基于协同感知的传感器网络调度算法

在保证网络覆盖质量的前提下,节约网络能量是构建无线传感器网络的技术保证。为解决上述问题,提出在随机部署方式下,采用联合感知模型且无需地理位置信息的冗余节点判断模型,设计了一个选取较少工作节点保证网络覆盖质量的分布式协同调度算法(DCSA),力求选取出的工作节点位置分布均匀并且网络整体能耗分布均衡。仿真结果表明:DCSA能够提供应用期望的覆盖质量,并且显著减少了工作节点的数目,降低了网络能量消耗,延长了网络寿命。     

基于压缩感知的无线传感器网络动态采样方法

基于固定采样率的无线传感网（WSN）压缩感知（CS）在收集随时间变化的数据时难以获得满意的数据恢复精度。针对该问题,提出了一种基于数据预测和采样率反馈控制的动态采样方法。首先,汇聚节点通过分析当前采样时段与上一采样时段获取数据的线性度量指标,预测数据的变化趋势;然后,根据预测结果计算感知节点未来的采样率,并通过反馈控制机制对感知节点的采样过程进行动态调节。实验结果表明,相比基于目前广泛采用的基于固定采样率的无线传感网压缩感知数据收集方法,该方法能够有效提高压缩数据的恢复精度。     

基于压缩感知的无线传感器网络数据融合算法

无线传感器网络中存在大量的数据冗余,数据融合技术通过对采样数据进行压缩,消除冗余,有效的减少了节点发送的数据量,延长传感器网络的寿命．提出了压缩感知与数据转发相结合的数据融合算法,在网络采样数据收集的过程中根据节点的子节点个数选择利用压缩感知对数据进行压缩还是直接对数据进行数据转发．仿真结果表明,和基于压缩感知的数据融合算法相比,数据转发与压缩感知相结合的数据融合算法,有效地在平衡节点间负载的同时减少节点的发送量．     

基于感知概率的无线传感器网络k重覆盖算法*

基于布尔感知的无线传感器网络多重覆盖控制模型未考虑实际应用中环境因素对节点感知能力的影响,为弥补这种不足,提出了一种分布式k重覆盖算法（KCAPSM）,该算法采用了感知概率模型,依据节点感知能力的强弱,将监测区域中的任一点被相关节点监测的情况赋值为某一概率,并通过节点与邻居交换信息,根据能量大小竞选找出k组不相交工作节点集,保证监测区域中每一点被k重覆盖。实验表明,KCAPSM算法让冗余节点处于休眠状态,节省了网络能量,优化了资源。     

无线传感器网络中基于压缩感知的分簇数据收集算法

针对无线传感器网络(WSNs)能量有限、通信链路不可靠的特点,提出一种基于稀疏分块对角矩阵进行压缩感知的分簇(SBDMC)数据收集算法.该算法以稀疏分块对角矩阵作为观测矩阵以减少参与收集节点数目;采用分布式分簇路由实现数据的分布式收集;通过分析能耗模型得到最优簇头数目以减少网络能耗.在此基础上,给出一种有效的分簇路由数据收集算法.仿真分析表明:提出的算法较之已有算法可以减少通信能耗、延长网络寿命,同时均衡能耗负载.     

基于能量感知的无线传感器网络路由算法

针对LEPS(Link Estimation and Parent Selection)在路由选择维护阶段数据收集成功率较低、节点间负载不均衡、链路质量评估复杂等问题,提出了基于能量感知的路由算法Energy-Aware and Load-Balance(EALB)。在路由选择时,EALB引入了能量感知和同层节点数据转发机制。通过仿真实验将该算法与LEPS路由协议进行比较,结果表明在相同的实验环境下,该路由协议能够提高收集成功率,有效均衡负载,延长网络生存时间。     

无线传感器网络中的调度算法研究

无线传感器网络调度算法通过合理分配节点数据采集和传输的时间,使其在不需要工作时转入低功耗的休眠模式,在满足应用要求服务质量的前提下,高效利用节点能量,达到延长网络生存期的目的.本文介绍了无线传感器网络调度算法的性能评价标准和分类方法,着重讨论了一些典型的调度算法,最后进行了各种算法的比较性总结,并指出了一些亟待解决的问题.     

基于协作的无线传感器网络休眠调度算法

提出了一种新的保证覆盖的休眠调度协议CPSBC.该协议基于一种协作感知模型(CSM),与传统的圆盘感知模型和概率覆盖模型的不同之处在于,CSM充分利用了多个传感器节点的协作探测特性.基于CPSBC,对网络覆盖具有最小贡献的,同时休眠后并不影响原始覆盖的节点被调度进入休眠.理论证明和仿真试验表明,CPSBC协议能够以较少的能耗来保证原始网络覆盖率,从而达到较好的能量有效性.     

基于感知网格的无线传感器网络动态采样策略

在分析无线传感器网络时空相关性模型的基础上,提出一种基于感知网格的无线传感器网络动态采样策略.将监测区域划分为多个感知网格,感知网格内只有簇头节点保持活跃状态,当出现异常数据后再激活感知网格内其他节点来获得更详细的信息.该策略通过减少无线传感器节点之间相同的或相近的采样数据上传来降低冗余信息的传输.仿真结果表明:该策略显著提高了无线传感器网络能量效率.     

