Sink节点移动的三维无线传感网数据收集算法研究

为克服三维静态无线传感网中的能量空穴问题和提高网络生存时间,考虑Sink节点移动,提出一种Sink节点移动的三维无线传感网数据收集算法(DCA-TWSN),在DCA-TWSN中,提出三维环境下的正方体网格划分方法,建立包括Sink 移动路径选择约束、数据流量约束、能耗约束、链路约束等约束条件的数据收集优化模型,采用最优化方法求解已知Sink节点移动路径的数据收集优化问题,采用修正的蚁群算法求解Sink节点的移动路径问题,获得最优方案。仿真结果表明:不管Sink节点的最大数据收集跳数和传感节点数量如何变化,DCA-TWSN都能寻找到较优的移动路径和数据传输方案,从而提高了网络生存时间和传感节点的平均数据传输率,降低了移动路径长度、平均节点能耗方差和丢包率,比RAND、GREED和EDG-3D更优。     

无线传感器网络数据收集算法研究

对于无线传感器网络而言,可靠的数据收集是推进其大规模应用的关键,本文引入了移动传感器网络解决静态传感网络中的通信中断问题.针对移动传感器网络的数据收集,提出了数据收集的分类,分析了移动节点不同移动模式对网络数据收集的影响,比较了移动节点受控移动路径对比固定移动模式的优势,最后介绍了典型的移动节点受控移动的路径规划算法.     

基于边缘计算与信任值的可信数据收集方法

物联网应用中,底层传感网所采集的数据是上层决策的基础和一切应用的根本.如果收集的数据本身就是有问题、不可信的,这将使得上层的数据保护和应用成为空中楼阁.为了解决数据不可信的问题,提出了基于移动边缘节点的可信数据收集方案.通过对节点的评估,将节点的信任值用于路径选择,采用移动边缘节点来充当移动元素,访问可信的簇头节点,从而实现高效的可信数据收集.对所提出的基于效用值的可信数据收集算法（UTDC）进行了理论分析和广泛的模拟实验.实验结果表明,所提出的基于效用值的可信数据收集算法可以很好地避开不可信的节点,有效降低了网络延迟,延长了网络的生命周期.     

可充电传感网中移动式能量补给及数据收集策略研究

可充电无线传感器网络是一种新型的无线传感网,它利用移动充电车在收集数据的同时给能量低的节点充电,可广泛应用于需要长期监测环境的应用中。但是,移动充电车如何在给定的延迟内完成数据收集,降低网络能耗并尽可能多地给低能量节点补充能量是一个具有挑战性的问题。因此提出一个新的算法RSEP(Root Selection with Energy Prediction)。首先,限定充电车的路径长度以保证延迟。然后,将路径上的低能量节点作为根节点,构造多棵数据收集树。若根节点能量可以保证其短期内不会死亡,则从树中寻找一条等于树的直径的路径。在该路径上选取网络中邻居最多的节点作为新的根节点,以改变树的结构来降低树高。树上的节点将它们的数据及能量信息沿着树传送到根节点。最后,移动充电车沿着充电路径为各个根节点充电时,就可以收集各个树上节点的数据及能量信息。此外,充电车收集到的能量信息会随着时间推移而“过时”,而能量信息是根节点选择时的重要参考因素。因此,充电车利用马尔科夫模型预测节点在下一轮数据收集开始时的能量,从而优化根节点的选择。仿真实验结果表明,与目前已有的算法相比,RSEP算法可以以较少的网络总能耗完成充电,并且每轮充电时间均较短。     

一种无线传感网的Sink节点移动路径规划算法研究

为寻找传感节点均匀分布时Sink节点的最优移动路径和最大网络生存时间,提出一种无线传感网的Sink节点移动路径规划算法(MPOA).在MPOA算法中,将Sink节点的数据收集范围分解成多个圆环,将监测区域分解成多个网格.根据Sink节点的停留位置和多跳通信方式,采用数学公式表示每一个网格的单位节点能耗,从而获得Sink节点移动的网络生存时间优化模型.采用修正的混合粒子群算法求解该优化模型,获得网络生存时间、Sink节点的停留位置和移动路径的最优方案.仿真结果表明:MPOA算法可寻找到Sink节点的最优移动路径,从而平衡网络能耗,提高网络生存时间.在一定的条件下,MPOA算法比Circle,Rect和Rand算法更优.     

