一种WSN中的三层多维事件协作检测算法

提出了一种适用于无线传感器网络的三层多维事件协作检测算法。传感器节点通过计算均值向量序列的相似度发现异常,并通过投票机制确认事件发生。簇头节点根据边界向量序列的相似度,利用改进的K均值聚类算法对多维事件数据进行分类和合并。汇聚节点利用事件属性数据的概率分布,匹配检测出事件的类型。理论分析和仿真试验的结果表明:与传统集中式的事件检测算法相比,该算法能在噪声干扰下提高对多维事件的检测精度,降低算法的通信量和计算复杂度,延长网络的生存时间。     

基于支持向量机的无线传感器网络节点定位算法

机器学习是利用经验来改善自身性能的一种学习方法,而支持向量机(support vector machine,SVM)作为机器学习中的一种新模式,在解决小样本、非线性及高维模式识别等方面有着其特有的优势.基于支持向量机的节点定位算法利用机器学习算法的特性,实现无线传感网络节点定位.其基本思路是将网络区域划分为若干个等分的小格,每一小格代表机器学习算法中一个确定的类别,机器学习算法在学习了已知的信标节点对应的类别后,对未知节点所处位置进行分类,从而进一步确定未知节点的位置坐标.仿真实验表明,"一对一"节点定位算法有较高的定位精度,对测距误差的容忍性较好,同时对信标节点的比例要求并不高,比较适合用于信标节点稀疏的网络环境中;而"决策树"节点定位算法受覆盖空洞的影响并不大,比较适合应用于节点分布不均匀或者存在覆盖空洞的网络环境中.     

TM-WSN模型的智能化设计

本文主要对TM-WSN模型采用了软件工程的方法进行了总体设计,并详细的对其智能化进行了设计阐述。     

无线传感器网络路由协议研究进展及发展趋势*

描述了无线传感器路由协议所面临的问题与挑战,分析和比较了典型的平面路由协议及层次路由协议。最后总结了理想路由协议应该具有的特点以及路由协议未来的研究策略及发展趋势。     

无线传感器网络中一种环状空间相关性模型*

无线传感器网络特点之一是监测事件的节点分布稠密,相互邻近的节点获得的事件观测值具有很高的相关性。因此,如何消除这种空间相关性以改善网络性能是一个重要的研究课题。提出一种适合无线传感器网络中的事件监测应用的环状空间相关性模型。该模型依据离事件源距离相等节点采样数据空间相关性更高的事实,针对能量衰减模型,采用最小二乘估计对事件源进行更精确的估计。基于新模型,进一步讨论了节点间采样值的空间相关性。模拟实验表明,对传感器网络异常事件监测应用选取适当规模的代表性节点,新模型比现有模型的精确度提高两个数量级以上。新模型能更精确地挖掘传感器网络中的空间相关性,为开发基于空间相关性的传感器网络MAC协议提供了更好的理论框架。     

基于无线传感器网络的未知环境下移动机器人实时路径规划*

利用无线传感器网络技术、多传感器信息融合技术、基于占用网格的概率地图构建和基于群集智能的微粒群仿生学算法,采用三层控制结构的规划策略,提出了一种新的在未知环境下移动机器人在线实时路径规划方法。最后设计并构造出了实际的无线传感器网络,验证了算法的有效性、准确性和实时性。     

分簇无线传感器网络的动态混合密钥管理策略

针对现有无线传感器网络密钥管理中计算量过大、存储空间过多和管理不够灵活的问题,在分簇结构无线传感器网络基础上,定义了数据在无线传感器网络中的通信格式以及在网络动态管理中所需的管理矩阵,混合了对称密钥管理策略中密钥产生的快捷性和公钥管理策略的安全性,实现了密钥的动态更新和网络的动态密钥管理。最后分析所提出的策略,对比现有成熟的密钥管理策略,证明了所提策略具有更好的特性。     

无线传感器网络中基于IBE算法的组密钥管理方案

针对无线传感器网络无长期可信的节点、信道可靠性差及其资源十分有限等特点,基于无线传感器网络的簇结构和IBE算法提出一种新的组密钥管理方案,能够验证组密钥分量的正确性,确保组密钥的正确生成和更新,提供安全的组通信。理论分析及仿真结果表明,新方案具有很高的安全性,以及较小的存储开销与通信开销。     

基于多项式和分组的无线传感器网络密钥管理方案*

提出一种结合多项式计算和分组设计的无线传感器网络密钥管理方案。使用多项式计算生成节点间的共享密钥对来增强网络的安全性能,引入分组的方法来提高网络连通概率,弥补基于多项式方法的不足;同时采用新的分组模式,将节点的网络标志符划分为组标志符和组内节点标志符,根据需要扩展节点标志符的范围来增加网络最大规模。结果证明本方案在网络安全性、连通性以及节点负载方面达到了一种较好的平衡。     

无线传感器网络多种群蚁群优化路由算法*

从无线传感器网络自身的特点出发,在蚁群算法的基础上,提出了一种适合该网络的多种群蚁群优化路由算法(MACO)。该算法设计了一个新的能够均衡传输能量消耗和节点剩余能量的蚂蚁前向移动的选择概率模型,并且能得到多条优化路径,使得均衡网络的能量消耗。仿真实验表明,该算法能延长网络的生存时间,并且可以有效地缓解网络拥塞。