基于概率感知模型的多节点联合网络覆盖算法

针对传感网在对关注目标节点进行覆盖过程中出现的非连续性覆盖，将会产生覆盖盲区以及大量冗余数据迫使通信链路出现瓶颈现象，提出了一种基于概率感知模型的多节点联合覆盖算法（Multi-Node Joint Network Coverage Algorithm，MNJC）。该算法借助于概率相关知识，给出了多节点联合时覆盖质量期望值计算方法，以减少覆盖盲区的产生，提高了多节点联合网络覆盖率；利用节点动态转换机制对节点部署进行重新优化，抵制了网络能量的快速消耗，延长网络生存周期；该算法与其他三种算法覆盖率、生存周期以及节点存活数量等方面进行了比对实验，其性能指标平均提升了18.11%，15.57%和8.26%，从而验证该算法的有效性和实效性。     

基于联合节点行为策略的WSN覆盖控制算法

针对无线传感器网络在对移动目标节点覆盖过程中出现网络能量快速消耗问题，提出了一种基于联合节点行为策略的覆盖算法。根据网络模型建立传感器节点与目标节点从属关系，确定覆盖关联模型；利用概率理论求解邻居节点冗余覆盖度，确定最少传感器节点数量；给出了邻居节点覆盖期望值的求解方法；仿真实验表明，该算法与其他算法在网络覆盖率和网络生存周期两个性能指标上均提升了12.39%和15.01%，从而验证了算法的有效性。     

基于压缩感知的高阶MIMO系统信道估值算法

针对通信网络中的天线数量巨大，很难完成对信道的有效计算与估值。借助于高阶多输入多输出（MIMO）系统的可靠性，提出了一种基于压缩感知的信道估值高阶MIMO系统。设计了一种简单的导频结构，以降低计算复杂度；利用导频序列长度可以随着信道稀疏度变化情况自适应的调整，从而节省了导频资源的开销。仿真实验表明，与传统的信道估计算法比较，在相同的信道估计精度条件下，HMCE-CS算法可以降低平均导频序列长度；或者在相同的导频序列长度条件下，HMCE-CS算法可以提高信道估计精度，验证了该算法的有效性。     

传感网中基于压缩感知的丢包匹配数据收集算法

为了提高传感网中数据重构精度以及降低不可靠链路丢包对压缩感知（Compressive Sensing，CS） 数据收集的影响，本文提出了一种基于压缩感知丢包匹配数据收集算法（Packet Loss Matching Data Gathering Algorithm Based on Compressive Sensing，CS-MDGA）.本文算法通过压缩感知技术构建了全网数据间的"关联效应"，并设计了基于丢包匹配的稀疏观测矩阵（Sparse Observation Matrix Based on Packet Loss Matching，SPLM），证明了该观测矩阵概率趋近于"1"时，满足的等距约束条件（Restricted Isometry Property，RIP），完成了节点间多路径路由数据的可靠交付.仿真实验结果表明，本文算法在链路丢包率为60%情况下，相对重构误差仍小于5%，验证了本文算法不仅具有较高的重构精度，而且还可以有效缓解不可靠链路丢包对CS数据收集的影响.     

一种带有可控阈值参数的分簇路由优化算法

针对传感网中大量冗余数据导致通信频繁中断的问题,提出一种带有可控阈值参数的分簇路由优化算法。引入蚁群算法中的适应度函数和启发式函数,使得下一跳簇首节点的选择更具针对性,实现网络路由树的建立与事件域节点的分布式成簇。利用可控阈值参数和变异系数对网络路由所选最短路径进行优化,保证节点能量消耗较低的同时全网延时最小,并通过全局信息素的更新策略抑制长链路的产生,以均衡全网能量并延长网络生存周期。实验结果表明,该算法与DMOA和MTTA算法在抑制网络能量消耗和延长网络生存周期方面进行对比,其性能指标平均提升了13.72%和12.06%。