基于动态生成树和改进不敏卡尔曼滤波的传感器网络目标跟踪算法研究

针对在传感器网络目标跟踪的实际应用中,节点感知的数据与目标真实状态之间通常呈现非线性的特点,提出了一种基于改进不敏卡尔曼滤波的传感器网络目标跟踪算法。通过引入粒子群技术对不敏卡尔曼滤波中δ采样点的分布和收敛速度进行优化,使得δ采样点的分布更加接近目标的真实状态,以提高目标跟踪精度。同时,构建了一个随目标移动而动态生成的树形结构作为算法的执行平台。仿真结果表明,采用动态生成树作为算法执行平台提高了节点资源的利用率,降低了网络能耗,采用粒子群优化后的不敏卡尔曼滤波提高了目标跟踪精度,减少了算法运行时间。     

无线传感器网络中能量高效的自适应分簇算法

无线传感器网络中节点能量是受限的,高效的节能方法成为无线传感器网络中各种关键技术研究的重点之一。为有效降低分簇无线传感器网络在分簇时的能量消耗,给出一种能量高效的无线传感器网络自适应分簇算法。该方案首先是根据数据传输能量消耗最小原则计算出最优簇头节点数目,然后按照区域聚类方法进行分簇,最后在每个簇根据节点剩余能量和数据传输能耗代价选择簇头。仿真性能分析结果表明:所给方案可以有效降低节点能量消耗,防止簇头节点因能量消耗过快而过早失效。因此,该算法可以提升网络的稳定性,延长网络生命周期。     

基于免疫原理的无线传感器网络路由仿真

高效的路由方法是网络通信的基础,本文结合已有研究,为延长传感器网络的寿命,减少能量消耗.针对传统算法由于忽略了邻居节点的状态信息,从而降低网络的生存时间.提出一种免疫原理优化的无线传感器路由方法.在充分考虑了邻居节点的能量和距离分布信息的前提下,通过免疫方法进行优化选择,并进行仿真.仿真结果表明,算法能有效地均衡网络节点的能量消耗和显著地延长网络寿命.     

多级异构传感器网络距离和能量有效分簇算法

分簇路由算法是无线传感器网络降低能耗的一种关键技术。由于多级能量异构无线传感器网络的节点初始能量在一定范围内随机分布,为了能有效利用节点能量的异构性以降低能耗、延长网络稳定周期,提出了同时考虑节点剩余能量和节点至基站距离的多级能量异构无线传感器网络的分布式分簇算法CDEE。该算法使剩余能量较高、距离基站较近的节点成为簇首的机会更大。仿真结果表明,CDEE算法可以有效降低并平衡网络能量消耗,延长网络稳定周期。     

基于改进蚁群算法的网络能量平衡路由策略

以无线传感器网络为研究对象,针对网络能量消耗不均匀,造成部分网络节点能量过早耗尽这一问题,采用无向图理论对无线传感器网络进行建模,并通过改进的蚁群算法对网络路由路径进行求解,改进启发因子,加入能量消耗预测机制,引导算法产生能够平衡各节点能量消耗的路由路径,最终达到平衡网络节点能量的目的。仿真对比实验表明,与经典蚁群算法相比,提出的改进蚁群算法能够有效降低节点剩余能量方差,平衡节点能量消耗,有效提高无线传感器网络的能量平衡。     

无线传感网络测量的目标预测动态能量优化

能量约束是无线传感网络实际应用的关键问题之一。针对无线传感网络测量的能效性问题,提出目标预测动态能量优化方法,采用粒子滤波算法对测量目标状态进行预测,通过动态唤醒无线传感节点延长节点睡眠时间节省节点能量。根据无线传感网络节点分布计算能力,运用分布式遗传模拟退火算法优化目标测量过程,使网络能耗最小化。重点讨论机动目标跟踪应用,实现目标位置预测、节点睡眠状态规划和测量节点优化选择,提出节省通信能量的中转节点路由方案。机动目标跟踪的仿真试验表明,目标预测动态能量优化方法能降低节点能耗,并提高无线传感网络的能量有效性。     

一种节能的无线传感器网络路由算法的研究

针对已有的无线传感器网络(WSN)路由算法在具体的实际应用中存在的问题,提出了适合实际应用的路由算法的目标,并设计了一种能量敏感的路由算法,以节省能量消耗从而达到延长整个网络生命周期的目的。该算法在已有的分簇算法基础上加入休眠机制,使未承担传输数据的节点进入休眠状态,从而达到节能目的。在GAINZ节点组网环境中实现了基于该路由算法的原型系统,并对该算法的性能和效率进行了测试。研究结果表明,在实际应用过程中该算法能有效地提高网络的生命周期。     

