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。     

无线网络中基于编码感知的能量优化路由算法

由电池供应电量的无线通信网络中,数据需要通过作为路由的中间节点进行传输,所以这些中间节点的能量消耗对整个网络的生存有很大的影响。本文从延长网络生存时间的目的出发,提出了一种能量优化的编码感知路由协议COER(Coding-aware based Optimal Energy Routing),利用能量门限值以及相对剩余能量来均衡网络节点能量的消耗,同时用网络编码来减少能量的消耗,并将两者统一来实现网络能量的优化。仿真结果表明:COER能够减少传输能耗,均衡网络能量消耗,延长网络生存时间。     

基于能量感知与能量均衡的ZigBee网络树路由算法研究

针对传统ZigBee网络树路由算法存在节点能量消耗大的问题,提出了一种改进的基于能量感知和能量均衡的ZigBee网络树路由算法。该算法将邻居节点考虑在内,在确定路由的下一跳节点时,在更大的搜索范围内寻找路由开销最小的网络路径来降低功耗,同时根据路径上节点的剩余能量选择累积路径损耗和路径能量消耗较低的路径进行数据发送,从而降低了网络的总体能耗。仿真结果表明,该算法能避开能量过低的节点进行数据传输,实现了节点的能量均衡,延长了节点的生存时间。     

双阈值能量检测的无线电网络协作频谱感知

针对认知无线电网络中协作频谱感知使能耗增加而降低网络寿命的问题,提出了一种双阈值能量检测的协作频谱感知方案.利用基于双阈值的能量检测方法最大化网络吞吐量,使能耗低于一个阈值同时保护主用户不受次用户的干扰.利用凸优化分析来获得感知时间和检测阈值的最佳值.仿真结果表明,方法能有效权衡网络吞吐量与能量效率之间的关系,相比传统的频谱感知方法,具有明显的优越性.     

无线传感器网络中能量敏感感知节点选择算法

如何保证在满足系统QoS需求的同时延长网络的生命周期是无线传感器网络面临的最重要问题之一。提供高质量感知数据是无线传感器网络的目的,感知节点是网络能否实现这个目标的关键因素。为了节省感知节点的能量并实现负载均衡,该文提出一种能量敏感、负载均衡并与物理位置无关的感知节点选择算法EASNS,综合考虑感知能力和剩余能量两因素对感知节点进行选择,用TOSSIM仿真工具对算法EASNS进行了仿真。仿真实验结果表明,采用EASNS算法与选择所有节点得到的平均温度之间的误差为0.3%,能够有效地减少能量消耗,能量消耗约为选择所有节点方法的25%,并能实现感知节点能耗负载均衡,延长系统生命周期。     

无线传感网络中基于无线能量补给的能量感知路由算法

针对无线传感网络中随机分布传感器节点能量消耗不均衡的问题,提出了一种基于无线能量补给的能量感知路由算法。休眠节点不仅可以在无线携能通信(Simultaneous Wireless Information and Power Transfer,SWIPT)传输方式下通过功率分割方法进行无线能量补给,还可以在信息传输方式下通过无线能量收集方法进行能量补给,重新进入活跃状态,为信息传播提供更好的路由,提高传感器节点的能量利用,延长传感网络的使用寿命。在该算法中,通过优化节点间的信息和能量分配,最小化传输功率,引入能量路由度量方法,选择能耗最小的路径作为传输路径。仿真结果表明,本文提出的算法可以有效地利用节点资源,均衡多跳能量受限无线传感器网络中的能量分布。     

基于能量检测的认知无线电频谱感知技术分析

介绍认知无线电的基本知识,较详细论述其中的频谱感知技术,分析了用于发射端检测的能量检测法的基本原理和方法,完成高斯白噪声信道条件下能量检测法的性能参数计算仿真,给出了相应结论。     

