基于遗传算法的无线传感网络能量优化方法研究

在大多数无线传感网络的应用场景中,网络节点通常由不可充电的电池供电。因此,最大限度降低无线传感器网络的电池能耗是提高其性能的关键。本文针对无线传感器网络数据通信的能耗问题,提出了一种基于能耗模型的遗传优化方法,并研究了3组不同能量模型对遗传算法性能的影响。此外,在MATLAB平台上进行了60次蒙特卡洛实验,选择了提出的算法中最小能耗的最优参数集。     

一种无线传感器网络能量模型的评估及改进

无线传感器网络节点能量受限,部署环境复杂.如何提高网络工作时的能效一直是研究无线传感器网络的热点,而能量模型的建立与优化是进行能效分析的基础.就网络通信中,点到点的单跳传输网络模型进行了总结分析,讨论了其中的两种主要传输模式及可靠传输的能量模型,在原有可靠传输能量模型的基础上,采用基于传输失败概率的新模型参数对原有模型进行了重新设计,同时增加了非可靠传输能量模型,并对所提出的新模型做了仿真实验及评估比较.仿真结果显示新模型能很好反映网络的能耗特性,而非可靠传输模型比可靠传输模型有更低的能耗.     

一种基于无线传感器网络数据链路层的能量模型

提出一种无线传感器网络数据链路层能量模型,综合考虑网络层、物理层及传输信道的影响,分析模型主要参数,提出能耗优化的方法.用NS2仿真结果证明了该模型的有效性,并在仿真的基础上推导出能耗经验计算公式.     

基于博弈论的无线传感网能量均衡模型

提出一种基于贝叶斯博弈的无线传感网能量均衡算法,该算法将每次数据转发过程分解为两个阶段的博弈。第一阶段博弈是指节点结合自身能量水平及参与博弈其他节点的战略,构造静态贝叶斯博弈模型,以最优化期望收益函数的解作为节点参与路由转发数据包的最优决策概率;第二阶段博弈是指源节点与邻居节点根据能量水平及相互战略,构造博弈模型,根据最大化期望收益函数的解,决定双方在博弈阶段的最优转发包数量。仿真实验结果表明,本文提出的算法能够有效地均衡网络的能量消耗,延长网络的生存时间。     

基于能量优化的无线传感器网络动态分簇目标跟踪

针对无线传感器网络动态分簇目标跟踪中的数据碰撞与簇首选择过程导致能耗过高问题,提出一种基于能量优化的无线传感器网络动态分簇方法。首先,构建时分竞选传输模型,主动避免动态簇内数据碰撞,降低节点能耗;然后,基于能量信息与跟踪质量,提出能量均衡的最远节点调度策略,优化簇头节点调度;最后,根据加权质心定位算法,完成目标跟踪任务。实验结果表明：在节点随机部署的环境下,所提方法对于非线性运动目标的平均跟踪精度为0.65 m,与多目标跟踪动态簇员选择方法（DCMS）相当,比分布式事件定位动态分簇目标跟踪算法（DELTA）提高了45.8%;能量消耗方面,与DCMS和DELTA相比,所提方法的动态跟踪簇能量消耗有效降低了61.1%,延长了网络寿命。     

无线传感网之能量篇

讨论了无线传感器网络中的能量问题,从硬件的能量获取,到软件的能量管理,方方面面,凡是涉及到与能量有关的地方,均试图以最佳的手段进行优化.能量是无线传感器网络能否广泛应用的关键问题,解决好无线传感器网络的低功耗,长待机等和能量有关的问题,将会为人们带来一个新的无线传感时代.     

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。     

基于TinyOS2.1无线传感网的能量监测模型设计与实现

简要介绍TinyOS 2.x和TinyOS 1.x的联系和主要区别;分析了TinyOS 2.1的仿真环境TOSSIM系统结构和仿真原理.针对目前TOSSIM还不支持能量监测这一问题,以一个监测移动物体运动的仿真程序为例,通过在仿真程序中检查仿真节点的剩余能量比率的办法,提出一种基于节点的能量监测模型.经过仿真验证,该模...     

一种无线传感器网络跨层能量模型及能耗计算

首先提出了一种基于无线传感器网络数据链路层的跨层能量模型。该能量模型考虑了网络层、物理层以及信道对能量损耗的影响。然后通过NS2仿真确定了模型中的重要因素对能耗的影响,并在此基础上推导了计算能耗的数学模型。最后通过对仿真结果的拟和得出模型中的参数,从而获得了能耗的计算公式。     

基于能量有限型无线传感网的恶意软件攻防优化策略

本文针对目前无线传感网络中恶意软件模型化工作的不足,从攻击与防御角度出发,考虑了攻击扫描速率对于攻防优化策略的不同意义,同时考虑了无线传感节点能量有限的特征,在传统恶意软件传播模型的基础上提出了一种改进的无线传感网络恶意软件攻防优化模型。该模型在传统SIR传播模型基础上进行扩展,考虑了免疫与修复的不同因素,最终给出了攻防优化评估方案。通过仿真实验表明,该攻防优化评估方案能够高效地描述攻击扫描参数对恶意软件在无线传感网络中攻击与防御各自效果最大化的关键影响。     