异构无线传感器网络中基于POMDP的实时调度算法

针对异构无线传感器网络节点性能存在差异和易受环境影响的特点,提出一种基于部分可观察Markov决策过程(partially observable markov decision process,POMDP)的实时休眠调度算法,使用状态转移函数和观察函数表示系统完成用户请求任务中存在的环境噪声和传输冲突等不确定性,使用回报函数表示采用不同调度策略对异构网络感知准确度和能量消耗的影响,采用基于当前信念点的在线求解算法求取最优策略。仿真结果表明:该算法能够平衡数据准确性与能量消耗,延长网络生存时间。     

无线传感器水下监测网络稀疏采样和近似重构

无线传感器网络在水下生态环境的监测方面有着广泛的应用,但是常常会碰到能量缺乏和生命周期较短的问题.为了克服这些问题,基于压缩感知理论,提出了一种网络节点调度和稀疏采样的优化方法,与传统的无线传感器网络节点调度方法不同,它采用随机概率采样模型,只对整个网络的一个子集进行采样,这是一种“物理静止,逻辑动态”的随机调度方案,节省了有限的带宽和能量.同时该方法在节点调度过程中,引入了状态转换图,对节点的状态进行分类控制,增加了网络覆盖要求和最小观测数等约束条件,使得设计的稀疏选择矩阵更为合理.同时研究了在满足最小l1范数的条件下,基于组合算法对稀疏信号进行重构的方法.实验的结果表明,与传统的无线传感器水下监测网络相比,基于上述节点调度方法所构建的无线传感器水下监测网络,具有较低的能耗和较长的网络生存时间,并且能对稀疏采样后的信号以较大的概率进行近似重构,使得重构信号逼近原始监测信号.     

基于事件的WSANs执行器调度多目标优化研究

无线传感器执行器网络中,事件增多导致执行器调度难度加大。针对上述问题,提出离散多目标优化Cuckoo Search算法,以任务响应时间、能量消耗、网络能量均衡为目标适应值函数,在WSANs的执行器调度中寻求近似Pareto最优解集。仿真研究表明:所提算法可以有效实现执行器的合理调度,在任务响应时间、能量消耗和网络生命期方面优于归一化算法。     

无线传感器网络的分布式目标跟踪研究

针对无线传感器网络节点计算能力和能量受限问题,提出一种分布式并行扩展卡尔曼粒子滤波算法.在网络动态分簇模型上,簇头将粒子集划分为多个子集,并分配到簇内各个传感器节点中并行运行,最后在簇头进行信息融合,得到目标状态估计.算法提高了粒子滤波效率,避免单个节点能量过度消耗,均衡了网络能耗.同时,算法利用扩展卡尔曼滤波器来产生粒子滤波的重要性密度函数,使得重要性密度函数抽样样本更加接近后验概率密度产生的样本.仿真结果表明,算法对运动目标能实现较好的预测和跟踪,跟踪精度高,并能有效平衡网络能耗.实验结果说明了提出算法的有效性和可行性.     

一类异类无线传感器网络节点调度问题研究

针对一类以配置了多种传感器的节点组成的,部分传感器完全覆盖,部分传感器局部覆盖的异类无线传感器网络节点调度问题,提出了一种基于改进遗传算法的优化策略.在构建网络模型的基础上,建立了节点调度分化策略,提出了冗余信息度的概念来描述网络能耗效率,并设计了以冗余信息度和不同传感器目标区域感知覆盖率为优化目标的改进多目标遗传算法NSGAⅡ,用于求解节点分化策略.仿真结果表明,该方法可以通过迭代得到收敛的Pareto最优解,并为传感器网络提供一个多目标Pareto最优节点分化策略方案集,供不同应用选择.     

层次分簇的无线传感网络多级优化测量

层次化的无线传感网络由骨干传感节点和普通传感节点组成.由于节点能量受限,无线传感网络跟踪测量目标时需同时考虑目标跟踪精度和跟踪方法的能效性.提出一种层次分簇的多级优化无线测量方法.将骨干节点作为簇首,采用粒子滤波算法预测运动目标位置,运用DELAUNAY三角剖分优化选择目标附近的节点作为测量节点,并根据测量节点地理位置判断是否转移簇首.在测量节点同步的感知目标后,簇首利用熵来逐次选择能效性最高的测量节点数据进行融合,实现目标定位测量.试验表明,该方法能满足目标跟踪精度,并可有效的减少网络能耗,提高无线传感网络测量使用寿命.     

