基于非均匀分簇和蚁群神经网络的WSN数据融合算法

为了确保无线传感器网络在列车车厢中能高效稳定地工作,提出了一种基于蚁群优化神经网络的数据融合算法 (DFA-IACOBP)。该算法将无线传感器网络非均匀分簇结构与神经网络结构相结合,建立一个基于非均匀分簇路由神经网络的无线传感器网络数据融合模型。在非均匀分簇路由算法中,候选簇头根据竞争半径构造出大小不一的簇,并在每个簇中竞选出两个簇头。主簇头负责簇内信息采集和处理,副簇头承担簇间信息转发,神经网络的权值和阈值由蚁群算法优化寻得,优化后的神经网络能从存在大量冗余数据的无线传感器网络提取有效特征数据并传输至汇聚节点。仿真结果表明:DFA-IACOBP算法能大幅降低网络中冗余数据,减少网络数据通信量,提高特征数据采集效率和网络整体性能。     

传感器网络中基于簇的融合树构建算法

针对无线传感器网络中节点能量有限的特点,提出一种基于簇的数据融合树构建算法。该算法利用基于簇的层次结构减少路由维护代价并提高系统可扩展性;利用数据融合树处理网中冗余信息,降低数据传输量,实现了节点能量高效地使用。仿真结果表明,该算法能有效降低节点能量消耗,并延长网络生存期,性能优于典型算法。     

一种节能的无线传感器网络路由协议的设计与实现

在无线传感器网络的路由协议中,基于簇的路由协议在拓扑管理、能量利用、数据融合等方面具有优势。本文针对目前已有协议能量消耗大、网络寿命短等问题,提出了一种能量感知的基于分布式簇算法的无线传感器网络协议EA-HEED。此协议改进了分布式的簇头选举算法,分配时分复用时隙并在簇头节点建立一棵路由树,从而提高簇头选举效率;设计了休眠冗余节点的簇内活动节点调度算法,减少能耗;采用考虑节点能量和节点与基站距离的簇头节点组织路由树方法、最小化网络开销以及能量负载平衡方法,优化路由协议,有效延长网络寿命。仿真结果表明,与LEACH和HEED协议相比,EAHEED协议可以进一步延长网络寿命。     

PTTC:无线传感网络分簇算法

分簇是延长无线传感网络寿命的有效技术。为此,提出了基于Prim的树簇拓扑的无线传感网络分簇PTTC算法。PTTC算法首先推导最优的簇数,再计算节点被选为簇头的平均概率。然后,结合节点的剩余能量以及被选为簇头的频率数选择簇头,最后利用Prim算法建立树,节点依据树传输数据,进而提高能量利用率,扩延网络寿命。仿真结果表明,提出的PTTC算法平衡了节点间的能量消耗,有效地延长了网络寿命。     

能量高效的WSNs分簇数据融合算法

针对无线传感器网络(WSNs)中多跳通信造成的“热区”以及数据冗余问题,提出了一种能量高效的分簇数据融合算法(EECDA).该算法在分簇阶段综合考虑节点的剩余能量、到基站的距离和邻居节点的数目,周期性地选择簇首和划分不同规模的簇;对簇内数据进行融合,利用辛普森积分法则计算预测接收数据,在保证采集数据实时性和准确性的前提下,降低数据的冗余性,减少通信负载,提高网络的能量利用率.仿真结果表明:该算法能够对数据进行高效预测,减少网络通信量,相较已有的算法,能够有效延长网络的生存周期.     

基于CS优化的双簇头分簇路由算法研究

为了减少无线传感器网络(WSNs)分簇路由中簇头的能量消耗,提出了一种基于布谷鸟搜索(CS)优化的双簇头分簇路由算法.CS通过采用节点的剩余能量和节点之间的位置关系来构造适应值函数并选举出最优双簇头.其中,主簇头将数据进行融合,副簇头将融合的数据发送给基站,缓解了以往单簇头同时负责数据融合和传输的双重压力,使得整体能耗在各个节点的分配更均衡.仿真实验表明:与LEACH算法、粒子群优化(PSO)算法相比,CS算法在减小网络能耗以及延长网络生存周期上更具优势.     

