无线传感器网络中带复杂联盟的自适应任务分配算法

针对无线传感器网络任务调度的实时性及节点计算及能量受限的特点,根据任务截止期赋予任务优先级,优先考虑高优先级任务,设计了一个无线传感器网络中带复杂联盟的自适应任务分配算法。为尽最大努力确保任务在截止期前完成,对截止期较为紧迫的任务采用历史信息生成历史联盟,并执行快速子任务分配算法;而对截止期较为宽裕的任务,在满足任务截止期约束条件下,以节点能耗和网络能量分布平衡为优化目标,采用矩阵的二进制编码形式,设计了一种离散粒子群优化算法以并行生成联盟,并执行基于负载和能量平衡的子任务分配算法。仿真实验结果表明所构造的自适应算法是有效的,在局部求解与全局探索之间能够取得较好的平衡,并能够在较短的时间内取得满意解。     

一种基于EIP-PSO的无线多媒体传感网QoS路由算法

针对无线多媒体传感器网络（wMsN）多约束服务质量问题,文章在粒子群优化（ParticleSwarmOptimization,PSO）算法的基础上增加多约束QoS条件,提出了一种基于EIP—PS0的无线多媒体传感网QoS路由（EIP．PS0）算法,该算法设计了一种高效初始路径（EfficientInitialPath,EIP）机制,解决了粒子群初始化过程中网络和计算开销大的问题,并且用基因块儿变异机制解决了算法后期易陷入局部最优的问题。网络仿真结果表明：与GA-PSO算法相比,EIP—PSO算法降低了网络开销,减小了网络平均端到端时延,达到了很好的收敛效果。     

无线传感器网络安全数据融合算法研究

在无人监管和恶劣的环境下，节点被捕获对无线传感器网络的安全构成了极大的威胁，被捕获的节点能发送伪造的数据以改变整个融合结果，这样就为融合结果引入了不确定性，为了抵抗节点被捕获的攻击以及量化融合结果中的不确定性，文中提出了一种基于信任的融合构架解决了融合过程中存在的安全问题。     

无线传感器网络任务分配动态联盟模型与算法研究

为了延长网络生命周期,减少网络能量消耗和均衡网络负载,引入了动态联盟思想,构造了无线传感器网络任务分配的动态联盟模型,继而提出了一种基于离散粒子群优化的任务分配算法.该算法根据任务总完成时间、能量损耗以及网络负载状况,建立代价函数,结合粒子群优化算法,实现优化任务分配策略.引入了变异算子,在很好地保持了种群的多样性的同时提高了算法的全局搜索能力.仿真实验结果表明了该分配算法在局部求解与全局探索之间取得了较好的平衡,能有效减少无线传感器网络的计算时间和网络能耗,并有效地均衡网络负载.     

无线传感器网络中基于数据融合的路由算法

无线传感器网络（WSN）是远程通信方面一种极具潜力的关键技术。通过对无线传感器网络与典型通讯网络的对比分析,得出无线传感器网络路由协议都是以数据为中心进行工作的。详细分析了以MLR,GRAN,MFST和GROUP为代表的基于数据融合的路由算法。最后得出结论：将数据融合技术应用于无线传感器网络中可以明显地改善路由协议的进行效果,延长网络生存时间。     

无线传感网中数据融合算法研究

随着科技的进步,作战环境发生了巨大的变化,要想在战争中立于不败之地,必须在无线传感网中应用数据融合技术,通过对搜集到的信息进行全面系统的数据处理,从而提高数据的准确性,全面掌握敌人的准确信息,增加作战的有利条件。在日常生活中,无线传感网也发挥着举足轻重的作用,为了提高搜集到的数据的准确性,必须在无线传感网中应用数据融合技术。     

无线传感网中数据融合算法的研究

无线传感网中如何降低节点能耗和提高节点传输数据的准确性是急需解决的问题。在研究无线传感网分簇路由的基础上,针对无线传感网分簇路由的源节点提出了一种双层滤波机制,仿真结果表明该数据融合方法能够提高融合数据的准确性,降低数据冗余度,具有较高的执行效率。     

