基于改进量子粒子群和主动PI模型的自适应无线传感器网络拥塞控制算法设计

针对无线传感器网络中路由节点需要转发大量数据导致网络拥塞,从而引起节点丢包率高和网络吞吐率过低的问题,提出了一种基于主动PI模型和改进量子粒子群优化算法的拥塞控制方法;首先定义了丢包率和队列长度计算方式;设计了改进的PI主动队列管理模型,然后,为了改进PI模型的控制效果,采用改进的量子粒子群算法对PI主动队列管理模型中的比例系数和积分系数kP和kI进行参数优化,从而得到能实现WSN自适应控制的主动PI控制模型;最后,对基于量子粒子群算法和PI主动队列模型的网络拥塞算法进行了描述和说明;仿真实验表明:文中提出的拥戴控制方法能有效实现WSN拥塞控制,是一种适用于WSN的有效拥塞控制方法,与其它方法相比,具有较短的平均队列长度和较大的网络吞吐率,具有很强的可行性。     

基于移动WSN目标追踪算法

水下移动无线传感器网络是追踪水下目标的重要手段,由于水下环境复杂,传感器节点会因为损坏或能量耗尽等问题脱离WSN网络,造成目标追踪困难。针对该问题,在拓扑熵理论基础上建立移动WSN目标追踪算法模型,利用拓扑熵对空间中点集拓扑关系描述移动WSN节点的部署情况。当有节点脱网后,通过不断计算拓扑熵值的变化合理调度节点移动,实现节点移动过程中的分布式自适应部署。仿真结果表明,在传感器节点损耗的情况下,提出算法和现有WSN目标追踪方法相比,在优化移动传感器网络的部署和目标追踪方面,具有更高的算法性能和效率。     

基于模拟退火自适应粒子群算法的WSN拓扑抗毁性方法研究

针对WSN节点易失效和损毁的特点,文章从拓扑结构角度研究WSN网络抗毁性.以网络自然连通度作为优化目标,主要考虑网络节点全连通、节点和链路数量、节点通信半径以及节点负载等约束,构建网络拓扑抗毁性优化模型.模型求解是NP-hard问题,文章提出了一种新的启发式算法——基于模拟退火自适应粒子群算法,该方法在粒子种群更新前,...     

基于能量约束的无线传感器网络可靠性研究

针对传感器网络系统(WSN)对任务完成所需能量有约束的特点,首先建立了WSN系统的网络模型和任务模型,引入了能量权函数,建立了基于任务的无线传感器网络系统可靠性模型,最后针对无线传感器网络的典型层次簇拓扑结构,给出了建模实例。该方法为WSN系统的任务级划分与拓扑结构的选择和优化提供依据和参考。     

萤火虫算法在WSN节点部署中的应用

为解决WSN随机部署方法导致覆盖率低的问题,提出了一种基于萤火虫算法的WSN自适应部署方法.该方法融合概率感知模型和萤火虫算法两种技术,建立网格覆盖模型,实现WSN节点优化部署.设计了3组仿真测试,实验结果表明,新方法相较于随机部署方法,其测覆盖率有所提升.     

基于故障定位集的无线传感器网络故障检测

由于无线传感器网络(WSN)节点的位置分布广,网络出现故障后如何进行故障检测以实现功能的恢复显得尤其困难,因此,探索快速有效的网络故障检测方法对于大规模WSN的可靠应用很有必要;基于最小故障定位集,提出了一种新的故障定位和故障检测方法;该方法在WSN分布式结构模型基础上,将网络节点与节点间的连接关系以图的方式进行描述,利用最短路径分析方法,来对WSN中出现的故障进行定位和检测;应用分析表明,该算法可以快速有效实现WSN故障定位与检测.     

一种ZigBee无线传感器网络拓扑发现算法

ZigBee无线传感器网络(WSN)不同于有线网络,由于无法直接观察到其网络结构和设备部署情况,因此不利于对ZigBee WSN进行管理和控制。为解决该问题,提出一种针对ZigBee WSN的拓扑发现算法(ZigBeeTopo),确定网络中的活跃节点以及节点之间的相互关系,设计WSN拓扑管理模块,实现ZigBee网络拓扑的可视化。测试结果表明,该算法能正确发现多种WSN拓扑。     