WSN中基于移动Sink的高效数据收集算法

针对无线传感器网络中的数据收集问题,提出一种改进的MWSF算法。该算法结合A*算法求解出移动Sink在传感器节点之间移动的最短路径,利用MWSF算法找到移动Sink所需访问的下一个传感器节点,并与单跳通信范围内的其他传感器节点进行通信,从而收集数据。仿真结果表明,该算法能降低数据溢出发生率,提高网络的数据传输效率。     

Sink节点移动的无线传感网生存时间优化算法

为提高网络最大生存时间,提出Sink节点移动的无线传感网生存时间优化算法(LOAMSN)。该算法分析Sink节点移动时的流量平衡约束、最大传输速率约束、节点能耗约束等约束条件,将生存时间优化问题转化成优化模型。提出Sink节点的移动方法,即Sink节点利用节点的度值构建其移动路径,按照此路径循环移动收集数据。将Sink节点的移动认为是离散运动,Sink节点移动的生存时间优化模型分解成若干个Sink节点静止的生存时间优化模型,采用牛顿法求解每个Sink节点静止的优化模型,获得网络最大生存时间和节点发送数据量的最优值。仿真结果表明:LOAMSN算法能减少Sink节点停留位置上的节点能耗,平衡网络负载和节点能耗,提高网络最大生存时间。在一定条件下,LOAMSN算法比Sink节点静止时更优。     

传感网中延迟限定的非汇聚数据移动式收集

在大规模的无线传感器网络中收集数据,不仅需要考虑节点的能量消耗,而且还需要考虑数据收集延迟.如何有效地均衡节点的能量消耗,同时最小化数据收集延迟,是一个具有挑战性的问题.为了均衡节点的能量消耗,利用移动数据收集器收集数据.以此为基础,提出一种DC-Collection算法来解决数据收集延迟和能耗的问题.首先,在网络中构造最短路径树,网络非连通时,不同的网络子图可以构造多棵最短路径树,它们构成一个最短路径树集合;其次,在每一棵最短路径树上选取部分节点作为采集节点和逗留节点,使得以采集节点为根的限高树的高度不超过h,且在每个采集节点的通信区域内至少有一个逗留节点;再次,在每棵限高树内调整树的结构,让能量高的节点承担更多的子孙节点,最大化限高树的生命周期;最后,移动数据收集器从Sink出发,遍历逗留节点所在位置收集数据,最终回到起点,并将数据发送给Sink.通过理论分析和大量仿真实验,其结果表明:与现有的数据收集协议相比,DC-Collection不仅能够均衡各节点的能量消耗从而延长网络生命周期,而且能够缩短移动数据收集器收集数据行走的路径长度,从而缩短数据收集延迟.     

基于改进PSO算法的WSN移动Sink路径规划算法

尽管基于汇聚节点(Sink)的移动可缓解无线传感网络(Wireless Sensor Network, WSNs)的能量空穴,但规划汇聚节点的移动路径是一个复杂问题。为此,提出基于改进PSO算法的WSN移动汇聚节点路径规划算法(Improved Particle Swarm Optimization- based Path Planning of mobile Sink- IPS- OPP)算法,IPS- OPP算法利用改进的粒子群优化算法选择驻留点(Ren-dezvous Point ,RP),再将基于RPs的构建移动路径看成旅行商问题(Travelling Salesman Problem, TSP),并通过Christofides算法求解,得到满足数据时延要求的移动路径。仿真结果表明,提出IPS- OPP算法缩短了移动路径,减少了收集数据时延。     

无线传感器网络中高效移动汇点规划算法

在带有移动汇点(MS)的无线传感器网络(WSN)数据收集应用中,采用基于代理的数据收集模式可以有效缩短MS慢速引起的数据收集延迟问题.以提高WSN数据收集的能量效率和缩短数据收集延时为目标,给出了一种MS轨道规划算法MS-TPA. MS-TPA主要包括RN竞选和MS移动规划两个阶段.剩余能量优先的RN竞选机制能够平衡网络节点的能量消耗,MS移动规划算法能够缩短数据收集的延迟问题.仿真实验验证了所提出算法的有效性.     

