适合无线传感器网络的自适应动态电压调节算法*

对于能量有限的传感器网络,在计算复杂度较高的应用中,节省CPU的能耗具有重要意义。针对以事件为驱动的无线传感器网络的任务模式,提出一种基于零散任务模型的自适应DVS算法——ADVS。ADVS算法根据CPU的任务量实时调整工作频率和电压,能在很大程度上降低CPU能耗的同时,保证任务的实时性要求。理论分析和实验结果表明,ADVS算法的实际节能效果接近理论分析值的80%左右,可在很大程度上延长节点的生命周期。     

无线传感器网络动态电压调度算法

针对无线传感器网络的节点在运行状态提出了动态电压调度(DVS)算法。DVS是通过改变处理器的工作电压和工作频率来减少处理器的消耗能量。该方法首先必须对节点各部分发出的信号进行分析和预测,并根据预测后的信号对处理器设定处理速率,最后,设定合适的工作电压和工作频率。     

无线传感器网络异步任务集双效节能延迟调度算法研究

深亚微米技术的发展,使得漏电功耗在CMOS电路总功耗中所占比重日益增大,传统的传感器节点CPU节能研究主要针对动态功耗,其能耗估计和优化方法已凸显局限.针对此问题,提出动态电压调节(DVS)和动态功耗管理(DPM)相结合的双效节能延迟调度算法.从相对截止期小于等于周期的异步实时任务调度出发,结合DVS技术,综合考虑动态功耗和漏电功耗的影响,在满足任务实时性的前提下,选取每个任务的CPU执行速度,以降低总能耗,并通过任务的延迟调度对CPU空闲时段加以合并,采用DPM方法使CPU在空闲时段有选择性的进入低功耗状态,从而进一步降低漏电能耗.仿真实验验证了该算法的有效性.     

基于能量消耗模型的WSN动态电压调节算法

为了降低WSN中弱硬实时系统的能量消耗,应用离散事件系统（DES）框架中的优化原理,建立数学模型,得到了能量消耗的目标函数,为了最小化目标函数,利用线性规划方法进行求解,得到一种可扩展的低复杂度算法来进行动态电压调节（DVS）。并对算法进行了模型实例计算,结果表明,优化的DVS算法能在满足弱硬实时系统时限要求的基础上更大程度节省节点能量。     

无线传感器网络中的分布式动态路径规划算法

利用无线传感器网络(WSN)根据环境变化为移动主体规划优化路径在实际应用中具有重要意义.针对现有梯度势场算法在动态调整方面的不足,综合考虑路径长度、安全性和通信代价,结合环境因素构造梯度势场函数,提出了一种分布式动态路径规划算法,使网络在环境变化时依据局部信息动态调整梯度势场,为每个节点提供优化路径.仿真结果显示了本文算法可使WSN在环境变化情况下,能够规划出较短路径,有效降低通信代价并灵活处理路径安全性.     

一种无线传感器网络目标检测动态阈值算法

介绍了无线传感器网络目标检测基本流程;着重分析了无线传感器网络在实际应用中每个传感器自身存在目标检测范围差异的问题;针对这种情况下的无线传感器网络目标检测问题,提出了一种传感器本地决策阈值的动态算法;最后通过仿真实验,比较了动态阈值算法与其他三种目标检测算法的目标检测误报率。仿真结果表明,提出的动态阈值算法具有较低的检测误报率。     

无线传感器网络APIT定位算法研究

针对无线传感器网络无需测距定位算法中典型的APIT算法在参数设置不同时,定位误差及定位时间差异较大的问题,具体分析并仿真了对定位误差和定位时间影响较大的因素,通过仿真结果分析得出,网络平均连通度和节点个数分别对APIT算法的定位精度及定位时间起主导作用.理论分析与仿真结果表明,在不同监测区域内,在确保APIT算法低能量消耗的基础上,参数优化后的算法有效降低了节点的定位误差.     

