基于压缩感知的无线传感网络数据压缩

无线传感器网络（Wireless Sensor Networks,WSN）负责感知、采集、处理和监控环境数据,但是容易受限于资源。压缩感知（Compressed Sensing,CS）理论表明,利用最优化理论,稀疏信号可以从少量的非自适应线性投影中高概率精确恢复。根据CS理论设计WSN的数据压缩方法只依赖于信号内在的结构和内容,而不是信号的带宽,弥补了WSN的不足;提出了基于稀疏随机投影的编码方法;仿真结果表明系统在满足误差要求条件下构造的数据包减少至结点数目的30%,提高了WSN通信效率,降低了系统能耗。     

多稀疏基分簇压缩感知的WSN数据融合方法

针对传感器节点采集数据精度与能量消耗的矛盾,提出多稀疏基分簇压缩感知的无线传感器网络WSN（Wireless Sensor Network）数据融合方法。该方法利用改进的阈值对随机部署的传感器节点进行簇首选择继而形成最优簇,簇首采用伯努利随机观测矩阵对簇内节点信号进行线性压缩投影,然后将压缩的信息传送给汇聚节点,减少数据传输即降低通信能耗,从而提高网络的生命周期。根据传感器节点监测信号在有限差分和小波中都具有可压缩特性,汇聚节点在有限差分和小波两个稀疏基的约束下,利用OOMP算法分别对线形压缩投影信息进行重构;并采用最小二乘法融合重构信号,提高数据精度。仿真实验结果表明,多稀疏基分簇压缩感知的WSN数据融合方法在减少数据发送的情况下,能提高整个网络的生命周期,解决采集数据精度与网络生命周期的矛盾。     

基于CS 的无线传感器网络ReInForm-CS 路由算法

无线传感器网络在探测目标时会遇到处理能力和能量缺乏的问题．引进压缩感知（Compressed Sampling简称CS）理论来实现数据的汇聚重构时,传统的路由不能满足其要求．根据RelnForM路由特点,提出一种RelnForM-CS路由算法．该路由算法根据信号准确恢复所需观测矩阵的数目,建立相对应的路径．仿真实验结果表明此算法在满足可靠性传输的同时,也保证了相应的图像观测矩阵个数．     

联合智能优化和分簇CS的WSNs稀疏数据采集

为提高无线传感器网络（Wireless Sensor Networks,WSNs）数据处理效率和降低网络能耗,提出了一种基于自适应智能优化和分簇压缩感知的WSNs稀疏数据采集方案。首先,建立分簇WSNs稀疏数据通信模型,通过定量分析节点密度与网络数据通信总跳数的关系,给出网络自适应分簇结果,并采用簇内观测矩阵测量数据获取和簇间多跳通信方式完成WSNs压缩感知数据采集;其次,采用StOMP算法进行稀疏信号重构,针对网络节点数据包丢失等链路不可靠情况,引入相关性矩阵变换策略,以降低错误数据传输对数据重构的影响,针对数据稀疏度未知特性和StOMP算法参数配置难的缺陷,将一种新型自适应智能优化（Improved Adaptive Intelligent Optimization algorithm,IAIO）算法应用于CS重构算法中,在理论分析IAIO全局寻优能力的基础上,实现对稀疏数据的可靠重构。最后,仿真结果表明,该方案能够实现稀疏信号的精确重构,而且降低了网络通信总量,提高了网络生存时间。     

基于PCA的无线传感器网络压缩感知算法

针对常规压缩感知算法稀疏效果不佳的问题,提出了基于PCA的无线传感器网络(Wireless Sensor Network)压缩感知算法;该算法利用主成分分析法(Principle Component Analysis)的去噪和去冗余特性为节点数据提供一个自适应的稀疏矩阵,尽可能的减少观测量,并提出一个自相关系数保证PCA技术应用的有效性;最后,通过仿真将该算法与常规算法的重构误差进行比较,结果表明当信号相似度系数r大于0.7时,前者信号重构所需的观测量少很多,重构精度更高,对于WSN数据采集能够起到很好的节能效果。     

WSN中基于压缩感知的分簇数据收集算法

为减少无线传感器网络的数据通信量和能量消耗,基于WSN节点数据时空相关性的特性,提出一种将K-means均衡分簇和CS理论相结合的数据收集方法。首先,通过K-means聚类算法均匀划分网络成簇。然后,各簇首对采集到的数据进行基于时空相关性的压缩感知并传输至基站Sink节点。最后,Sink节点采用OMP算法对收集到的数据进行精准重构。仿真结果表明,该算法有效减少了无线传感器网络的数据通信量和压缩感知算法重构过程所需要的观测量。     