基于估计机制的分簇传感器网络数据融合算法

提出了一种基于估计机制的分簇传感器网络数据融合算法.在满足数据精确度要求的前提下,只有当数据的当前值与上一次采集值之差超过某一变化阈值时,才将当前采集数据发送到簇头节点,否则不发送.采用节点剩余能量自适应的簇头选择算法来平衡传感器节点的能耗,使得剩余能量越大的节点当选为簇头的概率越大.推导了使网络能耗最小的最优分簇规模...     

改进的无线传感器网络非均匀分簇路由算法

针对无线传感器网络中不均匀分簇引起能量空洞的问题,提出了改进的无线传感器网络非均匀分簇路由算法。该算法先根据节点剩余能量、节点到基站的距离、节点“度”和节点到簇头的距离等因素选举簇头;没有成为簇头的节点选择加入到距离最近的簇头所在的簇中,从而将整个网络划分为大小不等的簇;然后簇头再根据簇头剩余能量、簇头到基站的距离构造基于最小生成树的最优传输路径;通过簇内节点单跳、树内簇头多跳通信的方式将数据最终传输到基站。仿真结果表明,该路由算法能有效节约能量和均衡节点能耗,从而延长网络的生命周期。     

基于数据融合的无线传感器网络林火监控算法

针对无线传感器网络在林火监控应用中存在的问题,提出了一种分层聚簇数据融合算法。簇内传感器节点使用加权平均法对原始数据进行数据级融合处理,以消除原始数据中的冗余成分,减少从簇内传感器节点到簇头节点的通信量;簇头节点采用D-S证据理论建立识别框架,通过对本簇成员的反馈信号进行决策级融合处理,提高了火灾事件的识别精度和网络的鲁棒性。实验结果表明,该算法能有效消除无线传感器网络的冗余数据,并能够在失效节点数不超过总节点数40%的情况下正确工作。     

基于事件驱动和神经网络的无线传感网络数据融合算法研究

为降低突发事件监测的无线传感器网络(WSN)的能量消耗和数据冗余,设计并实现一种基于事件驱动的动态分簇BP神经网络数据融合算法(EBPDF)。其中动态成簇以及簇头选举过程基于事件严重程度和节点剩余能量,簇的生命周期和簇的覆盖范围根据事件紧急程度和节点剩余能量进行动态调整。同时,为减少网络通信量,将神经网络层次结构与WSN的簇结构相结合,在动态形成的簇结构中应用三层神经网络模型,通过神经网络算法从采集到的大量原始数据中提取出少量特征值,并发送到汇聚节点,从而延长网络生命周期,降低数据传输的冗余度。理论仿真实验证明,与LEACH算法相比,该算法既能有效降低网络通信流量,又能减少节点通信次数。     

基于数据流和网络编码的无线传感器网络数据聚合算法

为了减少分簇的无线传感器网络(WSN)中数据包传输的数量,并使传感器网络的能量效率最大化,提出了一种节能的自适应数据聚合算法.在该算法中,源节点凭借其存储和计算能力,利用数据流技术减少数据包的传输量;当数据从源节点传输到簇头时,簇头根据控制信息选择一组节点作为编码节点,当数据相关性低于某阈值时,该组节点对数据包进行网络编码,若数据相关性高于某阈值,该组节点则会成为聚合节点进行数据聚合,网络编码和数据聚合可以减少簇头冗余流量,提高能量效率.实验结果显示,使用该算法后,数据包交付率有所提高,能量消耗显著减少.     

基于异常数据驱动的WSN簇内数据融合方法

引入数据驱动的思想,提出了一种基于异常数据驱动的簇内数据融合方法.在节点数据采集过程中,仅当异常数据发生时才发送给簇头,减少了监测网络的数据传输量.在簇头数据融合过程中,建立了各传感器之间的相互支持度矩阵,支持度值较低的监测数据将被剔除,支持度值较高的监测数据进行最优加权融合,从而保证了融合结果的准确性和有效性.仿真实验结果表明,与算术平均值法及自适应加权融合法相比,本文方法能有效去除冗余信息,在融合精度、能量消耗方面具有明显的优势.     

