基于簇的分布式传感器故障检测算法

针对大规模无线传感器网络(WSN)中故障检测准确率降低,并产生较大通信负载的问题,根据传感器节点的时空相关性特点,提出一种基于簇的分布式传感器故障检测算法。通过邻居节点间的数据交换和互相测试检测簇首节点,并以正常簇首节点作为参照诊断故障节点。性能分析与实验结果表明,在大规模WSN中,该算法具有良好的故障检测能力和较低的通信负载,在邻居节点数较少、节点故障率较高的情况下,能达到98%以上的故障检测准确率,并保持较低的能耗水平。     

配电网中基于分簇定位的WSN节点故障定位研究

针对电网故障检测中使用的无线传感器网络节点定位精度较低,分簇不均问题,提出了一种基于DV￣Hop算法改进均值粒子群算法(PSO),首先DV￣Hop算法改进均值粒子群算法中粒子的速度与位移,使动态无线传感器网络重新定位簇头节点坐标更加接近真实值;然后递归神经网络学习算法迭代值逼近最合适的惯性权重值,优化均值PSO粒子群算法使其达到最优搜索能力。最后由Sink节点对每一次动态分簇后网络节点进行数据采集后对电能耗尽的节点进行无线充电。仿真结果表明,改进后的PSO算法比PSO算法聚类分簇误差更小,节点定位配电网故障的精确度提高12.8％,有效地延长了网络生命周期。     

基于演化博弈的无线传感器网络分簇算法

针对无线传感器网络中节点负载过重与能耗不均衡而出现网络能量空洞的问题，基于演化博弈理论建立一种簇头竞选的博弈模型，同时提出一种基于演化博弈的无线传感器网络最优成簇算法。运用节点的剩余能量、数据接收能耗和数据转发能耗设计簇头演化博弈的收益函数，并将最优发射功率控制机制应用于簇成员的选择，从而形成稳定连通的网络分簇结构。仿真实验表明该算法平衡了节点负载，从而均衡网络能量，有效改善网络中过早出现能量空洞的问题，进而延长了网络生存时间。     

基于分簇的无线传感器网络簇内数据融合算法

根据节点剩余能量、通信消耗量和节点IP,设计无线传感器节点分簇算法,减少了无线传感器网络的数据传输总量。分析对以分簇为基础的簇内数据的融合算法误差成因,提出先进行簇内传感器测量修正、再进行簇内传感器数据融合的改进算法。通过TOSSIM仿真平台的实验,改进后的簇内数据融合算法测量误差明显减少。     

基于数据融合的无线传感器网络林火监控算法

针对无线传感器网络在林火监控应用中存在的问题,提出了一种分层聚簇数据融合算法。簇内传感器节点使用加权平均法对原始数据进行数据级融合处理,以消除原始数据中的冗余成分,减少从簇内传感器节点到簇头节点的通信量;簇头节点采用D-S证据理论建立识别框架,通过对本簇成员的反馈信号进行决策级融合处理,提高了火灾事件的识别精度和网络的鲁棒性。实验结果表明,该算法能有效消除无线传感器网络的冗余数据,并能够在失效节点数不超过总节点数40%的情况下正确工作。     

改进遗传算法的WSN节点最优路由选择策略

针对无线传感器节点数据传输过程中的能量消耗问题,为了提高节点数据传输实时性,提出一种改进遗传算法的无线传感器网络节点最优路由选择策略。根据无线传感器网络的拓扑结构将监测区域划分不同大小的簇,并根据节点剩余能量选择每一个簇的簇头节点,然后将簇头节点编码成遗传算法的个体,根据数据转发能量耗能和延迟时间构建个体的适应度函数,并通过模拟自然界生物进化过程中的选择、交叉、变异等操作,找到节点数据转发的最优路径,在Matlab 2012平台上对数据路由算法的性能进行仿真测试。仿真结果表明,相对其他路由选择策略,提出的路由选择策略不仅可以均衡各个传感器节点的剩余能量,而且大幅度减少了数据转发路由过程中的能量消耗和延迟时间。     

