一种面向WSN节点的数据压缩简化算法

为了在存储空间和能量受限的无线传感器网络(WSN)节点上压缩数据来节省无线发送和外部存储所耗能量,分析并强调了面向WSN节点的数据压缩的特点与研究意义.针对资源受限节点在存储和传送数据中对压缩率和精度及能耗等性能的需要,基于傅立叶分析原理,通过简化基频测量和按允许误差调整傅立叶级数最高阶次,提出了一种可在节点常用的超低功微处理器上实现数据压缩的简化应用方法.实验表明了该简化压缩算法的有效性.     

WSN中APIT节点定位改进算法研究

为了提高无线传感器网络中APIT定位算法的定位覆盖率,提出了Min-max方法与APIT相结合的定位算法。改进算法不需要额外添加硬件,且容易实现。仿真结果表明改进算法与APIT算法相比定位覆盖率有显著提高。     

无线传感器网络的数据压缩算法综述

介绍无线传感器网络的特点,分析数据压缩技术对无线传感器网络发展的重要性;综述了无线传感网络中数据压缩技术的研究现状并介绍了无线传感器网络中部分有代表性算法的研究成果:根据监测数据在时间和空间上存在某种相关性,分类出基于时空相关性的数据压缩算法;根据采用某种变换去除数据时空相关的冗余信息算法,分类出基于小波变换的数据压缩算法;在集中和分散这两种信息服务都能实现的原则基础上,分类出分布式数据压缩算法;通过对传统的压缩算法进行裁剪和优化,分类出改进的传统数据压缩算法;同时总结了各算法的适用环境及其算法中心思想;最后讨论了无线传感器网络中各种数据压缩算法在现阶段存在的不足及各种压缩方法的未来研究方向.     

基于遗传算法WSN节点定位算法研究

研究无线传感器网络节点定位问题.针对无线传感网络由于位置信息等原因而造成节点定位误差较大,精确度不高等问题缺陷,提出了一种改进的基于遗传算法优化DV-hop定位算法,并将算法应用在无线传感网络节点定位中,算法首先利用节点间的距离和锚节点的位置,在距离无关定位算法的最后一个阶段,采用遗传优化算法对DV-hop算法定位得到位置进行校正,在不增加传感器节点的硬件开销的基础上有效提高定位精度和扩大定位范围,仿真结果表明,改进的网络节点定位算法定位误差小和定位范围广等性能,与原始的DV-Hop定位算法相比定位误差明显减小,精度明显提高.表明算法是一种高效节能的定位算法.     

WSN中基于区间小波的偶合数据压缩算法

根据传感数据的偶合特征,提出一种基于区间小波的偶合数据压缩算法。根据数据的强偶合特性处理传感数据,利用最小二乘法对强偶合数据进行曲线拟合,结合区间小波良好的分频特性,减少传感器网络中传输的数据量。理论分析和仿真实验结果表明,该算法能对传感数据进行有效压缩,减少网络能耗。     

同频率分组的自适应哈夫曼数据压缩算法

在讨论静态和自适应哈夫曼数据压缩算法的优点和不足后,借助于引进两个参数和一个节点符号频数表,提出了按相同频率进行分组的自适应哈夫曼数据压缩算法,减少哈夫曼树的层数。通过对高尔夫球场草坪温湿度的监测,实验表明该算法的压缩比比自适应哈夫曼算法有明显改善,这种算法编码简单、编码速度较快,适合用在能量有限的无线传感器网络的传感器节点。     

基于画图算法的WSN节点定位算法

针对无线传感器网络的节点定位问题,提出一种新的基于类Kamada Kawai画图算法的无线传感器网络节点定位算法,将无线传感器网络节点定位问题转化成画图问题,用经典的画图算法求得问题的最优解,从而实现对节点的定位。仿真实验结果表明,该算法收敛速度快、定位精度高、能够获得较好的效果。     