基于最小覆盖集的WSN数据聚集算法

针对无线传感器网络(WSN)能量有限且网内聚集错误检测率较低的问题,提出一种基于最小覆盖集的WSN数据聚集算法。构造一颗以汇聚节点为根并包含最少中间转发节点的树,其中间转发节点为树的最小覆盖集。在中间转发节点中引入读向量的相似性判断,以去除网内冗余及错误数据。实验结果表明,该算法能减少网内通信能耗,提高收集数据的准确性。     

基于非均匀分簇机制的ZigBee混合路由算法

针对现有ZigBee网络路由算法存在节点能量消耗不均衡问题,在树路由算法与无线自组网按需距离矢量路由改进(AODVjr)算法的基础上,提出一种基于非均匀分簇机制的ZigBee混合路由算法。该算法将网络分成若干个非均匀的逻辑簇,使距离协调器越近的簇规模越小,从而减少转发任务,使得能量消耗均衡。在分簇的基础上,将节点之间的传输分为簇内传输与簇间传输。簇内传输采用基于邻居表的树路由算法;簇间传输在基于树路由算法无效的情况下,采用AODVjr算法,找到两个簇首之间的较短路径;同时规定只有簇首节点和网关节点才能广播请求分组(RREQ),可以减少冗余的RREQ分组。仿真结果表明,该算法能有效推迟死亡节点出现的时间,延长网络的生存周期,达到提高网络性能的目的。     

基于模糊强化学习和果蝇优化的WSN数据聚合算法

在无线传感器网络中,传感器的能量时有限的,如果传感器的能量耗尽,那么无线传感网络的鲁棒性和寿命就会大大降低.因此,提出了基于模糊强化学习和果蝇优化的数据聚合机制,以最大限度地延长网络寿命,并进行高效数据聚合.首先,网格聚类用于簇的形成和簇头的选择,接着评估各个网格簇所有可能的数据聚合节点,然后采用模糊强化学习选取最佳数据聚合节点,最后利用果蝇优化算法动态定位整个无线传感网络的数据汇聚节点.仿真结果表明,提出的数据聚合方案在能耗和网络鲁棒性方面优于对比方案.     

无线传感器网络中非均匀的最少分簇能耗均衡算法

无线传感器网络中,邻近基站的节点由于承载过多的数据量而过早死亡,从而引发热点问题。采用簇结构可以减轻热点问题,同时降低整个网络的能量消耗,但是簇头昂贵。为此提出了一种非均匀的最少分簇能耗均衡算法（EBUC）,在该算法中,首先建立了一个最少覆盖模型,以优化簇头个数,并在此基础上研究如何通过调整簇内节点个数和融合相关度来均衡能耗,从而有效减轻热点问题。实验结果表明,通过调整簇内节点个数和限制融合相关度的大小,该算法可有效延长网络生存时间。     

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%。     

WSN 中基于能量反馈的分簇路由算法EFCA

分簇技术在无线传感器网络中得到广泛的应用.提出了一种基于能量反馈的分簇路由算法(EFCA).该算法以簇为单位构造数据聚合树,解决了单跳传输外沿节点能耗过快和多跳传输时延过大的问题;同时在簇内选择簇头对,令主次节点分别负责簇间信息传递和簇内信息收集,进一步减小了数据传输延迟;提出的能量反馈机制很好的解决了网络"热区"问题.经仿真验证,可以有效的延长网络的生存时间.     

改进簇头选举的分层传感网络能量优化算法

在无线传感网络中,为解决树状拓扑结构中簇头竞选算法不合理而造成能耗不均匀的问题,设计了改进簇头选举的分层路由能量优化算法,即在簇头选举时分别对阈值公式、簇头竞选算法有所改进.其中,阈值公式以节点所剩能量、节点到Sink节点间距离以及能耗因子为基准;而在簇头竞选算法中增加候选簇头的成员个数这一参数,可避免成员个数较多的节点成为簇头的几率,从而平衡簇头的能耗.通过与经典的LEACH和EOUCR协议的成簇算法仿真对比表明:提出的算法可以更好地平衡簇头能量耗损,从整体上延长网络生存周期.