无线传感器网络中基于区域相关性的自组织成簇算法

无线传感器网络资源有限,信息量大,通常采用分簇压缩减少传输量。针对传感器网络中的小波压缩,提出了一种基于相关区域自组织的成簇算法。该算法利用实际区域数据的相关性进行分簇,在簇头进行小波数据压缩的同时进行相关性检测,动态调整簇结构,保证簇内节点的相关性较好;同时在Sink分析簇间节点数据相关性,形成相关性好的大规模簇,进一步提高较长时间内的压缩效率。理论分析和实验仿真表明,该算法能尽可能地利用节点数据的时间和空间相关性去除冗余数据,提高小波数据压缩效率,降低了网络的能耗。     

基于聚类分析的能耗均衡无线传感器网络分簇算法

为降低并均衡无线传感器网络(WSN)中传感器节点的能量消耗,提出一种基于最优传输距离和K-means聚类的WSN分簇算法。根据层次聚类算法建立聚类特征树,将聚类特征树中的叶节点视为一个簇,并使每个簇控制在最优传输距离内,实现簇内节点的能耗均衡。通过目标函数对K-means聚类簇进行优化,保证簇内节点数目的均匀分布,并在考虑剩余能量和地理位置的基础上完成节点数据传输。实验结果表明,该算法在均衡网络能耗的同时,可有效延长网络生命周期。     

应用相对变换的无线传感器网络分簇算法

针对无线传感器网络节点负载不均衡的问题,提出了一种应用相对变换的无线传感器网络分簇算法(RTCH)。在成簇阶段,节点将簇头剩余能量、簇头与节点和簇头与基站的传输能耗等参数利用该模型先进行相对变换,再计算簇头适宜度来选择加入簇头成簇,并通过簇头的反馈信息来控制簇的规模来优化网络性能。仿真实验结果表明,RTCH算法能更有效地均衡网络中的能量消耗,延长网络生命周期。     

基于分簇多节点协作规划的无线传感器网络定位算法

为了提升无线传感器网络的定位精度,减少网络在进行定位运算时节点能量消耗过大等问题,提出一种基于分簇的多节点协作规划的无线传感器网络定位算法,该算法先通过将网络形成多个分簇,计算簇内节点间的相对距离,再通过协作规划的方法来提升节点坐标定位的准确度。得到簇内节点相对簇头的位置坐标后,再求出簇头相对于汇聚节点的位置坐标,从而实现在网络中对任意节点的精确定位。实验仿真结果表明,与基于加权质心和参考节点序列的定位算法相比,基于分簇的多节点协作规划的定位算法可以得到更好的定位精度。     

传感器网络中一种存储有效的小波渐进数据压缩算法

现有的数据压缩算法大多以节能为设计目标,很少顾及到节点有限的存储容量.设计适合传感器网络小波变换的环模型和基于覆盖重叠的分簇模型,消除边界效应.基于此两种网络模型,分别提出存储有效的二维和三维渐进小波数据压缩算法,该算法依据小波函数的支撑长度和簇头的可用存储容量来确定渐进传送的数据单元,具有存储有效性;依据空间相关性来选择渐进传送数据的传感器节点,从而在存储有效的同时又节省网络传输耗能.从存储开销、能量消耗和网络延时等3个方面分析了算法的性能.理论分析和实验结果表明,和一般的数据压缩算法相比,小波渐进压缩算法在耗能相当的情况下,节省了节点的存储容量.     

带有重叠区域的多跳非均匀分簇路由算法

能耗作为衡量无线传感器网络性能的一项重要指标,通常将延长生命周期、均衡能耗作为网络协议重要的设计目标.针对静态、异构、非均匀分布的网络模型,设计带有重叠区域的分簇及簇内单跳、簇间多跳的路由算法 ----- OMU分簇路由算法,该算法中簇头不再作为数据转发节点,而主要用于簇内数据的接收与融合.通过综合考虑节点剩余能量、节点密度及与基站的距离进行簇头选举并进行分簇,形成簇间重叠区域,产生用于数据转发的中继节点.同时,建立簇头与中继节点轮换机制以达到节点能耗均衡的目的,并为每个节点建立能量最省的多跳数据传输路径.仿真结果表明,所设计的分簇路由算法,特别是在大规模部署的无线传感器网络中,能有效减少和均衡能量消耗.     