一种基于分层聚合的分布式异常数据检测方案

在无线传感器网络中,由于传感器节点的带宽、功率、计算能力有限,传统的集中式方案难以区分海量数据中的异常数据.为解决此问题,提出一种基于多层分布式无线传感器网络的异常数据检测方案.在节点层级采用K-Means++算法对数据进行聚类,执行簇合并算法以减少数据传输量,在网关节点执行基于KNN的异常簇检测算法,将正常簇信息返回至底层节点进行局部检测,从而区分异常数据.在高斯数据集与IBRL数据集上的实验结果表明,该方案检测率高于98%,且能显著降低通信消耗.     

一种基于分簇技术的数据融合算法

针对无线传感器网络节点能耗的限制以及通信数据的隐私问题,提出一种基于分簇技术的数据融合算法（ Data Fu-sion Algorithm based on Clustering Technology , DFACT）。算法通过分簇技术解决通信数据的时延,簇内利用算法选择合适簇头,并构造数据融合树结构进行数据融合,减少数据通信量,保护数据隐私;簇间采用基于移动代理模型选择最佳路径提高通信效率。实验结果表明,DFACT算法可以有效地降低大规模无线传感器网络节点耗能,提高数据的安全性,延长网络生命周期。     

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。     

基于移动代理的无线传感器网络路由算法

针对移动代理(MA)以能量有效的方式收集相关性数据的特点,提出了基于免疫算法的层次型改进路由算法,将移动代理和无线传感器网络中的分簇理论相结合.算法首先应用免疫算法对网络内的节点进行优化分簇,簇首选择时充分考虑节点的剩余能量等因素,在获得高效的分簇信息之后,为了避免所有的簇头都与基站进行远距离通信消耗过多的能量,在次应用免疫算法得到一条遍历所有簇首节点的最优路径提供给移动代理,以达到数据的有效收集和能量高效利用的目的.实验结果表明,提出的改进算法能够有效增加网络的传输次数,延长无线传感器网络的生存周期.     

Fuzzy rule-based faulty node classification and management scheme for large scale wireless sensor networks

In a wireless sensor network (WSNs), probability of node failure rises with increase in number of sensor nodes within the network. The, quality of service (QoS) of WSNs is highly affected by the faulty sensor nodes. If faulty sensor nodes can be detected and reused for network operation, QoS of WSNs can be improved and will be sustainable throughout the monitoring period. The faulty nodes in the deployed WSN are crucial to detect due to its improvisational nature and invisibility of internal running status. Furthermore, most of the traditional fault detection methods in WSNs do not consider the uncertainties that are inherited in the WSN environment during the fault diagnosis period. Resulting traditional fault detection methods suffer from low detection accuracy and poor performance. To address these issues, we propose a fuzzy rule-based faulty node classification and management scheme for WSNs that can detect and reuse faulty sensor nodes according to their fault status. In order to overcome uncertainties that are inherited in the WSN environment, a fuzzy logic based method is utilized. Fuzzy interface engine categorizes different nodes according to the chosen membership function and the defuzzifier generates a non-fuzzy control to retrieve the various types of nodes. In addition, we employed a routing scheme that reuses the retrieved faulty nodes during the data routing process. We performed extensive experiments on the proposed scheme using various network scenarios. The experimental results are compared with the existing algorithms to demonstrate the effectiveness of the proposed algorithm in terms of various important performance metrics.     

