WSNs中基于智能水滴的信宿路径规划算法

为了有效避免无线传感网络(WSNs)中的热点问题,常利用移动信宿收集数据.信宿依据预定路线遍历预定的驻留点(RPs).而其他传感节点就将数据传输至离自己最近的驻留点.因此,构建最优的RPs非常重要.为此,提出基于智能水滴的信宿路径规划(IWD-SPP)算法.提出IWD-SPP算法的目的 在于延长网络寿命,并最小化转发数...     

WSNs中优化移动信宿路径的数据收集算法

收集数据是部署无线传感网络(WSNs)的根本目的。采用移动信宿策略可有效缓解WSNs的能耗问题,信宿的移动路径是该策略的关键。为此,提出基于伪驻留点的数据收集(VRDC)算法。VRDC算法先依据驻留点规划信宿路径,再依据路径选择伪驻留点(VRPs)。VRPs可通过一跳直接向移动信宿传输数据,而其他的节点则将数据传输至最近的VRPs,进而减少传输跳数,降低能耗。仿真结果表明,提出的VRDC算法能有效降低能耗,并平衡节点间的能耗。     

WSNs布局的粒子进化的多粒子群优化策略

在粒子进化的多粒子群算法基础上,提出了一种无线传感网络节点布局的优化策略.该策略通过多个粒子群彼此独立地搜索解空间,提高了算法的寻优能力,有效地避免了"早熟"问题,提高了算法的稳定性.仿真实验表明,与传统的粒子群算法相比,该算法有效覆盖率由75.36%提高到80.96%,收敛速度提高了19.4%.因此粒子进化的多粒子群优化策略具有比传统的粒子群算法更好的优化效果.     

混合无线传感网络覆盖优化的粒子群算法

为提高随机部署的传感网络覆盖性能,提出基于动态克隆粒子群的移动节点部署控制算法,用每个粒子表示所有移动节点的一种部署方案,在经典粒子群算法基础上,每次迭代结束后,粒子依据自身的覆盖性以及与群体中粒子的相似性决定其克隆数量和变异幅度,有效避免陷入早熟陷阱.通过与其他算法的对比仿真实验,表明该优化算法能更有效地提高网络覆盖性能.     

基于改进混合粒子群算法的无人机充电路径规划方法

无线可充电传感器网络(Wireless Rechargeable Sensor Networks, WRSNs)是由若干个可无线充电的传感器节点自组织形成的网络。利用无人机(Unmanned Aerial Vehicle, UAV)作为移动电源,对WRSNs网络中传感器节点进行充电,将无人机飞行能耗联合传感器节点充电量作为优化目标,提出一种惯性权重线性递减混合粒子群算法,对无人机的充电路径进行规划。仿真验证表明,相比传统的粒子群(Particle Swarm Optimization, PSO)算法,该算法在收敛速度、无人机飞行能耗以及传感器节点充电量等指标上都有明显的优势。     

基于粒子群算法的无线传感器网络优化研究

无线传感器网络（WSN）在多个领域得到了广泛应用,但其能效、数据传输效率和网络生命周期始终是研究的重点。针对这些挑战,文中提出了一种基于粒子群优化算法（PSO）的无线传感器网络。通过构建一个包含能效优化、数据传输效率和网络生命周期管理的网络框架,全面提升了网络的性能。能效优化模块通过动态功率管理和负载均衡,显著降低了能耗;数据传输效率模块通过数据压缩和优先级调度,保证了数据的快速可靠传输;网络生命周期管理模块则通过节点睡眠调度和网络拓扑动态调整,延长了网络的运行周期。粒子群算法在这一过程中起到了关键作用,其通过智能搜索策略,优化了各模块的参数设置和操作策略。实验结果表明,该方法在节能、提高数据传输效率和延长网络生命周期方面具备显著成效,有效缓解了无线传感器网络在实际应用中面临的问题。     

自适应逃逸粒子群算法的网络节点覆盖优化仿真

研究无线传感器节点优化选择。传统LEACH分簇算法中,节点选择的随机性很大,没有很好地参考节点中的多个属性,通信的簇头分布也无规律,算法把能量消耗分摊到所有的节点上,一旦选择边沿节点作为簇头,一些节点必须经过长距离的路由转发才能到达簇头,造成通信效率较低。为了避免上述缺陷,提出了一种基于自适应逃逸粒子群算法的网络节点覆盖优化方法。建立自适应逃逸粒子群算法的数学模型,准确描述网络节点覆盖问题。利用自适应逃逸粒子群方法,计算无线传感网络节点最优位置,从而实现网络节点覆盖优化。实验结果表明,这种算法能够实现网络节点覆盖优化处理,从而提高无线传感网络数据传递的效率。     

基于量子粒子群算法的移动节点覆盖优化

提出了基于量子粒子群的无线传感器网络覆盖优化算法.由于在量子空间中粒子满足集聚态性质完全不同,使得该算法可以在整个可行区域内搜索.全局搜索能力远远优干基本粒子群,克服了粒子群算法容易陷入局部最优的缺点.仿真结果表明,该算法比基本粒子群算法拥有更好的覆盖优化效果。     

