WSN中基于压缩感知的分簇数据收集算法

为减少无线传感器网络的数据通信量和能量消耗,基于WSN节点数据时空相关性的特性,提出一种将K-means均衡分簇和CS理论相结合的数据收集方法。首先,通过K-means聚类算法均匀划分网络成簇。然后,各簇首对采集到的数据进行基于时空相关性的压缩感知并传输至基站Sink节点。最后,Sink节点采用OMP算法对收集到的数据进行精准重构。仿真结果表明,该算法有效减少了无线传感器网络的数据通信量和压缩感知算法重构过程所需要的观测量。     

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.     

传感器网络中基于分布式压缩的数据聚合方法

针对基于压缩数据采集的数据聚合需要高效的路由转发树协议,以便更好地采集到从传感器节点到sink节点的编码数据,提出了一种新型高效节能的分布式压缩数据收集方法。该方法中每个传感器节点均可独自寻找父节点,并构建一部分路由树,无需利用中心节点来构建所有转发树,从而允许每个传感器节点对转发树的构建和维护做出局部决策。仿真实验结果表明,相比传统的压缩数据收集方法,新方法的复杂性较低并且开销降低近50%。     

基于压缩感知的传感器网络中概率负载均衡的数据路由协议

基于混合压缩感知(CS)理论,提出一种负载有效的路由协议.考虑分簇网络结构,簇内节点传输原始数据到簇头,簇头对数据进行压缩再通过最小生成树发送到sink.为防止簇头节点负载不均衡造成网络不能正常通信,提出负载度的概念并设计基于CS的负载均衡策略;然后,研究概率负载均衡策略以均衡所有节点的负载流量;最后,提出分布式补偿算法构建分簇网络并实现数据汇聚功能.仿真结果表明,所提出方法在提高网络生存时间及能耗均衡方面均优于传统方法.     

基于压缩感知的无线传感器网络的数据编码

近年来,基于压缩感知的无线传感器网络数据编码的研究取得了一定的进展,但大部分研究是基于"单跳"的传输模型或者没有考虑网络内节点之间的合作。本文提出了一种基于压缩感知和分簇的传感器网络数据编码方法。首先,节点根据自己的编号伪随机的产生一个M维的列向量,把感知的数据xi投影到此向量上,然后把自己的编号和投影的数据一同传输给簇头。簇头把收到的数据进行求和,并且把计算后的结果传送给下一个簇头,直到sink节点。通过仿真实验和理论分析,验证了本文提出的方法比传统的方法能更好地减少网络内数据传输量。     

基于压缩感知的无线传感器网络数据融合算法

无线传感器网络中存在大量的数据冗余,数据融合技术通过对采样数据进行压缩,消除冗余,有效的减少了节点发送的数据量,延长传感器网络的寿命．提出了压缩感知与数据转发相结合的数据融合算法,在网络采样数据收集的过程中根据节点的子节点个数选择利用压缩感知对数据进行压缩还是直接对数据进行数据转发．仿真结果表明,和基于压缩感知的数据融合算法相比,数据转发与压缩感知相结合的数据融合算法,有效地在平衡节点间负载的同时减少节点的发送量．     

WSNs中基于期望网络覆盖和分簇压缩感知的数据收集方案

为提高无线传感器网络数据收集精确度、降低网络能耗和改善数据包丢失情况下数据收集算法的鲁棒性,提出一种基于期望网络覆盖和分簇压缩感知的数据收集方案.首先设计期望网络覆盖优化算法,给出节点调度策略,实现对“特殊”区域重点观测和降低节点能耗的目的;然后通过分析网络分簇与节点部署之间的关系,设计弱相关性观测矩阵,降低数据包丢失对数据收集的影响;最后引入群居蜘蛛优化算法以提高汇聚节点处CS数据重构精度.仿真结果表明,与其他数据收集算法相比,所提出方案数据重构误差降低了约23.5{%     