无线传感器网络中一种分布式数据压缩算法

无线传感器网络有限的能量与通信带宽难以适应网络中大量数据的传输,需要在网络内部对传感数据进行压缩处理。基于任意支撑长度的小波函数,提出了一种分布式数据压缩算法。首先研究边界效应对传感数据重构带来的影响,然后基于虚拟网格环模型给出了一种分布式小波数据压缩算法。理论分析与实验结果表明,该算法能有效地去除传感数据中存在的空间相关性。而且,随着簇头与簇内节点距离的增加,该算法比非分布式方式更节省网络耗能。     

基于均匀分簇的正三角模型节点轮换路由算法

针对节点随机分布的无线传感器网络能耗问题,提出一种在均匀分簇后采用正三角模型对簇内节点进行调度的低能耗路由算法。该算法首先计算网络内节点总能耗最小时的分簇数目,再由Sink节点选择相应数目的剩余能量最大、地理位置最优的节点为簇首,完成均匀分簇。簇内节点采用正三角模型和节点覆盖概率进行工作节点的选择。仿真结果表明,该路由算法可以均衡节点能耗,延长网络工作轮数,降低网络延迟,并体现出了更优的网络鲁棒性。     

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。     

无线传感器网络分簇方法的优化

现有的分布式分簇算法都是针对节点分布均匀的传感器网络设计的,不适用于节点分布不均匀的传感器网络,簇负载均衡和降低能耗成了节点不均匀部署的传感器网络的一个重要挑战。针对节点分布不均匀网络提出了一种基于区域密度的分布式分簇算法（RDCA）,算法中节点测试其所在区域的节点密度,根据区域节点密度,调节其通信的覆盖范围,从而使成簇后簇负载达到平衡。仿真实验结果显示,在节点部署不均匀的传感器网络中,本算法与LEACH、HEED相比较,可以更好地实现簇的负载平衡,有效地提高成簇后网络的稳定周期。     

基于RFID的传感器网络合作式充电和数据收集策略

能量限制是制约无线传感器网络发展的主要瓶颈之一,可充电无线传感器网络的出现对其发展起了巨大的作用.提出了一种基于RFID标签的无线传感器网络合作式无线充电和数据收集策略,根据通信方式的不同,具体提出了TBR和TDC两种方案,通过将网络中的节点进行分簇,并在单个簇内部署簇内移动读取器进行路径移动,对簇内的各个节点进行充电和数据收集;在簇间部署簇间移动读取器收集簇内读取器内的数据,并将数据传输给汇聚节点进行数据处理,通过分簇完成对节点充电和数据收集任务的分层处理.通过仿真验证,其结果表明合作式充电策略可应用在大型区域内部署的网络,并且保证所需的移动读取器数量最少,数据传输至汇聚节点的时延最短,TBR方案与TDC方案有效.     

基于混合量子进化算法的高效节能无线传感器网络路由算法

在无线传感器网络中,层次型路由算法能减少节点能量消耗和延长网络生存周期.因此在LEACH算法和PEGASIS算法的基础上,提出了一种基于混合量子进化算法的高效节能的无线传感器网络路由算法HERA.该算法中把网络分为多个簇,每个簇中的节点连接成为一条多跳通讯链路,并使用混合量子进化算法来得到最优的分簇组链方式,以减少链路...     

一种新颖的传感器网络聚类路由协议

提出了一种能量有效的基于聚类的传感器网络路由协议—EEHCA（an Energy-Efficient Hierarchical Clustering Algorithm for wireless sensor networks）。该协议通过最小化通信能量消耗并在所有节点之间实现能量消耗负载平衡的方式,达到了延长传感器网络生存时间的目的。协议提出了一种新颖的簇首确定机制,该机制可以避免感知区域内的节点进行频繁的簇首选举,从而节约了能量。为提高传感器网络的容错性能,引入了备用簇首的概念。在簇首与基站通信方面,采用多跳传输的方式进行,从而避免了距离基站较远的簇首进行长距离通信时所造成的能量过早耗尽的问题。仿真结果表明提出的协议拥有比LEACH和HEED协议更长的网络生存时间。     

基于改进ACO的WSN感知数据传输策略研究

无线传感器网络(WSN)能够利用传感器节点快速准确地获取物理世界的信息从而作为物联网的感知层在监控领域得到了广泛的应用,而能量利用率是能量受限无线传感器网络的一个关键属性,直接影响网络的生命周期.经典的分层路由LEACH(及其变种)算法是无线传感器网络中最常见的节能路由协议.该文提出了一种改进的LEACH算法,由sin...     

基于簇头继承的传感器网络聚簇协议

由于传感器网络的部署一般是随机的,所以在层次化分簇的传感器网络中很难使用能力特殊的传感器节点来担当簇头.但簇头的能耗较大,需要簇内节点轮流担当簇头,以均衡能量消耗,最大化网络生存周期.为达到此目的,提出了一种基于簇头继承的网络协议,不仅可以均衡能量消耗,而且具有较好的适应性和伸缩性.     