WSNs中基于期望网络覆盖和分簇压缩感知的数据收集方案

为提高无线传感器网络数据收集精确度、降低网络能耗和改善数据包丢失情况下数据收集算法的鲁棒性,提出一种基于期望网络覆盖和分簇压缩感知的数据收集方案.首先设计期望网络覆盖优化算法,给出节点调度策略,实现对“特殊”区域重点观测和降低节点能耗的目的;然后通过分析网络分簇与节点部署之间的关系,设计弱相关性观测矩阵,降低数据包丢失对数据收集的影响;最后引入群居蜘蛛优化算法以提高汇聚节点处CS数据重构精度.仿真结果表明,与其他数据收集算法相比,所提出方案数据重构误差降低了约23.5{%     

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。     

基于网络编码的Ad Hoc网络能量感知路由策略

针对Ad Hoc网络终端节点能量受限对全网路由的影响,提出了一种基于网络编码的能量感知路由协议(Energy-aware Routing Protocol for Ad Hoc Network based on Network Coding,ERPNC)。ERPNC采用数据流速率匹配的方法,利用节点编码机会降低能量消耗,同时通过节点剩余能量值和节点能耗速度预测节点剩余生存时间,并结合路径总能耗和节点剩余生存时间提出新的路由评价函数和路由发现策略。此外,ERPNC通过引入本地路由维护策略来减少路由断裂和数据包重传情况的发生。仿真结果表明:与其他相关路由协议相比,ERPNC能够有效降低传输能耗,均衡网络能量消耗,延长网络寿命,提高网络吞吐量。     

无源雷达WSN信号采集模型仿真分析

研究基于改进的无源雷达WSN信号采集模型仿真.无源雷达WSN信号采集过程中,无源雷达信号的稀疏度很高,并且信号未知度较高.传统的信号采集方法应用到该领域时,需要进行较大规模的重构,以保证信号密度,才能完成采集,但是由于无源雷达的WSN信号的未知度过高,重构过程复杂,信号采集过程耗时.提出了一种有效的基于改进无源雷达WSN信号采集方案,首先通过稀疏压缩感知获得节点的数据测量数值,并通过随机投影进行采集测量数据,其次在节点中引入的高斯矩阵对所获的测量值进行编码,通过拉格朗日松弛函数将这些编码进行处理,得到近似最优解,从而获得了一种有效的无源雷达传感信号采集方案.仿真结果表明,基于改进模型在WSN数据收集的精度和耗能方面优于传统的采集方法.     

信息中心网络内数据重传算法的优化

对于信息中心网络（ICN）中原始数据恢复机制的网络带宽利用率低下的问题，提出一种基于网络编码的实时数据重传（NC-RDR）算法。首先，根据网络的实时状态对网络中丢失的数据包进行统计；然后，将网络编码结合到信息中心网络中，对统计的丢失的数据包进行组合编码；最后，将编码后的数据包重传发送给接收端。对提出的方案进行分析，仿真结果表明，与基于网络编码的多播数据恢复（NC-MDR）算法相比，在传输带宽（平均传输次数）方面，降低了约30%，因此，在信息中心网络中，该算法能有效地减少网络重传次数，提高网络传输效率。     

多级网络编码方案

目前安全网络编码的研究有信息论安全和密码学安全两种方法。信息论安全的编码方案中,中继节点编码主要是使用随机线性网络编码（RLNC）生成编码矩阵,但是此方法并不能保证生成的矩阵一定满秩,从而影响方案的解码率。提出了一个多级网络编码（MLNC）方案,该方案通过在源端使用对角矩阵对消息进行编码,以降低编码复杂度;在中继节点,让入度大于等于2的节点作为编码节点,使用多级的网络编码使混淆效果更好,编码节点随机生成满秩的下三角矩阵和上三角矩阵,用它们的乘积作为编码矩阵,这样能保证编码矩阵满秩,接收节点可以成功解码。Matlab仿真结果表明,MLNC编码矩阵达到k-安全概率优于RLNC编码矩阵,并证明MLNC方案满足信息论安全。     

