有向传感器网络中基于概率感知模型的最小连通k覆盖集算法

无线传感器网络的基本问题之一是,网络节点如何利用有限的能量对人们所关注的物理世界进行满意的监测,这可抽象为最小连通k覆盖集问题。传统的最小连通k覆盖集问题是基于确定型全向感知模型的,该模型过于理想化,不能适用于复杂的应用环境,也不能应用于有向传感器网络中。针对上述局限,本文提出了有向传感器网络中基于概率感感知模型的最小连通k覆盖集问题（MCKS）,并指出这是NP难问题;设计了基于0-1整数规划和最小生成树的集中式近 BDA）,分别证明两种算法最终得到的是MCKS问题的可行解,并分析了算法的时间复杂度、性能比和通信复杂度。通过仿真实验并与ILP算法和BGA算法进行比较的结果表明： 在基于概率感知模型的条件下,IPA和CBDA能够有效实现有向传感器网络中的连通k覆盖,并且激活节点数目较少,网络寿命延长。     

有向传感器网络最大覆盖调度算法

与传统的全向传感器不同,有向传感器可以切换到不同的方向,并且每个方向覆盖有限角度的感应范围.针对有向传感器网络的区域覆盖问题,研究了“最大有向区域覆盖”MDAC(maximum directional area coverage)问题,期望通过调度传感器的工作方向,最大化覆盖区域面积.首先给出了MDAC 的问题定义,使用整数线性规划描述MDAC 问题,并且证明其是NP 完全的.然后提出一种分布式贪心算法DGreedy(distributed greedy algorithm)解决MDAC 问题.在此基础上,通过计算可能的覆盖贡献比例来反映网络拓扑信息.还提出了一种增强的算法PGreedy(distributed probability-enhanced greedy algorithm)使覆盖区域更大.证明了所提算法的收敛性,并通过详细的模拟实验验证了其有效性.     

无线视频传感器网络有向感知K覆盖控制算法研究

作为无线视频传感器网络的一个研究热点,有向覆盖控制理论引起了很多研究者的广泛关注,但是有向K覆盖问题还未得到深入研究.由于最大K有向覆盖问题属于NP-complete问题,所以难以在多项式时间内得到求解,因此设计了一种简单的分布式启发式算法,在一跳邻居范围内对传感器节点的感知方向进行协同调度,使得目标集合被有向K覆盖的时间最大.最后通过仿真比较了有向感知K覆盖DS-K-Coverage算法、贪婪算法Greedy-Algorithm、随机覆盖算法Random-Coverage的覆盖性能.     

基于优先级的有向传感器网络目标覆盖

区别于传统全向传感器,有向传感器可以根据目标位置旋转到任意方向,更有针对性地覆盖目标.针对有向传感器目标覆盖问题,加入目标优先级的约束条件,在粒子群算法上进行改进,融入疫苗接种机制,使在所有目标均满足优先级条件下所需传感器的集合规模最小.仿真结果表明:相对于目前针对此问题性能最好的遗传算法,改进粒子群算法大大降低了算法...     

有向传感器网络覆盖控制算法

覆盖控制是传感器网络的基本问题之一,基于全向感知模型的覆盖控制的研究已经积累了丰富的成果.近年来,得益于图像/视频、红外、超声波等传感器的引入,有向传感器网络覆盖控制问题得到广泛关注并发展成为研究热点.从有向感知模型及其特点入手,综述了该领域国内外的研究进展,着重分类讨论有向传感器网络覆盖控制的基本理论和算法.最后提出当前亟待解决的问题,并对其未来的发展趋势进行展望.     

一种新的有向传感器网络覆盖增强算法

针对现有有向传感器网络覆盖增强方法算法较复杂及覆盖率不够高等问题,提出了一种新的有向传感器网络覆盖增强算法.每次取一重覆盖区域面积最大的传感器节点及其传感方向,使得整个网络的一重覆盖区域较多,重叠区较少,可提高网络的覆盖率;同时考虑了冗余节点休眠的情况,当网络中有节点失效时,将其周围的休眠节点激活,并重新部署失效节点周围的节点,以此保证网络有较长的寿命和较好的覆盖效果.对比实验表明,与现有算法相比,本算法原理简单,且在相同节点数目和传感半径情况下,覆盖率分别提高了20％和15％左右.     

