无线传感器网络中基于区域相关性的自组织成簇算法

无线传感器网络资源有限,信息量大,通常采用分簇压缩减少传输量。针对传感器网络中的小波压缩,提出了一种基于相关区域自组织的成簇算法。该算法利用实际区域数据的相关性进行分簇,在簇头进行小波数据压缩的同时进行相关性检测,动态调整簇结构,保证簇内节点的相关性较好;同时在Sink分析簇间节点数据相关性,形成相关性好的大规模簇,进一步提高较长时间内的压缩效率。理论分析和实验仿真表明,该算法能尽可能地利用节点数据的时间和空间相关性去除冗余数据,提高小波数据压缩效率,降低了网络的能耗。     

基于DS证据理论和压缩感知的WSN数据融合策略设计

为了降低WSN数据量和延长网络生命周期,设计了一种基于DS证据理论和压缩感知的WSN混合数据融合策略;首先,在分簇协议的基础上引入了基于DS证据理论和压缩感知的混合模型,然后,采用改进的DS对所有簇成员节点的基本信度分配函数进行加权处理,在簇头处采用加权和归一化的信度分配函数计算证据对各命题的支持程度,将支持程度较大的若干命题作为DS融合结果,在此基础上采用压缩感知方法通过构造测量矩阵对融合结果进行稀疏化表示,并在基站处对稀疏信号进行重构;仿真实验表明,文中方法能有效地实现数据融合,且和其他方法相比,具有重构误差较小和网络生命周期较长的优点,具有较大的优越性。     

改进压缩感知算法的WSN数据恢复方法

针对WSN数据恢复成本比例较高的问题,提出一种利用改进压缩感知算法和单位圆盘图模型的WSN数据恢复方法。利用改进压缩感知算法恢复部分丢失数据的节点;将这些已恢复的节点数据当作已知,联合原有的正常节点,基于不同的网络拓扑,使用数据骡子进行剩余丢失数据的恢复;在改进压缩感知算法的支撑下,通过二次规划实现数据重构,采用一组具有先进移动能力的移动传感器来访问失效传感器的邻居节点,重新获取丢失数据。利用NS2仿真软件进行实验,仿真结果表明,相比其它几种较新算法,提出算法完成数据恢复所用成本更低。     

基于节点度和距离的WSN分簇路由算法

针对无线传感器网络(WSN)中节点的负载均衡问题,提出一种基于节点度和距离的WSN非均匀分簇路由算法。该算法在首轮成簇时采用了定时机制的簇头竞争方案,定时的长短取决于节点本身的节点度和距离基站的距离,且节点根据不同的竞争半径形成不同的簇。在首轮成簇结束后,簇的结构不再发生变化,而簇头的轮换则根据簇内节点的剩余能量和距离本簇质心的通信代价在簇内进行动态轮换。采用簇间多跳路由,根据节点的剩余能量、距离基站的距离、节点间通信代价和节点的转发热度来选择中继节点。仿真结果表明,该算法的网络生命周期与LEACH协议相比延长了2倍以上,与EEUC协议相比延长了13.97%,且均衡了网络的能量消耗。     

WSN中基于压缩感知的分簇数据收集算法

为减少无线传感器网络的数据通信量和能量消耗,基于WSN节点数据时空相关性的特性,提出一种将K-means均衡分簇和CS理论相结合的数据收集方法。首先,通过K-means聚类算法均匀划分网络成簇。然后,各簇首对采集到的数据进行基于时空相关性的压缩感知并传输至基站Sink节点。最后,Sink节点采用OMP算法对收集到的数据进行精准重构。仿真结果表明,该算法有效减少了无线传感器网络的数据通信量和压缩感知算法重构过程所需要的观测量。     

多稀疏基分簇压缩感知的WSN数据融合方法

针对传感器节点采集数据精度与能量消耗的矛盾,提出多稀疏基分簇压缩感知的无线传感器网络WSN（Wireless Sensor Network）数据融合方法。该方法利用改进的阈值对随机部署的传感器节点进行簇首选择继而形成最优簇,簇首采用伯努利随机观测矩阵对簇内节点信号进行线性压缩投影,然后将压缩的信息传送给汇聚节点,减少数据传输即降低通信能耗,从而提高网络的生命周期。根据传感器节点监测信号在有限差分和小波中都具有可压缩特性,汇聚节点在有限差分和小波两个稀疏基的约束下,利用OOMP算法分别对线形压缩投影信息进行重构;并采用最小二乘法融合重构信号,提高数据精度。仿真实验结果表明,多稀疏基分簇压缩感知的WSN数据融合方法在减少数据发送的情况下,能提高整个网络的生命周期,解决采集数据精度与网络生命周期的矛盾。     

基于改进粒子群优化的WSN均衡能量消耗路由算法

针对无线传感器网络能量约束的特点,在分析多种聚类组合算法性能的基础上,提出一种基于节点拓扑和能量两类信息,采用改进的SOM+PSO组合聚类算法对WSN节点自组织成簇的方法。为了均衡能量消耗,避免远离基站的簇过早死亡,提出选择最优中继节点的代价函数,进行簇头-簇头-基站的通信。仿真结果表明,与已有的基于Leach-C和Leach的算法相比,该方法在延长网络生命周期和减少能量消耗方面有较好的性能。     