无线传感器网络数据融合研究

数据融合是无线传感器网络的一个研究热点,能减少传感器节点间传输的数据量和能量消耗,从而明显提高网络即时性能,延长网络生命周期,减小时间延迟。文章首先介绍了无线传感器网络中数据融合的必要性,然后介绍了数据融合的原理、层次、结构,重点介绍了多传感器数据融合的三个层次,并比较了三个融合层次的优缺点,最后对数据融合的发展趋势进行了展望。     

基于多无线传感器的数据融合算法

数据融合作为是一种减少数据通信量能耗的先进技术,在节能方面呈现出理想的应用效果,这便是数据融合成为无线传感器网络的研究热点之一的重要原因.文章将从多传感器信息融合技术背景、原理、特征以及多无线传感器数据融合方法等方面来对多无线传感器的改进数据融合算法进行深入的分析和探究.     

基于粒子群算法的无线传感器网络覆盖优化

传统无线传感器网络覆盖优化方法所选算法的结构不合理,使其覆盖能力、迭代能力和有效性无法维系网络基本功能,为此提出粒子群算法的无线传感器网络覆盖优化方法。通过构建无线传感器网络认知模型,将网络覆盖优化工作转化成求取目标物体最大覆盖几率问题,使用粒子群算法对模型进行编码,利用模型适应度函数给出的约束值对网络节点位置进行更新,实现对无线传感器网络覆盖率的优化。通过分析仿真实验结论可知,与传统方法相比,该方法具有更强的覆盖能力、迭代能力和有效性。     

无线传感器网络优化的任务管理算法研究

该文针对多跳分簇无线传感器网络多节点协同式并行处理应用,提出了一种新的基于改进粒子群优化算法的任务管理算法,该算法建立了基于复制的变异操作,并采用基于熵权的逼近理想解的排序法对算法结果进行客观评价与择优。详述了算法的各个要素,仿真结果证实,算法搜索效率高、可获得多目标优化的任务分配与调度解,且比文献中提出的其他算法的解性能优越。     

Directional Controlled Fusion in Wireless Sensor Networks

Though data redundancy can be eliminated at aggregation point to reduce the amount of sensory data transmission, it introduces new challenges due to multiple flows competing for the limited bandwidth in the vicinity of the aggregation point. On the other hand, waiting for multiple flows to arrive at a centralized node for aggregation not only uses precious memory to store these flows but also increases the delays of sensory data delivery. While traditional aggregation schemes can be characterized as “multipath converging,” this paper proposes the notation of “multipath expanding” to solve the above problems by jointly considering data fusion and load balancing. We propose a novel directional-controlled fusion (DCF) scheme, consisting of two key algorithms termed as directional control and multipath fusion. By adjusting a key parameter named multipath fusion factor in DCF, the trade-offs between multipath-converging and multipath-expanding can be easily achieved, in order to satisfy specific QoS requirements from various applications. We present simulations that verify the effectiveness of the proposed scheme.

无线传感器网络中基于数据融合树的压缩感知算法

针对无线传感器网络能量有限等特点,将路由策略考虑到投影矩阵的设计中,该文提出了基于数据融合树的压缩感知算法(Compressed Sensing algorithm based on Data Fusion Tree,CS-DFT)。该算法采用稀疏投影矩阵最小化通信消耗,在生成数据融合树的同时减小投影矩阵与稀疏基之间的相关度以保证数据的重构质量。仿真结果表明,该文提出的算法不仅在重构质量和能量消耗之间做到了很好的平衡,同时对于不同稀疏基下的数据也有较高的适应性。     

基于遗传算法的无线传感器网络自适应数据融合路由算法

针对移动代理以能量有效的方式收集相关性数据的问题,该文提出了一种新的基于遗传算法的自适应数据融合路由算法。算法选择移动代理路由时,根据数据传输和融合能量开销及节能增益,对移动代理迁移到每个传感器节点是否进行数据融合做自适应选择,以在信息收集过程中提高网络能量效率。仿真结果表明自适应数据融合路由算法的能量效率优于完全数据融合路由算法和最邻近启发式算法。     