一种节能的无线传感器网络路由协议的设计与实现

在无线传感器网络的路由协议中,基于簇的路由协议在拓扑管理、能量利用、数据融合等方面具有优势。本文针对目前已有协议能量消耗大、网络寿命短等问题,提出了一种能量感知的基于分布式簇算法的无线传感器网络协议EA-HEED。此协议改进了分布式的簇头选举算法,分配时分复用时隙并在簇头节点建立一棵路由树,从而提高簇头选举效率;设计了休眠冗余节点的簇内活动节点调度算法,减少能耗;采用考虑节点能量和节点与基站距离的簇头节点组织路由树方法、最小化网络开销以及能量负载平衡方法,优化路由协议,有效延长网络寿命。仿真结果表明,与LEACH和HEED协议相比,EAHEED协议可以进一步延长网络寿命。     

UWSNs中基于压缩感知的移动数据收集方案

由于水下无线传感器网络(UWSNs)工作环境的特殊性,降低节点能耗和保证数据收集的实时性是至关重要的问题.提出一种基于压缩感知(CS)的移动数据收集方案.以DEBUC协议和CS理论为基础,簇内节点依据设计的稀疏测量矩阵决定是否参与压缩采样,并将获得的测量值传输至簇头.通过AUV的移动来收集各个簇头上的数据到数据中心,该问题被建模为带有邻域的旅行商问题,并提出了近似算法进行求解.在数据中心处利用CS重构算法进行数据重构.仿真实验结果表明:相比于已有的水下移动数据收集算法,该方案在保证数据收集可靠性的同时,降低了数据收集延时,延长了网络寿命.     

压缩感知和LEACH结合的水下传感器网络信息采集方案

由于水下传感器网络特殊的工作环境,节点能耗是其至关重要的问题。针对这一问题,本文提出一种LEACH和压缩感知相结合的水下传感器网络信息采集方案(CS_LEACH)。根据LEACH协议对网络节点分簇后,簇内节点可以以概率q决定是否参与感知数据,簇内感知到的数据加权叠加后,由簇头传输至Sink节点。在Sink节点,利用压缩感知重构算法进行信息重构,从而得到监测区域的信息图谱。理论分析和仿真结果表明,与传统的LEACH协议相比,CS_LEACH方案在保证重构精度的前提下,大大节约了节点能量,延长了网络生存周期。     

基于最小覆盖集的WSN数据聚集算法

针对无线传感器网络(WSN)能量有限且网内聚集错误检测率较低的问题,提出一种基于最小覆盖集的WSN数据聚集算法。构造一颗以汇聚节点为根并包含最少中间转发节点的树,其中间转发节点为树的最小覆盖集。在中间转发节点中引入读向量的相似性判断,以去除网内冗余及错误数据。实验结果表明,该算法能减少网内通信能耗,提高收集数据的准确性。     

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。     

WSN中一种基于混合CS的分簇数据收集方案

针对现有数据收集方案的不足, 提出了一种基于混合CS的分簇数据收集方案。首先网络被划分为多个簇, 簇内节点的数据通过最短路径路由直接发送到簇头上, 而簇头基于压缩感知（CS）对收到的数据进行融合, 并通过一棵骨干路由树将各个簇头的数据发送到sink上, 以最小化数据传输总次数为优化目标, 对簇的大小与数据传输次数之间的关系进行了理论分析, 得到了可以保证数据传输次数最小的簇大小。进一步地, 簇内的数据传输问题被建模为K-median问题, 簇间的数据传输问题被建模为Steiner树问题, 并分别提出了集中式和分布式算法来解决该问题。仿真实验结果表明, 该方案是有效的, 在降低数据传输次数方面要优于传统的方法。     

基于压缩感知的无线传感网络数据压缩

无线传感器网络（Wireless Sensor Networks,WSN）负责感知、采集、处理和监控环境数据,但是容易受限于资源。压缩感知（Compressed Sensing,CS）理论表明,利用最优化理论,稀疏信号可以从少量的非自适应线性投影中高概率精确恢复。根据CS理论设计WSN的数据压缩方法只依赖于信号内在的结构和内容,而不是信号的带宽,弥补了WSN的不足;提出了基于稀疏随机投影的编码方法;仿真结果表明系统在满足误差要求条件下构造的数据包减少至结点数目的30%,提高了WSN通信效率,降低了系统能耗。     