WSN中DV-Hop节点定位算法的改进

为降低传统DV-Hop算法对未知节点估算距离的误差,提升WSN中的未知节点定位精度,提出一种基于未知节点估算距离修正的DV-Hop改进算法.该改进算法首先对节点的平均每跳距离进行修正,并根据节点分布和节点间邻居关系的特点引入节点远离度的概念,以区分未知节点和邻居锚节点的距离,降低估算距离的误差;然后对最小二乘法的误差进行修正,并利用邻居节点的通信范围限制关系对未知节点估算坐标的误差进行修正,以进一步减小未知节点的定位误差.实验结果表明,与传统DV-Hop算法及相关文献相比,改进算法可以有效减小未知节点估算距离的误差,提升未知节点定位的精度.     

基于改进蛙跳算法的WSN移动节点部署研究

针对传统无线传感移动节点部署方法存在节点分布不均匀、覆盖不完全等问题,提出一种基于改进混合蛙跳算法(SFLA)的移动节点部署方法。根据节点位置信息建立部署模型,利用改进SFLA算法求解该模型,将得到的解作为节点最终位置。仿真实验结果表明,相对于微粒群、虚拟力、基本混合蛙跳算法,改进SFLA算法可提高网络覆盖率和降低移动节点能耗。     

混合粒子群-蝴蝶算法的WSN节点部署研究

针对无线传感器网络WSN节点在随机部署时存在分布不均匀、覆盖率低等问题,提出一种混合粒子群-蝴蝶算法HPSBA的节点覆盖优化策略。设计了Logistic映射和自适应调节策略来控制参数值,提高了混合算法的寻优速度、收敛精度和全局搜索能力。将HPSBA用于对4种基准函数进行寻优测试,仿真结果表明：对于测试函数的寻优,HPSBA具有寻优精度较高、寻优速度较快和稳定性较好的特点。最后,将HPSBA用于WSN节点部署优化,并与PSO算法、BOA和IGWO算法等其他6种典型算法的部署优化进行对比,实验结果表明：HPSBA优化部署的覆盖率更高,能有效降低节点的冗余度,延长WSN的生存时间。     

改进的无线传感器网络节点定位算法

为了减小无线传感器网络(WSN)节点定位中非视距传播误差产生的影响,提高节点定位精度,提出一种基于残差加权的牛顿迭代定位算法。先利用残差加权算法定位,得到未知节点的初步位置,再将该节点位置作为牛顿迭代定位算法的初始值进行迭代计算,最终得到更为精确的节点位置。仿真实验结果表明,该算法能有效地抑制非视距传播误差的影响,提高传感器网络节点定位的精度,且性能稳定。     

基于动态数据压缩的能量采集无线传感网络数据收集优化

针对能量采集无线传感网络（WSN）中的数据收集优化问题,考虑传感器节点能量采集的时空变化特性,提出一种基于节点动态采样速率和数据压缩的策略,以实现网络中采样数据总量的最大化。首先,提出一种根据节点的邻居信息决定其最优压缩策略的本地压缩算法,基于节点在数据汇聚树中的拓扑位置考虑其数据接收和转发能耗,逐渐增加其采样速率直到其总能耗到达采集能耗阈值。接着构造网络性能的全局优化问题并提出一种启发式的算法,通过迭代求解线性规划问题计算最优的采样速率和压缩策略。实验结果表明,与现有的自适应传感和压缩率选择方案相比,所提出的两种数据收集优化算法能够维持更加稳定的传感器节点电量水平并实现更高的网络性能。     

无线传感器网络中一种分布式数据压缩算法

无线传感器网络有限的能量与通信带宽难以适应网络中大量数据的传输,需要在网络内部对传感数据进行压缩处理。基于任意支撑长度的小波函数,提出了一种分布式数据压缩算法。首先研究边界效应对传感数据重构带来的影响,然后基于虚拟网格环模型给出了一种分布式小波数据压缩算法。理论分析与实验结果表明,该算法能有效地去除传感数据中存在的空间相关性。而且,随着簇头与簇内节点距离的增加,该算法比非分布式方式更节省网络耗能。     

