无线传感器网络最小覆盖能量优化算法

在无线传感器网络中,位于基站周围的节点由于负责所有探测数据的转发任务而能量消耗水平较高。为了均衡基站周围节点的能量消耗,提出一种合理有效的节点轮换休眠机制。使得网络中大量冗余节点处于休眠状态,从而减少基站周围重要节点的负载。基于这种想法提出了冗余节点判定定理,基于Voronoi图寻找最大可休眠节点集,设计了最小连通覆盖算法（FBSW）寻找网络中可休眠的冗余节点,有效地延长网络的生命周期。仿真结果证明,该算法的运行复杂度优于贪婪算法,由于冗余节点轮换休眠,整个网络的能量节约了20.01%以上。     

基于Voronoi图和复合泊松过程的WSN覆盖算法设计

设计了一种基于Voronoi图和复合泊松过程的分布式算法。利用Voronoi图的性质,传感器节点能够同时进行冗余判定和感知半径调节来消除覆盖冗余;利用休眠节点的复合泊松探测过程,能够及时发现工作节点的失效并弥补网络的覆盖漏洞,使网络由单纯的完成监测任务变为动态调整拓扑以适应环境变化。仿真结果表明网络能准确调度节点状态,并且对工作节点失效具有很好的鲁棒性。     

无线传感网中能量高效的目标跟踪算法研究

针对无线传感网现有跟踪算法精度低、能耗高等问题,研究一种能量高效的目标跟踪算法.该算法提出基于Voronoi图的节点休眠调度机制,在节约能量的同时保证监测区域的网络覆盖质量.然后分析节点间的位置拓扑关系对定位精度的影响,并通过合理选择信标节点实现目标的定位跟踪.仿真结果表明,该算法在能量效率、跟踪精度与稳定性方面表现出较好的性能.     

一种无线传感器网络自适应休眠算法的研究

降低无线传感器网络的能耗一直是迫切解决的问题。通过对无线传感器网络节点能耗分布情况的研究,发现对无线传感器网络节点休眠,可以减少节点收发能耗。针对降低无线传感器网络节点能耗的问题,文中基于多因素、多层次的层次分析法,设计了一种无线传感器网络自适应休眠算法(AHP休眠算法)。实验表明该算法依据信息采集需求和节点剩余能量自适应控制网络节点的休眠和收发,与传统的RS休眠和定时休眠算法对比,提高了节点能量的利用率,延长网络生命期。     

基于区域分割和Voronoi图的区域覆盖算法

针对无线传感器网络区域已知的区域覆盖问题,提出了一种基于区域分割和Voronoi图的覆盖算法（RSV）。算法首先分析已知区域的地理信息和兴趣点,根据传感器感知能力,构造合适大小的网格将已知区域细化分割。然后基于分割后的各个区域,根据兴趣点的数量划分其为不同权重部分,并初步设计传感器位置。根据初步部署位置和权重,对不同权重位置构造Voronoi图填补覆盖空洞,直至所有空洞被填补完毕,并为了延长运行寿命设计了合适的节点休眠策略。仿真实验显示,基于区域分割和加权Voronoi图的目标区域覆盖算法相较于现有算法,在节点数量增加较少的情况下,延长了网络的运行寿命,同时使节点能量消耗更加平均,在节点数量受限情况下,算法对有效区域的覆盖效果也更佳。     

一种无线传感器网络自适应休眠算法的研究

降低无线传感器网络的能耗一直是迫切解决的问题,通过对无线传感器网络节点能耗分布情况的研究,发现对无线传感器网络节点休眠,可以减少节点收发能耗。针对降低无线传感器网络节点能耗的问题,本文基于多因素、多层次的层次分析法,设计了一种无线传感器网络自适应休眠算法（AHP休眠算法）。实验表明该算法依据信息采集需求和节点剩余能量自适应控制网络节点的休眠和收发,与传统的RS休眠[1][2]和定时休眠算法[3]对比,提高了节点能量的利用率,延长网络生命期。     

基于Voronoi图的无线传感器网络覆盖空洞检测算法

针对无线传感器网络(WSN)中节点随机部署或部分节点能量耗尽带来的覆盖空洞(CH)问题,提出了一种基于Voronoi图的覆盖空洞检测算法。该算法利用节点的位置信息在覆盖区域范围内构建Voronoi图,通过计算每个Voronoi区域内的节点到该区域的顶点和边的距离来判断是否存在覆盖空洞,标识覆盖空洞的边界节点。仿真实验评估了不同节点分布密度、不同感知半径对空洞平均检测时间、平均能耗的影响,并与路径密度(PD)算法进行比较。实验结果表明所提算法在空洞平均检测时间和节点平均能耗两个方面均有10%左右的提升,对进一步延长网络生存期具有重要价值。     