基于干扰感知的无线自组网多播机制

在采用网络编码的无线自组网多播场景中,为了有效地克服节点密度较大时干扰对多播整体性能的影响,提出了一种衡量路径干扰情况的路由度量标准。基于该度量标准,对网络编码机会和节点间干扰避免进行了均衡处理,构建出一种基于部分网络编码的无线自组网干扰感知多播路由机制。仿真结果表明,该机制在能耗、延时和吞吐量等性能方面均优于基于传统网络编码的多播方案,因此特别适用于节点密度较大的场合。     

多源分布式协作空时网络编码系统的设计

为改善传统空时编码协作方案中节点功率消耗过高和传输效率较低的问题,在多信源、单中继协作网络中提出一种新的空时网络编码方案。该方案利用中继节点的多天线优势实现接收分集,并在中继节点设计空时网络编码,再按照编码矩阵特点转发信号到目的节点。仿真验证了信源数、中继天线数不同时的系统性能,并分析了传统空时编码协作方案与提出方案的性能差距和传输效率,得出该方案是一种易于实现,性能良好的高效无线数据传输方式的结论。     

应用累积系数确认的网络编码机会路由协议

在无线mesh网络中,机会路由通过高效使用无线传输的广播特性显著地提高了无线网络的吞吐量.引入网络编码,使得机会路由协议可以避免复杂的调度,更加易于实现.然而,网络编码的引入给机会路由协议带来新的问题：转发节点应该发送多少编码包?MORE等协议依据平均链路状况信息来预计节点转发编码包数目的方法,无法准确判定发送的冗余.以CCACK为代表的研究采用逐跳反馈的方式来减少编码包的冗余发送.首先,针对采用正交向量确认的CCACK机制进行分析,说明了CCACK尽管可以减少确认开销,减少误判,但却带来了“信息空间已覆盖而无法正交”的漏判问题.在此基础上,提出了一种基于累积编码系数反馈确认的网络编码机会路由协议CFACK.该确认机制中转发节点通过侦听下游节点的编码系数向量,并与来自上游节点的编码系数向量进行相关性分析,从而获知下游节点信息是否覆盖自身信息.证明了在无差错网络环境下该确认机制不存在误判和漏判的可能,同时,在有差错网络环境下对该确认机制的有效性进行了分析.结果表明：在一般节点分布情况下,利用额外的一次携带确认,可以确保90%以上的准确性.仿真测试结果表明：CFACK相比CCACK,显著提高了网络的吞吐量,平均提高率为72.2%,同时在编码计算、存储和包头开销上都少于CCACK.     

基于网络编码的传染路由协议性能

针对传染路由(ER)网络中容易出现多种通信半径的通信节点,导致网络性能不稳定的问题,提出了一种网络编码与传染路由相结合的网络模型。该模型在经典传染路由中结合网络编码的方式进行数据传输,并且为了对改进后的网络性能进行有效地评估,为传染路由网络中的传输时延建立了概率模型。使用该概率模型对网络进行评估的结果显示,在多种传输环境下与经典传染路由相比,基于网络编码的传染路由(NCER)具有高效、稳定的优点,并于离散事件仿真实验结果中得到了验证。最后,根据该概率模型的评估结果,提出了一种进一步降低网络传输时延的方案。     

多媒体无线Mesh网基于机会路由的网络编码

采用机会路由下无线Mesh网络的链路吞吐量模型,利用确定性网络演算工具,得到无线Mesh网络节点数据积压的上界以及端到端数据流延迟和抖动的上界;然后设计满足多媒体服务质量的确定性网络编码（DNC）,提出ETC作为确定机会路由中编码节点的指标,在节点数据积压未达到上界时,编码节点采用线性网络编码,提高网络的性能;提出ETP作为机会路由中选择候选节点的指标,主要考虑端到端的延迟和延迟抖动确定接收数据的候选集。仿真结果表明可以达到较好的效果。     

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.     

基于网络编码的P2P TV拓扑优化

网络编码使得网络中间节点可以对收到的数据包进行特定的编码后再转发出去,以实现组播的最大吞吐率。这一技术应用于P2PTV系统,可以改善系统的有效传输率和延时等性能。为了缩短系统中节点等待数据包的时长和降低计算开销,实际系统大都对网络编码进行了简化。这使得数据包的冗余率受到拓扑结构的影响,增大了系统开销。针对这一问题量化分析了拓扑引起冗余的原因,提出了即时控制拓扑优化的方法,以对拓扑进行即时控制,优化拓扑结构。实验结果表明,相比已有工作,即时控制在数据包冗余率和节点上行带宽容量利用率之间取得了更好的折衷,并获得了更高的有效传输率。