基于感知数据概率模型的无线传感器网络采样和通信调度算法

在无线传感器网络中,如何动态地管理能量,最大限度地延长网络的生命周期是一个关键的问题。文中提出了一种基于感知数据概率模型的传感器网络的采样和通信动态调度算法,使传感器节点根据感知数据的概率模型来确定自己的采样和通信时机,最小化采样频率和通信量,减少传感器节点的能量消耗,延长传感器网络的生命期。该算法是一种分布式算法,适用于无线传感器网络。该算法采用了简单的概率模型,资源需求量小,适合于在目前普遍使用的资源受限的传感器节点上运行。模拟试验结果表明,这种方法与其他方法相比,具有很高的能量有效性。     

无线传感器网络中数据量转移的能量均衡策略

无线传感器网络中各节点能耗不均衡严重影响了网络的生命周期。首先通过理论分析得出了圆形区域网络的数据量转发和能量消耗特性,其次阐述了如何选择最优的发射功率使得网络寿命最长,最后为进一步降低网络能耗,提出了一种有效的数据量转移的能量均衡策略,数值仿真结果证明该策略可以有效降低整网能量消耗,延长网络生存周期。     

基于UWB的无线传感器网络跨层优化模型研究

跨层设计是提高无线传感器网络整体性能的一种有效方法。在综合考虑MAC层调度、物理层功率控制、网络层路由三方面因素的基础上,结合超宽带技术大带宽、低信号功率的特点,以实现网络最大数据传输速率为目标,构建了基于超宽带技术的无线传感器网络跨层优化模型。仿真实验表明：模型最优解可有效提高网络数据传输速率;物理层功率控制对优化结果有着至关重要的影响。这证明以构建、求解优化模型的方式解决跨层设计问题是切实可行的,同时也为解决大规模超宽带传感器网络数据传输问题提供了一条新的解决思路。     

无线传感器网络中基于位置信息的节能方案

介绍了几种适合无线传感器网络的基于位置信息的典型节能方案,主要集中在如何有效地利用位置信息实现能量高效分组转发,如何有效地支持节点动态休眠以及数据融合等.讨论了这些方案的工作原理、优缺点、存在的问题以及未来的发展方向.     

无线传感器网络中多目标优化节点部署模型

针对多跳无线传感器网络中数据采集只采用单目标优化策略带来的问题,提出了一种基于多目标优化的可移动sink节点部署模型.该模型以网络能耗最小和数据延迟最小为优化目标,采用多目标线性规划方法获得节点部署的较优解,在能量消耗和数据收集延迟中取得平衡.仿真结果表明,该模型能够给决策制定者提供更优的无线网络数据采集方案,提高了数据采集的质量.     

基于免疫机制的无线传感器网络路由优化

针对无线传感器网络节点能量受限,路由协议鲁棒性不强的特点,提出了一种基于免疫机制的路由优化算法。利用组播理论与人工免疫全局优化性能,建立路由优化与免疫系统映射关系,设计路由优化算法中的抗体表示、克隆繁殖、克隆选择和基因变异等免疫规则,并从计算方式、局部收敛预防和鲁棒性三方面分析算法的性能。仿真验证了算法的有效性。     

无线传感器网络中的数据融合及其能效评估*

首先介绍当前无线传感器网络中具有代表性的数据融合算法;然后基于树型网络拓扑结构,结合节点休眠调度机制,建立传感器节点的能量模型;最后提出从能量的角度评价不同数据融合算法性能的方法,并通过模拟对典型数据融合算法进行分析.     

基于改进粒子群聚类的无线传感器网络能量均衡分簇策略*

针对无线传感器网络能量约束特点,为实现节点能耗均衡、最大化网络寿命,提出了一种基于改进粒子群聚类的无线传感器网络能量均衡分簇算法。首先根据距离汇聚节点远近将网络进行区域划分和等级标定,以不同概率确定不同等级区域的分簇数量和规模。在活动等级区域内引入相同数量的粒子,根据K-均值聚类法形成多个初始粒子群,修改带惯性权重的粒子群算法,修改粒子飞行规则,并行智能搜索聚类。多个粒子群体的总结学习等优点加快了聚类收敛速度,克服了对初始聚类中心点选择较敏感的问题,形成了传感器节点位置的最优分簇,避免了网络热点问题,促进     

无线传感器网络中基于预测的时域数据融合技术

数据融合是无线传感器网络中重要的研究领域之一。在无线传感器网络中,数据融合的作用主要体现在节省能量、提高数据收集效率、增强数据准确性以及获取综合性信息等几个方面。时间序列分析是一种根据动态数据揭示系统动态结构以及规律的统计方法。基于监测数据的时间序列模型以及时间序列预测,提出适用于无线传感器网络的基于预测的时域数据融合方法,以部署于故宫博物院的环境监测网络采集的温度数据作为样本,通过仿真对该方法进行有效性验证以及性能分析。结果表明,一阶自回归预测算法与其它预测算法相比,具有更好的适用性,当误差阈值为0.05 ℃-0.50 ℃时,预测成功率为21%-83%;当误差阈值为0.05 ℃时,节能收益达到68%。