基于Voronoi图的无线传感器网络K覆盖算法

针对无线传感器网络(WSN)在随机高密度部署节点情况下的多重覆盖问题,提出一个基于Voronoi图的K覆盖算法。该算法利用邻居节点信息计算Voronoi覆盖邻居节点集,构建有向Voronoi覆盖关系图,通过调整关系图中的节点状态实现K覆盖。仿真结果表明,该算法能正确判断网络覆盖率,连通K覆盖的近似最小活动节点集数目少于CCP算法。     

一种太阳能传感器网络的自适应休眠调度算法

通过从外界获取太阳能,传感器网络节点的能量限制得到缓解。提出一种太阳能传感器网络的自适应休眠调度算法。当观测场景从区域观测到目标跟踪转变时,节点自适应地转换活跃和休眠状态,同时剩余能量低于能量阈值的休眠节点从外界获取太阳能。与不考虑太阳能获取的休眠调度算法相比,提出的算法延长了网络生命周期。     

基于Voronoi图划分的节点模糊信息定位算法

针对基于接收信号强度的无线传感器网络节点定位算法精度低的问题,提出一种基于Voronoi图划分的节点模糊信息定位算法。根据锚节点个数对定位区域进行Voronoi图划分,将整个定位区域划分为不同的Voronoi区域,同时获得各个Voronoi区域的顶点坐标。使用高斯滤波方法筛选出可以作为参考节点的顶点坐标,通过顶点坐标和锚节点联合定位未知节点。利用模糊信息定位方法计算出未知节点的最终位置。实验结果表明,相比M ANLFI算法和FINL-DT算法,该算法能够有效提高节点定位精度,降低网络能耗。     

无线传感器网络中基于最大堆的聚合路由算法*

综合考虑了节点剩余能量和数据传输距离的影响,结合数据聚合提出了一种基于最大堆的聚合路由算法。算法利用节点剩余能量和传输距离作为参数来建立一个堆,把能耗分布到整个网络,提高网络的生存时间。仿真结果表明,新算法与平衡树路由算法相比有效地延长了网络的生存周期。     

基于维诺图和二分图的水面移动基站路径规划方法

水面传感器网络（Surface sensor networks,SSNs）具有节点稀疏布置的特点（节点间距离通常大于节点通信半径）,因此难以通过节点间的多跳路由汇聚数据,目前主要采用移动基站（Mobile sink,MS）收集网络中的数据,其中移动基站的路径规划是一个关键问题.该文提出一种基于维诺图和二分图的水面移动基站路径规划方法,首先利用维诺图理论生成数据收集“候选点”;然后以二分图描述候选点对网络中传感器节点的支配关系,并基于支配集理论求解出“最小有效支配集”,即可以收集网络中所有节点数据的最小的候选点集合;最后针对最小有效支配集形成最优路径.大量实验结果表明该方法可以有效地规划出水面传感器网络中移动基站的路径,不仅可以完成全网数据收集任务,而且具有路径长度短、能量效率高和节点能耗均衡的优点.     

无线传感器网络中能耗均衡的覆盖控制算法

覆盖控制作为无线传感器网络的一个基本问题,对网络的生存时间、部署策略、通信协议和组网等问题的解决具有重要影响。在传感器节点随机冗余部署方式下,传统的方式 是在保证覆盖要求和通信连通的前提下仅将最少量的节点投入活跃工作状态,从而降低网络能耗。但是,若频繁地激活同一批节点,会造成这些节点由于能耗过快而较早失效效,使整个网络的冗余程度降低。然而,冗余度是传感器网络在单个节点性能有限的情况下提高整个网络的可靠性、容错性、精确性等的基础。为此,本文提出了一个能耗均衡ECB的覆盖问题,指出它是NP完全的,并给出了一个集中式近似算法。该算法根据节点的剩余能量赋于每个节点非负权,再基于Voronoi划分和贪心边方法,在保证覆盖要求的同时选择权和最小的节点激活。仿真实验结果表明,ECB算法求得的活跃节点集小,可以达到有效覆盖,并且可以保持网络的冗余度。     

基于博弈论能耗均衡的WSN非均匀分簇路由协议

在无线传感器网络(WSN)的分簇路由算法中,节点间能耗不均容易引发 “能量空洞”现象,影响整个网络的性能。针对这个问题,提出了一种基于博弈论能耗均衡的非均匀分簇路由(GBUC)算法。该算法在分簇阶段,采用非均匀分簇结构,簇的半径由簇头到汇聚节点的距离和剩余能量共同决定,通过调节簇头在簇内通信的能耗和转发数据的能耗来达到能耗的均衡;在簇间通信阶段,通过建立一个以节点剩余能量和链路可靠度为效益函数的博弈模型,利用其纳什均衡的解来寻找联合能耗均衡、链路可靠性的最优传输路径,从而提高网络性能。仿真结果表明:与能量高效的非均匀分簇(EEUC)算法和非均匀分簇节能路由(UCEER)算法相比,GBUC算法在均衡节点能耗、延长网络生命周期等性能方面有显著的提高。     

