基于二次Bezier曲线的无线传感网避障路径规划研究

用固定Sink节点进行无线传感网内数据采集的传统方式会导致热点区域(hot spot)问题,而采用移动Sink节点进行数据采集可以克服这个问题,从而达到均衡网络能量分布与延长网络生命周期的效果.本文针对类车型机器人作为无线传感网中移动数据汇聚节点的应用场景,提出了一种基于Bezier连续曲线的移动Sink节点避障路径规划算法.本文构建了连续分段Bezier曲线为巡航轨迹,采用人工势场中的斥力场理论实现对多个障碍物的智能躲避,动态调节二次Bezier曲线的内部控制点位置,将障碍物排斥在二次Bezier曲线之外.仿真结果验证本文提出的算法可以实现移动Sink节点规划路径的避障功能,同时Bezier曲线规划算法简单,计算量较小.     

Sink节点移动的三维无线传感网数据收集算法研究

为克服三维静态无线传感网中的能量空穴问题和提高网络生存时间,考虑Sink节点移动,提出一种Sink节点移动的三维无线传感网数据收集算法(DCA-TWSN),在DCA-TWSN中,提出三维环境下的正方体网格划分方法,建立包括Sink 移动路径选择约束、数据流量约束、能耗约束、链路约束等约束条件的数据收集优化模型,采用最优化方法求解已知Sink节点移动路径的数据收集优化问题,采用修正的蚁群算法求解Sink节点的移动路径问题,获得最优方案。仿真结果表明:不管Sink节点的最大数据收集跳数和传感节点数量如何变化,DCA-TWSN都能寻找到较优的移动路径和数据传输方案,从而提高了网络生存时间和传感节点的平均数据传输率,降低了移动路径长度、平均节点能耗方差和丢包率,比RAND、GREED和EDG-3D更优。     

数据传输时延和跳数受限的Sink节点移动路径选择算法

考虑实际无线传感网系统中数据传输时延和跳数受限情况,且为降低算法的时间复杂度,提出一种移动无线传感网的Sink节点移动路径选择算法（MPSA）。在MPSA算法中,Sink节点采用分布式最短路径树算法收集k+1跳通信范围内传感节点的相关信息和感知数据,采用虚拟力理论计算边界、障碍物和空洞区域的虚拟斥力、第k+1跳未覆盖传感节点的虚拟引力和所有虚拟力的合力,根据停留次数、合力大小和方向等信息计算当前网格中心的停留时间和下一个停留网格中心。仿真结果表明：MPSA算法根据传感节点的位置、剩余能量等信息,寻找到一条较优的移动路径,从而提高Sink节点的数据收集量和节点覆盖率,降低传感节点的感知数据丢弃量。总之,在数据传输时延和跳数受限下,MPSA算法比RAND算法、GMRE算法和EASR算法更优。     

Sink节点移动的无线传感网生存时间优化算法

为提高网络最大生存时间,提出Sink节点移动的无线传感网生存时间优化算法(LOAMSN)。该算法分析Sink节点移动时的流量平衡约束、最大传输速率约束、节点能耗约束等约束条件,将生存时间优化问题转化成优化模型。提出Sink节点的移动方法,即Sink节点利用节点的度值构建其移动路径,按照此路径循环移动收集数据。将Sink节点的移动认为是离散运动,Sink节点移动的生存时间优化模型分解成若干个Sink节点静止的生存时间优化模型,采用牛顿法求解每个Sink节点静止的优化模型,获得网络最大生存时间和节点发送数据量的最优值。仿真结果表明:LOAMSN算法能减少Sink节点停留位置上的节点能耗,平衡网络负载和节点能耗,提高网络最大生存时间。在一定条件下,LOAMSN算法比Sink节点静止时更优。     

WSN中基于改进蚁群算法的移动Agent路径规划

在无线传感器网络(Wireless Sensor Networks,简写为WSN)系统中增加了移动Agent,能提高系统的整体性能及工作效率.参考Sink节点的功能及特点,移动Agent具有收集和简单处理信息数据并将其传输到上一级单位的功能,它的移动功能提高了网络的连通性、传感覆盖率及使用寿命等性能.采用传感覆盖率高,...     