基于蚁群算法的WSN能量预测路由协议

LEACH协议中的簇头和基站采用一跳通信,导致能量消耗过快。为此,提出一种基于蚁群算法的无线传感器网络(WSN)能量预测路由协议。引入蚁群算法思想,簇头节点通过多跳方式与基站节点进行通信。在计算蚂蚁选择下一跳的概率时,考虑节点可能的能量消耗,避免路径选择过于集中。仿真结果表明,该协议能降低簇头能量消耗,延长网络寿命。     

一种无线传感器网络中自主选择簇头的聚类算法

在无线传感网络中,传感器节点要定期向基站发送收集的数据。为了支持数据汇总,通过高效的网络组织将节点划分成若干簇。在这种类型的系统中,随着簇头的轮转,每个簇中的簇头选择方法是最具有挑战性的问题,有效的簇头选择算法可以提高网络的续航时间,并减少在WSN中的节点之间的通信开销。提出一个簇内民主方式选举算法来选择簇中的节点作为簇头,用MatLab对算法进行仿真,证明该算法的性能可以有效改善网络的性能。     

面向分簇的WSN数据融合在瓦斯监控中的应用

为了更好地对矿井瓦斯进行监控, 在迅速提取异常瓦斯数据的同时消除非异常数据带来的冗余, 本文提出了一种基于分簇的WSN(无线传感器网络)数据融合方法. 它利用总能耗最小的方法将所有节点最佳分簇, 每个簇的节点通过竞选簇头概率的大小来确定簇头,非簇头节点通过两次阈值判断采集的数据是否异常并将异常数据发送到监控基站供工作人员决策. 实验仿真表明: 该方法延长了整个传感器网络的生存周期, 对矿井瓦斯起到有效监控.     

基于PSO的非均匀分簇双簇头路由算法

针对无线传感器网络中分簇路由算法簇头负载过重,同时为了提高无线传感器网络的能量利用效率,提出了一种基于PSO的非均匀分簇双簇头路由算法。该算法首先通过候选簇头节点与基站距离的远近构造出几何规模不等的簇,然后根据簇的规模引进PSO优化算法最终选择出主簇头与副簇头。主簇头主要负责簇内节点数据的采集跟数据融合,副簇头主要完成簇内及簇间数据转发任务,实现数据的单跳与多跳传输。仿真结果表明,该算法有效的减少了簇头节点的能耗,在很大程度上均衡了整个网络的能耗,实现了网络生存周期的延长。     

一种新的无线传感器网络非均匀分簇双簇头算法 ——PUDCH算法

能量利用效率问题一直是限制WSN广泛应用的瓶颈,能源容量对各个网络节点产生至关重要的影响.针对WSN中"能量空洞问题"以及由于簇头任务过重所导致的能量消耗过快,同时也为了提高WSN的能量利用效率,提出了一种无线传感器网络非均匀分簇双簇头算法——PUDCH.该算法先综合考虑节点综合信息(如节点剩余能量、节点到基站的距离),根据节点综合信息通过不同的时间竞争机制来选举簇头,将整个网络划分为不均匀的分簇;在规模大些的簇内,为了减轻簇头的负担再选取副簇头.最后簇头再构造基于最小生成树的最优传输路径.一系列的仿真表明PUDCH路由算法在WSN节约平衡节点能量消耗方面表现优良.     

基于量子遗传算法的无线传感器网络路由研究

通过分析无线传感器网络(WSN)分簇路由算法中簇首节点分布,能量消耗,数据传输等问题,提出了一种基于熵权法量子遗传算法的路由算法,该算法在簇首的选举过程中采用熵权法动态的确定节点剩余能量、节点间的通信距离、节点度数和节点与基站的距离这四个因素的权值系数,在簇首选举结束后,利用量子遗传算法寻找出一条遍历所有簇首与基站的路由,通过最佳路由将所采集的数据传输给最终的基站节点。该算法实现了合理的簇首选举,并在簇首间采用最佳路由的方式向基站传输数据的功能。仿真结果分析表明,该算法在网络生存周期、能耗均衡方面均优于LEACH、CECA-GA算法,达到了延长了网络生存周期,均衡能耗的目的。     

Energy Efficient Gravitational Search Algorithm and Fuzzy Based Clustering With Hop Count Based Routing For Wireless Sensor Network

In Wireless sensor networks, energy efficiency is the significant attribute to be improved. Clustering is the major technique to enhance energy efficiency. Using this technique, sensor nodes in the network region are grouped as several clusters and cluster head (CH) is chosen for each and every cluster. This CH gathers data packet from the non-CH members inside the cluster and forwards the collected data packet to the base station. However, the CH may drain its energy after a number of transmissions. So, we present the Energy efficient Gravitational search algorithm (GSA) and Fuzzy based clustering with Hop count based routing for WSN in this paper. Initially, CH is selected using Gravitational Search Algorithm (GSA), based on its weight sensor nodes are joined to the CH and thus cluster is formed. Among the selected CHs in the network, supercluster head (SCH) is selected using a fuzzy inference system (FIS). This selected SCH gathers the data packet from all CHs and forwards it to the sink or base station. For transmission, the efficient route is established based on the hop count of the sensor nodes. Simulation results show that the performance of our proposed approach is superior to the existing work in terms of delivery ratio and energy efficiency.