Design of fault tolerant wireless sensor networks satisfying survivability and lifetime requirements

Sensor networks are deployed to accomplish certain specific missions over a period of time. It is essential that the network continues to operate, even if some of its nodes fail. It is also important that the network is able to support the mission for a minimum specified period of time. Hence, the design of a sensor network should not only provide some guarantees that all data from the sensor nodes are gathered at the base station, even in the presence of some faults, but should also allow the network to remain functional for a specified duration. This paper considers a two-tier, hierarchical sensor network architecture, where some relay nodes, provisioned with higher power and other capabilities, are used as cluster heads. Given a distribution of sensor nodes in a sensor network, finding the locations to place a minimum number of relay nodes such that, each sensor node is covered by at least one relay node, is known to be a computationally difficult problem. In addition, for successful and reliable data communication, the relay nodes network needs to be connected, as well as resilient to node failures. In this paper, a novel integrated Integer Linear Program (ILP) formulation is proposed, which, unlike existing techniques, not only finds a suitable placement strategy for the relay nodes, but also assigns the sensor nodes to the clusters and determines a load-balanced routing scheme. Therefore, in addition to the desired levels of fault tolerance for both the sensor nodes and the relay nodes, the proposed approach also meets specified performance guarantees with respect to network lifetime by limiting the maximum energy consumption of the relay nodes.     

Hybrid metaheuristic algorithm for optimal cluster head selection in wireless sensor network

Clustering is one of the major techniques for maximizing the network lifetime in wireless sensor networks (WSNs). Here, the sensor nodes (SNs) are grouped into clusters and the cluster heads (CHs) are selected for each cluster. CHs gather data from particular cluster nodes and then forward it to Base Station (BS). However, the selection of CHs is the major issue in this scenario. The sensor nodes consume more energy for the data transmission and also affect the lifetime of the network. The clustering technique is used to provide the energy-efficient data transmission that consumes less energy and also increases the network lifetime. This paper aims to propose a new energy-aware CH selection framework by hierarchical routing in WSN via a hybrid optimization algorithm. Moreover, the selection of CH is carried out under the consideration of energy, distance, delay and Quality of Service (QoS) as well. For selecting the optimal CH, a new hybrid algorithm named as Particle Distance Updated Sea Lion Optimization (PDU-SLnO) algorithm is introduced that combines the concept of Sea Lion Optimization (SLnO) and Particle swarm optimization (PSO) algorithm. Finally, the performance of adopted method is computed over other traditional models with respect to certain metrics.     

无线传感器网络中移动节点辅助的数据采集效率优化研究

为了提高无线传感器网络中数据采集效率,提出了一种基于节点分级的混合多跳数据采集（hybrid multi-hop data collection,HMDC） 算法。该算法首先基于数据量将所有节点均匀划分成簇,然后在簇内采用节点分级的思想进行数据的多跳传输,最后使用移动采集器沿着最短路径访问簇头节点,对指定节点进行数据集采集。仿真结果表明,HMDC算法有效地提高了数据采集效率,均衡了能量消耗,延长了网络的生命周期,且更加适用于较大规模的数据采集。     

Coordinated Workload Scheduling in Hierarchical Sensor Networks for Data Fusion Applications

To minimize the execution time of a sensing task over a multi-hop hierarchical sensor network,we present a coordinated scheduling method following the divisible load scheduling paradigm.The proposed scheduling strategy builds on eliminating transmission collisions and idle gaps between two successive data transmissions.We consider a sensor network consisting of several clusters.In a cluster,after related raw data measured by source nodes are collected at the fusion node, in-network data aggregation is fu...     

Signal reconstruction in sensor networks with flat and clustered topologies

We apply signal processing techniques to the study of wireless sensor networks, whose nodes are deployed over a planar region for environmental monitoring. We address the problem of reconstructing the phenomenon of interest at a sink node, from the samples gathered by the sensors, and we evaluate the system performance in presence of both a flat and a clustered network topology. When the sensors are grouped into (possibly overlapping) clusters, the data collected within each cluster are compressed by the cluster head and sent to the sink node. By representing the compressed data through the Fourier coefficients of the field spectrum, we analyze both the case where the sensor positions are known to the sink, and the case where they are available at the cluster head only. We show that clustering significantly reduces the energy expenditure due to data transmission with respect to the case of a flat network topology, and, most importantly, we derive the possible degradation of the quality of the reconstructed field due to compression.