优化网络生存时间的Sink节点移动路径选择算法

为克服无线传感网的能量空穴问题,采用最优化方法,研究一种优化网络生存时间的Sink节点移动路径选择算法(MPSA)。在MPSA算法中,将单跳传输的无线传感网监测区域分成多个大小一致的网格,Sink节点可移动到任一网格中心,停留收集单跳最大通信范围内的传感节点数据。分析停留位置的全节点覆盖条件和所有传感节点的能耗,建立权衡网络生存时间和Sink节点移动路程的优化模型。提出一种改进的遗传算法,用于求解优化模型,即迭代执行染色体评估、选择、交叉、变异、最小覆盖处理、孤立节点处理等步骤,最终获得优化网络生存时间的Sink节点移动方案。仿真结果表明:MPSA算法能提高网络生存时间,将移动路程保持在较小范围。在提高网络生存时间方面,比RCC算法更优。     

一种无线传感网的Sink节点移动路径规划算法研究

为寻找传感节点均匀分布时Sink节点的最优移动路径和最大网络生存时间,提出一种无线传感网的Sink节点移动路径规划算法(MPOA).在MPOA算法中,将Sink节点的数据收集范围分解成多个圆环,将监测区域分解成多个网格.根据Sink节点的停留位置和多跳通信方式,采用数学公式表示每一个网格的单位节点能耗,从而获得Sink节点移动的网络生存时间优化模型.采用修正的混合粒子群算法求解该优化模型,获得网络生存时间、Sink节点的停留位置和移动路径的最优方案.仿真结果表明:MPOA算法可寻找到Sink节点的最优移动路径,从而平衡网络能耗,提高网络生存时间.在一定的条件下,MPOA算法比Circle,Rect和Rand算法更优.     

稀疏水下传感网中AUV数据移动收集技术研究

由于水下传感器节点的水声通信距离有限、价格昂贵,水下传感器网络中一般采用稀疏方式部署,因此很难保证整体网络的连通性及数据采集效率。自主水下航行器AUV（Autonomous Underwater Vehicle）作为天然的移动数据采集平台,可以弥补固定Sink节点数据采集方式的缺陷。提出了一种基于移动AUV的水下传感网移动数据收集机制。以AUV覆盖区域内的传感器节点作为临时Sink节点,其他传感器节点以临时Sink节点为根节点,采用最小生成树MST（Minimum Spanning Tree）方法将传感数据传输到这些临时Sink节点,然后通过临时Sink节点将汇聚数据传输给AUV。随着AUV的自主移动轨迹,水下传感网的传感数据都能简单高效地被收集起来。仿真结果验证了该方法在保证网络能耗的前提下提高了数据采集效率。     

基于移动Sink的自组织视频传感网络目标跟踪算法

基于自组织视频传感网络的目标跟踪方法利用节点的分布式观测能力,实现目标的精确跟踪。在研究视频节点观测投射模型和通信模型的基础上,提出一种基于移动Sink的自组织视频传感网络目标跟踪算法MSTTA。该算法包括感知信息聚合和目标位置评估两个部分,利用节点分类机制周期性地更新网络拓扑以适应Sink位置的变化,根据目标运动状态预测目标位置的评估节点小组。仿真实验表明,MSTTA算法能够适应Sink移动带来的网络拓扑变化,具有较高的目标跟踪精度。     

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。     

基站选择Sink的无线传感器网络路由协议

节点的能量标志着无线传感器网络(WSN)的生命周期,但是当前一些路由协议不能够很好地平衡、延长网络的生命周期.基于此,提出了一种基站选择Sink的无线传感器网络的路由协议.该协议利用环和边构成扇形区域,基站选择几个能量较大的节点作为扇环内的Sink,这些Sink采用TDMA的原理轮流成为当前的Sink,从而平衡整个网络的能量开销.仿真结果表明,该基站选择Sink的路由协议要比CWR协议更能节约能量、延长网络的生命周期.     

基于人工鱼群算法的无线传感器网络覆盖优化

针对网络节点严重冗余而导致的网络成本增加、生命周期过短等缺陷,提了一种基于人工鱼群算法的覆盖优化方法.首先以节点的利用率和网络有效覆盖率作为优化目标,建立相应的数学模型,然后采用人工鱼群算法对模型进行求解,得到无线传感器网络的最优覆盖方案.仿真结果表明,人工鱼群算法提高了无线传感器网络节点的覆盖率,减少了传感器节点冗余,有效降低了网络成本,网络生存时间得到了延长.     

一种新型的WSN冗余覆盖与节能路由算法

针对无线传感器网络的冗余覆盖问题,在K-覆盖判定算法和部分冗余覆盖算法基础上,提出一种可调冗余覆盖算法。该算法遵循覆盖最大化原则,能降低网络能耗。在可调冗余覆盖算法处理后的高效网络中,给出结合最短路径和最小生成树的最短路径树算法,在网络中构建若干棵以Sink节点为根的最短路径树,进一步降低网络能耗。仿真结果表明,在随机部署网络中,当规定网络覆盖冗余度为2时,2种算法平均可降低能耗20.27%左右。     

