一种基于权值的AdHoc网络分簇算法

AdHoc网络是动态变化的拓扑结构,具有无中心和自组织的特点,为了解决大规模AdHoc网络的组播路由,分簇算法是最高效的解决办法。该文提出了一种基于权值的新型分簇算法,提高了簇的稳定性和可靠性,使之更适合于管理大规模、多环境的AdHoc无线网络。     

Ad hoc网络中的分簇算法

分簇算法是根据系统要求将节点组织成可管理的结构，它的好坏直接影响着Ad hoc网络的各种性能指标。本文阐述了Ad hoc网络的体系结构和存在的问题，介绍了与分簇算法相关的一些定义和分簇算法的目标。对Ad hoc网络中的分簇算法进行了详尽的分类和比较分析。     

一种新的AdHoc网络自适应分簇算法

Ad Hoc网络是一种由移动节点组成的多跳的自组织网络。在文献[1]的iWCA算法基础上,文章提出了一种新颖的基于权值的自适应分簇算法NWBACA(NovelWeight-based Adjust Clustreing Algorithm),考虑节点能量状态和权重因子分配,增强了网络的稳定性和网络的生存时间,通过仿真验证了该算法的有效性。     

一种基于能量预测的无线传感器网络分簇算法

为了解决无线传感器网络能量有效利用的问题,提出一种利用能量预测选择簇头节点的分簇算法:CHEP利用文中建立的传感器节点工作状态转换模型,CHEP算法将所得的剩余能量预测参数作为考虑因素引入阀值的计算,从而使高剩余能量且能耗较慢的节点能够在每一轮中被优先选为簇头节点.通过仿真实验,将CHEP与其他分簇算法进行分析和比较,验证了CHEP算法中能量预测机制以及阀值改进的有效性.结果表明CHEP能够更好地平衡网络负载,延长网络寿命.     

移动自组织网络预测分簇算法的路由协议

针对移动自组织网络中传统分簇算法存在稳定性低、网络开销大的问题,在WCA分簇算法的基础上,提出一种带有预测机制的EWCA-MP(Efficient on-demand Weighted Clustering Algorithm using Mobility Prediction)分簇算法,该算法在簇头选择时充分考虑节点间的链路保持时间,在簇维护阶段引入模糊逻辑的概念,对Hello消息包的广播周期进行优化。并将其应用于CBRP中,提出了一种ECBRP-MP(Efficient Cluster Based Routing Protocol using Mobility Prediction)移动预测的分簇路由协议。仿真结果表明,EWCA-MP算法在簇头数目、单位时间内节点转移次数和统治集更新次数明显减少,ECBRP-MP路由协议在路由开销、分组投递率的性能得到优化。     

移动无线传感网络簇头多跳路由协议

随着无线传感器网络在移动环境中广泛应用,移动环境下降低能耗成了传感网络研究的热点.通过研究移动环境下的各种路由协议,并结合LEACH协议自身存在的问题,提出了一种支持移动的簇头多跳的路由算法.该协议充分考虑了剩余能量、速度和距离,以及簇头选取和簇的构成方法,提出新的权值函数,从而有效地支持节点移动.仿真结果表明,该协议有效地均衡了节点能耗,提高了能量利用率,延长了网络寿命.     

基于权值的无线传感器网络分簇算法

综述了无线传感器网络路由算法的主要成果,但重点分析更具有能量有效性的分簇路由算法,对各种算法的主要思想进行了性能评价,提出了一种新的算法.     

基于空间相关性的事件驱动无线传感器网络分簇算法

分簇算法是传感器网络中减少能量消耗的一种关键技术,它能够增强网络的扩展性和延长网络的生存时间。针对传感器节点数据的空间相关性,该文提出了一种新的基于空间相关性的事件驱动传感器网络分簇算法。算法根据用户要求的误差门限及结合节点数据的空间相关性马尔可夫模型,将事件感知区域划分成虚拟极坐标等价层。每个等价层选取层内当前剩余能量最大的节点作为簇头,网络通过移动代理收集簇头感知信息,该方法减少了传输数据量,有效节省了网络能量。     

基于空间相关性的事件驱动无线传感器网络分簇算法

分簇算法是传感器网络中减少能量消耗的一种关键技术,它能够增强网络的扩展性和延长网络的生存时间。针对传感器节点数据的空间相关性,该文提出了一种新的基于空间相关性的事件驱动传感器网络分簇算法。算法根据用户要求的误差门限及结合节点数据的空间相关性马尔可夫模型,将事件感知区域划分成虚拟极坐标等价层。每个等价层选取层内当前剩余能量最大的节点作为簇头,网络通过移动代理收集簇头感知信息,该方法减少了传输数据量,有效节省了网络能量。     

基于扇形分簇的无线传感器网络路由算法

无线传感网络中低功耗自适应聚类分簇(LEACH)路由算法等概率选取簇首节点,容易导致整个网络节点能量损耗出现极端化,减少网络生存时间。为此,提出一种针对簇首节点选取和分簇的改进LEACH算法。该算法把整个网络区域分为四个扇形区域,在每个区域内独立进行分簇路由;然后基站根据节点剩余能量和与基站的距离进行簇首节点选择,节点根据簇首节点和基站接收信号强度选择路由方式,以均衡网络能量消耗。仿真结果表明,改进LEACH算法的网络寿命是原有LEACH算法的150%,数据吞吐量提升了3倍。     