基于Voronoi和空间自相关的离群点检测

为了提高空间数据挖掘的效率和准确度,在分析传统的离群点检测算法优、缺点的基础上,提出一种空间离群点检测算法。用Voronoi来确定空间对象间的邻近关系,在空间邻域内利用空间自相关性来计算局部Moran指数,并将其作为离群因子进而判断离群点。实验结果表明,该算法能够高效、准确地检测出空间离群点,具有对用户依赖性少和可伸缩性强等优点。     

基于Voronoi图的移动单元节点调度算法

在稀疏无线传感器网络中,移动单元节点常被用于数据采集和转发。基于Voronoi图设计一条尽可能短的移动单元节点数据采集路径。在该路径中,移动单元节点被调度去访问一个Voronoi节点子集,在给定通信半径内,该节点子集能覆盖所有传感器节点。仿真实验结果表明,通过连接Voronoi节点子集而形成的优化路径能有效缩短移动单元节点的行进路径长度。     

稀疏水下传感网中AUV数据移动收集技术研究

由于水下传感器节点的水声通信距离有限、价格昂贵,水下传感器网络中一般采用稀疏方式部署,因此很难保证整体网络的连通性及数据采集效率。自主水下航行器AUV（Autonomous Underwater Vehicle）作为天然的移动数据采集平台,可以弥补固定Sink节点数据采集方式的缺陷。提出了一种基于移动AUV的水下传感网移动数据收集机制。以AUV覆盖区域内的传感器节点作为临时Sink节点,其他传感器节点以临时Sink节点为根节点,采用最小生成树MST（Minimum Spanning Tree）方法将传感数据传输到这些临时Sink节点,然后通过临时Sink节点将汇聚数据传输给AUV。随着AUV的自主移动轨迹,水下传感网的传感数据都能简单高效地被收集起来。仿真结果验证了该方法在保证网络能耗的前提下提高了数据采集效率。     

无线传感器网络中基于数据融合的移动代理曲线动态路由算法研究

和传统的C/S模型相比,移动代理模型在数据融合方面更适合无线传感器网络.在基于移动代理的数据融合算法中,移动代理访问传感节点的顺序以及总数对算法的效率、网络寿命等有着重大影响.为此提出了一种基于数据融合的移动代理曲线动态路由算法设计方案.通过构造特定数据结构的数据报文和数据表,给出了目标节点基本信息收集算法获取目标节点到处理节点的最优路径;将移动代理路由归结为一个优化问题,由静态路由算法求出移动代理迁移的静态最优路由节点序列,进而获得了移动代理基于曲线的动态路由算法.理论分析和模拟实验表明,随着传感器网络规模的增大和传感数据量的增加,和其它算法相比,该算法有更小的网络耗能和延时.     

Efficient and accurate sensor network localization

Wireless sensor networks (WSN) have great potential in ubiquitous computing. However, the severe resource constraints of WSN rule out the use of many existing networking protocols and require careful design of systems that prioritizes energy conservation over performance optimization. A key infrastructural problem in WSN is localization—the problem of determining the geographical locations of nodes. WSN typically have some nodes called seeds that know their locations using global positioning systems or other means. Non-seed nodes compute their locations by exchanging messages with nodes within their radio range. Several algorithms have been proposed for localization in different scenarios. Algorithms have been designed for networks in which each node has ranging capabilities, i.e., can estimate distances to its neighbours. Other algorithms have been proposed for networks in which no node has such capabilities. Some algorithms only work when nodes are static. Some other algorithms are designed specifically for networks in which all nodes are mobile. We propose a very general, fully distributed localization algorithm called range-based Monte Carlo boxed (RMCB) for WSN. RMCB allows nodes to be static or mobile and that can work with nodes that can perform ranging as well as with nodes that lack ranging capabilities. RMCB uses a small fraction of seeds. It makes use of the received signal strength measurements that are available from the sensor hardware. We use RMCB to investigate the question: “When does range-based localization work better than range-free localization?” We demonstrate using empirical signal strength data from sensor hardware (Texas Instruments EZ430-RF2500) and simulations that RMCB outperforms a very good range-free algorithm called weighted Monte Carlo localization (WMCL) in terms of localization error in a number of scenarios and has a similar computational complexity to WMCL. We also implement WMCL and RMCB on sensor hardware and demonstrate that it outperforms WMCL. The performance of RMCB depends critically on the quality of range estimation. We describe the limitations of our range estimation approach and provide guidelines on when range-based localization is preferable.     

