基于分簇机制的移动无线传感器网络数据采集协议*

为了均衡无线传感器网络的能量消耗,提出了一种基于分簇机制的移动无线传感器网络数据采集协议。该协议中,整个网络使用网格均匀分簇,节点根据加权能量—邻居规则选出分布在簇中间区域的簇头,簇头负责收集簇内兴趣事件并进行数据融合,移动sink依次运动到簇的中心点位置收集簇内兴趣事件。仿真结果表明,该协议有效地均衡了网络的能量消耗,延长了网络的生存时间。     

基于簇的无线传感器网络交会路由协议

针对现有无线传感器网络(WSN)协议中更多消耗sink附近节点能量导致网络寿命短的问题,本文提出一种基于簇的无线传感器网络交会路由协议(Cluster-based Rendezvous Routing Protocol, CRRP)。该协议是基于交会的路由协议,其中在网络的中间构建交会区域,该交会区域划分整个网络区域并在传感器节点之间分配网络负载,这延长了网络寿命。此交会区域内的节点分为不同的簇,每个簇的簇头(CH)负责不同簇之间的通信,sink在此交会区域内发送其更新的位置信息,并且当传感器节点想要发送数据时,会从该交会区域检索sink的当前位置信息并直接将数据发送到sink。仿真实验结果表明,在能耗与网络寿命性能方面,本文CRRP协议优于Rendezvous协议、LBDD协议、Railroad协议和Ring协议。     

无线传感器网络中移动节点辅助的数据采集效率优化研究

为了提高无线传感器网络中数据采集效率,提出了一种基于节点分级的混合多跳数据采集（hybrid multi-hop data collection,HMDC） 算法。该算法首先基于数据量将所有节点均匀划分成簇,然后在簇内采用节点分级的思想进行数据的多跳传输,最后使用移动采集器沿着最短路径访问簇头节点,对指定节点进行数据集采集。仿真结果表明,HMDC算法有效地提高了数据采集效率,均衡了能量消耗,延长了网络的生命周期,且更加适用于较大规模的数据采集。     

基于无线传感器网络的安全数据融合技术探究

随着我国信息技术的持续完善和无线传感器网络的不断发展,在无线传感器网络中,安全数据融合技术得到了越来越广泛的应用。本文从对安全数据融合技术进行简析入手,对安全数据融合技术在无线传感器网络中的应用进行了分析。     

无线传感器网络中基于压缩感知的分簇数据收集算法

针对无线传感器网络(WSNs)能量有限、通信链路不可靠的特点,提出一种基于稀疏分块对角矩阵进行压缩感知的分簇(SBDMC)数据收集算法.该算法以稀疏分块对角矩阵作为观测矩阵以减少参与收集节点数目;采用分布式分簇路由实现数据的分布式收集;通过分析能耗模型得到最优簇头数目以减少网络能耗.在此基础上,给出一种有效的分簇路由数据收集算法.仿真分析表明:提出的算法较之已有算法可以减少通信能耗、延长网络寿命,同时均衡能耗负载.     

无线传感器网络数据融合协议比较

传感器网络由电池能量受限的节点组成,必须采用一种能量有效的方法收集节点感知的信息,如果每个节点都采用单跳方式将其感知的数据直接传输给汇聚节点,则与汇聚节点距离较远的节点能量将很快被耗尽。应用于无线传感器网络的LEACH协议提出了通过分簇实现数据融合的方法,簇头在接收到本簇成员的数据后进行融合处理,最终,将融合结果传输到汇聚节点。另一种应用数据融合的PEGASIS协议,是一种接近理想的基于链状的协议,它在LEACH协议的基础上做出了改进。在PEGASIS中,每个节点只与一个位置最近的邻居进行通信,并且,轮流传输数据到汇聚节点,然后,降低每一轮中的能量消耗。模拟结果表明:采用PEGASIS协议有效地延长了网络的生存时间。     

