移动基站无线传感器网络性能优化研究

针对一种移动基站协助数据收集模式,依据无线传感器网络的能量消耗模式,改进了石高涛等人提出的r<<R情况下的缓冲区设计,得到的结论是：缓冲区的中心位于2^-2/2R-l时,网络的寿命最长,其中l为与r和R相关的一个较小的数,并分析给出了能量消耗不均衡的原因,提供了简洁的优化缓冲区设计的计算方法。对传感器网络的优化具有较好的指导作用。     

发射功率可变的无线传感器网络能量级别选取

针对一种无线传感器网络节点的发射功率可变,其最大发射半径是最小能量发射半径r的k倍,即kr的传感器网络,研究节点最佳能量发射半径ir的设计问题。通过数学分析得到能量消耗公式,给出最优的能量发射级别k的计算方法。采用优化的发射功率相比采用固定功率的发射方法能够大幅度地提高网络寿命,对传感器网络的优化具有较好的指导作用。     

点能量密度平衡的无线传感器网络基站移动策略

数据收集是无线传感器网络的一个基本功能。由于部署在基站周围的传感器节点承担着网络内大部分的负载,因此导致能量迅速耗尽,现有的基站移动策略可以通过基站的移动实现网络内传感器节点的负载平衡以延长网络寿命。但是现有负载平衡的基站移动策略只能在传感器节点被均匀布撒的情况下才能有效地延长网络寿命,其他情况下不能达到延长网络寿命的效果。因此本文定义了点能量概念用以表示传感器网络对感知区域每个点的感知能量,并给出了有效的点能量密度计算方法。通过点能量密度消耗分析,提出了一种点能量密度平衡的基站移动策略(energy-density-balance base stationmovement,简称EDB-BSM)。通过理论分析和仿真试验验证,相对于固定基站模式和基站随机移动模式,该移动策略能够在各种传感器节点分布情况下有效的延长网络寿命,并具有良好可扩展性。     

在有洞的无线传感器网络中移动基站轨迹的研究

数据收集是无线传感器网络的一个基本功能,由于部署在基站周围的传感器节点承担着网络内大部分的负载,因此导致能量迅速耗尽.但是现有的负载平衡的基站移动策略只能在传感器节点被均匀布撒的情况下才能有效地延长网络寿命.本文针对在含有洞的无线传感器网络区域中,提出了基站移动的4种轨迹,基站沿着边界之间的中轴线进行移动,把中轴线上的节点作为汇聚节点,可以降低包的丢失率.实验仿真结果表明,该算法不仅能平衡节点负载,提高包的接收率,也降低了网络能耗,延长了网络寿命.     

无线传感器网络节点移动路径优化方法

为解决移动传感器修复网络覆盖空洞时最优级联移动路径的选择问题,综合考虑中间级联节点的个数和能量,提出了选择级联移动路径的优化方法.该方法通过计算中间级联节点的能量可用率,进一步得出各路径的能量可用率和决定性能量,从多目标优化的角度来选择最优的级联移动路径,有效均衡了各移动传感器的能耗,充分利用了整个网络的能量,从而延长了网络的生存时间.仿真结果表明,该优化方法比标准的级联移动方法有更高的网络能量使用效率.     

多移动基站无线传感器网络生命期最大化算法

无线传感器网络（WSN）的传感器节点一般由电池提供能源,故能量管理在WSN中是一个基础问题．针对受限多移动基站网络生命期最大化问题,提出了一个MMBEC算法．鉴于移动基站受到实际道路和自身能量的双重限制,算法首先通过规划平衡子回路达到基站间负载的平衡,然后控制基站周期性逗留达到邻近道路节点数据通信量的平衡．由于平衡子回路是NPC问题,采用近似算法找到近似解,控制基站周期性逗留保证邻近道路节点能量几乎同时耗尽,从而延长网络生命期．模拟实验结果证明该算法与现有算法相比能提高网络生命期和吞吐量．     

无线传感器网络中数据量转移的能量均衡策略

无线传感器网络中各节点能耗不均衡严重影响了网络的生命周期。首先通过理论分析得出了圆形区域网络的数据量转发和能量消耗特性,其次阐述了如何选择最优的发射功率使得网络寿命最长,最后为进一步降低网络能耗,提出了一种有效的数据量转移的能量均衡策略,数值仿真结果证明该策略可以有效降低整网能量消耗,延长网络生存周期。     

MMBDDG:无线传感器网络中多基站移动协作数据分流收集模式

数收集是无线传感器网络最广泛的应用之一,现有协议大都假设基站的位置固定不变,容易形成能量空洞.提出一种多基站移动协作数据分流收集模式,采用分流策略,分流边界L将数据采集区域划分为两部分,分别采用多对一和多对多两种模式收集数据.距离圆心小于L的节点通过分簇路由将数据发往圆心固定基站,大于L的节点沿最短路径将数据发往外围移动基站.该模式特别适合节点高密度部署、大范围数据收集的网络.实验结果表明,该模式在覆盖范围内较均匀消耗网络能耗,实现负载均衡,从而最大化网络生命周期,大大降低了单移动基站的数据延迟.     