WSN中基于树型标号系统的分布式路由算法

针对无线传感器网络中数据中心存储的路由问题,提出一种基于树型标号系统的分布式路由算法。将网络中的节点组织成以参考节点为根的树型结构,通过比较目的节点标号与邻居节点标号,选择转发节点,实现数据路由。分析与仿真结果表明,该路由算法的空间开销较低、路由效率较高,并且生成的路径接近最短路径。     

基于概率传输的无线传感网数据汇聚方案

针对传统无线传感网数据汇聚中通信开销较大的问题,提出了基于概率传输的无线传感网数据汇聚方案。由于簇内节点有限,汇聚误差难以避免,在可容忍汇聚误差下,簇内节点按概率进行数据发送,可有效减少簇内消息传输量,降低通信开销。同时,采取狄克逊准则对小样本中的粗大误差进行剔除提供高的簇内汇聚可靠性。实验结果表明,在可容忍误差下进行概率发送可有效降低簇内消息传输量,所提方案的簇内数据汇聚通信开销约为传统方案的27.5%;概率发送的汇聚误差与所有节点进行数据发送的汇聚误差基本在同一水平,都是传感器网络可接受的。     

基于均衡分簇的无线传感器网络压缩数据收集

应用压缩感知（CS）理论结合稀疏随机投影的无线传感器网络（WSN）压缩数据收集（CDG）可以大大减少网络传输的数据量。针对随机选择投影节点作为簇头来收集数据导致网络整体能耗不稳定和不平衡的问题,提出两种平衡投影节点的压缩数据收集方法。对于节点分布均匀WSN,提出基于空间位置的均衡分簇法：首先,均匀划分网格;然后,在每个网格选举投影节点,依距离最短原则成簇;最后,由投影节点收集簇内数据到汇聚节点完成数据收集,从而使得投影节点分布均匀、网络能耗均衡。对于节点分布不均匀的WSN,提出基于节点密度的均衡分簇法：同时考虑节点的位置和密度,对节点数量少的网格不再选择投影节点,将网格内的少量节点分配到邻近的网格,从而平衡网络能量,延长网络寿命。仿真结果表明,与随机投影节点法相比,所提的两种方法的网络寿命均延长了25%以上,剩余节点数在网络运行中期均能达到2倍左右,具有更好的网络连通性,显著提高了整个网络的生命周期。     

蓝牙无线传感器网络近饱和组网方法

针对蓝牙在无线传感器网络中的应用,提出了一种蓝牙无线传感器网络组网方法,详细地描述了组网过程,并对该方法的性能进行了分析评估。组网方法采用了树形拓扑、近饱和微微网、关键节点备份等机制,具有网络内微微网数较少、网络健壮性较好、生存时间较长的优点。     

基于蚁群优化的WSN功率自适应路由算法

为节省节点能量开销,延长无线传感器网络(WSN)的生命周期,在研究蚁群优化算法的基础上,提出一种基于蚁群优化的功率自适应路由算法。在蚂蚁寻路时考虑节点的传输方向、剩余能量和节点间距离。寻找到一条最优路径后,根据相邻两节点间的距离调整节点的发射功率,避免功率过大造成能量浪费。仿真实验结果表明,在节点非均匀分布的情况下,该算法能够有效节省网络开销,延长网络生命周期。     

无线传感器网络节点分布式信息融合算法研究

节省能耗和延长网络寿命是无线传感器网络研究的核心课题之一,国内外在节点放置、路由策略方面有大量研究,通过密度控制、分级簇等路由算法减少数据冗余。通过信息融合算法减少有效数据传输量是延长网络节点寿命的有效途径,并就此进行具体研究,提出了三种典型的分布式信息融合算法,即系数加权融合、无反馈的Kalman融合滤波及有反馈的Kalman融合滤波,并对其在805.12.4/ZigBee温度测量网络应用层协议中进行实现,最后通过运算数据结果对三种算法进行了比较分析及有效性、局限性总结。