无线传感器网络混合任务的系统级低功耗实时调度算法研究

现有的无线传感器网络节能研究主要集中在无线通信上面,针对传感器节点CPU节能的研究还不够充分.本文以多任务、多跳网络传输的实时无线传感器网络为研究对象,从节点的调度分析出发,在保证其实时性的前提下,结合动态电压调节技术,提出两个低功耗实时调度算法:(1)基于任务最坏执行时间来计算任务CPU速度的静态低功耗调度算法;(2)将任务在实际执行过程中产生的空闲时间,分配给余下将要执行的任务,进一步调整其电压等级,即动态低功耗调度算法.仿真实验结果表明,本文提出的算法能够有效降低节点CPU能耗.     

基于混合任务模型的动态电压调度在无线传感器网络中的应用

为了最大限度节约能量,延长无线传感器网络(WSN)的使用寿命,针对计算复杂度较高的WSN应用背景及其普遍存在的任务模式,提出一种相对更通用的、基于混合任务模型的动态电压调度算法(H-DVS)。H-DVS算法能在任务相对期限没有限制的情况下,与最早截止时间优先(EDF)调度算法结合,支持周期任务和零散任务同时存在的混合任务模型。H-DVS根据CPU的工作负载,由调频(FM)因子对CPU进行实时电压和频率调节,从而在降低能耗的同时保证任务的实时性要求。理论分析和仿真实验结果表明,该方法可行且有效。     

无线传感器网络动态重传算法

无线传感器网络路由协议通过点到点的重传来提高数据传输的可靠性,其重传机制没有考虑不同业务数据的可靠性需求差异,统一设定一个静态的最大重传次数。本文提出了一种动态重传算法,为每种业务分别根据其可靠性需求动态设定最大重传次数。对于较低可靠性需求的业务,相比于传统重传机制减少了重传次数。仿真表明动态重传算法能有效降低网络能耗。     

传感器网络中基于多维标度定位算法的改进

针对基于经典多维标度的MDS-MAP算法在定位精度方面的不足,为提高传感器定位精度,提出一种基于Euclidean算法的改进型多维标度定位算法(Euclidean-based MDS-MAP(P,C))。算法与经典多维标度算法的区别在于,Euclidean算法能够算出每个节点与其两跳邻居节点间的欧氏距离,然后用这个欧氏距离来进行多维标度,显然能提高精度。仿真实验表明基于Euclidean算法的改进型多维标度算法与经典多维标度算法相比具有很低的定位误差以及很高的定位精度。     

无线传感器网络中节点的动态部署

作为无线传感器网络中节点部署的新兴技术,动态部署得到了越来越多的重视并在近年来取得了理论和应用上的一系列进展。首先介绍了动态部署的基本概念和设计难点,并根据移动主体的不同,将动态部署分为节点自主部署和机器人辅助部署两种方式。然后,依据静态和动态两种部署场景,分类论述了节点自主部署的代表性成果。接着从网络构建和网络维护两个阶段介绍机器人辅助部署的主要方案。最后总结了节点动态部署亚待解决的问题,并探讨了进一步研究的方向。     

无线传感器网络动态路由研究与展望

无线传感器网络是集信息采集、信息传榆、信息处理于一体的综合智能信息系统,具有广阔的应用前景,是信息网络技术中的一个新领域.节点资源极端受限、大规模网络的随机散布以及网络拓扑的动态性都给路由选择与优化问题的研究带来了前所未有的挑战.重点介绍了无线传感器网络路由问题面临的挑战,分析了路由问题的多种制约因素,并提出了动态网络拓扑模型建立的必要性和路由问题的发展方向.     

基于遗传算法的传感器网络动态联盟研究

动态联盟又称"虚拟企业",是一种企业管理手段.它指一些相互独立的商业过程或企业组成的暂时联合.这里,把其理念应用于无线传感器网络中随机散布模式的节点动态组合研究,并基于遗传算法设计了过程模型,很好地解决了大规模传感器网络在应用过程中的节能规划问题.最后,本文针对该算法结出了仿真结果并对其行了分析,以说明算法的有效性.     

