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。     

分簇式无线传感器网络节点故障诊断算法研究

无线传感器网络(WSNs)分布式节点故障诊断算法是一种可用于WSNs节点的故障诊断算法,通过整个网络内邻居节点之间的数据融合诊断出故障节点.但分布式算法的计算量十分巨大,浪费了大量的节点能源,而且分布式算法中使用自定义的全局阈值会降低诊断精度,分簇式的节点故障诊断算法应用LEACH-DFD算法,通过簇头节点完成故障检测...     

多传感器网络中的分布式故障检测算法

在传感器网络中,分布式故障检测算法(DFD算法)通过与所有邻居节点的传感器数据的比较判断,实现节点传感器的故障检测。但是,在故障节点聚集的网络区域,故障节点比例的上升将导致该区域的故障检测精度显著下降。针对多传感器网络,本文利用多传感器在相同区域的故障分布差异及传感器之间关联特性对DFD故障检测算法进行改进,提出适用于多传感器网络的MDFD算法,提高了故障聚集区域的检测精度。性能分析和仿真结果表明:在节点故障率高的网络中,与DFD和IDFD算法相比,MDFD提高了故障检测精度,算法适用于节点分布稀疏和传感器故障率较高的网络。     

基于数据驱动的WSN节点故障诊断算法

节点故障诊断是无线传感器网络持续性监测服务的关键步骤。为准确高效地得到诊断结果,提出一种基于数据驱动的故障诊断算法。对每个节点获取的信息建立空间高维向量,引入自身历史数据和邻居节点数据构造十字滑动窗口,并赋予十字方向上自定义的故障权重,通过检测异常向量达到故障诊断的目的。实验结果表明,该算法能够克服计算量大、故障判定条件苛刻等不足,与分布式故障诊断算法相比,可使故障诊断正确率提高15.5%,故障误警率下降4.89%。     

改进粗糙集理论的无线传感器网络静态节点分类算法

因无线传感器网络中静态节点包含一定的不确定信息,决策级融合技术很难对数据进行有效刻画,导致网络静态节点分类效果差。提出一种基于改进粗糙集理论的无线传感器网络静态节点分类算法。采用多次采样法对测试结果加权处理,通过加权移动平均算法对邻居节点进行测试,基于节点密度的混合式算法对数据去噪处理。利用错误分类率中的变精度粗糙集构建改进的粗糙集模型,基于改进粗糙集理论提取无线传感器网络静态节点特征,通过支持向量机构建无线传感器网络静态节点分类模型对节点分类处理。仿真结果表明,所提方法的分类正确率始终高于96.852%、节点召回率在97.321%以上、F1值多于97%、能量消耗在12.52 J～90.20 J之间,证明所提算法具有良好的网络静态节点分类性能。     

无线传感器网络多路径聚集的改进

针对无线传感器网络数据聚集查询的需求,提出了一种针对无线传感器网络网内聚集的多路径路由算法EOD。EOD算法综合考虑了节点剩余能量、偏移角度、节点间距离三个因素对无线传感器网络数据传输过程的能耗、时延的影响,在多路径结构的基础上,对传感器节点的所有的邻居节点进行综合评估,选择转发成本最小的几个邻居节点作为转发节点,从而在确保可靠性和性能的前提下最小化WSN能量消耗。仿真实验表明,适当地调整各影响因素的权值,EOD算法可以有效地延长网络生存期,减少数据包在网络中的时延,使整个传感器网络的节点剩余能量趋于均衡。     

基于累积和控制图的分布式传感网络故障诊断

由于无线气象传感网具有资源受限及分布式等特点,传感器节点的故障诊断面临着很大挑战。针对现有诊断方法误报率高、计算冗余量大的问题,提出了一种基于累积和控制图（CUSUM）与邻居协作融合的故障诊断方法。首先,通过累积和控制图分析传感器节点上的历史数据,提高对节点故障判断的灵敏度并且定位出异常时间点;然后,结合网络内邻居节点间的数据交换,通过判断节点的状态诊断出故障节点。实验结果表明,即使在整个网络中在节点故障率高达35%时,算法检测精度仍然高于97.7%,而误报率不超过2%。由此可见,在节点故障概率很高的情况下,此所提法也能得到很高的检测精度和较低的误报率,受节点故障率的影响明显减小。     