传感器网络的粒子群优化定位算法

无线传感器网络定位问题是一个基于不同距离或路径测量值的优化问题。由于传统的节点定位算法采用最小二乘法求解非线性方程组时很容易受到测距误差的影响,为了提高节点的定位精度,将粒子群优化算法引入到传感器网络定位中,提出了一种传感器网络的粒子群优化定位算法。该算法利用未知节点接收到的锚节点的距离信息,通过迭代方法搜索未知节点位置。仿真结果表明,该算法有效地抑制了测距误差累积对定位精度的影响,提高了节点的定位精度。     

移动无线传感器网络中MAC性能分析及改进

以往无线传感器网络中的媒体接入控制协议主要针对静止网络。当存在移动节点时。协议性能会大幅度降低。对存在移动节点的无线传感器网络中的媒体接入控制协议进行了性能分析，提出了改进算法。仿真结果验证了算法的有效性。最后给出了一种适合移动节点较多的场景的无线传感器网络媒体接入控制协议。     

基于压缩感知的无线传感器网络多目标定位算法

目标定位是无线传感器网络的重要应用场景。该文提出了一种将压缩感知应用于无线传感器网络多目标定位的方法,把基于网格的多目标定位问题转化为压缩感知问题。应用多分辨率分析的思想,设计了迭代回溯的压缩感知算法,该方法的特点是可同时进行多目标定位,并且大大减少了网络通信的数据量从而延长网络寿命,代价是融合中心的算法复杂度的增加。仿真结果显示,采用迭代回溯算法定位精度提高了50%以上,具有较好的多目标定位效果。     

无线传感器网络中基于有限反馈的协同MIMO策略

该文针对无线传感器网络中能量有限问题,提出了一种基于有限反馈的协同MIMO策略。该策略基于梯度算法,用1bit反馈来自动地调整簇头节点和协同簇头节点的发射功率。对无线传感器网络中基于有限反馈的Alamouti码的协同MISO系统的误码率进行了理论分析,推导了基于有限反馈Alamouti码的协同MISO策略能耗的契尔诺夫上限表达式。理论分析和仿真结果都表明,该文提出的协同MISO策略与基于标准Alamouti码的协同策略相比,无线传感器网络的总能耗更低,能效更高,且当簇头节点和协同簇头节点一直选择较好信道对应的节点来发送信息时,即最优策略,无线传感器网络的总能耗更低。     

引入移动节点的无线传感器网络

文章围绕引入移动节点可以节省无线传感器网络的能量消耗这一主题,对引入了移动节点的无线传感器网络的数据收集方式进行了一个全面合理的分类,并且结合相关文献对每类数据收集方式展开深入讨论,系统全面地论述了该主题的研究现状、存在的问题以及面临的挑战。     

基于能量因素的无线传感器网络关键节点判定算法

无线传感器网络中关键节点的判定对网络抗毁性研究具有重要作用。考虑到节点能量受限,该文综合节点剩余生命期和节点移除导致的网络能耗值增加,提出一种将能量因素作为衡量节点重要程度的关键节点判定算法(CNDBE),解决了能量受限的无线传感器网络关键节点判定问题。实验结果表明,在对基于CNDBE,最短路径树算法(SPT)和能量感知的关键节点生成树算法(ENCAST)判定得到的关键节点进行保护时,CNDBE具有更强的网络抗毁性和更长的网络生命期。     

无线传感器网络中面向压缩感知定位的动态字典算法

传统的压缩感知定位方法均假设目标准确落在某一预设的固定网格上。当目标偏离该网格,所采用的字典与真实稀疏表示字典之间存在失配,导致这些方法的定位性能大大降低。针对该问题,该文提出一种面向压缩感知定位的动态字典算法。该算法将真实稀疏表示字典建模为一个以网格为参数的动态字典,从而将定位问题转化为联合稀疏重构和参数估计问题。利用一阶泰勒展开对真实稀疏表示字典进行近似,将非凸的参数优化问题松弛为凸优化问题。仿真结果表明,相比于传统的静态字典算法,该文所提出的动态字典算法具有更好的性能。     

基于压缩感知的WSNs长生命周期数据收集方法

该文针对基于事件驱动的无线传感器网络(WSNs)数据收集查询的长期应用需求,基于压缩感知理论将混合压缩感知的数据收集技术与数据收集树的构建过程相结合,设计出一种长生命周期数据收集方法。该方法在数据收集查询到达时,构造一棵数据收集树。建树过程中,利用混合压缩感知思想,在分析转发节点和融合节点能耗的基础上,以收集查询后节点最小剩余能量最大化为目标,构造最大数据收集树集合。仿真实验表明,该方法能够充分利用节点能量资源,显著提高网络能量效率,达到延长网络生命周期的目标。