基于地理信息静态分簇的无线传感器网络路由算法

通过路由算法减少节点的能耗、延长网络的寿命是无线传感器网络的研究重点之一。探讨了能量高效的分层无线传感器网络路由算法,提出一个基于地理位置信息静态分簇,根据节点剩余能量及节点在簇内的位置选择簇头的分层路由算法(GSCH),适用于静态无线传感器网络。仿真实验结果表明该路由算法有效地减少分簇成形及簇首选择的能耗,延长了整个网络的寿命。     

基于分簇多节点协作规划的无线传感器网络定位算法

为了提升无线传感器网络的定位精度,减少网络在进行定位运算时节点能量消耗过大等问题,提出一种基于分簇的多节点协作规划的无线传感器网络定位算法,该算法先通过将网络形成多个分簇,计算簇内节点间的相对距离,再通过协作规划的方法来提升节点坐标定位的准确度。得到簇内节点相对簇头的位置坐标后,再求出簇头相对于汇聚节点的位置坐标,从而实现在网络中对任意节点的精确定位。实验仿真结果表明,与基于加权质心和参考节点序列的定位算法相比,基于分簇的多节点协作规划的定位算法可以得到更好的定位精度。     

一种无线传感器网络定位问题中的分簇算法

本文提出一种用于平面无线传感器网络定位的分簇算法.首先,锚节点根据地理位置划分感知区域;然后,通过拓扑发现过程和锚节点问的信息交换,实现锚节点对周围网络拓扑的感知;最后,根据就近原则将所有未知节点分配到以锚节点为边缘的各个子区域中,而分配到各个子区域中的未知节.点和边缘的锚节点,则构成网络中的各个簇,并由每个簇的主节点保存本簇内全部拓扑信息.该算法可以实现多跳节点的分簇,并且具有较小的通信量,可用于多种基于分簇的分布式定位算法中,有助于解决大规模无线传感器网络的定位问题.仿真实验结果显示,在锚节点按网格分布和随机分布两种情况下,该算法都可以得到良好的分簇结果.     

基于聚类的无线传感器网络相对定位算法

提出一种基于聚类的无限传感器网络相对定位算法,包括3个步骤,即将网络分簇、各簇建立局部坐标系并计算簇内节点自身在局部坐标系内位置以及各局部坐标系合并成全局坐标系。仿真结果表明,与SDGPSN算法相比,该算法通信和时间开销更少,更适用于能量受限、规模大的无线传感器网络。     

应用PSO优化基于分簇的无线传感器网络路由协议

分簇路由算法对大规模无线传感器网络远程监控系统具有较好的适应性和节能性,但现有算法在确定簇首过程中由于忽略了邻居节点的状态信患,容易导致簇内节点过早的出现盲节点现象,从而降低网络的生存时间．针对现有分簇算法的不足,提出了应用PSO算法优化分簇过程．仿真结果表明算法的性能得到了较好的改善,并有效地避免了盲节点现象的过早发生．     

一种基于移动性的无线传感器网络分簇路由协议

近年来,包含移动节点的无线传感器网络逐渐得到了广泛应用,传统的无线传感器网络路由协议已不能适用于节点移动的场景。LEACH-Mobile协议是一种较适用于移动无线传感器网络的路由协议,它在LEACH协议基础上对节点移动的处理进行了优化。本文针对移动的场景提出了一种基于移动性的无线传感器网络分簇路由协议MCR,该协议包含了一个基于移动性的簇头选举算法MCE和一个自适应LEACH-Mobile算法ALM,保证了簇头尽可能地在相对移动性最小的节点中选择,充分考虑了节点的移动性因素和剩余能量。仿真实验结果显示,MCR协议能够有效提高在移动环境下的吞吐量。     

无线传感器网络中能量有效的加权分簇算法

针对无线传感器网络中节点受到能量和带宽等资源的严格制约的问题,通过分簇可以使网络中节点能量负载均衡,从而延长网络的生存周期.本文从能量和节点度的角度出发,分析了无线传感器网络中现有的一些分簇算法,提出了一种新的适合于无线传感器网络的能量有效的加权分簇算法,通过仿真和分析,得出该分簇算法是一种有效的分簇算法.     