无线传感器网络中一种基于多维定标的迭代定位算法

针对基于经典多维定标的MDS-MAP算法在定位精度与矩阵计算复杂度方面的不足,提出一种基于多维定标的迭代定位算法.该算法仅使用节点间的一跳距离,通过新的多维定标的迭代算法进行定位.该算法复杂度不高,理论分析和仿真结果表明,在规则网络中定位误差较小,最优情况下误差可以小于5%,在非规则网络中仍可达到较好的定位精度.     

基于硬件剖析的DVS能耗优化

如何在满足系统性能要求的前提下尽可能降低系统能耗已成为嵌入式系统设计所面临的挑战之一。动态电压调节是降低能耗的有效技术，它能通过硬件剖析来识别“热点”，根据指令级并行(ILP)的变化情况动态调节处理器的电压和速度。实验表明该方法可在性能损失较小的情况下，有效节省能耗。     

一种基于动态跳数距离的有洞无线传感器网络定位方法

在无线传感器网络中,与距离无关的定位技术一直是一项挑战性的工作。尤其是在有洞的各向异性网络中,多}L节点之间的距离估算更是一个难点。针对有洞的无线传感器网络,提出一种新的距离无关定位方法,该方法可以较好地估算未知节点到参考节点之间的距离。其主要思想是,先佑算各信标节点对之间的平均单跳距离,然后选择平均单跳距离较大并且最短路径通过未知节点的信标节点对作为参考节点来估算未知节点的位置。新算法能够较好地滤除距离估算误差较大的信标节点作为参考节点。实验表明,新算法比以前的算法定位更准确。     

无线传感器网络中确保端到端传输质量的自适应调制缩放技术

在满足数据收集任务的时延要求及可靠性要求的前提下最小化能量消耗是传感嚣网络设计中的一个关键问题。选取不同的调制级数(即调制时的星座图大小,每符号位数)可以获得不同程度的能量节省,但引入不同程度的时延的同时也会造成不同程度的丢包。本文提出了一种优化模型在满足数据收集任务的时延要求及可靠性要求的前提下,最优选取各节点的调制级数以最小化网络能耗延长网络生命期。并在此基础之上提出了一个集中式控制算法以根据网络状况自适应地调节各节点的调制级数。实验表明本算法在所考查的各种网络环境下都能明显减少能耗,可以用该模型来确定时延及丢包率对能耗影响的敏感区。另外我们发现,如果将节点的服务率设置为与节点的包到达率近似成比例,在大多数情况下都能够获得好的节能效果。     

一种基于加权多尺度分析技术的鲁棒节点定位算法

研究了多种网络拓扑结构及稀疏网络下节点定位的鲁棒性问题. 联合考虑 1 跳邻居数目、邻居节点自身定位精度与测距误差, 引入节点相对定位误差和相对可信度概念, 提出了一种分布式基于加权多尺度分析技术的鲁棒节点定位算法. 该算法根据节点2跳局部网络连通度信息及邻居节点相对定位误差大小, 自适应选择综合性能好的邻居节点参与迭代优化, 并采用与节点相对可信度成正比的加权机制, 增加高可信度节点在定位计算中的贡献度. 实验数据显示, 该定位算法能够有效地抑制较大定位误差在网络内的扩散, 同基于高斯核加权的 dwMDS(G) 算法相比, 不仅迭代次数减半, 而且在网络连通度较低或拓扑不规则时, 可提高 5% 左右的定位精度.     

无线传感器网络覆盖优化仿真研究

研究无线传感器覆盖(WSN)优化问题,由于网络传感器节点分布不均匀,又存在冗余等问题。传统WSN高密度部署方法,节点分布极不均匀,节点覆盖区域之间的重复率高,节点浪费严重,导致网络覆盖率低、成本高。为了提高无线传感器网络的覆盖率,提出一种混沌粒子群优化算法(CPSO)的WSN覆盖优化算法。首先以提高网络覆盖率为优化目标,建立WSN覆盖优化数学模型,然后通过粒子间协作进行求解,并对粒子群混沌扰动,保持粒子多样性,从而得到最优网络覆盖。仿真结果表明,相对于其它覆盖优化算法,CPSO能够以较少传感器节点获得较高网络覆盖率,提高了网络通信效率,降低网络成本。