基于改进ACO与分布式社区检测的WSN路由协议

在无线传感器网络（WSN）的研究中,兼顾能量消耗和数据传输的可靠性是个非常棘手的问题。基于此,将改进蚁群优化的元启发式算法与复杂度低的分布式社群检测的标签传播技术相结合,提出了一种基于改进蚁群优化算法与分布式社区检测的WSN路由协议,新的路由协议在WSN中创建社群,并通过群集智能在社区内传送数据,从而实现能量消耗的平衡,它在构建和维护路由路径时具有较低的内存开销。此外,新的路由协议通过基于数据转发策略中社群之间的确认机制实现数据传输的高可靠性。仿真结果表明,路由协议在实际吞吐量、能量消耗等方面具有明显的优势。     

一种能耗均衡的WSN分布式拓扑博弈算法

无线传感器网络（wireless sensor network,WSN）中通常节点能量受限,节点间能耗不均衡会导致网络生命周期缩短.针对该问题,综合考虑节点的能量效率和能耗均衡,通过引入阿特金森指数设计了一种改进优化的综合效用函数;基于此,建立了一种能耗均衡的拓扑博弈模型,并证明了该拓扑博弈模型是序数势博弈且存在帕累托最优;提出了一种能耗均衡的WSN分布式拓扑博弈算法（DTCG）.通过仿真实验及对比分析表明,相较于其它基于博弈理论的拓扑控制算法,DTCG算法能在保证网络连通性和鲁棒性的前提下,降低节点发射功率,拥有更好的能量均衡性和能量效率,可以有效延长网络生命周期.     

一种无线传感器网络节点的故障检测算法

在无线传感器网络(WSN)中,容易因为故障节点存在冗余的故障属性、噪声数据以及数据可靠性等问题,从而产生传输错误数据,这将极大地消耗WSN节点中能量和带宽,向用户形成错误的决策。为此,提出了基于蚁群算法和BP神经网络模型的WSN节点故障检测方法。通过使用蚁群算法,使用户通过寻找优化路径来定位WSN节点的位置,通过这种随机搜索算法以及蚁群算法的搜索策略使用户对WSN故障节点的位置进行总体把握。然后又基于BP神经网络模型对获取的WSN故障节点信息进一步学习,在数据训练过程中,依据WSN故障节点预测误差,并进一步调整网络的权值和阈值,增加了故障诊断的精度。采用的算法对检测WSN故障节点具有较好的性能,使无线传感器网络的服务质量大大提高,增强了系统的稳定性,实验结果验证了算法的可行性和有效性。     

Layout Optimization for Greenhouse WSN Based on Path Loss Analysis

When wireless sensor networks (WSN) are deployed in the vegetable greenhouse with dynamic connectivity and interference environment, it is necessary to increase the node transmit power to ensure the communication quality, which leads to serious network interference. To offset the negative impact, the transmit power of other nodes must also be increased. The result is that the network becomes worse and worse, and node energy is wasted a lot. Taking into account the irregular connection range in the cucumber greenhouse WSN, we measured the transmission characteristics of wireless signals under the 2.4 Ghz operating frequency. For improving network layout in the greenhouse, a semi-empirical prediction model of signal loss is then studied based on the measured data. Compared with other models, the average relative error of this semi-empirical signal loss model is only 2.3%. Finally, by combining the improved network topology algorithm and tabu search, this paper studies a greenhouse WSN layout that can reduce path loss, save energy, and ensure communication quality. Given the limitation of node-degree constraint in traditional network layout algorithms, the improved algorithm applies the forwarding constraint to balance network energy consumption and constructs asymmetric network communication links. Experimental results show that this research can realize the energy consumption optimization of WSN layout in the greenhouse.     

一种基于学习自动机的WSN区域覆盖算法

基于连通支配集(Connected dominating set,CDS)的区域覆盖算法大都采用休眠节点数量的最大化机制来实现节能,这将给无线传感器网络中的活动节点带来沉重的负担。活动节点电能的迅速耗尽将导致CDS失效,产生覆盖盲区。不断激活其他休眠节点,会出现频繁的网络拓扑变化,导致网络收敛性出现问题。提出了一种基于学习自动机的WSN区域覆盖算法。采用受度限制的连通支配集d-CDS来构造WSN骨干网络,利用学习自动机选择当前节点的最优邻居节点,以此实现对所构造CDS的优化,实现活动节点的负载均衡,改善区域覆盖性能。通过仿真实验对比Gossip、ST-MSN和TMPO等算法,表明本文提出的算法在网络覆盖比率、活动节点的剩余电量等方面均存在优势。     