一种基于多权值优化的无线传感网分簇算法的研究

在无线传感网(WSN)中,网络的拓扑结构影响传感器节点的负载平衡,关系网络的容量与生存周期,而分簇结构是一种有效的拓扑控制方式。该文着眼于无线传感网络的拓扑结构,提出基于多权值的分簇算法MWBC(Multi-WeightBasedClustering),在初期通过节点间的信息交互,获得较多的局部网络信息,如:节点的度、当前能量值、发射功率、链路质量、相对位置等,在此基础上根据不同的网络应用背景作出不同的分簇决策,并预设簇的最大规模以利于接入协议的资源管理与分配。仿真结果表明,与具有代表性的分簇算法LEACH与HEED相比,在分簇的合理性上有较大的优势。     

Multi-class Bandwidth Reservation Scheme Based on Mobility Prediction for Handoff in Multimedia Wireless/Mobile Cellular Networks

Next generation of wireless cellular networks aim at supporting a diverse range of multimedia services to Mobile Terminal (MT) with guaranteed Quality of Service (QoS). The challenge is to maintain the playing continuity of multimedia streams during handoff. In this paper, a bandwidth reservation scheme based on mobility prediction is proposed, to enable high accurate prediction of next crossing cell (target cell) which a MT is going to, in order to avoid too early or over reservation resulting in a waste of resources. The amount of bandwidth to be reserved is dynamically adjusted according to (a) the current position (location) and the extrapolated direction of MT and; (b) the sector and zones of the cell. A Call Admission Control scheme (CAC) is also considered to further guarantee the QoS of real time traffic. The performance of the system is evaluated through discrete event simulation of the wireless cellular environment. Simulation results show that the proposed scheme as compared to several existing schemes is able to reduce the Handoff Call Dropping Probability (HCDP) of real time traffic and the number of terminated ongoing calls of non-real time traffic. In addition, it is efficient to reduce the number of cancelled reservation and subsequently increase the system bandwidth utilization.

组移动模型中基于模型特点的数据收集分簇算法

如今移动传感器网络在各个领域已起到重要作用。目前,移动传感器网络在军事、民用、科研等领域的应用价值都很高。而数据收集问题一直是这方面科研中必须被突破的难题。组移动模型是移动传感网络中的一个重要的移动模型,在本领域内都起到重要作用,然而有关移动传感器网络组模型的数据收集算法却屈指可数。提出了一种组移动模型中基于模型特点的数据收集分簇算法——MCBC算法。该算法根据节点的速度和角度之间的关系确定两节点是否同组,再从中选择簇头,有效地利用了组移动模型中节点的移动特征。仿真结果表明,在组移动模型中,该算法能取得较好的性能。     

认知网络中基于蚁群算法的网络流量预测模型

认知网络能够感知外部环境,并能根据周围环境的变化智能、自主、自适应的动态变化,这种特性更适合为用户提供QoS(Quality of Service)保障.设计高精度的流量预测模型,可以提高认知网络的认知特性.本文针对原有预测模型预测精度低、对训练数据依赖程度高以及不能很好的刻画网络流量特征的不足,提出了一个混合的流量预测模型.它使用蚁群算法训练BP网络的权值,避免了梯度下降法收敛速度慢、容易陷入局部最优的问题.并且在预测之前,首先使用BP(Back Propagation)网络剔除原始数据中的异常数据信号,再对其进行小波分解,最后使用混合模型预测网络流量,实现了认知网络中高精度的流量预测.     

基于运动预测的水下传感器网络MAC协议

在海洋环境的影响下,水下无线传感器网络(UWSN)节点始终处于运动状态;UWSN采用声信号通信,缓慢的节点移动也会造成UWSN现有的多址接入技术(MAC)协议冲突避免机制失效。该文建立了水下节点的运动模型,基于AR运动预测模型减小水下节点的时空不确定性对于MAC协议的影响,提高发送信息在预约时隙到达的概率。仿真结果表明,采用AR(5)预测可以减小74.8%的时延探测误差。提出了基于预测的预约MAC协议：P-MAC。NS-2仿真结果表明该协议在海浪运动场景下能提高收包成功率(PRR)10%-15%。     

一种新的基于混合蚁群算法的聚类方法

建立了聚类分析问题模型，分析了K-均值算法、模拟退火算法和基本蚁群算法的优缺点。对蚁群算法作了改进．思路是K-均值方法混合，利用K-均值方法的结果作为初值。经过比较测试，两种混合蚁群算法的效果都比较好．特别混合方法二的效果最好。     

一种基于嵌入技术的异构信息网络的快速聚类算法

异构信息网络聚类分析是当前的热点研究问题之一。利用异构信息网络的稀疏性,该文提出一种基于嵌入技术的星型模式的异构信息网络的快速聚类算法。首先从相容的角度将异构信息网络转化为若干个相容的二部图,使用随机映射和一种线性时间求解程序快速计算出每个二部图的近似通勤距离嵌入,每个嵌入都存在一个子集指示目标数据集;然后,使用这些指示子集构建一个通用的聚类模型;最后,将所有指示子集的类设置标号,通过计算指示同一目标对象的指示数据与标号相同类的中心点的加权距离总和,同时划分所有的指示子集,从而快速获得通用模型的极小值。通过理论分析及实验验证,该文算法聚类速度快,聚类准确率高。     

基于位置感知的无线传感器网络聚类算法

针对以能量有效的方式收集传感器网络空间相关性数据的问题,本文提出了一种新的基于位置感知的无线传感器网络聚类算法。算法根据用户查询误差门限和基于位置信息的节点感知数据相异度矩阵,进行无监督数据挖掘,将监测区域划分成信息等价域。每个等价域选取城内当前剩余能量最大的节点作为簇头,网络通过移动代理收集簇头感知信息,从而减少了传输数据量,有效节省了网络能量。