无线传感器网络中基于位置信息的低能耗路由算法

许多研究表明,优秀的分簇路由算法能够有效的延长传感器网络的使用时间。在分析典型的分簇路由算法LEACH存在问题的基础上,提出了基于位置信息的低能耗路由算法,该算法在LEACH算法的簇头选取机制上进行了改进,综合考虑了位置和能量等信息,仿真实验表明,新算法较LEACH算法能更好的降低能耗,均衡网络能量,延长网络使用时间。     

无线传感器网络簇间节能路由算法

针对基于分簇网络的无线传感器网络簇间路由协议,让簇首和Sink节点直接通信或通过簇首节点转发数据造成能耗不均,节点过早死亡的缺陷。文中提出一种基于网关节点模型的无线传感器网络簇间路由算法,通过簇头与网关节点、网关节点自身建立虚电路,制定存储转发路由,将数据转发给Sink节点。并引入延时等待机制,增强了簇间信息的融合度,此算法适用于大规模无线传感器网络,有良好的可扩展性。仿真表明在能量节省等性能上与传统簇间路由算法相较有较大提高。     

无线传感器网络中LEACH算法的改进研究

针对经典分簇路由算法LEACH在选取簇头时的不足,文中从节点区域能量平衡出发,尽量将剩余能量较高且所在位置覆盖密度较大的节点充当簇头,使整个区域"均匀"消耗能量,并基于此思想提出了一种对经典分簇路由算法LEACH的改进算法.实验仿真结果表明,改进算法能有效平衡区域能量消耗,延长网络的生命周期.     

传感器网络簇头选举与调度策略研究

 为了最大化分簇网络的生存周期,提出基于线性规划的簇头选举策略(LPCHS)和基于簇头时间比的簇头调度算法(CHSA).LPCHS根据数据流守恒约束和能量约束等条件,建立线性规划方程,得到簇生存周期、簇中各节点轮为簇头的时间及相应的簇头时间比.CHSA采用多路径路由技术完成簇间数据转发,得到基于簇头时间比的簇头调度方案.     

无线传感器网络中基于位置信息的低能耗路由算法简

许多研究表明,优秀的分簇路由算法能够有效的延长传感器网络的使用时间。在分析典型的分簇路由算法LEACH存在问题的基础上,提出了基于位置信息的低能耗路由算法,该算法在LEACH算法的簇头选取机制上进行了改进,综合考虑了位置和能量等信息,仿真实验表明,新算法较LEACH算法能更好的降低能耗,均衡网络能量,延长网络使用时间。     

传感器网络中基于二元簇的节能路由算法

传感器网络中的分簇算法已经被证明能够有效地节约能量。据此提出了一种基于二元簇的路由算法,其基本思想是网络中的每个节点同时属于2个不同簇,利用二元性来减少在路由发现中的资源浪费,并能够更加确定地发现路由以节约资源。理论分析和模拟实验都表明,该算法在能量消耗和网络生命周期延长方面较优。     

无线传感器网络分簇算法研究

对无线传感器网络分簇算法中的簇头选择标准和算法执行过程进行总结和归纳。     

无线传感器网络能量均衡路由算法

设计了一种能量均衡的路由算法.路由的建立分两个阶段,在簇头建立阶段,让候选节点在覆盖范围内以剩余能量的多少和所处位置为标准来竞选簇头,以使簇头分布均匀,平衡网络覆盖;在通信阶段,根据簇头节点的剩余能量大小和其距离基站的远近,采用多跳的簇间通信方式建立路由,以此来降低簇头节点的通信负载.仿真结果表明该算法能够有效降低网络能耗和延长网络生存时间.     

传感器网络簇间通信自适应节能路由优化算法

提出了一种用于无线传感器网络簇间通信的自适应节能路由优化算法。网络中以总体通信能耗最小为首要原则建立端到端之间的路由,并对簇间通信提出了一种优化算法,使得簇首之间相互通信时,可以在直接、中继以及协作3种不同方式中自适应地选择最节能的通信方式。所提出的路由算法可确保源节点与基站通信过程中选择到最优或次优的节能路由,并可降低由于通信覆盖盲区造成的通信中断的概率。仿真结果表明,与其他传感器网络路由算法相比,所提出的路由算法在相同吞吐量和误码率前提下每一轮都消耗更少的能量,并且在不同的节点密度下都可有效地延长网络的生命周期和工作时间。     