基于混合蛙跳算法的WSN路由优化算法

通过对无线传感器网络的拓扑结构和蛙跳算法的研究,针对能量受限的无线传感器网络生命周期较短的问题,提出一种基于混合蛙跳算法的WSN(W ireless Sensor Network)路由优化算法。该算法在生成青蛙时,考虑了节点的剩余能量,在局部优化过程中采用选择替换和变异两种方法,在全局优化中引入了多路径路由思想,并且充分利用了基站的信息资源和强大功能。仿真结果表明,该优化机制有效延长了W SN的生命周期,改善了网络性能。     

大规模无线传感器网络自适应节能路由算法

在确保大规模无线传感器网络信息可靠传输的前提下,尽可能降低网络能量开销,提出了大规模无线传感器网络的自适应节能路由算法。针对长江三峡库区水质监测的具体应用环境,构建了网络模型,采用梯度型拓扑生成器生成网络拓扑,利用可以平衡负载的节能自适应算法进行最优路由选择,建立了应用于大规模无线传感器网络的自适应节能路由算法。在具有代表性的两种不同网络环境中,对该算法的节能效果进行测试,结果表明了算法的可行性和先进性;该算法能有效地将网络负载平均分配于整个网络中,减少网络的整体能量开销,延长整体网络的寿命。     

基于网络拓扑优化的WSN最小跳路由算法

以节能为主要目标,基于最小跳路由的思想提出一种基于网络拓扑优化的WSN最小跳路由算法——MH-TO算法。该算法采用折半匹配的功率调整策略对网络拓扑进行优化,并引入“塔模型”实现节点的最小跳信息的学习,使得信息包路由时沿着最小跳的路径向sink节点传送。理论分析和仿真实验结果表明,与基于最小跳数场的自组织路由算法相比,该算法能够降低能量消耗并均衡能量负载,从而显著延长网络的生存期。     

大规模WSN的三层拓扑架构及其拓扑控制

针对多sink的大规模WSN,提出一种新的三层网络拓扑架构,以解决现有平面型和两层分簇型拓扑架构与大规模WSN环境不相适应的问题;在分析各层数据通信策略的基础上,重点研究了基于瓶颈sink节点的关键层拓扑控制算法,为核心层数据通信提供可靠性支持。仿真实验表明,所提出的大规模WSN三层拓扑控制结构和拓扑控制算法有助于平衡全局通信负载,控制关键通信层能量消耗,提高网络监测的鲁棒性。     

基于负载均衡的WSN非均匀分簇算法

针对分簇的无线传感器网络(WSN)中负载不均衡问题,提出一种实现节点负载均衡的WSN非均匀分簇算法。引入非均匀簇机制计算出最优的网络分簇数量,通过调整节点的簇首归属来控制网络的分簇的大小,形成合理的网络拓扑结构。仿真实验结果证明,该算法能有效均衡网络的节点负载,降低节点能耗,延长网络的生存时间。     

一种低能耗层次型无线传感器网络拓扑控制算法

提出一种低能耗层次型拓扑控制算法(A low-power hierarchical wireless sensor network topology control algorithm, 简称LPH算法). 该算法是一种支持多跳网络、降低能耗的多级组网控制算法. 它将拓扑控制分为组网和拓扑维护两个阶段, 其中组网阶段包括选择簇头、标识簇头及簇内节点、优化拓扑三个任务, 算法在各个阶段、各个任务中都考虑了节能. 同时, 在簇头选择时考虑了簇头节点分布均衡问题, 通过优化拓扑降低簇内通信能耗. 其次, 通过静态地址与动态地址结合的方式提高网络层次及可维护性. 本文详细介绍了LPH算法及其思想, 给出算法的空间复杂度、时间复杂度及能耗分析, 并基于NS2仿真工具, 对LEACH、PEGASIS和LPH三种算法分别进行了模拟仿真, 说明LPH算法的性能与优势.     

传感器网络中一种基于链路稳定性和多路径的拓扑控制算法

通过压缩邻居节点集合的势,进而调整网络拓扑结构的拓扑控制方法,可以提高传感器网络的能量效率 .然而现有的拓扑控制方法尚没有充分地考虑链路不稳定性因素,以及如何在提高能量效率的同时改善负载均衡 .在对链路损失模型进行分析的基础上,考察了能量效率、负载均衡和邻居节点集的势之间的关系 .发现在同时改善能量效率和负载均衡之间有一对矛盾 .提出了一个分层的拓扑控制算法LELB(layered energy-efficient and load balance algorithm),可以在链路不稳定的情况下进一步改善能量效率,同时获得更好的负载均衡 .仿真结果表明,LELB算法对网络性能有很好的改善 .