无线传感器网络中缺失数据估计算法

为了提高无线传感器网络(WSN)中缺失数据估计值的精度,提出了一种自决策插值算法。该算法能够根据数据集的空间相关性以及缺失数据的连续性选择不同的缺失数据估计策略,并将自回归滑动平均(ARMA)模型引入到对缺失数据插值的研究中。与传统缺失值估计算法相比,该算法不仅考虑到无线传感器网络的特性,而且考虑到数据集本身的特性。在真实数据集上测试结果表明,该算法提高了对缺失值估计的精度。     

无线传感器网络备份路径分簇算法

在路由协议中利用分簇技术可以提高无线传感器网络的可扩展性。针对无线传感器网络(WSN)中分簇算法的不足,提出了基于备份节点策略的EDC算法,传感器节点在其簇头失效后仍可以通过其备份路径传输数据。通过OMNeT++平台上的仿真实验表明,EDC在网络重建时间、失效节点数量较其他WSN协议有明显的改善。     

无线传感器网络中一种改进的APIT定位算法

通过对无线传感器网络节点定位机制的研究,针对APIT定位算法中锚节点（anchors,即位置已知节点）稀疏而带来的定位精度低的问题,提出了一种改进的APIT定位算法。该算法结合了anchors对未知节点的影响因子和质心算法。仿真实验表明该算法在anchors稀疏的情况下,能明显提高定位精度,具有较普遍的工程应用意义。     

非均匀分布的无线传感器网络分簇路由算法

针对无线传感器网络(WSN)现有分簇路由协议中选举的簇头节点在监测区域内分布不均的问题,提出一种基于局部区域传感器网络节点分布数量控制簇头节点选举概率的算法HNDCRA。该算法通过对传感器网络检测区域的网格划分,计算出网格局部区域的传感器节点分布,并以此为依据确定传感器节点当选簇头的概率,来保证选举后每个网格都有簇头节点,且节点数量多的区域节点当选簇头概率较大,使得簇头随节点分布密度“均匀”,达到能耗均衡的目的。性能分析和仿真实验表明,与经典的LEACH协议相比,HNDCRA能够更好地将簇头“均匀”分布到网络区域,均衡全网能耗分布,提高能量利用率,从而延长网络生存时间。     

基于时间相关性的无线传感器网络数据压缩与优化算法

针对无线传感器网络(WSN)数据采集存在数据冗余度大、累积误差大和数据精度低等问题,根据采集数据之间的时间相关性,提出一种无线传感器网络数据压缩与优化算法。该算法通过分析时间序列中采集数据的线性关系,建立分段一元线性回归模型;根据采集数据与回归模型预测值之间的误差,自适应地调整下一个采集时间,并动态地优化回归模型。仿真结果表明该算法在不同的数据变化情况下,均能降低数据冗余度和网络通信量,提高采集数据的重构精度。最后在真实的无线传感器网络应用环境中验证了算法的可行性。     

无线传感器网络中的数据压缩研究 ——结合小波提升算法和差分机制

对无线传感器网络中的数据进行处理具有重要意义。引入小波变换中的提升算法对数据进行压缩处理,克服传统的小波变换方法计算量大,耗时较长的缺点。针对现有机制没有考虑到数据的时间相关性的缺陷,提出一种全新的数据发送机制——差分机制,从源头上消除冗余数据,减少数据发送量。实验表明,采用提升算法和差分机制能够有效去除无线传感器网络的冗余数据,降低节点的能量消耗,延长整个网络的生命周期。     

无线传感器节点节能方法研究

通过分析节点传感器的数据与时间的相关性,采用节点传感器数据预测模型描述节点传感器数据的规律,并建立基于该预测模型的节点数据发送机制,从而减少节点数据发送次数以及节点间的数据通信量,降低节点能耗。实验结果表明,在应用此预测模型后,节点电池的工作寿命能够延长4%左右。