     

基于遗传算法和模糊C均值聚类的WSN分簇路由算法

针对无线传感器网络（WSN）的节点能量有限、生命周期短、吞吐量低等问题，提出一种基于遗传算法（GA）和模糊C均值（FCM）聚类的WSN分簇路由算法GAFCMCR，采取"集中分簇，分布簇头选举"的方式。网络初始化时基站采用由GA优化的FCM聚类算法形成网络分簇。第一轮簇头由距簇中心最近的节点担任；从第二轮开始，簇头的选举由上一轮的簇头负责，选举过程综合考虑候选节点的剩余能量、与基站的距离、与簇内其他节点的平均距离三个因子，并根据网络状态实时调整三个因子的权重。在数据传输阶段，将轮询机制引入簇内通信。仿真结果表明，相同网络环境下，与LEACH算法和基于K-Means的均匀分簇路由（KUCR）算法相比，GAFCMCR将网络生命周期延长了105%和20%。GAFCMCR成簇效果良好，具有良好的能量均衡性和更高的吞吐量。     

基于蚁群的无线传感器网络分簇路由算法

在研究经典低能量自适应分簇路由算法的基础上,提出基于蚁群的无线传感器网络分簇路由算法。该算法将蚁群算法应用到簇间路由机制中,寻找簇头到基站的最佳路径,使得离基站较远的簇头节点沿着最佳路径传输信息,有效地减少了簇头节点的能量开销。同时,在簇头选举时,该算法不仅考虑簇头节点的剩余能量,而且兼顾簇头与簇头之间的距离,使得簇头分布更加均匀。仿真结果表明,该算法和LEACH及DADC算法相比,有效地均衡了网络能量消耗,并延长了网络生命周期。     

基于剩余能量和距离信息的异构网络分簇协议

针对无线传感网络WSN(Wireless Sensor Network)的网络寿命问题,提出了面向异构网络环境下的基于剩余能量和距离分簇REDC(Residual Energy and Distance Clustering)协议。REDC协议考虑了普通节点、中级节点以及高级节点,具有较高的初始能量节点称为中级节点和高级节点,余下的称为普通节点。在簇头CH(Cluster head)选举中,考虑节点的剩余能量和离基站距离信息,使得具有较高的剩余能量节点、离基站距离较近的节点有更多的机会被选为簇头CH,进而避免了剩余能量较小的节点成头簇头CH而产生节点过早失效缩短网络寿命的问题,平衡了网络内的能量消耗。仿真结果表明,与LEACH、DDEEC和SEP协议相比,提出的REDC协议具有较长的网络寿命和良好的数据传输能力。     

WSN-UAV基于FPGA的异步带优先级数据转发轮询控制系统

在林、农作物监测作业中,可通过散布无线传感器节点形成的自组织WSN收集作物环境信息。将UAV应用于分簇式WSN作为移动的数据收集节点sink时,UAV不仅需要转发各簇首节点的信息,还需转发自带传感器检测到的重要信息。为了保证UAV传感器检测信息及时转发,并进一步降低簇首节点能耗,延长WSN网络寿命,提出异步带优先级的数据转发轮询控制系统方案,应用马尔可夫链和概率母函数进行建模以分析系统性能。用自带异步读写FIFO功能的FPGA作为主控器件,基于FPGA设计该轮询系统硬件电路结构,验证了该轮询控制系统的可行性和高效性。实验结果表明,该方案能保证UAV及时转发重要数据,缩短服务延迟,提高WSN能耗效率,优化系统性能。     

基于环的节点非均匀分布分簇算法

针对无线传感器网络（WSN）中基于环的节点非均匀分布网络模型下的能量空洞问题,提出了一种基于环的节点非均匀分布分簇算法（RCANND）。该算法在节点非均匀分布的网络模型下,通过每环的能耗最小化,计算每一环的最优簇首数;通过节点剩余能量、距基站距离以及与邻居节点的平均距离计算簇首选择度。在簇内以簇首选择度序列表进行簇首轮转,降低分簇次数,提高网络能量的利用效率。对提出的算法进行仿真对比实验,仿真结果表明,相同半径、不同分布模型下节点的平均能耗波动很小;相同分布模型、不同半径下节点的平均能耗波动也不明显。以网络中50%节点存活作为网络生命周期,在节点非均匀分布情况下,所提算法的网络生命周期比混合能量高效分布式不等分簇算法（UHEED）和轮转的混合能量高效分布式不等分簇算法（RUHEED）分别提高约18.1%和11.5%;在节点均匀分布模型下,所提算法的网络生命周期比基于分环的能量高效无线传感器网络分簇路由（RECR）协议提高约6.4%。所提算法有效均衡了不同分布模型下的能耗,有效延长了网络生命周期。