一种移动终端辅助的传感器网络数据收集协议

提出了一种利用具有传感器通信接口的移动终端设备（如手机、手提电脑、个人数字助理等）进行辅助数据获取的传感器网络数据收集协议。网络中固定汇聚节点与移动终端共存,全部传感器节点都维护到固定汇聚节点的路由,移动终端进入网络后定期向其附近小范围内的传感器节点扩散自己的存在信息,传感器节点向距自己跳数最小的汇聚节点或移动终端发送或转发数据包,移动终端和传感器节点之间通过应答和重传的机制来保证数据的可靠传输。仿真研究证明,该协议在延长网络生存时间的同时可以获得较高的数据传输成功率和较短的数据传输延迟,而且可靠性、灵活性、可扩展性较强。     

一种基于虚拟力的移动传感器网络再部署算法

针对移动传感器网络中,数据的大规模定向传输的实际特性,提出一种基于虚拟力的移动传感器网络节点精确部署算法（VFPDA）。通过引入“中继节点簇”的概念,在源节点到目的节点之间生成多条虚拟“引力线”,这些引力线相互衔接从而构成一条虚拟的通路,然后吸引周围的移动节点向其靠拢,在“引力线”所产生的引力以及节点之间的斥力等作用力的共同作用下,构建一条从源节点到目的节点的通路。实验仿真验证了该算法的有效性。     

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.     

基于压缩网络编码的WSN数据传输技术

介绍了应用于无线传感器网络（Wireless Sensor Networks,WSN）中的一种数据传输方案--压缩网络编码（Compressed Network Coding,CNC）。在WSN中,通常应用网络编码（Network Coding,NC）来适应拓扑结构的动态变化并提高数据传输效率。考虑到传感器网络中节点测量值之间的相关性,与随机线性网络编码（Random Linear Network Coding,RLNC）方案中的编码操作与压缩感知（Compressed Sensing,CS）中随机投影操作之间的相似性,CNC方案将CS引入到NC中,通过对测量值数据包以及NC局部编码向量的设计,来解决传统NC译码存在的“全有或全无”问题。在汇聚节点收集到的数据包个数小于网络中源节点个数的情况下,CNC方案仍能以高概率精确重构感知数据。仿真结果表明,在合理的误差容许范围内重构测量值,所需的数据包个数仅为传统NC方案所需个数的一半,与传统NC技术相比,CNC方案将数据传输效率提升了20%以上。     

基于移动机器人的无线传感器网络数据收集方法

稀疏无线传感器网络中各传感器节点距离较远,而传统的静态数据收集方法要求各传感器节点直接通信,导致网络延迟时间长,能耗高。针对该问题,提出一种基于移动机器人的无线传感器数据收集方法。该方法首先由静态节点选择与路径最短的移动机器人作为簇头,移动机器人比较一定周期内检测到的邻居节点的平均剩余能量与整个网络传感器节点平均剩余能量,根据比较结果决定其是否移动,若移动则采用范围可控的随机移动策略;当移动机器人移动到新位置时,传感器节点更新路由,选择新的移动机器人作为簇头。仿真结果表明,与传统的静态无线传感器网络数据收集方法相比,基于移动机器人的无线传感器网络数据收集方法大大降低了数据传输延迟和节点能量消耗。     

无线传感器网络中的新型数据收集协议

数据收集是无线传感器网络最基本的应用,数据收集协议设计的首要目标是有效节约能源,延长网络生命周期。提出了一种网内数据融合和网络区分服务的思想,在此基础上实现了一种既能采纳网内数据融合技术,高效周期性地收集检测数据,又能满足紧急数据处理要求的具有区分服务机制的数据收集算法DSDG（Differentiated Service in-network data aggregation Data Gathering algorithm）。该算法对网络中数据流采用区分服务,在数据传输过程中采用高效的网内数据融合技术。仿真实验表明,与LEACH、HEED协议比较,DSDG数据收集协议能使WSN具有更长的网络寿命和更好的可扩充性。     