认知无线网络中多信道频谱感知周期优化算法

为了使认知无线电次用户发现并使用更多的空闲频谱资源,提出了一种多信道频谱感知周期优化算法。针对实际网络中各授权信道使用规律的不同,本文基于交替更新理论建立了多信道状态转移模型,将各信道感知周期的选取建模为一个带约束条件的多目标优化问题,并采用遗传算法对其求解,获得了相对较优的多信道感知周期向量。仿真结果表明,本文提出的目标函数能够有效衡量多信道空闲频谱资源检测率。当目标网络中包含8个授权信道时,所提算法可发现的空闲频谱资源占实际空闲频谱资源的68.23%,相对于以相同周期对各信道进行频谱感知的OFDM机制提高17.68%。     

基于蚁群优化的无线自组织网络能量感知路由协议与参数优化研究

蚁群优化ACO(Ant Colony Optimization)作为一种模拟进化算法,具有信息正反馈、分布式计算和多agent协同的特点,在求解复杂优化问题方面体现出许多优越性。提出基于ACO的无线自组织网络能量感知路由协议ABEAR(Ant-Based Energy-Aware Routing)。协议按需发送人工蚂蚁进行路由发现,根据信息素浓度、节点能量和链路使用情况综合选择下一跳节点来转发数据包,尽量避开信道使用频率较高的路径,还可根据节点通信活动情况将空闲节点转入睡眠状态来节省能量消耗。由于蚁群参数的取值对于ACO算法的性能有着非常重要的影响,因此在分析三个关键参数(信息素挥发系数ρ、信息素权重因子α、剩余能量和链路拥塞指标权重因子β)对ABEAR性能的影响基础上,在NS2平台上进行了仿真实验,对参数优化的效果进行了对比,并总结出了参数值设定的具体步骤。     

基于概率优化的水下通道感知能量优化路由

针对水下传感器网络能量损耗较大,延迟较严重的问题,提出一种基于概率优化的水下通道感知能量优化路由（PPUN）。在能量优化上,针对水下节点随机覆盖存在的多余感测覆盖范围所造成的额外能量损耗问题,采用传感器节点数量的概率优化方法,在保证覆盖率和节点连通率的情况下推导出网络所需要的最小节点数目,从减少传感器数目的问题上来优化总体能量。而针对路由的能量损耗问题,在节点的链路规划上采用了通道感知路由算法,考虑了在一定能量损耗阈值条件下的最短节点路径,避免水下节点盲目选择能量损耗较大的最短路径而导致数据转发失败,消耗更多能量。延迟问题抓住主要的解码延迟问题进行了分析并利用HARQ-III方案对延迟时间加以控制。实验对比分析表明,算法采取控制传感器数目和链路规划的方法,在实现能量优化上具有一定优势,延迟控制方案也得到了较好的效果。     

基于ARIMA-ANN预测模型的能量感知路由算法

针对传统能量感知OLSR协议在减少传输功率消耗和均衡节点剩余能量之间不能兼顾的特点,提出了一种新型的基于剩余能量比例和传输功率消耗的OLSR路由协议OLSR_RC,它利用上述两方面的指标构造复合能量开销,并将其作为路由选择的度量值。在减小网络开销的同时,也防止了部分低电量节点的能量被快速耗尽,延长了网络的生存周期。此外,新路由还采用ARIMA-ANN组合能量预测模型对节点的剩余电量进行预测,降低了由于拓扑控制(TC)消息丢失对选择路由所造成的影响。这种新型路由协议在无线传感器网络领域有比较广阔的应用前景。     

一种基于能量感知的无线传感器网络混合路由协议

针对无线传感器网络的资源局限性、自组织性和网络拓扑结构的不确定性,提出了一种基于能量感知的平面路由和层次路由的混合路由协议。该协议可根据节点剩余能量的表现来判断节点的当前状态和路由选择,网络中各节点以"尽力而为"传输数据和"不得已"动态建立自适应簇头的方式进行网络通信。仿真结果比较表明:该协议具有较高簇头生成率和可靠的数据交付率,能更有效降低网络能量消耗。     

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.     