异构传感器网络中汇聚节点位置优化路由算法

在异构无线传感器网络模型下,针对采集节点发送数据能量消耗过高及路由时分组丢失率过大等情况,对数据汇聚节点的位置优化及路由进行了研究,提出了移动汇聚节点位置优化路由算法（MLOYIH）。先根据蚁群算法的原理对移动节点与静态节点进行分组,再在组内寻找适合的位置放置汇聚节点,最后根据供电情况,选择合适的跳算进行路由。经过仿真实验与性能分析表明,MLOYIH算法与传统算法比较,能量消耗降低到64%,分组丢失率不高于3%。     

基于全局信息的LEACH协议改进算法

传统LEACH协议在选举簇头节点时,采用动态簇头选举算法,每轮选举产生簇头节点个数为最佳簇头数的概率并不是最大,使得每轮选举的簇头数偏差较大,不能使节点能量达到最优化。针对这一问题,提出了改进的LEACH-P协议,该协议在簇头选举阶段通过簇头节点间的相互协作,以少量的能量消耗来获取全局信息,消除了LEACH协议簇头选举算法的盲目性,从而改善簇头选举算法。实验结果表明,LEACH—P协议相比传统LEACH协议有效地节省了节点能量,延长了网络生命周期。     

基于物联网的无线传感器网络路由协议研究

针对无线传感器网络中的高效能路由协议问题进行研究,详细分析了传统的分层路由协议LEACH（低功耗自适应集簇分层）的簇首选取原则和成簇算法,并指出该算法存在的局限性。针对簇首节点的位置不同,提出了簇首间进行多跳中继转发的改进算法,并对此算法进行了仿真实验,结果证明,改进算法的网络生存时间要优于传统的LEACH算法。     

传感网分簇算法研究及其进展

作为网络拓扑控制的有效方式之一,分簇算法可显著降低无线传感器网络的能量消耗,提高网络吞吐率。文章基于无线传感器网络分簇的架构,对目前主流的分簇算法进行归纳分类。针对无线传感器网络分簇算法设计中存在的难点,文章给出了解决难点的部分成果,并对进一步的研究进行了展望。     

一种LEACH协议的改进方法

针对无线传感网络中如何有效平衡节点的能量分布,文中在LEACH协议的基础上,提出了一种改进方法,在选取簇头时,考虑簇头在监测区域的平均分布,判断簇头间的距离,大于某一阈值,则确定簇头选取成功。同时将改进后的协议与原LEACH协议进行仿真比较,结果表明,改进后的协议可更有效地进行能量平衡,且到达了延长网络寿命的目的。     

WSN中基于节点地理位置信息分簇算法的研究

针对无线传感器网络的特点,提出了一种新的分簇算法.在选择簇头时,节点根据自己的地理位置与能量决定是否成为簇头,使得簇头在网络中均匀分布;在数据传输阶段根据节点的权重来选择中间节点进行数据传输,减少网络消耗的能量从而延长网络的生存时间.仿真结果表明该算法可以显著延长网络寿命,提高网络的业务容量.     

考虑整体消耗代价的无线传感器网络分簇算法

在LEACH协议的基础上,研究一种无线传感器网络分簇算法,采用高级节点作为固定簇头替代LEACH中的随机簇头选择策略,推导出最优簇头节点数目即所需高级节点数的计算公式及各类节点所需能量的表达式,并从网络整体消耗代价的角度出发,通过仿真对网络性能进行分析评价。结果表明,采用一定量的高级节点作为固定簇头,当其节点硬件代价和电池能量代价之比a1/b超过一定值时,新算法的整体网络代价明显低于LEACH。     

An optimised fuzzy clustering for wireless sensor networks

Minimising energy consumption has always been an issue of crucial importance in sensor networks. Most of the energy is consumed in data transmission from sensor nodes to the base station due to the long distance of nodes from the base station. In the recent past, a number of researchers have proposed that clustering is an efficient way of reducing the energy consumption during data transmission and enhancing the lifetime of wireless sensor networks. Many algorithms have been already proposed for cluster head selection. In this work, we analyse and compare the lifetime of the network with three different fuzzy-based approaches of cluster head selection. The three strong parameters which play an important role in lifetime enhancement – energy, centrality and node density – are considered for cluster head selection in our proposed fuzzy approaches. In the first approach, energy and centrality are considered simultaneously in a fuzzy system to select the cluster heads. In the second approach, energy and node density have been taken in a fuzzy system to select the cluster heads. In the third approach, node density and centrality are considered simultaneously by a fuzzy system to select the cluster heads. Simulation results of these fuzzy logic-based approaches show that all the three approaches are superior to the Low-Energy Adaptive Clustering Hierarchy (LEACH). Simulation results also show that the energy-centrality-based fuzzy clustering scheme gives best performance among all the three fuzzy-based algorithms and it enhances the lifetime of wireless sensor networks by a significant amount.