute processing steps along the communication path while optimizing performance. Moreover, the security of the communication is considered an important factor in the decision to either process or forward the data. Overall, the proposed scheme creates a wireless “computing cloud” where the processing tasks are dynamically assigned to the nodes using the Dynamic Programming (DP) methodology. The processing and transmission decisions are analytically derived from network models in order to optimize the utilization of the network resources including: available energy, processing capacity, security overhead, bandwidth etc. The proposed DP-based scheme is mathematically derived thus guaranteeing performance. Moreover, the scheme is verified through network simulations.