基于全局时延最小化的移动Sink数据收集算法

针对Sink节点移动所带来的时延问题,提出了一种基于最优路径的移动Sink数据收集方案OPDG（Data Gathering Based on Optimal-Path）。首先由MWHA（Minimum Weighted Heuristic Algorithm）算法得到汇聚节点RP（Rendezvous Point）的集合,然后根据这些RP节点求出移动Sink的最佳驻留点集合,最后求出经过驻留点的最短路径。Sink沿着这条路径周期性采集数据。通过NS-2中大量的仿真实验结果表明,与已有算法相比,OPDG算法能最大限度的减小时延,延长网络的生命周期。     

无线传感器网络中节点选择机制综述*

节点选择是保证无线传感器网络满足系统QoS需求的最重要问题之一,一种性能较好的节点选择机制可以在保证数据精度的前提下延长网络生命周期。针对WSN节点选择问题进行了描述及分类,着重研究了几类当前具有代表性的节点选择机制,并分析比较了各自的性能及缺点;最后对节点选择的进一步研究方向进行了展望。     

一种无线传感器网络的节点自定位方法

节点定位对许多无线传感器网络的应用来说是非常关键的,提出了一种基于移动锚节点的无测距的节点定位算法。此算法建立在Monte Carlo定位算法基础之上,通过利用节点收集到的信息来加速算法中样本的选取,从而提高定位的精度和效率。仿真结果表明,此节点定位技术平均定位精度能达到0.2个通信半径,与其他类似定位技术相比,能够明显提高节点定位精度。     

时延受限能耗均衡的无线传感网数据采集树

为延长网络寿命,缩短网络汇聚时延,提出了一个时延受限,能耗均衡的传感网数据采集树构建方法。该方法以节点的剩余能量和节点间距离为参数构建权值函数,使用Dijkstra算法计算一个最小加权能耗生成树。在此基础上,沿最小加权路径,对生成树进行局部调整,从而在满足时延要求的同时,均衡网络能耗。实验表明,该方法延长了网络平均生存期,达到了均衡网络能耗的目的。     

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。     

无线传感器网络中移动目标的定位与跟踪

对侵入无线传感器网络中的目标,提出了一种移动节点和静态节点相结合的定位与跟踪方式.静态节点可以发现侵入传感器网络中的目标,移动节点与静态节点配合进一步确定目标的具体位置.仿真实验验证表明:该方法可以减少大规模的频繁移动节点,不需要过多地对移动节点的选择和运动进行特别复杂的计算,具有较好的定位精度和鲁棒性,对多目标的定位与跟踪研究有一定的启发作用.     

无线传感器网络中数据密度相关度融合算法

无线传感器网络节点部署在复杂环境时,节点间相关性无法通过节点间距离来准确描述.为了克服该缺陷,本文提出了数据密度相关度公式.该公式反映了节点数据的ε邻域内数据的聚集程度,也反映了该节点数据相对其ε邻域内数据的相对位置.同时,将数据密度相关度公式应用到代表式数据融合算法中,提出了数据密度相关度融合算法.该融合算法得到的相关区域具有相关区域内节点数据相关度大,相关区域问节点数据相关度小的优点.仿真实验结果表明了该融合算法在数据准确性和能耗方面较基于α-局部空间数据融合算法和基于皮尔森相关系数的数据融合算法优越.     

移动agent计算模式的无线传感器网络性能

无线传感器网络中使用的计算模式分为客户/服务器（Client/Server,C/S）计算模式和移动Agent（Mobile Agent,MA）计算模式。MA模式相比C/S模式具有的优点更适合无线传感器网络。本文通过理论分析和数学建模形式化MA数据处理与两种计算模式的性能指标。通过仿真比较了不同参数对这两种计算模式性能的影响。仿真结果表明,MA计算模式的网络性能受MA路由、MA处理代码大小、感知数据大小等多方面因素影响,在实际应用中需综合考虑以达到时延和能耗的均衡;而且MA模式具有良好的实时性,在一定条件下,其性能好于C/S模式。