传感网中时延受限的移动式数据收集方法综述

数据收集是无线传感器网络中研究的热点问题之一,然而在传统的无线传感器网络中,基站附近的节点由于承担了大量数据转发任务而导致自身能量过早耗尽,缩短了网络的生命期.不少研究通过引入能量较为充足的移动性节点来收集数据,以节省普通传感器节点的能量,但是却导致了数据收集时延过大,如何在保证数据收集时延的前提下最大化网络生命期已成为近几年研究的热点问题.对目前主要的时延受限的移动式数据收集方法进行了充分调研,通过对这些方法的详细分类和比较,归纳了时延受限的移动式数据收集的各类方法的特点,分析了这些方法的优缺点和适用范围,总结了存在的主要问题,并指出了未来的研究方向.     

一种低功耗无线传感器网络时间同步算法

间同步对无线传感器网络的应用至关重要,为提高同步精度,多数算法都以较多的消息交换或复杂的计算为代价来达到这一目的,因而能耗较大.为减少时间同步的消息交换开销,节约节点能量,提出了一种简单低功耗时间同步算法,该算法结合了单向广播同步机制和双向成对同步机制,有效利用网络中节点的广播信息,使网络中节点单跳广播域内只有一个下层节点与之进行双向成对同步,从而达到了减少消息开销和节约能量的目的.最后通过仿真验证了该算法的性能.     

无线传感网中移动节点的自适应定位算法

介绍了一种在无线传感网中针对移动节点的自适应定位算法,通过建立移动节点运动模型,借助运动模型估计信息辅助移动节点的定位,解决了只有2个或1个信标节点的无法定位的问题,本算法能够适应不同移动节点的运动状态,动态地调整定位时间间隔,从而既能提高节点定位的精度,也能在保证定位误差的情况下降低定位频率,节省定位能量的消耗,延长整个无线传感网的生存时间。     

无线传感网络中覆盖能效动态控制优化策略

能量约束是无线传感网络测量控制的关键问题之一.本文针对移动节点位置优化问题,提出了无线传感网络通信能耗评价指标,采用微粒群优化策略更新节点位置,使无线传感网络具有更强的灵活性和能效性.利用Dijkstra算法获得网络最优通信路径计算能耗评价指标.采用动态能量控制策略使空闲节点进入睡眠状态减少网络运行能耗.通过优化能量指标降低了通信能耗,实现了无线传感网络覆盖与通信能量消耗的合理均衡.对移动目标跟踪仿真表明,覆盖能效优化算法与动态能量控制策略相结合提高了无线传感网络覆盖的能效性.     

数据传输时延和跳数受限的Sink节点移动路径选择算法

考虑实际无线传感网系统中数据传输时延和跳数受限情况,且为降低算法的时间复杂度,提出一种移动无线传感网的Sink节点移动路径选择算法（MPSA）。在MPSA算法中,Sink节点采用分布式最短路径树算法收集k+1跳通信范围内传感节点的相关信息和感知数据,采用虚拟力理论计算边界、障碍物和空洞区域的虚拟斥力、第k+1跳未覆盖传感节点的虚拟引力和所有虚拟力的合力,根据停留次数、合力大小和方向等信息计算当前网格中心的停留时间和下一个停留网格中心。仿真结果表明：MPSA算法根据传感节点的位置、剩余能量等信息,寻找到一条较优的移动路径,从而提高Sink节点的数据收集量和节点覆盖率,降低传感节点的感知数据丢弃量。总之,在数据传输时延和跳数受限下,MPSA算法比RAND算法、GMRE算法和EASR算法更优。