一种无线浮标传感器网络覆盖优化算法的研究

无线浮标传感器网络是无线传感器网络应用于海洋监测领域的典型方式,而网络覆盖问题是衡量无线浮标传感器网络工作性能的重要指标之一。文中主要研究了一种适用于无线浮标传感器网络的覆盖优化算法。该算法的基本思想是在节点密集部署的监测区域中让每个节点与邻居节点交换信息以确定所要激活的最终候选节点,并将其他冗余节点设为休眠状态,以达到在所需的期望值下降低能量消耗的作用。不同网络规模的Matlab仿真结果分析可知该算法可以适当减少能耗,延长网络的寿命。     

面向节点失效的无线传感器网络覆盖空洞修复算法

为了保持无线传感器网络的覆盖率,保证网络有效性,提出了一种面向节点失效的无线传感器网络覆盖空洞修复算法;在网络分簇与簇内冗余节点调度已经完成的基础上,算法首先为每个节点设置一个能量阈值,当节点能量低于该阈值时立即向簇首发送失效信息,簇首收到信息后首先默认该失效节点的所有邻居节点都是空洞边界节点,然后通过计算失效节点与所有邻居节点的交点角来判断是否有邻居节点为非边界节点,最后在失效节点的感知半径内选择邻居节点(同时也是边界节点)个数最多的冗余节点激活;分析以及matlab仿真表明,算法的复杂度较低,网络保持一定覆盖率的情况下运行轮数比采用算法之前增加了19%,同时算法的修复效率与网络节点密度以及节点监测半径也有密切关系。     

一种无线浮标传感器网络覆盖优化算法的研究

无线浮标传感器网络是无线传感器网络应用于海洋监测领域的典型方式,而网络覆盖问题是衡量无线浮标传感器网络工作性能的重要指标之一。文中主要研究了一种适用于无线浮标传感器网络的覆盖优化算法。该算法的基本思想是在节点密集部署的监测区域中让每个节点与邻居节点交换信息以确定所要激活的最终候选节点,并将其他冗余节点设为休眠状态,以达到在所需的期望值下降低能量消耗的作用。不同网络规模的Matlab仿真结果分析可知该算法可以适当减少能耗,延长网络的寿命。     

面向异构WSNs的基于能量感知的簇路由算法

有效地使用传感节点的能量,进而延长网络寿命成为设计无线传感网路由协议的一项挑战性的工作.为了延长网络,现存的多数簇路由是面向同构网络.为此,提出分布式能量感知的异构WSNs非均匀分簇路由DEAC(Distributed Energy Aware unequal Clustering)算法.DEAC算法是以EADUC(Energy Aware Distributed Unequal Clustering)为基础,并进行优化.与EADUC不同,DEAC算法从簇头竞选机制、簇间多跳通信中的下一跳转发节点的选择策略以及自适应的节点通信半径的设置三方面进行优化.在簇头竞选机制中,采用退避算法,利用节点的剩余能量以及邻居节点的平均能量设置延时时间;在选择下一跳转发节点时,建立节点的关于能量的度量函数,选择具有最大剩余能量的节点作为下一跳;而在设置节点通信半径时,考虑了距离、剩余能量以及邻居节点数信息.仿真结果表明,与EADUC协议相比,提出的DEAC算法能够有效地延缓第1个节点失效的时间,减少了能耗,扩延网络寿命.     

Efficient localization for mobile sensor networks based on constraint rules optimized Monte Carlo method

Wireless sensor networks (WSNs) have been widely used in many fields. The issue of node localization is a fundamental problem in WSNs. And it is the basis and prerequisite for many applications. Due to the mobility of the sensor nodes, it is more challenging to locate nodes in the mobile WSNs than in the static ones. The existing localization schemes for mobile WSNs are almost based on the Sequential Monte Carlo (SMC) localization method. The SMC-based schemes may suffer from low sampling efficiency resulted from a large sampling area, which makes them difficult to achieve high localization accuracy and efficiency. Some schemes try to reduce the sampling area by further employing position relationship with neighbor common nodes, while we have found that the movements of the neighbor beacon nodes have not been fully exploited. Addressing this issue, in this paper, some new constraint rules are developed and some existing constraint rules are optimized with the consideration of the moving distance and direction of neighbor beacons. A series of distance constraint conditions are further created, by which, the scope/size of the sampling area can be further reduced, and the samples can be filtered more accurately. The performance of our algorithm is evaluated by extensive simulation experiments. The simulation results show that the localization error and computation cost of our proposed algorithm are lower than those of the existing ones, even when the speed of the sensor nodes is relative high.     