一种抗干扰半静态分簇路由算法

针对无线传感器网络( WSNs)分簇路由算法中的能量洞、热点和抗干扰问题,设计一种抗干扰半静态分簇( AlSSC)路由算法,给无线传感器网络提供能量多、距离短、链路质量好的路径来传输数据.该算法利用节点定位获取节点地理位置,综合考虑传感器节点剩余能量和干扰信噪比,通过节点距离度量、节点聚簇、簇间融合、簇头选举和簇头轮换五个步骤进行无线传感器网络节点的分簇.仿真结果表明:这种路由算法可以提高无线传感器网络通信链路质量,均衡网络能量消耗.     

一种面向无线传感器网络相对定位的分簇算法

测距误差累积是影响无线传感器网络相对定位算法性能的主要因素之一,网络分簇是降低这一误差的有效手段。针对相对定位特点,基于典型分簇算法——OK（Overlapped K-hop）,提出EOK（Enhanced Overlapped K-hop）分簇算法。EOK算法改进了OK算法的簇头节点选择机制,提出邻居簇头节点合并机制,使得节点分簇更加符合定位应用需要。仿真实验表明,相比OK算法,采用EOK算法产生的节点簇数量更少、节点簇分布更均匀,在多数网络条件下具有更低的算法通信开销。     

无线传感器网络中的分簇算法研究

分簇算法是无线传感器网络中实施分层路由所采用的重要方法,如何合理、有效地利用分簇算法使得网络中节点的能量消耗最小,成为当前无线传感器网络研究领域内的热点问题之一。为了对分簇算法进行研究,系统地分析了当前几种典型的分簇路由算法,着重分析了簇头的产生、簇的形成过程。并把超图理论引入大规模无线传感器网络中,使网络控制信息大为减少,从而延长网络的生命周期。     

分布式多维标度定位算法的研究

针对经典MDS-MAP定位算法在定位精度和算法复杂度方面的不足,提出一种分布式多维标度定位算法。改进后的算法加入了分簇的思想,将大规模网络分成多个具有簇首的局部网络。局部定位时,引入Hop-Euclidean算法,计算簇内节点间距离,再用局部网络融合算法将局部相对坐标图合并成全局相对坐标图。仿真分析表明,提出的算法在各向同性和各向异性网络中都有很好的定位精度,而且在定位精度提高的情况下可用于不规则网络,有利于网络的扩展,更适用于大规模密集型网络。     

动态组簇的协同定位算法

提出一种动态组簇的协同定位方法,用于基于传感器网络的目标定位和跟踪.该方法包括数据融合算法和虚拟簇漂移(virtual cluster shift,VCS)机制两部分.数据融合算法部分采用均值漂移(mean shift)算法.虚拟簇漂移机制分布式地在组织目标周围的锚节点建立临时簇.簇首管理簇成员,收集感知数据,执行融合算法.当虚拟簇无法锁定目标时,簇首指定离目标最近的簇成员担任新簇首,簇的成员也进行更替,由此将虚拟簇移动(shift)到合适的位置.分析和仿真结果显示,采用动态组簇的协同定位方法跟踪目标可以大幅度降低通信开销,产生的通信量仅为以往集中式定位算法开销的1/3.     