一种动态能量感知的节点休眠调度算法

为减小低占空比无线传感器网络（LDC-WSN）中端到端的休眠延迟和均衡能量负载,提出了一种动态能量感知的节点休眠调度算法（DESS）,该算法通过感知节点剩余能量的动态变化,自适应地增加苏醒时隙的次数,用以平衡网络中节点的能量消耗。仿真结果表明,与同类算法的LES和TOSS相比,DESS在休眠延迟以及能源消耗等方面带来明显的性能提升,有效地延长网络的生命周期。     

基于能量感知的双簇头数据收集协议

针对无线传感器网络的簇结构中簇头节点消耗能量过快而容易成为死亡节点的问题,提出了一种能量感知的双簇头数据收集协议EADC,通过在簇内增加一个副簇头来负责主簇头节点的数据转发功能,分担了主簇头的能量消耗,使主簇头成为死亡节点的概率降低,从而有效延长了网络寿命。实验分析结果表明,与EADEEG算法相比,EADC能够将死亡节点出现的时间有效延长30轮,使网络使用寿命明显延长。     

基于反馈神经网络的稀疏信号恢复的优化算法

针对稀疏信号的重构问题,提出了一种基于反馈神经网络（RNN）的优化算法。首先,需要对信号进行稀疏表示,将数学模型化为优化问题;接着,基于l₀范数是非凸且不可微的函数,并且该优化问题是NP难的,因此在测量矩阵A满足有限等距性质（RIP）的前提下,提出等价优化问题;最后,通过建立相应的Hopfield反馈神经网络模型来解决等价的优化问题,从而实现稀疏信号的重构。实验结果表明,在不同观测次数m下,对比RNN算法和其他三种算法的相对误差,发现RNN算法相对误差小,且需要的观测数也少,能够高效地重构稀疏信号。     

Cognitive behavior optimization algorithm for solving optimization problems

Nature-based algorithms have become popular in recent fifteen years and have been widely applied in various fields of science and engineering, such as robot control, cluster analysis, controller design, dynamic optimization and image processing. In this paper, a new swarm intelligence algorithm named cognitive behavior optimization algorithm (COA) is introduced, which is used to solve the real-valued numerical optimization problems. COA has a detailed cognitive behavior model. In the model of COA, the common phenomenon of foraging food source for population is summarized as the process of exploration–communication–adjustment. Matching with the process, three main behaviors and two groups in COA are introduced. Firstly, cognitive population uses Gaussian and Levy flight random walk methods to explore the search space in the rough search behavior. Secondly, the improved crossover and mutation operator are used in the information exchange and share behavior between the two groups: cognitive population and memory population. Finally, the intelligent adjustment behavior is used to enhance the exploitation of the population for cognitive population. To verify the performance of our approach, both the classic and modern complex benchmark functions considered as the unconstrained functions are employed. Meanwhile, some well-known engineering design optimization problems are used as the constrained functions in the literature. The experimental results, considering both convergence and accuracy simultaneously, demonstrate the effectiveness of COA for global numerical and engineering optimization problems.     

采用预测控制的地铁节能优化控制算法

本文针对地铁列车自动运行系统(automatic train operation,ATO)一般运行情况以及晚点延迟发车情况下的节能问题,基于预测控制算法设计了地铁节能优化控制算法.利用预测控制算法的在线滚动优化特性,通过设计含有能量消耗趋势优化项的控制目标函数,控制算法能够针对节能目标实现快速动态调整.通过调节目标函数中各优化项权重的相对大小,节能算法可以在满足列车时间与路程运行指标的同时,达到降低能耗的目的.在MATLAB平台上利用真实车辆模型对提出的节能优化控制算法进行了仿真,在列车不延迟与延迟的情况下,算法都很好地平衡了跟踪目标与节能目标,为地铁能耗动态优化控制提供了可行方案.     

基于能量均衡的WSNs固定分区路由算法

针对LEACH协议簇间通信能耗和控制开销过大,以及簇首数量波动大、簇首分布不均匀等问题,提出一种基于能量均衡的固定分区路由算法。结合多跳算法进行非均匀分簇,在降低簇间通信能耗的同时避免了＂热区＂问题。采用固定分区策略,限制了簇首节点出现的范围与数量。引入簇首能量自检机制,降低了网络的控制开销。同时利用节点能量和位置信息,选取最优节点成为簇首。仿真实验结果表明：该算法在网络的总体能耗、负载均衡和生命周期方面都有较好的表现。