一种无线传感器网络节能算法的研究

由于无线传感器网络节点的能量有限,提出了一种改进的媒体接入控制的节能算法。此算法能够根据网络节点的实际剩余能量自动调节网络节点的休眠概率,均衡网络各个节点的能量消耗,从而提高网络的生存时间。仿真结果表明:节点生存的最大时间可由传统算法的1.48×104s增加到3.2×104s,同时,在节点能量相同的情况下,网络生存时间内传递的数据分组数也得到了较大提高。     

无线传感器网络中能量最优传输半径调整

在无线传感器网络中,为有效节省能量的消耗,一般将多跳路由上的冗余节点设置成休眠状态.针对节点均匀分布的线性网络,在候选路由节点随机确定,且各节点可有不同传输半径的情况下,利用动态规划算法选择合适的活动路由节点及其传输半径,达到总体最优能量消耗.数值结果证实算法的有效性.     

一种基于灰色模型的预测调度算法

为了保证监控的质量,无线传感器网络通常以高密度的方式部署节点。当这些节点全部处于工作状态时,不仅会引起信道严重的冲突,而且会产生较多的数据,大量消耗节点的能量。因此,让节点轮流工作和休眠,是一种较好的节能方法。论文对此进行了研究,提出了一种基于预测的调度算法。在这个算法中,簇首节点对簇内成员进行管理,并调度低能量的节点进入休眠状态。休眠节点的数据则由簇首节点采用一定的预测算法来预测。仿真结果表明,该调度算法不仅能够有效地延长网络的生命周期,而且数据的精度也能够得到较好的保证。     

Promoting Heterogeneity, Mobility, and Energy-Aware Voronoi Diagram in Wireless Sensor Networks

We prove that the energy sink-hole problem can be solved provided that sensors adjust their communication ranges so they can send data over distances less than the radii of their nominal communication range. This solution, however, imposes a severe restriction on the size of a monitored field. To overcome this limitation, we propose a sensor deployment strategy based on energy heterogeneity with a goal that all sensors deplete their energy simultaneously. Our simulation results show that such a sensor deployment strategy helps all sensors deplete their initial energy at the same time. To solve the energy sink-hole problem for homogeneous WSNs, however, where all sensors have the same initial energy, we propose a localized energy-aware Voronoi diagram-based data forwarding (EVEN) protocol. EVEN combines sink mobility with a new concept, called energy-aware Voronoi diagram whose virtual sites (i.e., virtual sensors' locations) are computed based on the remaining energy of the corresponding sensors. Through simulations, we show that EVEN outperforms similar greedy geographical data forwarding protocols and has performance that is comparable to that of an existing data collection protocol that uses a joint mobility and routing strategy. Precisely, we find that EVEN yields an improvement of more than in terms of network lifetime.     

基于网络效率的线性无线传感器网络优化部署算法

基于多跳的无线传感器网络,靠近sink的传感器节点因需要转发更多的数据,其能量消耗较多,从而在sink周围形成"能量空洞".采用更符合实际的单位部署成本的网络寿命,即网络效率作为优化目标.在仅已知网络规模和节点感知半径r的情况下,如何通过有效的节点部署来避免"能量空洞"并使网络效率最大,是一个极具挑战性的研究课题.提出了一种高效节点部署算法,求解出了最优工作节点数、最佳中继节点部署方案、最优节点传输距离.理论分析与模拟实验结果表明,算法不仅能够避免"能量空洞",而且相对于已有均匀与非均匀算法都能有效提高网络效率,因此该算法对构建低成本的无线传感网络应用系统具有重要意义.     

Sensor Distribution Optimization Based on Extending-tree in Sensor Network

In a sensor network,reasonable distribution of sensor nodes will do much good to the improvement of sensorial ability.In a sensor network constructed by randomly scattering,a better sensing coverage can be achieved by topology adjustment utilizing mobility of some sensor nodes.To solve this problem,we define an extending-tree in the sensor network using Voronoi diagrams and Delaunay network.On this base,a new optimization algorithm of sensor node distribution based on genetic algorithm is designed,which provides a sound effective means to improve the sensorial ability of network.Simulation output shows that this algorithm can achieve an optimizing node distribution in the object area,by which sensorial ability of the whole sensor network can be improved at a relatively low cost.