基于聚类中值比较的WSNs故障检测算法

无线传感器网络(WSNs)中的传感器件容易失效而导致测量数据不准确,因而,高效、实用的故障检测算法对于保证WSNs的感知质量非常重要。提出一种基于聚类中值比较(CBMC)的故障检测算法。不同于传统的中值比较的思想,该算法引入聚类方法对待检测节点的邻居节点测量数据进行分组,根据分组信息计算该节点状态。仿真实验表明:CBMC算法具有较高的故障检测率(DR)和较低的故障误检率(FPR)。     

基于时间序列相似度的无线传感网故障检测算法

针对无线传感网中节点故障率高而导致检测精度低以及能耗大的问题,提出了基于时间序列相似度的无线传感网故障检测算法(FDABTS2).该算法利用节点时间序列进行差值和相似度的计算,剔除一定故障类型的节点,并对瞬时读数故障数据进行修正.当节点为可疑节点时,利用空间相关性,与剩余邻居节点协作完成判定.在仿真环境下,与LEFD、NADST以及传统的DFD故障检测算法相比,检测精度分别提高了13％、17％和25％,误报率分别降低了8.4％、21.4％和25.4％,网络能耗分别降低了2.9％、8％和21.3％,即使在瞬时读数节点故障率高达60％时,误报率也能分别降低1.9％、26.2％和38.2％.实验结果表明,该算法在保证高检测精度的情况下,仍能有效降低能耗,延长网络生命周期.     

一种带侦察子群蚁群算法的无线传感路由协议

针对无线传感器网络（WSNs）路由面临安全威胁和节点能量有限的不足,提出一种基于引入侦察子群的改进蚁群算法（SACO）路由协议。通过改进的蚁群算法构造一条数据传输链,选择其中能量最大节点为簇头,信息通过相邻节点传送。结果显示：该算法兼顾到节点的能量和路径消耗,较标准蚁群算法和贪婪算法具有高效的路由选择功能,能够使网络中节点能量消耗更加均衡,从而延长网络的使用寿命。     

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.     

移动低占空比传感网邻居发现算法

低占空比技术极大地降低了传感网（即无线传感器网络）的能耗,延长了网络的生命周期,但却使邻居发现变得异常困难.尤其结合了节点移动性后,邻居发现问题将具有更大的挑战性.提出了一种基于Continuous TorusQuorum 的移动低占空比无线传感器网络的邻居发现算法,可以解决这种在对称和非对称场景下的邻居发现问题,并提出了适用于移动场景的邻居发现概率作为评估邻居发现算法的性能,项目还开发了用于测量移动场景下低占空比邻居发现算法性能的仿真平台.理论分析和仿真实验结果均表明：该算法无论在对称或者非对称场景下均取得了很好的能效、发现概率和发现延时性能,优于当前几种典型的异构邻居发现算法（比如Disco,U-Connect 等）.     

基于模糊逻辑的多跳WSNs分簇算法

针对无线传感器网络节点能量消耗不均衡和网络寿命过短的问题,提出一种基于模糊逻辑的多跳WSNs分簇算法(FLCMN).该算法综合考虑节点剩余能量、节点邻居个数、邻居节点的平均剩余能量.根据预先设定模糊规则库,利用模糊系统评估出当选簇头的满意度.额外考虑邻居节点平均剩余能量,改善了簇内热点问题,均衡了簇内能量的消耗;同时,为了改善簇间热点问题,提出一种基于斐波那契序列的多跳传输方式,延长了网络的生存时间.通过仿真验证,FLCAMN算法在网络生存时间和能量消耗方面的性能都优于LEACH、EAMMH和DFLC算法.