基于模糊粒子群算法的有向传感器网络路径覆盖策略*

建立有向传感器节点模糊感知模型,利用模糊数据融合规则减少网络不确定区域.对于有向传感器网络路径覆盖问题,提出基于模糊粒子群算法的有向传感器网络路径覆盖增强算法,将n维求解问题转化为一维求解问题,以提高单个传感器节点净覆盖域为目的,提高网络覆盖率.仿真结果表明,对于感知方向可连续调节的有向传感器网络节点,在随机部署情况下与现有算法对比,文中算法能有效提高有向传感器网络路径覆盖率,并且具有较快的收敛速度,延长网络生存期.     

一种有向网络目标概率覆盖增强算法

目标覆盖是有向传感器网络覆盖控制的研究热点之一,但如何实现概率目标覆盖是当前迫切需要解决的问题,本文根据联合感知理论?实现目标的概率覆盖,提出了基于概率覆盖圆的目标覆盖增强算法(TarpC),构造目标的概率覆盖圆,选择最优节点调整感知方向,完成目标概率覆盖。仿真结果证明了该栅栏构建方法具有较高的覆盖率和部署效率,本文的 研究对提升无线传感器网络的性能具有重要的理论与实际意义。     

基于免疫算法的有向传感器网络目标覆盖研究

针对有向传感器网络的全目标覆盖问题,提出一种基于免疫算法的有向传感器网络目标覆盖方案。该方案采用免疫算法寻找最少数量的传感器,覆盖某一区域内全部的目标点。仿真实验结果证明,采用免疫算法后,搜索时间与目前的遗传算法相比降低1/3以上,并且算法性能更加稳定,寻优后所需的传感器数量有所减少。     

随机分布下有向传感器网络强部署策略

针对网络部署要求,指出当前存在的有向传感器网络部署方案存在覆盖过高估计问题,提出有向传感器网络强部署方案,并在此基础上进行理论分析,计算出达到部署质量所需要的节点个数.仿真结果表明,在随机部署条件下,实验所得到的实际部署质量与所要求的部署质量单重覆盖的最大误差为0.0087.这说明采用强部署方案分析推导出的部署节点个数与部署质量之间的关系与实验结果相吻合.该结果可以广泛应用于有向传感器网络规划、节点调度等领域中.     

一种概率感知模型的栅栏覆盖优化部署策略

为了解决无线传感器网络的栅栏覆盖问题,对概率感知模型下的栅栏覆盖进行研究.通过对传感器节点费用和能耗的分析,利用相邻节点的数据融合技术,提出了一种可以监测移动目标小于临界速度的优化部署策略,并给出了该策略适用的临界条件.分析和仿真表明,该策略能够有效提高网络的生命周期.     

多障碍场景的有向传感器网络覆盖优化算法

针对监控区域中存在障碍物的情况,引入一种避障策略,提出基于虚拟势场的传感器网络覆盖优化算法。该算法基于有向感知模型,通过重叠覆盖区域、有效覆盖区域和障碍物遮挡区域之间虚拟力的相互作用,调整节点的传感方向,逐步消除网络中的重叠覆盖区域和障碍物遮挡区域,并根据分布在边界区域的边界节点进行改进,通过在边界线上增加一个虚拟邻居节点,实现有向传感器网络的覆盖性能增强,并分析传感器参数对覆盖率的影响。仿真结果表明,在有障碍物的情况下,该算法可有效提高网络覆盖率。     

复杂区域的有向传感器网络覆盖优化算法

在现有的有向传感器网络中,节点模型多以质心点围绕扇形顶点进行旋转,由于此类模型中节点旋转面积是一个整圆,因此会增加网络能源消耗和部署时间。针对复杂区域的无线传感器网络覆盖优化问题,使用以扇形节点围绕质心点转动的节点模型,提出一种基于虚拟势场的复杂区域覆盖优化算法( COACA),通过减小节点的旋转面积实现部署优化。针对影响算法覆盖率的相关参数进行仿真实验,并与PFPCE算法进行对比,实验结果验证了COACA算法在覆盖率和时间效率上的优越性。     