无线传感器网络覆盖优化仿真研究

研究无线传感器覆盖(WSN)优化问题,由于网络传感器节点分布不均匀,又存在冗余等问题。传统WSN高密度部署方法,节点分布极不均匀,节点覆盖区域之间的重复率高,节点浪费严重,导致网络覆盖率低、成本高。为了提高无线传感器网络的覆盖率,提出一种混沌粒子群优化算法(CPSO)的WSN覆盖优化算法。首先以提高网络覆盖率为优化目标,建立WSN覆盖优化数学模型,然后通过粒子间协作进行求解,并对粒子群混沌扰动,保持粒子多样性,从而得到最优网络覆盖。仿真结果表明,相对于其它覆盖优化算法,CPSO能够以较少传感器节点获得较高网络覆盖率,提高了网络通信效率,降低网络成本。     

基于移动Sink的WSN安全数据收集方法

由于目前基于移动Sink的WSN数据收集方法存在网络攻击检测率不高、内存开销大等问题,导致网络较易受到网络攻击且难以被实际应用。针对该问题,提出一种基于移动Sink的WSN安全数据收集方法,利用能量感知的凸壳算法,识别数据收集点,使用椭圆加密算法（ECC）为网络内的所有节点生成密钥,通过ElGamal算法实现节点身份和消息的认证,使用支持向量机（SVM）识别网络攻击类型。仿真实验结果表明,所提出的安全数据收集方法在攻击检测率、内存开销以及数据包投递率方面都表现出较好的性能。     

基于阿基米德螺线的双汇聚节点重定位策略

在无线传感器网络中,传感器节点间不平衡的能耗会产生能量空洞问题,而汇聚节点的重定位可以有效地平衡能耗,提高网络寿命.与单汇聚节点相比多汇聚节点具有减小多跳传输能耗,提高数据传输效率等优势,因此本论文提出了一种基于阿基米德螺线的多汇聚节点重定位(ATSR)策略,该策略利用阿基米德螺线具有恒定的线速度和角速度,使多汇聚节点同时沿着对称的两条阿基米德螺线运动的方式来提升网络生存周期,并针对该策略因数据收集间隔导致的额外能耗问题,提出了性能更好的策略(IATSR).实验结果表明,与其他汇聚节点重定位算法相比,本策略具有更好的性能.     

无线传感网中一种智能数据融合算法的实现及仿真分析

在无线传感网中,传感器节点一般都由自身装配的电池供电,难以进行电量补充,因此节约电量对于无线传感网来说至关重要.为了提高无线传感网能量使用效率,延长网络生存时间,提出了一种结合遗传算法和粒子群算法优化BP神经网络的智能数据融合算法 GAPSOBP(BP Neural Network Data Fusion algorithm optimized by Genetic algorithm and Particle swarm).GAPSOBP算法将无线传感网的节点类比为BP神经网络中的神经元,通过神经网络提取无线传感网采集的感知数据并结合分簇路由对收集的传感数据进行融合处理,从而大幅减少发往汇聚节点的网络数据量.仿真结果表明,与经典LEACH算法和PSOBP算法相比,GAPSOBP算法能有效减少网络通信量,节约节点能量,显著延长网络生存时间.     

改进自适应粒子群算法在WSN覆盖优化中的应用

针对无线传感器网络（WSN）节点覆盖不均匀导致覆盖率低下的问题,提出了一种基于改进自适应粒子群优化算法的覆盖优化方法。首先,建立WSN覆盖优化的数学模型;然后将进化因子和聚合因子引入粒子群优化（PSO）算法中的惯性权重系数,使改进算法具有很强的自适应能力;接着在算法迭代过程中引入碰撞回弹策略保证粒子群的多样性,克服改进粒子群优化算法在优化后期容易陷入局部最优的弱点。实验表明,本文算法对WSN优化后的网络覆盖率均比其它文献算法提高了2%~6%,且传感器节点分布更加均匀。因此它能有效提高无线传感器网络的性能,是一种应用性较强的WSN覆盖优化算法。     

WSN中基于Stateless Weight的移动代理路由设计

为了使移动代理的路由不再过分依赖于网络结构,提出了一种应用在无线传感器网络（WSN）中的移动代理的路由设计（SWR-MA）。在SWR-MA中,引入了一个与节点位置有关的参数Weight,通过比较Weight值,移动代理可以自主的确定自己的路径。SWR-MA可以应用在拓扑改变的网络中,比如带有移动Sink节点的网络中。最后,对该路由算法进行了仿真评价。     

基于最小二乘与D-S证据理论的WSN层次式数据融合算法

无线传感器网络中,数据融合技术是降低网络数据通信量、节省节点能耗和延长网络寿命的重要措施之一。为了在兼顾降低数据量的同时提高对事件的识别精度,提出了一种基于最小二乘法和D-S证据理论的层次式数据融合算法。算法在Sink节点上,以最小二乘算法融合从传感器节点上传的数据,降低了Sink节点与监控中心的通信量;在监控终端上采用D-S证据理论建立识别框架,通过证据的不断积累,提高了事件的识别精度。