一种基于能量约束的传感器网络动态数据融合算法

本文针对传感器网络具有能量约束、低速率冗余数据、网络拓扑易变的特点，提出了一种基于能量约束的动态数据融合算法。该算法首先利用不确定测度进行传感器的动态聚类分组，然后再对每一组通过能量约束选择关键点，通过各组的关键点构成一个连通的数据融合路径，完成传感器网络的数据融合，减少传输到目的节点的信息。实验结果证实，该算法在保证能量消耗少、网络拓扑结构可变的条件下，具有较好的实效性和鲁棒性。     

基于ZigBee的无线录井低功耗传感网络设计

无线录井工程中,传感器节点通常采用容量小的电池供电,为确保传感器能够持久运行,需降低传感器节点的运行功耗。硬件电路的设计遵循选取低功耗器件、减少外围电路的原则,并利用管理软件优化极易产生功耗损失的网络配置与数据发送机制,控制硬件在休眠状态与工作状态之间进行切换,从而降低节点功耗。现场测试表明,ZigBee无线传感器网络稳定可靠,传感节点功耗低,大部分无线传感器节点可持续运行38 d以上,满足了无线录井需求。     

基于BWAS的无线传感器网络动态分簇路由算法

为加快无线传感器网络路径搜索速度,减少了路径寻优能量消耗,提出了基于最优-最差蚂蚁系统(best-worst out system,简称BWAS)算法的无线传感器网络动态分簇路由算法.该算法是基于无线传感器网络动态分簇能量管理模式,在簇头节点间运用BWAS算法搜寻从簇头节点到汇聚节点的多跳最优路径,以多跳接力方式将数据发送至汇聚节点.BwAS算法在路径搜寻过程中评价出最优最差蚂蚁,引入奖惩机制,加强搜寻过程的指导性.结合动态分簇能量管理,避免网络连续过度使用某个节点,均衡了网络节点能量消耗.通过与基于蚂群算法(ACS)的路由算法仿真比较,本算法减缓了网络节点的能量消耗,延长了网络寿命,在相同时间里具有较少的死亡节点,具有较强的鲁棒性.     

基于自适应二进制灰狼算法的节点协同跟踪

针对大规模无线传感器网络中目标跟踪时的节点选择问题,为了满足跟踪精度和实时性的要求,提出了一种自适应二进制灰狼优化算法,用于求解基于条件后验克拉美-罗下界构建的节点选择优化模型.该算法采用非线性动态自适应收敛因子,同时引入基于V型函数的位置更新原则.仿真结果表明,该算法能够有效完成目标跟踪的节点选择任务,与二进制灰狼算...     

基于簇内数据聚类算法的WSNs故障检测方法

能量是无线传感器网络应用中最宝贵的资源,由于节点能量消耗完毕死亡而导致网络瘫痪是一种典型故障.针对此故障形式提出了一种基于簇内数据聚类算法的故障检测技术,该方法利用无线传感器网络在按照地理位置进行分簇的基础上,通过采用数据聚类的方法,在能量不受限的汇节点处进行簇内数据再聚类,然后设置阈值进行故障检测.通过仿真实验证明,合理选择检测阈值,该方法在保持基于历史与邻居数据的节点自检测方法较高准确率的基础上,极大地减小了能量消耗,且明显降低了故障检测误警率.     

基于离散萤火虫压缩感知重构的无线传感器网络多目标定位

研究了压缩感知(CS)理论在无线传感器网络(WSNs)多目标定位中的应用。提出一种基于离散萤火虫算法的压缩感知重构方法,并设计了具体算法实现流程,该算法摆脱了传统压缩感知重构算法对稀疏度K的依赖且能够准确地重构出原始信号。基于此,将新的压缩感知重构算法应用于WSNs目标定位,建立了WSNs系统模型,构造了合理的测量矩阵和稀疏矩阵,并分析了测量矩阵与重构结果之间的关系,最终实现了WSNs多目标定位。仿真结果表明该方法在稀疏信号重构性能及多目标定位精度方面具有较好效果,定位精度优于贪婪匹配跟踪(GMP)算法、正交匹配追踪(OMP)算法和最大似然估计(MLE)算法,且用于WSNs定位的传感器节点数目减少了20%,抗噪性达到了20dB。     

无线传感器网络簇间多跳传输算法的研究

针对由不同功能的传感器构成的无线传感器网络,提出了一种基于权值的簇间多跳传输算法。该算法根据网络中节点能量分布的不同,引入权值因子进行簇首选举,在接下来的数据传输阶段采用了簇间多跳的传输方式。仿真结果证明该算法能够降低簇头能量消耗,均衡网络负载,从而延长网络生存时间。