基于网格扫描的实现目标点覆盖的确定性传感器节点部署方法

提出了一种确定性目标点覆盖算法,把目标点所在区域划分为若干正方形网格,从中选择最适合的网格作为下一个节点的放置位置;同时本文引入了概率感知模型,把节点能感知到目标点的最小感知概率值作为整体覆盖水平的评价指标,把节点能感知到目标点的个数及对它们的最小感知概率值作为网格的评价标准.该方法能使用最少的节点实现目标点覆盖并达到要求的总体覆盖水平,且能计算出较优的节点部署位置;对网格边长和感知概率下限的不同取值分别进行仿真实验.实验结果表明,网格边长越小,节点部署位置越精确;感知概率下限取值越大,总体覆盖性能越好,需要的节点越多.     

基于定向移动的水下传感器网络覆盖算法

覆盖率是衡量无线传感器网络服务质量的重要指标。为提高网络覆盖率,针对水下三维传感器网络模型,提出一种基于定向移动的虚拟力算法。将虚拟力简化为节点只受邻居节点的斥力作用,定义当2个邻居节点的感知圆球相切时,其位置为相对理想位置。节点所受虚拟力大小与节点移动到相对该邻居的理想位置所需移动的距离成正比,而节点移动的距离与节点所受到的虚拟力的合力相关。实验结果表明,该算法能有效地对水下传感器网络的布局进行优化,提高网络覆盖率。     

一种无线传感器网络动态成簇数据融合算法

针对无线传感器网络应用于突发事件的场合,提出一种基于事件驱动的动态成簇数据融合算法。在综合考虑事件严重程度及节点剩余能量等因素的基础上,算法选择刺激强度大且剩余能量多的节点担当簇头。簇头节点通过广播成簇消息实现动态成簇,并动态调整每一轮数据融合延迟时间,提高了数据融合效率。仿真实验结果表明,与TEEN协议相比,该算法具有较低的节点平均能耗和较佳的网络数据融合延迟时间。     

基于数据融合的无线传感器网络延迟感知研究

网络数据融合与聚类是减少无线传感器网络能量消耗的有效技术,但聚类在数据聚集过程中会产生额外的时间延迟。为此,提出一种基于网络数据融合的延迟感知网络结构,该结构组建传感器节点形成不同大小的簇,每个簇可以与融合中心节点进行交错通信。仿真结果表明,与低功耗自适应集簇分层型协议、延迟感知数据收集网络结构相比,该网络结构可以减少在数据融合过程中的延迟,并能保持较低的能量消耗。     

多传感器的BPNN和SVM多源异构数据融合算法

多传感器的多源异构数据融合处理时,大量的冗余数据及复杂的非线性可分空间导致能耗较大,为此,提出了BP神经网络和支持向量机的多源异构数据融合算法。以数据关系构建约束条件,利用BP神经网络算法建立数据清洗模型,判定节点变量的活跃程度,优化数据输入;建立数据集合,提取数据特征向量;利用支持向量机泛化能力强、凸优化的特点,获取特征的最优分类超平面,获得非线性可分多源数据集转化为高维线性可分空间的最优决策值,输出结果。实验结果表明,该算法融合多源异构数据的能量消耗小、延迟低,融合效果好。     

WSN中基于分布式的覆盖洞修复算法

无线传感器网络(WSN)中存在因节点能量耗尽和移动节点撒播不均而出现的覆盖洞问题,覆盖洞的出现会降低网络的覆盖率和连通性,严重影响网络性能。为解决该问题,构造一种既有静态节点又有移动节点的混合网络模型,并提出一种WSN中基于分布式的覆盖洞修复算法。利用静态节点指导移动节点移动到最优位置,达到修复覆盖洞目的。仿真实验结果证明,该算法能在空洞覆盖率和节点代价之间取得最佳平衡。