一种基于二值粒子群优化和支持向量机的目标检测算法

针对复杂场景下目标检测和目标检测中特征选择问题,该文将二值粒子群优化算法(BPSO)用于特征选择,结合支持向量机(SVM)技术提出了一种新颖的基于BPSO-SVM特征选择的自动目标检测算法。该算法将目标检测转化为目标识别问题,采用wrapper特征选择模型,以SVM为分类器,通过样本训练分类器,根据分类结果,利用BPSO算法在特征空间中进行全局搜索,选择最优特征集进行分类。基于BPSO-SVM的特征选择方法降低了特征维数,显著提高了分类器性能。实验结果表明,该文算法不仅有效提高了复杂场景下目标姿态、尺度、光照变化和局部被遮挡时的检测准确率,还大大缩短了检测时间。     

无线传感器网络中基于移动代理的自适应数据融合路由算法

该文提出在无线传感器网络中基于移动代理的自适应数据融合路由(AFMR)算法,解决移动代理如何以能量有效的方式融合、收集相关性数据的问题。该算法综合考虑了移动代理在路由过程中传输能量和融合能量的消耗,并根据数据融合算法的能量开销和节能增益,对移动代理迁移到各节点时是否执行数据融合操作进行自适应调整,以达到在各种不同的应用场景中优化移动代理能量开销的目的。通过仿真验证了在无线传感器网络的各种相关性数据收集的应用环境中,AFMR算法在节省能量方面比现有TSP和FMR的移动代理路由算法更加有效。     

Secure steganography based on binary particle swarm optimization

The objective of steganography is to hide message securely in cover objects for secret communication. How to design a secure steganographic algorithm is still major challenge in this research field. In this letter, developing secure steganography is formulated as solving a constrained IP (Integer Programming) problem, which takes the relative entropy of cover and stego distributions as the objective function. Furthermore, a novel method is introduced based on BPSO (Binary Particle Swarm Optimization) for achieving the optimal solution of this programming problem. Experimental results show that the proposed method can achieve excellent performance on preserving neighboring co-occurrence features for JPEG steganography.     

无线传感器网络部署及其覆盖问题研究

无线传感器网络是近几年发展起来的一种新兴技术,在条件恶劣和无人坚守的环境监测和事件跟踪中显示了很大的应用价值。节点部署是无线传感器网络工作的基础,对网络的运行情况和寿命有很大的影响。部署问题涉及覆盖、连接和节约能量消耗3个方面。该文重点讨论了网络部署中的覆盖问题,综述了现有的研究成果,总结了今后的热点研究方向,为以后的研究奠定了基础。     

无线传感器网络中基于概率的能量平衡算法

各传感器节点的能耗不平衡严重地影响了无线传感器网络的生命周期。该文提出了基于传输概率的能量平衡算法。首先把圆形区域网络模型划分成若干圆环,每一圆环中的传感器节点以混合传输的方式传输数据。其次,为使每个传感器节点能耗均衡,提出了一种混合传输概率求解算法,获得一组传输概率决定节点传输数据的方式,从而更好地平衡网络能耗。然后对圆环宽度进行了分析和优化。仿真结果证明这些算法可以有效地降低网络能耗,延长网络生命周期。     

Energy Efficient Non-uniform Clustering Division Scheme in Wireless Sensor Networks

Wireless sensor networks can be used to monitor the interested region by multi-hop communication. Since sensor nodes are equipped with energy-limited batteries, energy conservation in such networks is of paramount importance in order to prolong the network lifetime. In this paper, considering the constrained radio range of node, we propose an energy efficient clustering division scheme from the viewpoint of energy consumption. The difference between our scheme and previous schemes is that ours is a non-uniform clustering hierarchy. With the algorithm that is proposed by this paper, we can divide the cluster into multiple non-uniform concentric rings and obtain the optimal thickness of each ring. Motivated by the derived results, every sensor node can adjust its radio range for transmission. Our extensive simulation results indicate that the proposed non-uniform clustering division scheme outperforms the conventional uniform clustering division schemes in terms of energy consumption and lifetime. The future research that should be explored is also discussed finally.