Adaptive clustering in wireless sensor networks by mining sensor energy data

Clustering has been well received as one of the effective solutions to enhance energy efficiency and scalability of large-scale wireless sensor networks. The goal of clustering is to identify a subset of nodes in a wireless sensor network, then all the other nodes communicate with the network sink via these selected nodes. However, many current clustering algorithms are tightly coupled with exact sensor locations derived through either triangulation methods or extra hardware such as GPS equipment. However, in practice, it is very difficult to know sensor location coordinates accurately due to various factors such as random deployment and low-power, low-cost sensing devices. Therefore, how to develop an adaptive clustering algorithm without relying on exact sensor location information is a very important yet challenging problem. In this paper, we try to address this problem by proposing a new adaptive clustering algorithm for energy efficiency of wireless sensor networks. Compared with other work having been done in this area, our proposed adaptive clustering algorithm is original because of its capability to infer the location information by mining wireless sensor energy data. Furthermore, based on the inferred location information and the remaining (residual) energy level of each node, the proposed clustering algorithm will dynamically change cluster heads for energy efficacy. Simulation results show that the proposed adaptive clustering algorithm is efficient and effective for energy saving in wireless sensor networks.     

无线传感器网络中基于减法聚类的定位算法

定位算法是无线传感器网络中的关键技术。文中在传统的Dv—Hop算法的基础上,找出其产生误差的主要原因,即对未知节点与锚节点之间的估计距离做出了修正,提出一种无线传感器网络中基于减法聚类的定位算法。该算法用减法聚类的方法,根据节点自身的密度,选出锚簇头节点,使锚簇头节点在锚节点密集处产生;同时用所有锚簇头节点平均每跳距离的均值作为未知节点的网络平均每跳距离,提高了定位精度,减少了定位过程中的能量消耗。仿真实验表明,该算法比Dv—Hop算法有更好的定位精度和鲁棒性。     

用可分负载理论分析无线传感器网络任务调度

针对无线传感器网络的任务如何在最短时间内完成且充分利用网络资源的问题,提出了一种基于可分负载理论的无线传感器网络任务调度算法（WDTA）.该算法根据网络中各个节点的处理能力和节点间的通信能力,将总任务从SINK节点下发至网络中.通过去除节点间的通信干扰来提高资源利用率和减少总任务完成时间.算法在两种分群结构的异构网络环境下进行了分析,得到了在各个节点上最合理的任务分配方案,以及最短的任务完成所需时间.理论分析了基于可分负载理论的无线传感器网络任务调度的极限情况.实验结果表明WDTA算法能够通过合理分配任务,而减少任务完成时间及节点能耗.该方案可以作为设计大规模无线传感器网络的原则.     

基于超图的无线传感器网络分簇算法研究

系统地分析了著名经典算法LEACH算法中簇头的产生和簇的形成过程.提出了一种基于超图模型的分簇算法,把超图理论引入大规模无线传感器网络中,使网络控制信息大为减少,从而延长网络的生命周期.     

无线传感器网络中的分簇算法研究

分簇算法是无线传感器网络中实施分层路由所采用的重要方法,如何合理、有效地利用分簇算法使得网络中节点的能量消耗最小,成为当前无线传感器网络研究领域内的热点问题之一。为了对分簇算法进行研究,系统地分析了当前几种典型的分簇路由算法,着重分析了簇头的产生、簇的形成过程。并把超图理论引入大规模无线传感器网络中,使网络控制信息大为减少,从而延长网络的生命周期。     

用于无线传感器网络的节点间协同定位算法的设计

给出一种无线传感器网络中无锚节点情况下的节点间相互协同定位的算法。它首先将节点进行分簇,把角度测量和距离测量结合起来,通过方位协同,逐步对同步中的节点进行方位调整和坐标调整,从而计算出所有节点的相对坐标。仿真结果表明,在节点随机分布的情况下,该算法比起业界公认的聚类SPA算法在网络覆盖率、定位误差率和通信开销3个方面都有更好的表现。     

一种无线传感器网络的节点自定位方法

节点定位对许多无线传感器网络的应用来说是非常关键的,提出了一种基于移动锚节点的无测距的节点定位算法。此算法建立在Monte Carlo定位算法基础之上,通过利用节点收集到的信息来加速算法中样本的选取,从而提高定位的精度和效率。仿真结果表明,此节点定位技术平均定位精度能达到0.2个通信半径,与其他类似定位技术相比,能够明显提高节点定位精度。