时空协作的WSNs节点异常检测算法

为了降低无线传感器网络中异常节点产生的错误信息对WSNs服务质量的不利影响,利用节点数据时空相关性建立了可靠邻居筛选模型及节点感知数据稳定性评估模型。针对现有的依赖数据时空相关性的异常检测技术中对邻节点数据及其本身可靠性的忽略,建立了一种基于历史数据及可靠邻居协作的两步节点异常数据检测算法NADST。实验结果表明,该算法能在实现高检测精度的同时将虚警率控制在较低水平,且算法具有较强的容错能力。     

无线传感器网络软故障诊断算法

在无线传感器网络中,软故障节点会产生并传输错误数据,这不仅会形成错误的决策,还会消耗能量,为此,提出一种基于节省能量的故障诊断(EFD)算法。该算法利用节点感知数据的空间相似性,通过对邻点所感知的传感数据进行比较,确定检测节点状态。对于网络中存在的节点瞬时故障,该算法引用TF模型思想,避免了不必要的数据比较,减少了时间冗余的检测次数。仿真结果表明:EFD算法能够提高网络诊断精度,同时可以降低诊断过程的能量消耗。     

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。     

基于网络编码的WSNs数据收集方法

无线传感器网络(WSNs)监测数据的收集方式方法是目前的研究热点,而无线传输的广播特性又使得网络编码非常适合于无线网络。在介绍网络编码原理、核心思想以及在WSNs应用现状的基础上,提出了一种基于部分网络编码的自适应WSNs数据收集方法,该方法针对簇网络拓扑结构,簇成员节点把网络编码数据发送给簇头节点,簇头节点利用随机网络编码的方式把数据传输到Sink节点。实验结果表明:该机制具有能耗较低和汇报数据较准确的特点。     

无线传感器网络最小能量簇群构造策略

尽可能延长无线传感器网络（WSNs）的生命周期是设计和部署网络所面临的最大挑战之一。由于节点配备的能量有限，采用分簇方式组织节点可以极大地降低节点与Sink节点通信的能耗。簇群成员节点和簇头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。文中分析了簇群节点采用Multi-hop通信方式时，节点通过中继节点与簇头通信时能量消耗的模型，然后在选择链路的最优跳数的基础上，提出建立最小能量中继链路的方法，实现通信能耗的最小化。对WSNs的设计和实施具有一定的指导意义。     

基于双簇头的WSNs非均匀分簇路由算法

无线传感器网络由大量密集部署的传感器节点组成，通过节点间的相互协作才能完成工作，因此传感器节点之间的协作非常重要。针对分簇结构无线传感器网络簇头间能耗不均衡导致的“热区”问题，提出一种基于双簇头的新型路由算法NCDH。通过将网络虚拟分区实现网络不均匀分簇，并依据节点的剩余能量、节点与基站的距离、节点度等因素，在簇内选取主、副双簇头节点负责数据处理和转发。在网络运行阶段，根据主簇头的运行状态确定是否启动副簇头，以保证网络能量均匀消耗。在数据传输阶段综合考虑节点与中转节点的距离以及中转节点的剩余能量，从而选出最佳中转节点。实验结果表明，与DEEC、MRDC、GURCP等算法相比，NCDH算法有效改善了网络的“热区”问题，延长了网络的生存时间。     

基于Grid-VFACO的数字化车间WSNs路由算法

针对数字化车间中无线传感器网络(WSNs)对数据采集频率高,能量消耗快,提出了基于网格和虚拟力导向的蚁群优化(Grid-VFACO)高能效WSNs路由算法。该算法根据最优簇首数将数据采集区划分成网格,在网格中采用基于候选者的机制选择簇首,实现簇首均匀分布。在簇首形成的上层网络中,利用节点间的虚拟吸引力作为蚁群算法中转移概率规则启发因子,寻找最优数据转发路径。仿真实验结果表明:该算法能够有效减少网络能耗,保证数字化车间WSNs长时间稳定地工作。     

基于灰色预测的分布式传感器网络故障检测方法

针对无线传感器网络节点故障原因复杂,基于灰色预测理论,提出一种故障检测方法。算法通过分析在某一采样间隔内,观测节点数据变化趋势是否与邻居节点变化趋势一致,从而确定节点是否异常。仿真实验表明,算法故障检测能力较强,且避免了节点瞬间失效情况的出现。同时该算法设计简单,易于硬件实现。