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。     

一种基于数据流跟踪的无线传感网能量模型及网络优化

提出了一种基于数据流跟踪的能量模型,通过跟踪数据流在网络中的整个过程来计算全网的能量消耗,是一种不受网络结构限制的普遍适用的能量模型;在此基础上.建立了基于能耗的网络优化模型,针对链式和簇式结构进行了拓扑、功率和路由方面的优化设计,仿真结果证明了理论分析的正确性.     

无线传感器网络中基于网络覆盖的节点睡眠调度机制

在无线传感器网络中,节点睡眠-唤醒调度机制对于延长其生命周期至关重要。在现有的节点睡眠调度机制中,节点能耗是调度机制的唯一考虑目标。然而这种以节省节点能耗为目的调度机制很容易导致传感网络无法完全覆盖监测区域,导致严重后果。本文基于现有调度机制的不足,提出一种考虑到网络覆盖面的节能调度机制。这种机制既能降低网络能耗也能够兼顾到网络的监测覆盖情况。仿真结果表明该机制能在保证较高的网络覆盖面的前提下有效提高网络生命周期。     

无线传感器网络节点调度优化分簇算法研究*

节点调度优化分族算法根据网络节点部署的特点,在不影响网络服务质量的情况下,通过冗余节点调度优化分族的方法能有效减少网络中工作节点的数量,从而节约网络平均每一轮的网络能耗.仿真结果表明,与未考虑冗余节点状态调度的算法相比,节点调度优化分簇算法有效提高了网络能量利用率,延长了网络寿命.     

无线传感网中基于正方形剖分的节点调度算法

节点调度机制是解决无线传感器网络节点能量受限问题的重要方法,提出了一种基于节点位置信息和正方形剖分模型的传感区域分布式快速分区方法;在此基础上,提出了一种基于分组的分布式节点调度算法。理论分析与仿真实验表明,新算法具有比传统方法更好的节点调度性能,可同时保持100%的网络覆盖率与分组全局连通性。     

一种概率模型无线传感器网络覆盖算法*

针对传统覆盖算法在求解覆盖度时计算量较大、算法复杂度过高,从而导致算法效率过低,提出一种基于概率模型的覆盖算法。首先该概率模型通过调度覆盖区域内的节点状态来实现对覆盖区域监测,保证了所关注目标节点被传感器节点均匀覆盖的同时又优化了网络资源;其次对不同的覆盖区域利用概率期望值及相应定理求出满足覆盖条件下最少传感器节点数。仿真实验结果表明,该算法在保证网络覆盖质量要求时能够有效地减少活跃节点的数量,延长了网络的生存时间。     

基于无线传感器网络汇聚传输的两阶段实时调度算法

多对一的汇聚传输是无线传感器网络,特别是工业无线传感器网络中的一个典型的数据传输模式.针对具有星形和网状两层拓扑结构的工业无线传感器网络汇聚传输的实时性要求,分析簇-线型路由下完成汇聚传输所需时隙数和信道数的下限值,并基于理论值提出一种基于紧凑搜索的两阶段实时调度算法.仿真结果表明,存在最优的两阶段实时调度算法,且相比集中式调度算法,时间开销降低了6～8倍.报文开销降低了近2倍.     

大规模无线传感器网络智能能量管理算法的研究*

提出了一种基于规则推理的大规模无线传感器网络智能能量管理算法.该算法的核心思想是根据被监测实体以往情况以及当前状态信息,通过基于规则的推理推测出下一个时间段内实体可能发生异常或者期待事件的区域,让监测该区域的传感器节点工作,监测其他区域的节点休眠,从而提高能量效率.最后通过模拟实验对该算法进行了验证.     

传感器网络中分布式最优小波压缩算法

研究传感器网络中的小波变换问题,提出了一种基于最优小波变换的分布式数据压缩算法。主要工作有：（1）提出基于混合分解的分布式小波变换,利用节点的计算能力减少节点间交换数据产生小波系数的通信开销;（2）提出自适应小波变换,最优变换级根据小波变换的压缩增益和由此产生的网络开销自适应确定。仿真实验表明,和现有的小波数据压缩算法以及非分布式方式相比,提出的算法具有更优的网络性能。     

一种基于采样的传感器网络多重覆盖算法

系统生命期是无线传感器网络的一个重要设计因素。在满足监控性能的前提下,仅将少量传感器节点投入工作,而让其它节点处于低功耗的休眠状态,可有效延长系统生命期。现有的多重覆盖节点调度算法的性能不是很好,利用采样技术,提出了一种解决多重覆盖的节点调度算法。仿真实验表明,此算法的性能比现有算法要好,得到的工作集的大小可达到现有算法的66%左右。     

能量有效的无线传感器网络动态任务调度算法

为减少无线传感器网络任务调度的能量消耗,平衡网络负载,提出能量最小化的动态任务调度算法。在感知动态环境的基础上,将传感器网络节点的覆盖率、可调度性等作为该问题的约束条件。将改进后的蚁群算法应用于任务调度算法中,通过迭代得到最优分配方案,引入信息熵提升剩余能量充沛的节点执行任务的几率。仿真结果表明,该算法在降低任务分配的执行时间、能量消耗量及优化网络负载平衡方面取得了较好的效果。