无线传感器网络中的资源优化

无线传感器网络是一种新兴的技术,与传统的网络相比最突出的特点就是超大规模,无人值守,应用环境变化频繁.解决能量受限问题,适应变化频繁的拓扑结构是目前无线传感器网络面临的最大挑战.针对这一特点,本文以优化网络资源和延长网络寿命为目标,归纳了无线传感器网络部署、任务分配、信息处理和中间件定位中的优化问题,并分别对这些具体问题进行了探讨,对一些可能的研究方向进行了简要的阐述,为以后的研究奠定了基础.     

基于簇首移动的无线传感器网络路由算法

以往的无线传感器网络分簇算法中,簇首位置固定无法移动,缺乏针对网络实时变化的灵活性,在均衡网络节点能量消耗的问题上存在着缺陷。鉴于此,提出一种簇首移动的无线传感器网络路由算法（MCHCA）。MCHCA算法将簇首设置为移动节点,通过网络区域大小及节点传输半径确定合理的移动簇首数目;根据簇内成员的位置坐标和剩余能量的信息,确定簇首每轮所需移动到的最佳位置;移动簇首收集簇内成员的数据并将其融合,传递给Sink节点。仿真结果表明,该算法可以有效地均衡网络节点负载的能耗,提高了网络的生命周期。     

基于移动基站和路由策略WSN寿命的算法

针对无线传感器网络的特点,提出了一种基于移动基站和路由策略优化无线传感器网络寿命的方法.首先给出场景中传感器传输相同信息能耗最小的最佳基站位置,进一步分析了不同基站位置对传感器节点能耗的影响,证明网络中传感器节点传输相同信息的总能耗越小则网络寿命越大.为降低移动基站计算的复杂度以提高采集信息的实时性,应用拉格朗日对偶分解和牛顿法简化均衡节点能量过程中的线性规划问题.当场景中有节点因能量耗尽而无法向基站继续传输信息时,根据场景中的拓扑结构自适应调整基站位置以减少节点的能耗,然后采用简化的线性规划最大最小节点寿命,以提高基站收集信息的有效性.理论分析和仿真研究表明：应用拉格朗日-牛顿法简化线性规划问题能够在保证算法快速收敛的同时大幅度地降低计算量.提出的移动基站策略能够大幅度的延长网络寿命,从而实现增加基站接收信息的数量和提高节点能量使用效率的目的.     

无线传感器网络动态节点选择优化策略

无线传感器网络的能耗和有效覆盖率是衡量其性能的两个重要指标.无线传感器网络动态节点选择优化策略通过合理配置各无线传感器节点状态,平衡网络能耗和有效覆盖率,提高网络能效性,延长网络寿命.提出一种结合了Hopfield网络与遗传算法的动态节点选择优化策略,简称为HN-GA.该策略通过遗传算法实现全局搜索,采用Hopfield网络缩小遗传算法的搜索范围,保证遗传算法中每个基因对应待选解的有效性,并针对动态节点选择优化提出一种基于无线传感器网络能耗、寿命和有效覆盖率的综合指标.仿真实验表明,HN-GA算法能有效完成无线传感器网络动态节点选择优化,并在确保网络有效覆盖率的前提下,通过动态配置各无线传感器节点状态,降低网络能耗,延长网络寿命.与遗传算法和Hopfield网络相比,HN-GA算法不仅全局搜索能力强,且收敛速度快、耗时少.     

无线传感网络移动节点位置并行微粒群优化策略

网络节点位置优化是无线传感网络研究的核心问题之一.无线传感网络通常由固定节点和少量移动节点构成,传统的虚拟力导向算法无法解决固定节点对移动节点优化的约束.该文针对这一问题,提出了基于并行微粒群算法的优化策略.微粒群算法具有适于解决连续空间多维函数优化问题、能快速收敛至全局最优解的特点.并行框架提高了算法的运行效率,降低了算法的运算复杂度,使算法能够满足无线传感网络的需求.通过并行微粒群算法搜索不同状态下无线传感节点的最优位置,使无线传感网络能够利用移动节点实现网络结构的动态重组,最大化网络覆盖范围,提高网络测量可靠性.实验证明,并行微粒群优化策略能快速有效地实现无线传感网络移动节点位置优化.     

一种无线传感器网络的二次部署方法

无线传感器网络中传感器节点的部署位置对整个网络的性能(比如:覆盖率、通信成本和连通性等)有重要影响.此文针对由移动传感器节点组成的网络,提出一种基于协进化计算的方法来二次部署传感器,节点优化网络的性能,所提方法先将部署区域划分为小区域,传感器节点则根据其初始位置所在的小区域划分成不同的群落,每个群落在其直接邻居群落的参与下进化,获得群落内传感器的最佳部署位置.仿真实验表明,此方法在覆盖率、移动总距离和收敛性上都优于基于传感器个体的协进化二次部署算法.     

无线传感器网络中的数据融合

在传感器网络中高效率的传感数据融合方式和使传感器网络工作更长的时间存在的一定的矛盾。因此在本文中我们使用能量和延迟度量并且我们提出了一种方案试图去平衡在数据融合时产生的能量消耗和延迟。     

无线传感器网络中的数据融合

在传感器网络中高效率的传感数据融合方式和使传感器网络工作更长的时间存在的一定的矛盾。因此在本文中我们使用能量和延迟度量并且我们提出了一种方案试图去平衡在数据融合时产生的能量消耗和延迟。